Wie wir Hermes intern nutzen: Unser KI-Agenten-Workflow bei KoBra
Wir haben Hermes nicht gebaut.
Wir nutzen Hermes als Framework.
Das ist wichtig, weil es ehrlicher ist als jeder Marketing-Satz. KoBra erfindet nicht jedes Rad neu. Wir nehmen Frameworks, die Agentenarbeit möglich machen, und bringen sie in echte Arbeitssituationen.
Intern nutzen wir Hermes, um jeden Tag zu testen, was mit KI-Agenten wirklich funktioniert — und was nicht.
Die Kurzantwort
Hermes hilft uns intern dabei, Nachrichten, E-Mails, Aufgaben, Recherche und technische Delegation besser zu orchestrieren.
Nicht als magischer Autopilot. Sondern als Arbeitsrahmen: Ein Mensch gibt Richtung und Freigabe. Agenten bereiten vor, recherchieren, strukturieren oder delegieren an spezialisierte Werkzeuge.
Genau diese Erfahrung ist wertvoll für Kundenprojekte. Denn die meisten Agenten scheitern nicht am Modell. Sie scheitern an fehlendem Kontext, unklaren Rollen und schlechten Übergaben.
Warum wir Hermes intern nutzen
Unser eigener Alltag besteht aus den gleichen Problemen, die viele Mittelständler auch haben:
- E-Mails mit Projektkontext
- Telegram-Nachrichten mit Aufgaben
- Recherche, die sauber dokumentiert werden muss
- technische Aufgaben, die an spezialisierte Agenten gehen
- Kundenkommunikation, die Freigabe braucht
- Projekte, deren Kontext in mehreren Systemen liegt
Ohne Agentensteuerung entsteht daraus schnell ein Copy-Paste-Alltag. Man sucht alte Nachrichten, fasst Kontext neu zusammen, schreibt Aufgaben mehrfach, übergibt unvollständig und verliert Details.
Hermes hilft uns, diese Übergaben strukturierter zu machen.
Beispiel 1: Nachricht wird zu Arbeitsauftrag
Ein typischer interner Ablauf beginnt mit einer kurzen Nachricht.
Nicht mit einem sauber ausgefüllten Formular. Nicht mit einem perfekten Ticket. Sondern mit einem Satz wie: “Bitte prüf, ob diese Mail relevant ist und ob daraus eine Aufgabe entstehen muss.”
Der Agent muss dann nicht einfach antworten. Er muss Kontext ziehen:
- Worum geht es?
- Gibt es ein bekanntes Projekt?
- Welche frühere Kommunikation ist relevant?
- Muss ein Mensch entscheiden?
- Ist eine Aufgabe sinnvoll?
- Welche nächste Aktion ist konkret?
Das Ergebnis ist kein KI-Text. Das Ergebnis ist ein strukturierter Vorschlag.
Beispiel 2: E-Mail-Kontext statt Einzelmail
Viele schlechte Automatisierungen lesen nur die letzte E-Mail.
Das reicht fast nie.
Bei uns ist die Regel: Wenn eine E-Mail relevant ist, zählt nicht nur der neueste Text. Wichtig sind Thread, frühere Mails, gesendete Antworten, Projektkontext und offene Aufgaben.
Hermes hilft uns, diese Kontextsammlung als Workflow zu denken.
Ein Agent kann eine E-Mail zusammenfassen. Wertvoll wird es aber erst, wenn er sagen kann:
- Das gehört wahrscheinlich zu Projekt X
- Es gibt eine frühere Zusage aus Mail Y
- Die Antwort sollte kurz sein
- Vor dem Versand braucht es Freigabe
- Wenn unklar, bitte Rückfrage an Jan
Das ist der Unterschied zwischen Zusammenfassung und Assistenz.
Beispiel 3: Delegation an spezialisierte Agenten
Nicht jeder Agent sollte alles können.
Intern arbeiten wir mit spezialisierten Profilen und Werkzeugen. Ein Agent kann Recherche vorbereiten. Ein anderer kann technische Aufgaben bearbeiten. Ein dritter kann Inhalte prüfen oder strukturieren.
