Hermes Agents: Geschäftsprozesse mit KI-Agenten optimieren

Benannt nach Hermes, dem griechischen Götterboten des Handels, ist ein Hermes Agent ein KI-Agent, der Arbeit über die Systeme hinweg erledigt, auf denen ein Unternehmen bereits läuft. Er ist kein Chatbot, den man an eine Website schraubt, und kein einzelner Prompt, der eine Antwort liefert. Er ist ein zielgesteuerter Prozess: Er erhält ein Ziel, plant die Schritte, ruft die nötigen Tools und APIs auf, liest die Ergebnisse und passt sich an, bis das Ziel erreicht ist oder er an einen Menschen übergibt. Dieser Unterschied, vom Antworten zum Handeln, macht Agenten für den Betrieb interessant und zugleich zu etwas, das man sorgfältig einführen sollte.

Dieser Artikel betrachtet praxisnah, wo Hermes Agents den Geschäftsbetrieb wirklich optimieren, wo sie verfrüht sind und wie Sie sie einführen, ohne die Kontrolle über die betroffenen Prozesse abzugeben. Wie bei jeder KI-Integration ist die Technologie selten der schwierige Teil. Sie an einen realen Workflow anzupassen, mit den richtigen Guardrails, schon.

Was ein Hermes Agent tatsächlich tut

Eine klassische Automatisierung folgt einem Skript, das Sie vorab geschrieben haben: wenn dies, dann das. Sie ist schnell und zuverlässig in den Fällen, die Sie vorhergesehen haben, und spröde in allen anderen. Ein Hermes Agent arbeitet anders. Sie geben ihm ein Ziel und eine Reihe von Tools, und er entscheidet zur Laufzeit, wie er das Ziel erreicht.

Konkret verbindet ein Agent vier Dinge: ein Language Model, das über die Aufgabe nachdenkt, eine Menge von Tools, die er aufrufen darf (eine Datenbank abfragen, eine E-Mail senden, ein Ticket anlegen, einen CRM-Eintrag aktualisieren), ein Gedächtnis für das bereits Getane und eine Schleife, in der er plant, handelt, das Ergebnis beobachtet und neu plant. Genau diese Schleife ist der Kern. Sie erlaubt dem Agenten, die unübersichtliche Mitte eines Prozesses zu bewältigen: die Ausnahmen, die fehlenden Felder, die Fälle nach dem Muster "diese Rechnung passt nicht zur Bestellung", an denen starre Automatisierung scheitert und die auf dem Schreibtisch eines Menschen landen.

Der Preis dafür ist, dass ein Agent probabilistisch ist, wo ein Skript deterministisch bleibt. Er wird gelegentlich einen falschen Schritt wählen. Das ist kein Grund, auf Agenten zu verzichten; es ist ein Grund, sie dort einzusetzen, wo ein falscher Schritt günstig zu entdecken und leicht rückgängig zu machen ist.

Wo Hermes Agents den Betrieb optimieren

Die besten frühen Kandidaten haben eine gemeinsame Form: Arbeit mit hohem Volumen und vielen Regeln, die dennoch oft genug Urteilsvermögen verlangt, sodass reine Automatisierung sie nie ganz abgedeckt hat. Einige wiederkehrende Muster:

• Order-to-Cash und Procure-to-Pay. Rechnungen mit Bestellungen abgleichen, fehlenden Freigaben nachgehen, Abweichungen markieren und die Rückfrage formulieren. Der Agent erledigt die sauberen 80 Prozent vollständig und eskaliert die echten Ausnahmen samt Kontext.
• Triage im Kundenservice. Eine eingehende Anfrage lesen, die Historie des Kunden abrufen, die Absicht klassifizieren, lösen was möglich ist (Erstattungen im Rahmen der Richtlinien, Statusauskünfte, Adressänderungen) und den Rest mit fertiger Zusammenfassung an das richtige Team weiterleiten.
• Datenabgleich über Systeme hinweg. Die wenig glamouröse Arbeit, ein CRM, ein ERP und ein Abrechnungssystem in Übereinstimmung zu halten. Agenten eignen sich dafür gut, weil es genau die Schleife aus Planen, Handeln und Prüfen ist, um die herum sie gebaut sind.
• Reporting und Monitoring. Einen wöchentlichen Betriebsbericht aus mehreren Quellen zusammenstellen, Veränderungen bemerken und den Text schreiben, den eine Führungskraft sonst von Hand zusammentragen würde.

