Agentic Development: Warum der Engpass nicht das Modell ist

Die Frage, die sich durch fast jeden Talk auf der Agent Conf in Warschau gezogen hat, war nicht: Welches Modell ist das beste? Sie war: Wie bekommen wir Agents aus guten Demos in verlässliche Prozesse? Das ist ein wichtiger Unterschied und besonders bei der Entwicklung von KI Agenten für Unternehmen von großer Wichtigkeit. Die Frage sagt ebenfalls viel darüber aus, in welchem Entwicklungsstadium bei der Nutzung von künstlicher Intelligenz wir uns gerade befinden.

Warum die KI-Modellqualität selten das größte Problem ist

Wer heute mit Agentic AI arbeitet, merkt schnell: Die Qualität der Modelle ist selten der Engpass. Was fehlt, ist das System drumherum. Wie gibt man einem Agent guten Context? Wie zerlegt man Aufgaben so, dass Ergebnisse überprüfbar bleiben? Und wie versteht man überhaupt, warum ein Agent an einer Stelle gescheitert ist?Das sind operative Fragen, keine Forschungsfragen. Und genau deshalb waren auf der Konferenz nicht die neuesten Modell-Ankündigungen das dominante Thema, sondern Evals, Telemetry und Feedback Loops. Der Trend ist eindeutig: weg vom großen Prompt, hin zu kleineren, überprüfbaren Schritten. Agents sollen erkennen und melden, wenn Informationen fehlen oder Anweisungen unklar sind. Unsicherheit soll sichtbar werden, nicht versteckt.

Kontext ist Key: Wie agentenbasierte Systeme Zugriff auf Kerninformationen erhalten

Ein Muster das immer wieder auftauchte: Agents müssen nicht alles ständig im Kontext haben. Sie müssen relevante Informationen bei Bedarf finden und laden können. Das klingt technisch, hat aber direkte Konsequenzen für die Architektur: Wer ein agentenbasiertes System baut, muss von Anfang an mitdenken, wie Dokumentation, Spezifikationen und Projektstruktur aufgebaut sind. Ein Agent der in unstrukturierten Informationen arbeiten muss, wird zuverlässig schlechte Ergebnisse liefern, egal wie gut das zugrundeliegende Modell ist.Gute Context-Architektur ist damit keine technische Detailfrage mehr. Sie ist ein strategischer Faktor.

Parallelisierung verändert die Logik

Einer der konkretesten Hebel: Parallelisierung. Mehrere Agents können gleichzeitig an unabhängigen Aufgaben arbeiten, statt dass man auf einen einzelnen Chat wartet.Was sich dabei zeigt: Konsistenz schlägt maximale Flexibilität. Klare Stacks, wiederholbare Abläufe und definierte Prozesse helfen Agents, zuverlässiger zu arbeiten. Teams die versuchen, maximale Freiheit in ihre Agent-Systeme einzubauen, kämpfen regelmäßig mit Unvorhersehbarkeit.Das ist eine Einsicht die sich für viele kontraintuitiv anfühlt: Mehr Struktur, nicht weniger, macht Agents besser.

Die Ära der spezialisierten KI Modelle beginnt

Jev, kurz vor der Konferenz veröffentlicht, war viel Thema. Nicht weil es das beste Modell ist, sondern weil es durch seinen anderen Ansatz und seine Geschwindigkeit bei Entscheidungen polarisiert hat.Was das zeigt: Die Zukunft besteht vermutlich nicht aus dem einen besten LLM, sondern aus unterschiedlichen Modellen für unterschiedliche Aufgaben. Das richtige Modell für den jeweiligen Schritt zu wählen, statt automatisch überall dasselbe LLM einzusetzen, wird zu einer Kernkompetenz.

Workflows, Evals und Feedback-Loops: Worauf es bei der KI-Implementierung ankommt

Wer heute anfängt, agentenbasierte Systeme zu bauen, sollte ein paar Dinge von Anfang an mitdenken: Workflows in kleine, beobachtbare Schritte zerlegen. Evals und Feedback Loops nicht nachträglich einbauen, sondern von Beginn an. Context gezielt und strukturiert bereitstellen. Übergabepunkte zum Menschen bewusst in die Architektur einplanen.Und: Davon ausgehen, dass viele der heutigen Best Practices noch Zwischenstände sind. Auch weit entwickelte Teams kämpfen weiterhin mit Context, Verification und der Zusammenarbeit mehrerer Agents. Die vollautonome Software Factory ist noch eher Zielbild als Realität.

Wie KI-Agenten und Menschen erfolgreich zusammenarbeiten können

Der nächste große Schritt ist nicht bessere Code Generation. Es geht um eine neue Art der Zusammenarbeit zwischen Menschen, Agents und spezialisierten Modellen. Entwickler werden dabei weniger reine Umsetzer und mehr zu Menschen, die Produkte mitgestalten, Spezifikationen erstellen, Architekturentscheidungen treffen und Agents fachlich und technisch steuern. Die Frage ist nicht ob diese Verschiebung kommt, sondern wie Teams sich darauf vorbereiten. Wer das System drumherum heute richtig aufbaut, wird morgen einen echten Vorsprung haben.

Dieser Artikel basiert auf Einblicken von Benjamin Lämmle, Solutions Architect bei Hybrid Heroes, von der Agent Conf 2026 in Warschau.