- Holger's KI-Insights Newsletter
- Posts
- Wie du endlich verstehst, wie man KI-Agenten baut
Wie du endlich verstehst, wie man KI-Agenten baut
Ein strukturierter Leitfaden für hohe Qualität mit Canvas und Beispiel Prompt
Holger Gelhausen
14. Juni 2026
Der Blogpost zeigt den Weg leistungsfähige Agenten zu bauen, am Ende des Posts gibt es noch Tipps für fortgeschrittene Leser.
Stell dir vor, dein KI-Agent ist ein neuer Mitarbeiter
Viele Menschen denken bei KI-Agenten sofort an etwas sehr Technisches:
APIs.
Tools.
Prompts.
Automationen.
Frameworks.
LangChain.
RAG.
Vektordatenbanken.
Das klingt schnell kompliziert.
Aber für den Anfang hilft eine viel einfachere Analogie:
Ein KI-Agent ist wie ein Mitarbeiter, dem du eine Aufgabe gibst.
Zum Beispiel:
„Schreib mir einen guten LinkedIn-Post aus dieser Idee.“
Jetzt gibt es zwei Möglichkeiten.
Der schlechte Mitarbeiter sagt:
„Okay, ich schreibe einfach mal los.“
Der gute Mitarbeiter fragt sich:
„Was weiß ich schon?
Welche Regeln muss ich immer beachten?
Wann sollte ich einen Spezialisten fragen?
Und wo finde ich die große Dokumentation, falls ich wirklich nicht weiterkomme?“
Genau hier beginnt gutes Agenten-Design.
Nicht bei 30 Tools.
Nicht bei einem riesigen Prompt
Nicht bei einem magischen Framework.
Sondern bei der Frage:
Welche Informationen braucht der Agent wann?
Das Problem: Du darfst dem Agenten nicht alles auf einmal geben
Anfänger machen oft diesen Fehler:
Sie schreiben einen riesigen Prompt.
Darin steht alles:
LinkedIn-Regeln
Zielgruppe
Tonalität
Beispiele
Storytelling-Frameworks
Produktdetails
frühere Posts
Checklisten
Fehler, die vermieden werden sollen
und noch zehn weitere Dinge
Das fühlt sich erst einmal sicher an.
Aber es ist so, als würdest du einem neuen Mitarbeiter am ersten Arbeitstag 800 Seiten Unternehmenshandbuch auf den Tisch legen und sagen:
„Lies das alles. Danach mach bitte einen perfekten LinkedIn-Post.“
Das funktioniert selten gut.
Der Mitarbeiter ist überfordert.
Der Agent übrigens auch.
Denn je mehr du in den Kontext packst, desto größer wird die Gefahr, dass das wirklich Wichtige untergeht.
Deshalb brauchen gute Agenten eine Art Gedächtnis-Ordnung und einen Überlastungschutz!
Und genau dafür hilft das Modell über vierschiedene Levels der Informationsdichte:
Level1 / Level2 / Level3
Die einfache Analogie: Der Content Agent als Mitarbeiter mit Kollegen
Wir bauen jetzt einen Content Agent.
Seine Aufgabe:
Er soll LinkedIn-Posts schreiben, die nicht generisch klingen, sondern wie echte, gute Beiträge.
Jetzt ist dieser Content Agent nicht allein.
Er hat drei Arten von Wissen:
L1: Das, was er immer im Kopf hat
Das ist sein Grundwissen.
So wie ein guter Mitarbeiter nach ein paar Wochen nicht mehr nachschauen muss, wie ein guter LinkedIn-Post ungefähr aufgebaut ist.
Er weiß einfach:
Die ersten Zeilen müssen stark sein.
Die Absätze müssen kurz sein.
Es braucht eine klare Story.
Am Ende sollte eine gute Frage stehen.
Der Text darf nicht nach Werbung klingen.
Der Post sollte eine konkrete Erkenntnis liefern.
L1 ist das Wissen, das bei fast jeder Aufgabe gebraucht wird.
Beim Content Agent wäre L1 zum Beispiel:
Hook → Problem → Konflikt → Wendepunkt → Erkenntnis → Frage
Das muss der Agent immer wissen.
Dafür soll er nicht jedes Mal eine Datei öffnen müssen.
