Der auto­nome Vermark­ter: Der Wandel vom Betrei­ber zum Orchestra­tor und wie du dein KI-Team aufbaust

Wenn du Schwierigkeiten hast, mit KI-Tools die gewünschten Ergebnisse zu erzielen, könnte das Problem darin liegen, dass du zu sehr wie bei herkömmlicher Software vorgehst.

Das fand Matt Hastings heraus, als er vor einem Jahr begann, mit LLMs herumzubasteln. Er begann, Websites und Apps mit KI zu erstellen, ohne einen agentenbasierten Ansatz zu verfolgen, was er als einschränkend empfand. Er musste sich auf seine eigene Überprüfung der Ergebnisse eines einzelnen Kodieragenten verlassen – eine Herausforderung, da er keine formale technische Ausbildung hat.

 Außerdem führte dies zu langsameren Fortschritten und mehr Projektneustarts. Lasse Agenten ihre eigene Arbeit überprüfen und erstelle komplexere Workflows. Ein Planungsagent kann beispielsweise auch mit einem skeptischen Agenten interagieren, der den Plan ablehnt, was zu Iterationen zwischen den Agenten und einem besseren Ergebnis führt.

„Allzu oft probieren die Leute ein KI-Tool aus, das nach ein oder zwei Versuchen nicht das gewünschte Ziel erreicht, und geben auf“, erklärt Hastings. „Wir sind daran gewöhnt, dass digitale Erlebnisse reibungslos funktionieren und gleich beim ersten Mal richtig funktionieren: Ich drücke eine Taste, ich erhalte ein Ergebnis. LLMs funktionieren nie auf Anhieb. Wir haben nicht die volle Kontrolle und die Ergebnisse sind wahrscheinlich, also müssen wir eine neue Beziehung zu den Tools entwickeln.“

Viele KI-Ratschläge konzentrieren sich auf die richtigen Ergebnisse, aber genauso wichtig für autonome Marketing-Workflows ist es, sich auf die richtigen Eingaben zu konzentrieren. Diese Beziehung ist die eines Managers, der mit einem Team arbeitet, und nicht die eines Benutzers, der mit einem Tool arbeitet.

„Sobald man anfängt, so zu denken, wird einem klar, dass man eine Situation schaffen muss, in der die KI mit hoher Wahrscheinlichkeit ein nicht durchschnittliches Ergebnis liefert – denn standardmäßig erhält man nur durchschnittliche Ergebnisse“, so Hastings. „Wie gebe ich der KI genügend Informationen, genügend Kontext, genügend Anhaltspunkte und genügend häufiges Feedback, damit sie sich auf das gewünschte Ergebnis hinbewegt?“

Mit anderen Worten: Man muss die Voraussetzungen für einen Erfolg schaffen, genau wie man es bei einem neuen Mitarbeiter im Team tun würde. Diese Denkweise hat Hastings dabei geholfen, neue autonome Arbeitsweisen zu erschließen, und es ist nun ein Ansatz, den er anderen Angestellten als Teil seines Unternehmens MVP Club beibringt. Wenn du es richtig anstellst, wirst du die Vorteile eines guten Managers ernten: Du kannst dich aus dem Tagesgeschäft zurückziehen, mehr Zeit für die Strategie aufwenden und nahtlos an mehreren Projekten gleichzeitig arbeiten. Dies wird wahrscheinlich besonders zutreffen, da KI immer introspektiver wird (in englischer Sprache).

Hier sind einige der bewährten Praktiken, die Hastings für die Ausbildung eines KI-Agententeams und als besserer KI-Manager gefunden hat.

Man würde von einem neuen Mitarbeiter nicht erwarten, dass er an seinem ersten Tag perfekte Ergebnisse liefert, wenn er nicht eingearbeitet wurde – und das sollte man auch nicht von der KI erwarten.

Deshalb sagt Hastings, dass der erste Schritt bei der Entwicklung eines guten KI-Agenten die „Dokumentation bis ins Detail“ ist. Man kann sich das wie den Trainingsschritt vorstellen, bei dem man ein Textdokument erstellt, das dem KI-Agenten genau erklärt, was seine Aufgabe ist, und ihm alle Ressourcen und den Kontext gibt, den er braucht, um das gewünschte Ergebnis zu liefern.

„Bei der Erstellung eines Agenten kann man sich vorstellen, dass man eine Persona oder einen Charakter schreibt“, erklärt Hastings. „Man kann ihm eine Beschreibung und eine Hintergrundgeschichte geben, Verfahren, die er stets ausführen sollte, oder Dinge, die er nie tun sollte, wie er einen Teil der Arbeit übernehmen und mit anderen Agenten interagieren sollte usw.“

Hastings verlässt sich bei der Erstellung der Dokumentation für seine KI-Agenten-Teammitglieder stark auf LLMs.

„Etwas, das ich zu Projektbeginn gern tue – bevor ich die Agentenstruktur oder die Dokumentation erstelle – ist, das LLM dazu aufzufordern, mir Fragen zu meinem Ziel zu stellen“, erklärt er und sagt, dass es ihm dabei hilft, Annahmen zu erkennen, die er vielleicht vergessen hat, der KI mitzuteilen.

Sobald er das Gefühl hat, dass er und der LLM sich über sein Ziel im Klaren sind, fordert er das LLM dazu auf, im Internet zu recherchieren und zu sehen, wie andere Menschen ihre Agenten strukturiert haben, um dieses Ziel zu erreichen. Dann geht er noch einen Schritt weiter und fragt das LLM, welche Dokumente er erstellen soll, und lässt das LLM das Dokument so strukturieren und verfassen, dass ein KI-Agent, wenn er es liest, weiß, was er tun soll. „Es ist eine sehr bidirektionale Arbeitsbeziehung, die sich stark von Software unterscheidet“, fügt Hastings hinzu.

