AGENTIC AI
Einen Agenten demonstrieren kann jeder.
Ich betreibe sie in Produktion.
Vierzig Anbieter zeigen Ihnen einen Agenten, der einen Termin bucht. Die Frage, die zählt, ist eine andere: was er um 3 Uhr nachts macht, wenn die API in einen Timeout läuft, die Daten kaputt sind und niemand hinschaut. Genau diesen Teil baue ich.
WAS AGENTIC HIER WIRKLICH HEISST
Entscheidet, statt nur auszuführen.
Ein Skript
Tut genau das, was man ihm gesagt hat, der Reihe nach - oder es stirbt. Ändern sich die Eingaben, liefert es still falsche Antworten.
Ein Agent
Sieht, was zurückkommt, entscheidet den nächsten Schritt, versucht es anders und eskaliert an einen Menschen, wenn es sein muss.
Der Unterschied
State, Tools, Evals und Kostengrenzen - Engineering, keine Prompts. Das trennt ein System von einer Demo.
DER STACK
VON GRUND AUF GEBAUT
Ich habe mein eigenes Agenten-Harness gebaut. Mehrfach.
Einmal für die Cloud, einmal für eine lokale Maschine - weil die beiden nichts gemeinsam haben. Queues, Retries, Token-Budgets und Observability in der Cloud; Latenz, Datenschutz und Offline-Verhalten auf dem Rechner. Die meisten konsumieren ein Framework. Wer das Harness zweimal baut, lernt, was die Frameworks verbergen.
WAS ICH FÜR UNTERNEHMEN BAUE
Agenten mit einer Aufgabe.
Ops-Agenten, die Queues leerräumen. Recherche und Datenaufnahme, die liest, wozu Ihr Team nie kommt. Entscheidungen mit einem Menschen in der Schleife, wo er hingehört. Interne Automatisierung, gebunden an eine Zahl, über die tatsächlich jemand berichtet - keine Fähigkeiten, sondern Ergebnisse.
SELBST TRAINIERT
Ich habe keine API aufgerufen.
Ich habe das Modell trainiert.
Die meiste KI-Arbeit ist ein Prompt vor dem Modell von jemand anderem. BSLM ist das Gegenteil. Jedes Gewicht startet zufällig: eigener Tokenizer, eigenes Korpus, eigene Trainingsschleife. Ein 5M-Router liest die Anfrage, ein 72M-Decoder entscheidet, was daraus folgt, auf Englisch und Griechisch, ausgeliefert als eine 78-MB-Datei, die auf einer normalen CPU oder einem Telefon läuft. Kein API-Schlüssel, keine Abrechnung pro Token, nichts verlässt das Haus.
Wie es entstand, der Reihe nach: zuerst die Obergrenze bei 80 MB festlegen, damit es auf ein Telefon passt, dann das Korpus erzeugen, einen eigenen Byte-Level-Tokenizer trainieren, den Decoder aus zufälliger Initialisierung auf gemieteter GPU-Zeit vortrainieren und ihm zuletzt den Werkzeuggebrauch aus echten Verläufen beibringen statt aus Skripten: Es sucht, liest, versucht es erneut und bewertet die eigenen Schritte. Dreizehn gemessene Runden, und die misslungenen stehen mit im Protokoll.
91,2% bei ungesehenen Agenten-Aufgaben, 94,8% Erholung nach einem gescheiterten ersten Versuch, 2,8% falsche Antwort ohne Warnung ausgeliefert. Die eine Kategorie unter der Latte, offene Faktensuche mit 68%, steht auf der Tafel, statt versteckt zu werden.
Zum Code Modell herunterladen MIT-Lizenz, 78 MB GGUF, läuft auf einer CPU
WENN ES SCHIEFGEHT
Einen Agenten bauen kann jeder.
Kaum jemand hält einen am Leben.
Der Architektenteil, denn hier sterben die Demos:
Retries & Fallbacks
Jeder Tool-Call scheitert irgendwann. Die Antwort des Systems darauf ist entworfen, nicht zufällig entdeckt.
Evals
Ein Modell-Update kann das Verhalten still verändern. Evals fangen das ab, bevor Ihre Kunden es tun.
Kostengrenzen
Ein Agent in der Schleife ist eine Kreditkarte in der Schleife. Budgets werden im Code durchgesetzt, nicht in der Hoffnung.
Mensch in der Schleife
Manche Entscheidungen dürfen nie autonom fallen. Zu wissen, welche, ist die Arbeit.
ICH UNTERRICHTE ES AUCH
learnery.io
KI-Schulungen, die Ihr Team wirklich zu Ende bringt - ein praxisnahes Seminar in fünf Schritten, das Ihre Leute lernen lässt, KI-Tools sicher einzusetzen, zugeschnitten auf Ihre Branche und die konkreten Rollen. Ein Thema zu unterrichten ist der stärkste Beweis, dass man es beherrscht. Und manche Teams brauchen die Fähigkeit im Haus, nicht eingekauft.
learnery.io ansehenSCHON IM EINSATZ
KI in Produktion, schon vor 2026.
seethemenu.online liefert echten Betrieben einen KI-Assistenten aus - und zwar schon, bevor das große KI-Jahr überhaupt begann. learnery.io ist ein KI-Produkt, das jetzt live ist. Die Behauptung auf dieser Seite hat Belege, die älter sind als der Hype - URLs, keine Adjektive.
DATEN & DSGVO
Wohin Ihre Daten gehen -
beantwortet, bevor Sie fragen.
EU-Haltung als Standard: Datenminimierung, Verarbeitung in der EU, wo der Stack es zulässt, Aufbewahrungsfristen, die entschieden und nicht zufällig sind, und eine schriftliche Antwort auf „Was sieht das Modell?“. Ich baue seit zehn Jahren DSGVO-konforme Systeme - die Arbeit mit Agenten erbt das, sie entkommt dem nicht.
GEBAUT, NICHT VERSPROCHEN
Zehn fertige Systeme,
die auf den ersten Kunden warten.
Steuerabgleich, Agent-Governance, Nachweise zum EU AI Act, agentischer Checkout, Marketing für gemeinnützige Organisationen, Bestand und Kosten im Handel, Kundensupport, Bewerber-Screening, Vertrieb und Logistik. Fertig, laufend, und ehrlich darüber, dass es noch keinen Kunden gibt.
Die zehn ansehenHaben Sie einen Prozess, der sich selbst erledigen sollte?
Bringen Sie den Prozess mit und die Zahl, die er verbrennt. In einem Telefonat sage ich Ihnen, ob ein Agent die richtige Antwort ist - auch dann, wenn er es nicht ist.
Projekt starten