Published Articles
KI-Workflows vs. KI-Agenten: den Regler richtig einstellen
Die Entscheidung zwischen Workflow und Agent ist kein Entweder-oder – es ist ein Regler. Und die meisten Unternehmen drehen ihn zu weit nach rechts.
5 Workflow-Muster, die 95 % der Unternehmens-KI-Probleme lösen
Prompt-Ketten, Routing, Parallelisierung, Orchestrator-Subagent und Evaluator-Schleifen. Die Lücke zwischen einem einzelnen LLM-Aufruf und einem vollwertigen Agenten ist dort, wo 95 % des Produktionswerts liegen – und die meisten Teams überspringen sie.
Wann Sie wirklich einen Agenten brauchen: Eine Produktionsreife-Checkliste
Die 12 Fragen, die Sie beantworten müssen, bevor Sie einem System autonome Entscheidungsfähigkeit geben.
The Agentic CLV, Teil 1: Vom Kennwert zum Live-Signal
CLV steht auf Folien und bestimmt selten, was an einem normalen Dienstagnachmittag passiert. Agentische KI ändert das: Aus einem nachlaufenden Bericht wird ein Live-Signal, das autonome Systeme nutzen und auf das sie reagieren.
The Agentic CLV, Teil 2: Customer Lifetime Value berechnen
Die CLV-Formel mit Rechenbeispiel, warum ein Durchschnitt täuscht, die drei Stufen des CLV, typische Fehler bei den Daten und was sich ändert, wenn ein Agent danach handelt.
Das Betriebsmodell – Organisation entlang der Kundenentwicklung
CLV an Werbeplattformen zurückspielen, die Kundenbindung rund um die kritischen ersten 90 Tage neu gestalten – und die nötigen organisatorischen Veränderungen.
Jenseits von Last Click: So messen Sie 2026 jeden Marketingkanal
Wo jeder Touchpoint in der Customer Journey steht, warum kein Kanal allein gewinnt, welche Fallen naive Analysen in die Irre führen und wie sich Online-, Offline- und KI-Touchpoints gemeinsam messen lassen.
EU AI Act: Ein praxisorientierter Implementierungsleitfaden für CTOs
Eine Pflicht gilt bereits und die meisten Unternehmen haben sie versäumt. Ein praxisorientierter Leitfaden zu KI-Inventar, Klassifizierung, dem Betriebsrat-Faktor und was der Dezember 2027 für Ihren Planungskalender bedeutet.
Context Engineering: Das fehlende Element in Enterprise Agentic AI
Das 6-Schichten-Framework, Context Rot und die Reifegrad-Kurve, die KI-Demos von produktiven Deployments trennt.
Produktionsreife KI-Agenten für Unternehmen bauen
Vier Architekturentscheidungen trennen Agenten, die in Demos funktionieren, von Agenten, die zuverlässig im Maßstab laufen. Datenschichten, Kontextkomprimierung, Human-Oversight-Design und Multi-Agenten-Orchestrierung – jede eine eigene Disziplin, zusammen der Unterschied zwischen Level 2 und Level 3.