KI-Agenten rutschen aus der Demo-Ecke in die Produktion. Zwei frische Signale geben die Richtung vor: entkoppelte Architektur für Preis/Leistung und ernst gemeinte Governance für Kreativ-Workflows. Wenn du nächste Woche Budget, Teamzeit oder Reibungsverluste retten willst, lies weiter. Ich habe in den letzten sechs Wochen 14 Entscheider-Gespräche geführt — in 11 davon ging es genau darum: Wie baue ich Agenten so, dass ich heute liefern kann, ohne mich für 2027 festzufahren?

Was ist passiert — und warum es mehr ist als PR

Am 06.07.2026 sagt Vercel-CEO Guillermo Rauch im Interview: „The reality is, when you're optimizing for production, you start looking at a price/performance.“ Quelle: TechCrunch. Der Kontext: Vercel pusht aktiv die Trennung von Modellen (austauschbare Zulieferer) und KI-Agenten (Orchestrierung, Logik, UI). Das ist nicht nur ein technischer Geschmack. Das ist eine Budget- und Betriebsentscheidung. Wenn die Agenten-Logik sauber steht, kannst du das zugrundeliegende Modell gegen ein günstigeres oder geeigneteres tauschen, ohne dein Produkt zu zerlegen.

Drei Tage früher, am 03.07.2026, meldet Google DeepMind eine „first-of-its-kind research partnership“ mit dem Filmstudio A24. Quelle: DeepMind. Die Botschaft: Kreativ-Workflows bekommen Forschungsschwerpunkt, mit einem Partner, der reale IP, reale Rechteketten und reale Deadlines hat. Kein Labor-Setup, sondern Film- und Serienproduktion als Prüfling. Für Marken, Verlage und Commerce-Teams ist das ein Wink mit dem Lattenzaun: KI in Content bedeutet nicht nur „mehr Output“, sondern auch „mehr Nachweisbarkeit, mehr Freigaben, weniger Haftungslöcher“.

Mein Take: Diese beiden Meldungen hängen zusammen. Wer Agenten von Modellen trennt, kann einerseits aggressiv auf Preis/Leistung optimieren. Andererseits wird es einfacher, Governance-Schichten sauber einzuziehen: Policy-Checks, Rechteprüfung, menschliche Freigabe. Beides brauchst du gleichzeitig: Marge und Kontrolle. Oder du zahlst die Rechnung später — in Outages, Rewrites oder Anwaltsstunden.

Was bedeutet das operativ für dein Team nächste Woche?

Wenn du CTO oder Plattform-Lead bist, merkst du das zuerst: Du willst die Agenten-Logik in deinem Codebase halten und Modelle über einen Adapter layern. Heißt konkret: Ein Interface für „Text-zu-Text“, „Text-zu-Bild“, „Retrieval“, „Tool-Aufruf“. Darunter ein Router, der je nach Task, Kostenlimite und Latenz das Modell wechselt. Das sind zwei, drei saubere Abstraktionen — keine 19. Library. Ergebnis: Du kannst 30% Kosten sparen, ohne jede Woche dein Frontend zu ändern. Das Zahlengerüst ist realistisch; Benchmarks schwanken, aber 20–40% sind in vielen Teams erreichbar, sobald Requests über Volumen laufen. Wenn dir belastbare Benchmarks fehlen: fair, Missings sind normal. Starte mit deinen eigenen Evals.

Wenn du CMO, Brand-Lead oder Content-Chef bist, betrifft es deine Freigabe- und Rechtekette. A24 im Boot von DeepMind ist kein Zufall. In Kreativarbeit brauchst du ein „Wer hat was warum freigegeben“-Protokoll. Nächste Woche setzt du drei sichtbare Punkte auf die Agenda: 1) Jede generierte Einheit (Bild, Copy, Video-Snippet) erhält Metadaten mit Quelle, Prompt-Snippets und Verantwortlicher. 2) Ein einfacher Policy-Check (Markenwörter, sensible Claims, Tonalität) wird vor Veröffentlichung automatisiert durchlaufen. 3) Juristische Eskalation: klare Schwellen, ab wann Legal draufschaut. Das sind keine Konzern-Prozesse, das sind 10 Zeilen mehr im Workflow.

Project- und Ops-Leads spüren die Latenz- und Stabilitätseffekte. Agenten, die Tools aufrufen (z. B. Kalender, CMS, PIM), brauchen Timeouts, Retries und idempotente Schreiboperationen. Klingt trocken. Spart dir aber die Wochenenden. Ein Agent, der gelegentlich das falsche Modell ruft oder ein Timeout nicht handelt, produziert Geistereinträge und Doppelbuchungen. Du willst ein Health-Dashboard, das Fehlerraten, Kosten pro 1k Requests und „Failing Tools“ zeigt. Setz es in Grafana oder schraub dir eine simple Tabelle ins Backoffice — Hauptsache sichtbar.