Gemeinsam ist diesen Fällen ein klares Ziel, Tools mit gut definierter Wirkung und ein natürlicher Punkt, an dem ein Mensch das Ergebnis prüfen kann. Unter diesen Bedingungen wird aus einem Agenten statt einer Demo ein verlässlicher Teil des Workflows.

Warum Agenten hier starrer Automatisierung überlegen sind

Das regelbasierte Ende dieses Spektrums, und wo es weiterhin die richtige Antwort ist, behandelt unser Leitfaden zur KI-Automatisierung für kleine Unternehmen. Agenten lohnen den höheren Aufwand nur dort, wo der einfachere Ansatz an seine Grenzen stößt.

Die meisten Operations-Teams haben die einfachen Pfade längst automatisiert und stehen vor einer Wand: Das verbleibende Volumen besteht aus Ausnahmen, und jede Ausnahme, die ein Skript nicht abfängt, wird zu Handarbeit. Klassische Automatisierung skaliert gerade deshalb schlecht, weil die Realität einen langen Schwanz an Sonderfällen hat und man mit dem Schreiben von Regeln nie fertig wird.

Ein Hermes Agent fängt einen großen Teil dieses Schwanzes ab, weil er über den konkreten Fall nachdenkt, statt ihn in einem Regelwerk nachzuschlagen. Eine Rechnung mit vertauschten Ziffern, ein Kunde, der zwei Fragen in einer Nachricht stellt, ein Datensatz, dem ein Feld fehlt, das ein anderes System liefern kann. In solchen Situationen zahlt sich die Flexibilität eines Agenten aus, und dort war der ROI der Automatisierung bisher gedeckelt. Es geht nicht darum, die deterministische Automatisierung zu ersetzen, der Sie bereits vertrauen, sondern sie in den unübersichtlichen Bereich hinein zu erweitern, den sie nie erreichen konnte.

Kontrolle behalten: Guardrails statt blindem Vertrauen

Ein Agent, der handeln kann, ist ein Agent, der falsch handeln kann. Die Entwurfsfrage lautet deshalb nie "wie viel dürfen wir ihn tun lassen?", sondern "was passiert, wenn er sich irrt, und können wir das günstig bemerken?" Einige Prinzipien halten den Einsatz sicher:

• Tools eng zuschneiden. Ein Agent kann nur, was seine Tools erlauben. Geben Sie ihm breiten Lesezugriff, aber sichern Sie folgenreiche Aktionen (eine Zahlung auslösen, einen Datensatz löschen, einem Kunden schreiben) hinter ausdrücklichen, prüfbaren Berechtigungen ab.
• Menschen dort einbinden, wo es zählt. Wertvolle oder unumkehrbare Aktionen sollte der Agent vorschlagen und ein Mensch bestätigen. Wenn sich Vertrauen für einen bestimmten Aktionstyp aufgebaut hat, können Sie die Autonomie dafür bewusst erweitern, nicht standardmäßig.
• Alles protokollieren. Jeder Plan, jeder Tool-Aufruf und jedes Ergebnis sollte festgehalten werden, damit sich eine Entscheidung im Nachhinein rekonstruieren lässt. Das ist betrieblich notwendig und zunehmend auch regulatorisch.
• Auf Umkehrbarkeit hin entwerfen. Bevorzugen Sie Aktionen, die sich rückgängig machen lassen oder einen Entwurf zur Prüfung erzeugen, gegenüber solchen, die sofort verbindlich sind. Eine vorgeschlagene Erstattung ist sicherer als eine ausgeführte.
• Drift überwachen. Ein Agent, der heute funktioniert, kann sich verschlechtern, wenn sich vorgelagerte Systeme, Prompts oder Daten ändern. Behandeln Sie ihn wie jedes Produktivsystem, mit Metriken, Alarmen und regelmäßiger Prüfung.

Nach dem EU AI Act können Agenten, die folgenreiche Entscheidungen treffen oder wesentlich beeinflussen, Dokumentations- und Aufsichtspflichten auslösen. Die oben beschriebene Struktur aus Protokollierung und menschlicher Kontrolle ist nicht nur gutes Engineering; sie ist ein großer Teil dessen, was eine spätere Compliance-Prüfung von Ihnen sehen will.

