AI AUTOMATION
Agentic AI Workflow: vom Pilot in den Produktivbetrieb.
Multi-Agent-Patterns, die in zwei Jahren noch tragen. Modular phasiert, Mensch-im-Loop, Audit-Trail. Phase 1 als Pilot mit belegter KPI, Phase 2 Produktivierung, Phase 3 modulare Skalierung.
Effizienz, die in den Betrieb geht. Vendor-agnostisch über Anthropic MCP, LangGraph, AutoGen, Microsoft Semantic Kernel und Open-Source.
Worum es geht
End-to-End-Prozess mit Agenten, nicht Prozess-Schritt für Prozess-Schritt
Referenzen
Telefónica: Reinforcement-Learning- und Recommendation-Architektur als End-to-End-Logik mit Pfad in die Produktivierung.
MIWE LOKI/LISA: zwei Agenten in produktivem Materialmanagement-Einsatz.
Ein AI-Use-Case bringt einen Prozess-Schritt in Produktion. Ein Agentic AI Workflow bringt einen End-to-End-Prozess in Produktion: mit mehreren spezialisierten Agenten, die orchestriert zusammenarbeiten, Entscheidungen treffen und sich gegenseitig Kontext übergeben.
Das ist die Kategorie, in der Customer-Care-Backlogs wirklich schrumpfen. In der Dokumenten-Pipelines nicht am letzten Schritt enden. Wir bauen das modular phasiert: kein 18-Monats-Programm, sondern Phase 1 belegbar, dann nächste Phase entscheidbar.
„MIWE: zwei KI-Agenten verarbeiten täglich über 3 Mio. SAP-Datensätze und treffen bis zu 1.000 operative Entscheidungen. 10 bis 20 % Performancegewinn im Materialmanagement.“
Zukunftsmacher-Studie 2025/26
Mensch-im-Loop und Audit-Trail von Tag eins: nicht als Compliance-Nachgeschoss, sondern als Architektur-Standard.
Was Sie nach Phase 1 n der Hand haben
Sechs Liefer-Artefakte
Erfolgskriterien nach Abschluss
✓ Erster Agent läuft im Echtbetrieb mit Audit-Trail und Mensch-im-Loop.
✓ Baseline-Messung liegt vor: Entscheidungsgrundlage für Phase 2.
✓ Architecture Decision Records dokumentieren alle Schlüssel-Entscheidungen.
Eckdaten und Pricing
Was Sie wissen müssen
Phase 1: 8 bis 12 Wochen. Phase 2: typisch 10 bis 16 Wochen. Phase 3 modular.
Review-Gates zwischen Phasen: nächste Phase nur bei belegter Lieferung der vorherigen. Kein Big-Bang, kein 18-Monats-Programm.
Anthropic (MCP, Agents SDK, Claude), OpenAI, LangGraph, AutoGen, Microsoft Semantic Kernel, Azure AI, Google Vertex AI. Vendor-agnostisch.
EU AI Act ab Phase 1, branchenspezifisch (BAIT, KRITIS, EBA, MDR) in der Architektur abgebildet. Mensch-im-Loop und Audit-Trail von Tag eins.
Process Owner mit Entscheidungskompetenz, API-Zugang zu relevanten Systemen, interne Verfügbarkeit für wöchentliche Reviews.
Phase 1 ab 60k €. Folgephasen scope-abhängig modular. Festpreis nach Scope-Workshop.
Ablauf
Modular phasiert: kein Big-Bang
8 bis 12 Wochen
Phase 1: Pilot
Foundation Workshop (ADRs, Architektur-Entscheidungen, Scope-Brief). Erster Agent in Produktion: der Prozess-Schritt mit dem größten Schmerz. Baseline-Messung. Mensch-im-Loop und Audit-Trail von Tag eins.
In der Regel 10 bis 16 Wochen
Phase 2: Produktivierung
Weitere Agenten-Schichten aufbauen. Multi-Agent-Orchestrierung einrichten. Tool-Anbindungen, Datenquellen, Systeme integrieren. Review-Gates zwischen Phasen: nächste Phase nur, wenn Phase 1 liefert.
Modulare Skalierung (scope-abhängig)
Phase 3: Modulare Skalierung
End-to-End-Workflow produktiv. Performance-Optimierung, Kostensteuerung, Monitoring-Ausbau. Optionale Erweiterung auf weitere Prozesse oder BUs. Übergang in laufenden Betrieb.
Phasen-Logik: Sie verpflichten sich nie auf das Gesamtprogramm, nur auf die nächste Phase. Die nächste Phase startet nur, wenn die vorherige belegbar geliefert hat. Das schützt Ihr Budget und hält den Scope scharf.
Häufig gestellte Fragen
Ein Agentic AI Workflow ist ein End-to-End-Geschäftsprozess, der von mehreren spezialisierten LLM-Agenten orchestriert wird: mit Mensch-im-Loop-Gates, Audit-Trail, Tool-Anbindungen und Fallback-Logik. Im Unterschied zum klassischen AI-Use-Case Build (ein Prozess-Schritt) umspannt ein Agentic Workflow typischerweise mehrere Prozessschritte und Systeme.
Ein einzelner Agent führt eine definierte Aufgabe aus: Klassifizierung, Extraktion, Antwort-Generierung. Ein Workflow orchestriert mehrere Agenten, die zusammenarbeiten, Entscheidungen treffen und sich gegenseitig Kontext übergeben. Der Workflow kann sich an Zwischenergebnisse anpassen, das ist der Kern von agentic.
MCP (Model Context Protocol, Anthropic) ist ein sich etablierender Standard für die Anbindung von AI-Modellen an externe Tools, Datenquellen und Systeme. Wer heute Agenten baut, ohne MCP zu berücksichtigen, riskiert Vendor-Lock-in und fehlende Interoperabilität. Im Engagement bauen wir MCP-kompatibel, wo es sinnvoll ist.
Wir verpflichten Sie nicht auf ein 18-Monats-Programm. Phase 1 ist ein abgegrenztes Engagement: ein Agent in Produktion, Baseline-Messung, Audit-Trail. Nächste Phase nur, wenn Phase 1 belegt hat, was sie versprochen hat. Das schützt Sie vor Sunk-Cost-Eskalation.
Phase 1 ab 60.000 Euro, individuell kalkuliert, Festpreis nach einem initialen Scope-Workshop. Folgephasen werden gegen das in Phase 1 belegte Wirkungs-Versprechen freigegeben.
EU-AI-Act-Risiko-Klassifizierung ist Scope-Bestandteil ab Phase 1, nicht Compliance-Anhang. Mensch-im-Loop-Gates und Audit-Trail sind Architektur, nicht Nachgeschoss. Für Hochrisiko-Systeme (Artikel 6) dokumentieren wir die Konformitätsprüfung. Branchenspezifische Anforderungen (BAIT, KRITIS, EBA, MDR) werden in der Architektur abgebildet.
Mehr Fragen? Kontaktieren Sie uns.
Wie es weitergeht
Typische Folge-Engagements
Einstiegspunkt: Wenn Scope und Architektur noch nicht klar sind, empfehlen wir den AI Factory Foundation Workshop (ab 8k €, 1 bis 2 Wochen) als ersten Schritt. Der Scope-Brief aus dem Workshop ist direkt als Input für Phase 1 verwendbar.
