Das Problem ist nicht das Modell
Ich habe in den letzten Monaten viele Teams dabei beobachtet, wie sie KI-Agenten in ihre Workflows integrieren.
Das Muster ist immer das gleiche.
Aufgabe rein. Ergebnis raus. Ergebnis schlecht. Prompt anpassen. Nochmal. Wieder schlecht. Frust. "Das Modell ist einfach nicht gut genug."
Das Modell ist fast nie das Problem.
Das Problem ist das, was vor dem ersten Token passiert.
Was ein Agent eigentlich braucht
Wenn du einem Agenten eine Aufgabe gibst, macht er im Hintergrund genau das, was ein neuer Mitarbeiter am ersten Tag macht.
Er schaut sich an, was gefragt wurde.
Er fängt an.
Und irgendwann, mitten in der Arbeit, stellt er sich die Frage, die über alles entscheidet: Bin ich fertig?
Wenn du ihm keine Antwort darauf gegeben hast, erfindet er eine.
Manchmal errät er richtig. Meistens nicht.
Definition of Done ist kein Entwickler-Jargon
In der klassischen Softwareentwicklung gibt es das Konzept der "Definition of Done". Es ist das Kriterium, das ein Task erfüllen muss, bevor er als abgeschlossen gilt.
Nicht "ich habe mein Bestes gegeben".
Nicht "es sieht ungefähr so aus wie gewünscht".
Konkret. Messbar. Eindeutig.
Ich habe gemerkt, dass genau dieses Konzept der entscheidende Unterschied ist, ob ein KI-Projekt im ersten Durchlauf funktioniert oder zehn Iterationen braucht.
Der Agent nutzt deine Definition of Done nicht als nette Orientierung.
Er nutzt sie als Maßstab.
Aktiv.
Er prüft sich selbst daran. Korrigiert sich. Versucht das Ergebnis anzupassen, bis die Bedingungen erfüllt sind.
Wenn du ihm eine präzise Definition gibst, arbeitet er wie ein Profi.
Wenn du ihm keine gibst, arbeitet er wie jemand, dem du gesagt hast "mach das irgendwie fertig" und dann gegangen bist.
Acceptance Criteria: Der zweite Schritt, den die meisten überspringen
Noch eine Stufe tiefer als die Definition of Done liegen die Acceptance Criteria.
Sie beantworten nicht nur "wann ist es fertig", sondern "wie sieht fertig konkret aus".
In der Praxis bedeutet das, du formulierst vor dem Start schriftlich:
Was muss das Ergebnis enthalten.
Was darf es nicht enthalten.
Welche Qualitätsstandards gelten.
Wie die Ausgabe strukturiert sein soll.
Das klingt nach Mehraufwand.
Das ist Mehraufwand.
Und er zahlt sich fast immer aus, weil du ihn einmal trägst, statt ihn zehnmal zu vermeiden und trotzdem zu haben.
Warum beide grossen Anbieter das verstanden haben
OpenAI und Anthropic haben ihre Coding-Harnesses mit iterativen Feedback-Schleifen ausgestattet. Das heisst, der Agent führt eine Aufgabe aus, evaluiert das Ergebnis, und korrigiert nach, wenn etwas nicht stimmt.
Das ist kein Zufall.
Das ist die Antwort auf genau das Problem, das ich oben beschrieben habe.
Der Loop ist das Sicherheitsnetz.
Aber das Sicherheitsnetz funktioniert nur, wenn der Agent weiss, gegen welchen Standard er sein Ergebnis misst.
Ein Loop ohne Definition of Done ist ein Agent, der endlos kreist und nie landet.
Was das für deine Praxis bedeutet
Bevor du das nächste Mal einen Agenten losschickst, nimm dir zehn Minuten.
Schreib auf, wann der Task abgeschlossen ist. Nicht vage. Konkret.
Schreib auf, welche Bedingungen das Ergebnis erfüllen muss. Nicht als Wunschliste. Als Kriterien.
Wenn du diese zehn Minuten nicht investierst, investierst du sie später trotzdem. Verteilt auf Iterationen, Frust und das Gefühl, dass das Modell irgendwie nie das liefert, was du dir vorgestellt hast.
Die meisten KI-Projekte scheitern nicht an der Intelligenz des Modells.
Sie scheitern an der Unklarheit des Auftrags.
Das ist keine technische Herausforderung.
Das ist eine Kommunikationsherausforderung.
Und die liegt komplett in deiner Hand.