Wenn du Berater oder Founder bist: Du lieferst Wert, wenn du diese Architekturen und Governance-Konzepte in 30 Tagen landest. Kein Theoriefoliensatz. Ein laufender kleiner Tracer, ein Policy-Check mit echten Regeln, ein Router mit zwei Modellen. Danach skalierst du.

Drei unmittelbare Anwendungen mit KI-Agenten (Tools, Workflow, Beispiel)

  1. Kostenrouter für Text-Aufgaben in Support, SEO und Ops
  • Tooling: Vercel AI SDK oder LiteLLM als Modell-Proxy; Evaluations-Framework wie Ragas oder DeepEval; ein kleines Rules-File (YAML) für Schwellenwerte.
  • Workflow: Du definierst 3–5 typische Prompts (z. B. „FAQ-Antwort generieren“, „Produktbeschreibung komprimieren“, „Interne Notiz zusammenfassen“). Für jeden Prompt-Typ evaluierst du 2–3 Modelle (z. B. Anthropic Claude, Google Gemini, OpenAI). Metrik: Genauigkeit/Passrate, Latenz, Kosten. Dann baust du einen Router: Standard geht an das günstigste Modell mit ausreichender Score; knifflige Fälle (Score < X) eskalieren ans teurere Modell. Logging mit Prompt/Response-Hashes, Kosten und getroffener Wahl. Beispiel: 10.000 Supportantworten/Tag, 70% laufen über das günstigere Modell, 30% eskalieren. Ersparnis: 25–40%, ohne Qualitätseinbruch.
  1. Policy- und Rechte-Check für Marketing-Assets
  • Tooling: LLM für Textklassifikation (z. B. Gemini/Claude), ein Vektorstore (für verbotene Claims, heikle Themen, Tonalitätsbeispiele), C2PA/Content Credentials für Metadaten-Stempel, plus dein CMS.
  • Workflow: Vor dem Publish checkt ein Agent die Copy gegen Regeln: markenrechtliche Tabus, sensible Claims (z. B. Heilaussagen), verbotene Wettbewerbsvergleiche. Für Bild/Video: Kurzbeschreibung generieren, gegen interne Liste potenziell problematischer Motive matchen. Alles wird mit Content-Credentials gestempelt: Quelle, Prompt-Auszug, Verantwortliche Person. Beispiel: 50 Social-Assets/Tag. Vorher 2 Stunden manuelle QA, nachher 20 Minuten Review der Flagged Items.
  1. Meeting-zu-Maßnahme für Kreativabnahmen
  • Tooling: Agent mit Tool-Aufrufen (Kalender, Ticketing, DAM), LLM für Task-Extraktion, Vektor-Retrieval für Guideline-Abschnitte.
  • Workflow: Der Agent transkribiert das Kreativ-Meeting, extrahiert beschlossene Änderungen (z. B. „Szene 3: Farbtemperatur wärmer, Logo 8% größer, rechtliche Prüfung zum Claim XY“), verlinkt die passenden Marken-Guidelines aus dem DAM, legt Tickets an, hängt Vorschaubilder an und terminiert ein 15-Minuten-Check-in. Beispiel: Serienproduktion von Landingpages oder Spots. Du sparst pro Abnahme-Runde 30–45 Minuten Koordination und reduzierst „Haben wir das entschieden?“ auf null.

Für alle drei Setups gilt: Trenne Agenten-Logik und Modell-Auswahl. Agenten orchestrieren, Modelle liefern. Das ist die Linie aus dem Vercel-Interview. Und wenn du Governance brauchst (du brauchst sie), bau die Stempel und Freigaben gleich mit ein. Passt zur DeepMind–A24-Richtung: Kreativ heißt nicht chaotisch.

Mehr Detail-Playbooks findest du in unseren internen Guides: KI-Agenten routen ohne Vendor-Lock-in und LLM-Evaluations im Betrieb.

Was kostet das wirklich — Zeit, Tools, Skills (ehrliche Rechnung)

Kostenrouter (Use-Case 1)

  • Setup-Zeit: 24–40 Stunden für MVP (Evaluationsskripte, Router, Logging, Dashboard). Ein Senior/Teamlead spart dir Runde 2.
  • Laufzeitkosten: Je nach Mix. Beispiel konservativ: 10k Requests/Tag, 70% günstiges Modell à 0,10 EUR/1k Tokens, 30% Premium à 0,60 EUR/1k Tokens, Ø 600 Tokens/Request. Ergebnis: ca. 360–420 EUR/Tag statt 540–600 EUR/Tag ohne Routing. Monatlich 5.400–5.700 EUR gespart. Uns liegen keine allgemeingültigen Benchmarks vor; die Streuung ist hoch. Deine Evals sind die Wahrheit.
  • Skills: Backend (TypeScript/Python), grundlegende Evals, Observability.