Hermes ist dabei nicht “der Mitarbeiter”. Hermes ist eher die Schicht, über die Aufgaben besser übergeben werden.
Wichtig ist die Übergabequalität:
| Aufgabe | Schlechte Übergabe | Gute Übergabe |
|---|---|---|
| Recherche | “Such mal dazu” | konkrete Frage, Quellen, gewünschtes Ergebnis |
| Code-Aufgabe | “Fix das” | Kontext, Ziel, Datei, Prüfkommando |
| “Antworten” | Thread-Kontext, Ton, Freigabe erforderlich | |
| Projektarbeit | “Mach weiter” | Ziel, nächster Schritt, offene Entscheidung |
Das klingt banal. Ist es aber nicht. Genau hier entsteht Produktivität.
Was gut funktioniert
Sehr gut funktionieren intern:
- E-Mail-Verläufe zusammenfassen
- Aufgaben aus Nachrichten ableiten
- Recherche mit klarer Fragestellung
- technische Aufgaben vorbereiten
- Kontext an spezialisierte Agenten übergeben
- kurze Ergebnisberichte zurückspielen
- offene Fragen sichtbar machen
Der größte Gewinn ist nicht, dass “KI schreibt”. Der größte Gewinn ist, dass Kontext strukturierter weitergegeben wird.
Was nicht gut funktioniert
Nicht gut funktioniert: Agenten ohne klare Grenzen laufen lassen.
Ein Agent sollte nicht raten, wenn Kontext fehlt. Er sollte fragen.
Ein Agent sollte nicht automatisch Kundenkommunikation verschicken, wenn Freigabe nötig ist. Er sollte einen Entwurf vorbereiten.
Ein Agent sollte nicht technische Änderungen als erledigt melden, wenn kein Test gelaufen ist. Er sollte Prüfung und Ergebnis dokumentieren.
Diese Grenzen sind keine Bremse. Sie sind der Grund, warum man Agenten überhaupt produktiv einsetzen kann.
Was wir daraus für Kunden gelernt haben
Die wichtigste Erkenntnis: Das Framework ist nie die ganze Lösung.
Hermes stellt Möglichkeiten bereit. Produktivität entsteht erst durch:
- klare Rollen
- gute Aufgabenbeschreibungen
- saubere Datenquellen
- Freigaben
- Eskalationsregeln
- Monitoring
- nachvollziehbare Ergebnisse
Das gilt intern genauso wie bei Kunden.
Anonymisierte Übertragung auf Kundenprozesse
In einem dokumentenlastigen Mittelstandsprozess sieht das ähnlich aus.
Eine Nachricht oder ein Dokument kommt rein. Der Agent erkennt Kontext, prüft Pflichtinformationen, bereitet einen Vorgang vor und eskaliert Unsicherheit.
Der Kunde braucht nicht “einen Chatbot”. Er braucht einen Ablauf, der Arbeit reduziert.
Ob es um E-Mail, Dokumente, Aufgaben oder technische Prüfungen geht: Der Kern ist immer gleich.
Warum Human-in-the-Loop entscheidend bleibt
Wir nutzen intern Freigaben, weil sie Fehler sichtbar machen.
Bei Kunden gilt das noch stärker. Kritische Entscheidungen, externe Kommunikation, personenbezogene Daten und finanzielle Vorgänge dürfen nicht blind laufen.
Ein guter Agent ist nicht der, der nie fragt.
Ein guter Agent ist der, der genau dann fragt, wenn es wichtig ist.
Mehr dazu: Human-in-the-Loop bei KI-Agenten.
Metriken, die wir intern beobachten
Bei internen Agenten-Workflows ist die wichtigste Frage nicht: “Wie intelligent wirkt der Agent?”
Die bessere Frage ist: “Wie viel unklare Vorarbeit wurde sauberer?”
