The Playbook
Agentic AI

Agent-driven Business: Was vom Agenten-Hype übrig bleibt, wenn man selbst welche baut

Von
Agentic AI KI-Agenten Markt-Agenten Geschäftsmodelle Mittelstand

Ein US-Startup namens yagni.app verkauft dir ein „Sales-Team”. Es besteht aus Software, kostet zwischen 99 und 999 Dollar im Monat, wird in Credits abgerechnet und durchläuft drei Vertrauensstufen: Training, Supervised, Autonomous. Das Pitch-Versprechen: Agenten führen wie Mitarbeiter, mit Verantwortung, Kennzahlen und Zielen. Ich habe mir das angesehen, fand die Idee gut — und habe dann vier eigene Agenten gebaut, um zu verstehen, was an dem Modell trägt und was Verpackung ist.

Das hier ist der Erfahrungsbericht. Er passt zu dem, was ich in Software-Moats im AI-Zeitalter über verteidigbare Werte geschrieben habe, und zu der Beobachtung aus State of AI 2026, dass zwischen Modell-Fähigkeit und Betriebsmodell eine Lücke klafft. Beim Agenten-Hype ist diese Lücke das Geschäftsmodell selbst.

Was ein Agent 2026 tatsächlich ist

Unsere vier Markt-Agenten beobachten Wettbewerber-Websites, melden Eigentümerwechsel bei Software-Herstellern, filtern Branchen-Deals und messen KI-Sichtbarkeit. Gebaut haben wir sie in wenigen Tagen — auf einem Stack, der schon existierte: Crawler, Rate-Limiting, Payment, E-Mail-Versand und vor allem ein kuratiertes Wiki mit rund 1.600 Firmen, 750 Produkten und 165 Investoren samt Eigentümer-Beziehungen.

Die Anatomie ist ernüchternd unspektakulär. Ein Agent ist ein Cron-Job mit drei Schichten: ein deterministischer Kern (crawlen, Datenbank abgleichen, Änderungen gegen den letzten Stand erkennen), eine Datenbasis, die entscheidet, ob es überhaupt etwas zu melden gibt — und ganz am Ende ein LLM, das belegte Fakten zusammenfasst und einordnet. Das Modell trifft keine einzige Entscheidung, die das System nicht vorher deterministisch getroffen hat.

Genau diese Architektur macht die Agenten vertrauenswürdig. Beim ersten Härtetest habe ich dem Wettbewerbs-Agenten einen manipulierten Website-Stand untergeschoben, um eine Meldung zu provozieren. Der Relevanzfilter hat die künstliche Änderung als Kosmetik verworfen und geschwiegen. Geärgert habe ich mich zehn Minuten — dann war mir klar, dass genau dieses Schweigen das Produkt ist. Ein Agent, der nur bei Substanz mailt, überlebt im Postfach eines Geschäftsführers. Einer, der jede Woche Pensum abliefert, fliegt nach drei Wochen raus.

Die Ökonomie: nachgemessen statt gepitcht

Wir loggen den Token-Verbrauch jedes Laufs. Hier die Messwerte aus dem Echtbetrieb:

AgentLLM-Verbrauch pro LaufLäufe/MonatLLM-Kosten/MonatAbopreisRohmarge
Markt-News-Watch~500–600 Tokens4,3< 1 Cent9 €> 99 %
Stack- & Vendor-Watch0 (ohne Ereignis) bis ~400 Tokens4,3< 1 Cent19 €> 99 %
Wettbewerber-Monitoring0 bis ~25.000 Tokens (Worst Case, 5 Domains)4,3~9 Cent29 €> 99 %
GEO-Monitoring4 Engine-Abfragen + Analyse1wenige Cent9 €> 95 %

Quelle: eigene Runtime-Logs, Juli 2026, Modell gpt-4o-mini über AI Gateway.

Die Zahlen erklären, warum gerade jeder ein Agenten-Startup gründet: Die Grenzkosten eines Laufs sind praktisch null. Sie erklären aber auch, warum das Credit-Modell à la yagni für Käufer ein schlechtes Geschäft ist — wer 130 Credits für 99 Dollar kauft, bezahlt Verpackung, denn der Rohstoff darunter kostet Cents. Der Preis eines Agenten rechtfertigt sich ausschließlich über das, was er weiß; die Rechenleistung darunter ist ein Rundungsfehler.

Der Moat liegt in der Datenbasis, das LLM ist Commodity

Unser Stack-Watch-Agent meldet, wenn der ERP-Anbieter eines Kunden den Eigentümer wechselt — mit Einordnung, was ein PE-Einstieg für Preise, Roadmap und den nächsten Exit nach Fondslaufzeit bedeutet. Das kann er nur, weil im Wiki kuratierte Beziehungen liegen: Wer gehört wem, wer hat wen übernommen, welcher Fonds hält seit wann. Diese Daten pflegt eine wöchentliche Redaktions-Pipeline seit Jahren.