Wie Sie starten, ohne sich zu übernehmen

Agentenprojekte scheitern auf dieselbe Weise wie andere KI-Projekte, deshalb gelten die fünf Fehler, die Unternehmen bei der KI-Integration machen hier fast unverändert, insbesondere das Festlegen von Erfolgskennzahlen vor dem Bau.

Das typische Scheitern bei Agenten gleicht dem der meisten KI-Projekte: ein breiter, ehrgeiziger Pilot auf den schwierigsten Prozess, der eine beeindruckende Demo und einen stockenden Rollout hervorbringt. Die ehrliche Reihenfolge ist schmaler.

• Wählen Sie einen Prozess mit klarem Ziel und messbaren Kosten. Idealerweise einen, in dem Menschen heute echte Stunden mit repetitiver Triage verbringen und in dem ein Fehler sichtbar und günstig zu beheben ist.
• Fahren Sie zuerst im Shadow Mode. Lassen Sie den Agenten Aktionen vorschlagen, während die Menschen wie gewohnt weiterarbeiten, und vergleichen Sie, was er getan hätte, mit dem, was tatsächlich geschah. So zeigen sich Fehlerbilder, bevor sie den Produktivbetrieb berühren.
• Erweitern Sie die Autonomie Schritt für Schritt. Beginnen Sie damit, dass der Agent entwirft und ein Mensch freigibt. Geben Sie einzelne Aktionstypen erst dann vollständig frei, wenn die Daten aus dem Shadow Mode ihre Verlässlichkeit zeigen.
• Messen Sie gegen die Baseline, die Sie vorab definiert haben. Durchlaufzeit, Ausnahmequote, Kosten pro Vorgang und wie oft der Agent eskaliert. Bewegen sich die Zahlen nicht, war der Prozess das falsche Ziel, und das früh zu lernen ist günstig.

Ein AI Readiness Audit beantwortet die meisten Fragen zum Zuschnitt auf dem Papier (welcher Prozess, welche Tools, wo die menschlichen Kontrollpunkte gehören), sodass der Pilot sein Budget für echte Unsicherheit ausgibt, statt Grundlücken auf die harte Tour zu entdecken. Hermes Agents sind eine starke Ergänzung für den Betrieb, aber sie belohnen dieselbe Disziplin wie jede gute Automatisierung: ein klares Ziel, enge Guardrails und ehrliche Messung.

Häufige Fragen

Wie unterscheidet sich ein Agent von einem gewöhnlichen Automatisierungsskript?

Ein Skript folgt einem festen Pfad und bricht, sobald die Realität abweicht. Ein Agent bekommt ein Ziel und wählt Schritte, weshalb er mit den Ausnahmen zurechtkommt, an denen regelbasierte Automatisierung scheitert. Der Preis ist weniger vorhersehbares Verhalten, das Leitplanken und Protokollierung braucht.

Was passiert, wenn ein Agent etwas falsch macht?

Er sollte an eine Grenze stoßen und nicht in eine Überraschung. Gut entworfene Agenten arbeiten innerhalb ausdrücklicher Grenzen, welche Systeme sie berühren dürfen und welche Aktionen menschliche Freigabe brauchen, mit protokolliertem Verlauf. Steht die Antwort vor dem Rollout nicht fest, ist der Rollout verfrüht.

Für welche Prozesse sind Agenten der falsche Ansatz?

Für alles, wo ein Fehler teuer und schwer umkehrbar ist, für rechtlich oder sicherheitskritische Abläufe ohne Menschen in der Entscheidung, und für alles so Einfache, dass eine Regel genügt. Agenten lohnen sich bei wiederholter systemübergreifender Arbeit mit häufigen Ausnahmen.

Müssen wir für Agenten unsere bestehenden Systeme ersetzen?

Nein, und Vorschläge, die das verlangen, verdienen Skepsis. Agenten arbeiten über die Systeme, die Sie ohnehin betreiben, über deren vorhandene Schnittstellen. Beginnt ein Projekt mit einer Plattformmigration, ist der Nutzen um ein Jahr verschoben, bevor irgendetwas belegt wurde.