Wir beobachten deshalb eher praktische Signale:
| Signal | Warum es wichtig ist |
|---|---|
| Rückfragenquote | Zeigt, ob Aufgaben klar genug formuliert sind |
| Korrekturquote | Zeigt, wo Agenten falsche Annahmen treffen |
| Zeit bis Ergebnis | Zeigt, ob Delegation wirklich schneller wird |
| Kontextqualität | Zeigt, ob relevante Informationen mitgegeben wurden |
| Freigabequote | Zeigt, wo Autonomie sinnvoll oder riskant ist |
Das sind keine Vanity-Metriken. Sie zeigen, ob Agentenarbeit im Alltag wirklich hilft.
Ein anonymisiertes internes Muster
Ein typisches internes Muster sieht so aus:
Eine Nachricht kommt rein. Sie ist kurz, aber eigentlich steckt ein ganzer Vorgang dahinter. Der Agent sammelt Kontext, schlägt eine konkrete nächste Aktion vor und markiert, welche Entscheidung noch offen ist.
Früher wäre daraus oft ein längerer Chat entstanden: “Was meinst du genau?”, “Wo liegt der Kontext?”, “Welche Mail war das?”, “Wer ist zuständig?”
Heute kann ein Agent zumindest die erste Sortierung übernehmen. Das klingt klein. Aber genau diese kleinen Übergaben fressen in Wissensarbeit viel Zeit.
Warum wir nicht alles automatisieren wollen
Eine der wichtigsten internen Erkenntnisse ist: Nicht jede Aufgabe wird besser, wenn sie autonom läuft.
Manchmal ist der beste Agent der, der eine Entscheidung vorbereitet und dann stoppt.
Das gilt besonders bei:
- Kundenkommunikation
- sensiblen Projektentscheidungen
- technischen Änderungen mit Risiko
- unklarer Datenlage
- Aufgaben mit finanzieller Wirkung
Diese Grenze ist kein Rückschritt. Sie macht den Workflow belastbar.
Was ein Kunde daraus konkret mitnehmen kann
Wenn ein Unternehmen mit KI-Agenten starten will, sollte es nicht zuerst fragen: “Welches Framework nehmen wir?”
Es sollte fragen:
- Welche wiederkehrende Vorarbeit kostet jede Woche Zeit?
- Wo fehlt heute Kontext bei Übergaben?
- Welche Entscheidungen dürfen nie automatisch laufen?
- Welche Ergebnisse müssen protokolliert werden?
- Woran messen wir nach 14 Tagen, ob es besser wurde?
Das sind die Fragen, die aus einem Framework einen produktiven Prozess machen.
Fazit
Hermes ist für uns kein Marketingbegriff.
Es ist ein Framework, mit dem wir intern lernen, wie Agentenarbeit im Alltag wirklich funktioniert.
Und diese Learnings sind genau das, was Kundenprojekte besser macht: weniger Demo, mehr Prozess. Weniger Autonomie-Theater, mehr kontrollierte Vorarbeit.
Mehr zum Gesamtansatz: KI-Agenten für den Mittelstand.
Interne Erfahrung und Kundenprozesse verbinden
Der interne Hermes-Einsatz ist für Kunden relevant, weil er praktische Fragen sichtbar macht: Kontextübergabe, Freigaben, Fehlerfälle, Rollen und Monitoring. Für Kunden-Workflows nutzt KoBra OpenClaw als Framework und ergänzt Prozessanalyse, Integration und Betrieb. Passende Vertiefungen sind OpenClaw in der Praxis, Human-in-the-Loop bei KI-Agenten, KI-Agenten Kosten und KI-Agenten und DSGVO.
Häufige Fragen
Hat KoBra Hermes selbst gebaut?
Nein. KoBra nutzt Hermes intern als Agenten-Framework. Der KoBra-Wert liegt in Workflow-Design, Integration, Freigaben und operativer Nutzung.
Warum ist der interne Einsatz für Kunden relevant?
Weil KoBra dadurch praktische Erfahrungen mit Agentensteuerung, Kontextübergabe, Delegation, Fehlerfällen und Human-in-the-Loop sammelt.
Was ist der Unterschied zwischen Framework und produktivem Workflow?
Ein Framework stellt Agentenfunktionen bereit. Ein produktiver Workflow definiert Datenquellen, Rollen, Freigaben, Eskalationen, Monitoring und konkrete Geschäftsergebnisse.