Ohne diese Basis wäre derselbe Agent ein Google Alert mit besserer Prosa. Jeder Wettbewerber kann das LLM austauschen, den Prompt kopieren, den Cron-Job nachbauen — die Datenbasis kann er nicht kopieren, er müsste sie erarbeiten. Das ist dieselbe Logik wie bei den Software-Moats: Der verteidigbare Teil eines KI-Produkts liegt fast nie im Modell.

Für den Mittelstand heißt das umgekehrt: Die brauchbaren Agenten kommen von Anbietern, die vorher schon eine Domäne beherrscht haben. Ein „Sales-Agent” ohne CRM-Historie, ein „Markt-Agent” ohne Marktdaten, ein „Recruiting-Agent” ohne Kandidatenpool — das sind Prompts mit Monatsgebühr.

Wo der Hype bricht: Zugriff, Verantwortung, Vertrauen

yagni löst das Vertrauensproblem mit Stufen: Agenten arbeiten erst überwacht, Autonomie wird über nachgewiesene Erfolgsquoten freigeschaltet. Das ist konzeptionell sauber — und gleichzeitig der Punkt, an dem ich für den DACH-Mittelstand skeptisch bin. Die Plattform verlangt OAuth-Zugriff auf Gmail, HubSpot, Stripe und GitHub. Ein deutscher Fertiger mit 80 Mitarbeitern, Betriebsrat und einem IT-Dienstleister im Stundensatz gibt einem US-Startup diesen Zugriff nicht — nicht 2026, vermutlich auch nicht 2028.

Wir haben deshalb die gegenteilige Architektur-Entscheidung getroffen: Unsere Agenten bekommen keinerlei Zugang zu Kundensystemen. Sie lesen öffentliche Quellen und unsere eigene Datenbasis; das Schlimmste, was ein fehlgeleiteter Lauf anrichten kann, ist eine überflüssige E-Mail. Damit ist die Klasse der Aufgaben kleiner — Beobachten statt Handeln — dafür liegt die Einstiegshürde für einen Mittelständler bei einer E-Mail-Adresse und 9 Euro statt bei einem Freigabeprozess mit der IT.

Ich vermute, der Markt teilt sich entlang genau dieser Linie: Lese-Agenten (Monitoring, Research, Reporting) werden schnell Massenware, weil das Risiko klein und der Nutzen sofort sichtbar ist. Schreib-Agenten (CRM pflegen, Tickets schließen, Zahlungen freigeben) bleiben auf Jahre ein Enterprise-Thema mit Integrations- und Haftungsfragen, die kein Credit-Preismodell beantwortet.

Meine Perspektive 🎯

  • Agenten sind Produktverpackung für Daten. Wer eine kuratierte Datenbasis hat, kann sie jetzt als Abo verkaufen. Wer keine hat, verkauft einen Cron-Job mit Prompt — und wird über den Preis sterben, denn der Rohstoff kostet Cents.
  • Das Schweigen ist das Feature. Ein Agent, der Wochen ohne Substanz nicht mailt, baut Vertrauen auf. Pensum-Newsletter mit KI-Prosa sind das Gegenteil von Agent-driven Business.
  • Abo schlägt Credits im Mittelstand. 19 €/Monat, monatlich kündbar, versteht jeder Geschäftsführer. Credit-Budgets mit Verbrauchslogik sind ein US-SaaS-Reflex, der hier Kaufwiderstand erzeugt.
  • Für PE-Investoren: Die interessante Frage an ein Portfolio-Unternehmen ist nicht „habt ihr einen Agenten-Plan”, sondern „welche eurer Datenbestände lassen sich als Lese-Agent verpacken”. Das ist wiederkehrender Umsatz auf versunkenen Kosten — die beste Sorte.
  • Der Berater vor dem Agenten ist der eigentliche Funnel. Unsere kostenlose Website-Analyse beantwortet „welcher Agent lohnt sich für euch” — und konvertiert besser als jede Feature-Liste, weil die Empfehlung belegte Fakten über die eigene Firma zeigt.

Fazit

Agent-driven Business ist real, aber kleiner und bodenständiger als der Pitch: eng umrissene Beobachtungsaufträge auf kuratierten Daten, zu Grenzkosten nahe null, verkauft als kündbares Abo. Die Gewinner dieser Phase sind Anbieter mit Domänen-Daten, die schnell verpacken — im DACH-B2B-Software-Markt machen wir mit den Markt-Agenten genau das. Die Verlierer sind generische Agenten-Plattformen ohne eigene Datenbasis, die gegen fallende Modellpreise anpreisen müssen. Und die Schreib-Agenten mit Systemzugriff? Kommen. Aber später, teurer und mit Anwälten.

Quellen