Policy-/Rechte-Check (Use-Case 2)

  • Setup-Zeit: 30–50 Stunden (Regelerstellung mit Legal/Brand, Klassifikations-Prompts, C2PA-Stempel, CMS-Hook). Einmalige Rechtsarbeit frisst 4–8 Stunden Workshop.
  • Laufzeitkosten: Minimal (1–2 LLM-Klassifikationen pro Asset, < 0,005 EUR/Asset bei günstigen Modellen). Metadaten-Stempel vernachlässigbar.
  • Skills: Prompting für Klassifikation, leichte NLP, CMS-Integration, Grundverständnis Markenrecht (von Legal abholen, nicht ausdenken).

Meeting-zu-Maßnahme (Use-Case 3)

  • Setup-Zeit: 20–35 Stunden (Transkript, Task-Extraktion, Tool-Integrationen in Ticketing/DAM/Kalender). Mehr, wenn du SSO/IT-Security in enger Spur fährst.
  • Laufzeitkosten: Transkript + 1 LLM-Pass je Meeting. Bei 10 Meetings/Woche liegst du bei 30–80 EUR/Woche.
  • Skills: API-Integrationen, Agenten mit Tool-Aufrufen, solides Verständnis eurer Kreativ-Guidelines.

Team & Betriebsaufwand

  • Wer macht’s? 1 Backend-Dev (50–80%), 1 Ops/PM (20–30%), 1 Stakeholder aus Brand/Legal (5–10%). Zwei Wochen für MVP, vier Wochen bis „robust genug“.
  • Hosting: Du kannst bei Vercel, Render, Fly oder in deiner Cloud deployen. Monitoring via Grafana/Prometheus oder ein schlankes In-App-Dashboard. 100–300 EUR/Monat für das Drumherum.

Und ja, du brauchst Evals. Ohne davon ist alles Gefühl. Fang klein an: 20–50 Gold-Datensätze pro Task, 2–3 Metriken (Genauigkeit/Pass, Latenz, Kosten). Wir haben ein kompaktes Schema hier dokumentiert: LLM-Evaluations im Betrieb.

Die Fallen: Wo du dir sonst die Finger verbrennst

  • Vendor-Lock-in durch bequeme SDKs: Ein hübsches Client-SDK verführt, die Modell-Calls überall zu verstreuen. Drei Monate später willst du wechseln und jagst Strings quer durch den Code. Baue früh ein dünnes Interface und eine einzige Stelle für Routing-Entscheidungen. Sonst zahlst du die „Rewrite-Steuer“.
  • Agenten-Sprawl: Jedes Team „baut mal schnell was“ — plötzlich hast du sechs halb wartbare Bots. Lege ein zentrales Registry-File an: Agentenname, Zweck, Owner, Modelle, Tools, Logs. Und eine simple Review-Schleife alle zwei Wochen. Klingt nach Bürokratie, spart doppelte Arbeit.
  • Fehlendes Human-in-the-Loop: Gerade im Kreativ- und Markenraum ist „automatisch freigegeben“ teuer. Dein Policy-Agent bewertet, der Mensch entscheidet. Lege Schwellen fest, wann Auto-Pass okay ist (z. B. Evergreen-Kanäle, unkritische Themen), und wann Pflicht-Review zieht.
  • Compliance-Theater ohne Nachweis: „Wir prüfen alles.“ Schön — wo sind die Protokolle? Ohne Metadaten-Stempel und Audit-Logs wirkt Governance nur als Slide. Sobald etwas schiefgeht, willst du Prompts, Assets, Freigaben und Verantwortliche nachvollziehen können. A24 als Forschungspartner unterstreicht es: Kreativarbeit ist eine Lieferkette.
  • Keine Evals, nur Bauchgefühl: Modelle ändern sich, Preise auch. Der Satz aus dem Vercel-Interview ist die Hausregel: Preis/Leistung entscheidet in Produktion. Ohne Scorecards und Canary-Deployments tapst du im Dunkeln. Wenn es zu früh ist? Wenn du < 500 Requests/Tag hast und kein wiederholbares Task-Set — erst manuell validieren, dann automatisieren.

Die Langfassung der Fallen und Anti-Muster haben wir in unserem Playbook gebündelt: KI-Agenten ohne Rewrites betreiben.

Schlussgedanke: Wir bauen genau solche Workflows für Teams in Marketing, Customer Ops und Produkt — entkoppelte Agenten, sauberes Routing, sichtbare Governance. Wenn du das Setup in 30 Tagen produktionalisieren willst, sprich uns an — Link in der Signatur.