9 Monate Claude Code, 200 Millionen Tokens, null KI-Agenten gebaut

9 Monate Claude Code. 1.800+ Sessions. 200 Mio.+ Tokens. Von mir gebaute Agenten: null.

Von den Finance-Teams, mit denen ich arbeite, gebaute Agenten: ebenfalls null.

Was alle anderen offenbar bauen

Derweil in den sozialen Medien: "Wir haben 13 Agenten gebaut und führen Finance mit null Mitarbeitern."

Mein unsicheres Ich: Alle anderen zaubern, und ich nicht. Und Leute bezahlen mich sogar dafür, ihr Sparringspartner für KI und Finance zu sein.

Nenn mich einen Spätzünder, aber ich habe wirklich viele Monate gebraucht, um zu verstehen, was ein Agent ist und warum so viele Leute behaupten, einen gebaut zu haben. Die Verwirrung hat einen Grund. Jeder Anbieter hat einen Anreiz, alles, was er verkauft, Agent zu nennen, und das Wort hat keine geschützte Definition. Also bin ich zu den Leuten gegangen, die die Modelle bauen.

Was ist ein KI-Agent nach Anthropics Definition?

Anthropic hat die Grenze im Dezember 2024 in Building effective agents gezogen. In einfachen Worten:

Ein Agent bekommt ein Ziel und erarbeitet die Schritte selbst. Er wählt aus, welche Tools er nutzt, prüft die Ergebnisse und entscheidet, wann er fertig ist.

Ein Workflow folgt Schritten, die ein Mensch vorab aufgeschrieben hat.

Das ist der ganze Test. Wer entscheidet den nächsten Schritt: das Modell oder die Person, die das Flussdiagramm gezeichnet hat? Wenn das Flussdiagramm zuerst da war und die KI eines seiner Kästchen ausfüllt, hast du einen Workflow mit einem Sprachmodell darin. Oft nützlich. Selten ein Agent.

Drei Finance-"Agenten", die Workflows sind

Wende den Test auf die Agenten an, von denen ich in Finance-Teams am häufigsten höre:

• Der Rechnungs-"Agent". KI liest das PDF, eine feste Regel leitet es zur Freigabe weiter. Ein Workflow.
• Der Bankabstimmungs-"Agent". Matcht nach Betrag und Datum, markiert den Rest. Ein Workflow.
• Der Monatsabschluss-"Agent". Eine Checkliste, und KI arbeitet die Checkliste ab. Ein Workflow.

Ein Agent würde "schließ den September ab" bekommen und selbst entscheiden, welche Abstimmungen er fährt, welchen Belegen er hinterherläuft, welche Abschlussbuchungen er bucht, wann die Zahlen stimmen und wann der Abschluss fertig ist. Ich kenne niemanden, der das produktiv laufen hat, und ich wäre nervös, wenn es jemand täte.

Wenn jemand sagt "ich habe einen Agenten gebaut", ist es meistens eines von zwei Dingen:

1. Ein Skill. Eine aufgeschriebene Prozedur, der das Modell für eine wiederkehrende Aufgabe folgt. Wertvoll, und ich nutze sie den ganzen Tag. Trotzdem ein Workflow.
2. Ein Chatbot. Ein System-Prompt plus eine Wissensdatenbank. Microsoft Copilot und andere Anbieter nennen das Agent, was einen Großteil der Verwirrung erklärt.

Wo sind meine 200 Millionen Tokens dann hin?

Ich betreibe einen Agenten, den jemand anderes gebaut hat: Claude Code.

Ich habe eine Weile gebraucht, um zu merken, dass Claude Code selbst ein Agent ist. Es bekommt eine Aufgabe, plant die Schritte, nutzt meine Dateien und Tools und hört auf, wenn es fertig ist. Bei größeren Jobs gibt es Teile von allein an Helfer-Agenten ab: Einer recherchiert, ein anderer zerpflückt das Ergebnis. Fable 5.1 startet besonders häufig Helfer-Agenten, ohne dass man darum bittet.

Lass es durch den Test laufen. Niemand hat dieses Flussdiagramm gezeichnet. Ich sage "mach aus diesen sieben Jahren DATEV-Exporten eine saubere Datenbank und gib mir eine Summen- und Saldenliste pro Jahr", und es entscheidet, ob es ein Skript schreibt, welche Dateien es zuerst liest, wie es seinen eigenen Output prüft und wann das Ergebnis gut genug ist, um es mir zu zeigen. Das ist die Schleife, die Anthropic beschreibt.

Nichts davon habe ich gebaut. Anthropic hat.

Was ich gebaut habe, ist der Harness drumherum

Alles, was aus einem generischen Agenten meinen macht:

• 19 Regeln für meine Arbeitsweise. Keine E-Mail geht ohne meine Freigabe raus, keine Gedankenstriche in irgendetwas Öffentlichem, welcher Buchungslink an welchen Empfänger geht.
• 52 Skills für wiederkehrende Finance-Aufgaben. Der monatliche Rechnungslauf, die Belege-Mail an meinen Steuerberater, das Follow-up nach einer Kunden-Session.
• 404 gespeicherte Learnings, damit es sich zwischen Sessions merkt, was letztes Mal schiefging.
• 148 Kontextdateien zu meinen Kunden, Projekten und Tools.
• 49 kleine Tools (Python-Skripte) und 11 Hintergrund-Automatisierungen.

Diesen Harness aktuell zu halten kostet rund 20 % meiner Zeit und meiner Tokens. Da sind die Tokens hin: in das Anlernen eines Agenten darauf, wie meine Praxis funktioniert, statt in den Bau eines zweiten.

Die Zahlen ändern sich jede Woche, und der Harness ist nie fertig. Das ist auch der Punkt. Den Agenten hätte ich nie selbst bauen können. Den Harness kann niemand anderes für mich bauen, weil er kodiert, wie ich arbeite.

Du bist dran

Wenn du einen echten Agenten für Finance-Arbeit gebaut hast, einen, der sich seine Schritte selbst erarbeitet: Was macht er, und was entscheidet er allein?

Das hier begann als LinkedIn-Post; die Kommentare sind dort.