KI / Automatisierung / Prototyp
Agent Canvas
Eine leichtgewichtige Methode, einen KI-Agenten zu beschreiben, bevor über Frameworks oder Modelle gesprochen wird: Wofür ist er da, was weiß er, was darf er tun, wann muss er stoppen und wie wird Erfolg gemessen?
Interaktiver Prototyp
Das Betriebsmodell definieren.
Jeden Bereich als definiert markieren. Ziel ist keine perfekte Spezifikation – sondern fehlende Entscheidungen früh sichtbar zu machen.
Agenten-Design beginnt vor dem Modell.
Es ist leicht, mit Implementierungsfragen zu beginnen: Welches Modell? Welches Orchestrierungs-Framework? Welche Tools? Welche Vektordatenbank? Diese Entscheidungen sind wichtig – liegen aber weiter hinten im Prozess.
Der Agent Canvas verschiebt die erste Diskussion in Richtung Betriebsmodell. Sind Zweck, Berechtigungen und Stop-Bedingungen mehrdeutig, verstärkt ein leistungsfähigeres Modell die Unklarheit meist, statt sie zu lösen.
Ein nützlicher Design-Test
Könnte ein neues Teammitglied verstehen, was der Agent entscheiden darf, ohne den Code zu lesen?
Wenn nicht, existiert das Betriebsmodell wahrscheinlich nur implizit in Prompts, Integrationen und Entwicklerannahmen.
Autonomie ist ein Spektrum.
Derselbe Use Case lässt sich häufig auf unterschiedlichen Stufen gestalten: beobachten, empfehlen, vorbereiten, mit Freigabe ausführen oder autonom ausführen. Der Canvas macht diese Wahl sichtbar, damit Teams mit der geringsten Autonomie starten können, die für Wertschöpfung nötig ist.
Was ich als Nächstes ergänzen würde
- Risikostufe: Für folgenreichere Aktionen höhere Kontrollanforderungen hinterlegen.
- Datenumfang: Sensible Quellen und Erwartungen an Aufbewahrung explizit benennen.
- Testszenarien: Normale, mehrdeutige und adversariale Situationen vor dem Rollout definieren.
- Observability: Festlegen, welche Entscheidungen und Aktionen auch nach der Ausführung erklärbar bleiben müssen.