Mit einer klaren Dokumentation in der Hand kann er dann beginnen, all diesen Kontext hochzuladen, um deinen neuen KI-Kollegen zu erstellen. Er neigt dazu, dies mit Dateien und Ordnern im VS-Code zu tun, aber er sagt, es sei ähnlich wie die Informationen, die man in der Projektfunktion von ChatGPT oder Claude hochladen würde.

Selbst mit einer guten Schulung kann man nicht erwarten, dass die KI beim ersten Mal perfekt funktioniert – genauso wenig wie man von einem neuen Mitarbeiter erwarten kann, dass er nie einen Fehler macht. Deshalb besteht der nächste Schritt darin, den KI-Agenten die Arbeit machen zu lassen und sie dann mit Feedback zu verfeinern.

„Du musst delegieren und vertrauen, und du musst dich auf Feedback als Haupttool zur Kurskorrektur verlassen“, so Hastings. „Du hast die Kontrolle am Anfang und am Ende und bestimmst das Tempo der Iteration.“

Deshalb ist es seiner Meinung nach wichtig, bei der Entwicklung von KI-Agenten schnell zu handeln und viel Feedback zu geben. Stelle eine Version deiner Dokumentation bereit, lasse den Agenten seine Arbeit machen und nutze dann die Ergebnisse, um die Dokumentation weiter zu verfeinern.

Man kann sich diese Feedback-Sitzungen fast wie Leistungsbeurteilungen vorstellen. Hastings wird sich an das ursprüngliche LLM wenden, das ihm bei der Erstellung der Dokumentation geholfen hat, und ihm die Ergebnisse mitteilen, die er erhalten hat, und was an ihnen falsch war. Manchmal lässt er das LLM sogar sich selbst bewerten.

„Ich vergewissere mich, dass es sich an meine Ziele erinnert, und frage dann: ‚Erfüllt es die Ziele?’.“ Manchmal ist es richtig, manchmal ist es falsch. Aber so oder so wird daraus ein Gespräch darüber, was geändert werden muss.

Dann fragt er das LLM, wie die Dokumentation aktualisiert werden kann, um diese Probleme zu beheben.

„Und dann wiederholen wir das Ganze so lange, bis wir den Stein geschliffen haben und ein konsistentes, gutes Ergebnis erhalten“, erklärt Hasting. „Auch hier denke ich, dass der beste Weg, diese Tools zu nutzen, darin besteht, so schnell wie möglich zu iterieren, weil man fünf oder sechs Wiederholungen durchlaufen muss, bevor man ein wirklich gutes System erhält.“

Hastings betont auch die Bedeutung der Erstellung eines Orchestrator-Agenten. „Dieser Agent hat die Anweisung, verschiedene Agenten zum Handeln aufzurufen, wenn Aufgaben angemessen sind. Der Orchestrator interpretiert einen Befehl oder Chat von mir und entscheidet dann, welche Agenten er zum Handeln auffordert“, erklärt er. „Diese Unteragenten haben ihr eigenes Kontextfenster und erhalten vom Orchestrator Eingabeaufforderungen, die sie befolgen sollen.“

Ja, das kostet im Vorfeld Zeit, aber das ist die Arbeit, die erforderlich ist, um ein Agententeam zu schaffen, das dir langfristig das Leben erleichtert. Hastings fügt hinzu, dass es hilfreich ist, ein wenig Hartnäckigkeit und Vertrauen in die Fähigkeit des Tools zu haben, das gewünschte Ziel mit der richtigen Anleitung zu erreichen.

Was ist das Beste an diesem neuen Ansatz für die Arbeit mit KI? Während sich komplexe technische Fähigkeiten unerreichbar anfühlen können, ist diese Art von Management etwas, das man definitiv lernen kann.

Der beste Ansatzpunkt dafür? Regelmäßiges Üben, das Hastings mit Wiederholungen vergleicht.

„Verwende das Tool jeden Tag, setze dir ein Ziel und arbeite mit dem LLM zusammen, um herauszufinden, wie du dieses Ziel erreichen kannst.“ Du könntest mit der kleinstmöglichen Arbeitseinheit innerhalb eines Workflows beginnen – einen Text schreiben, die Leistung verschiedener Werbekampagnen recherchieren – und sehen, ob du einen KI-Agenten dazu bringen kannst, dies zu tun.

Bist du bereit, vom Betreiber zum Orchestrator zu werden? Abonniere „Der autonome Vermarkter“ und erfahre, wie du KI-Teams aufbaust, die deine Wirkung vervielfachen – mit praktischen Taktiken, die jede zweite Woche geliefert werden.

Wenn du dich festgefahren fühlst, versuche, den LLM um Hilfe zu bitten.

„Du solltest dich nie wieder blockiert fühlen, denn du hast das ultimative Tool zum Lösen von Blockaden“, sagt er. „Du kannst stets fragen: ‚Wie mache ich das?’“

Schließlich schlägt er vor, eine Community zu finden, von der du lernen kannst.

 „KI wird unsere gesamte berufliche Laufbahn verändern, und es ist besser, diese Veränderung gemeinsam zu durchlaufen als allein“, so Hastings.  „Wir werden am meisten lernen, wenn wir die begeisterte Annahme der Tools teilen.“