Zehn Werkzeuge oder ein System — der Unterschied ist entscheidend

Das eigentliche Problem: Koordination, nicht Fähigkeit

Die meisten Teams, die KI heute in ihrer Content- und Vertriebsarbeit einsetzen, tun das mit einer Ansammlung von Einzelwerkzeugen: ein Chat-Interface für Textentwürfe, ein separates Tool für LinkedIn-Posts, wieder ein anderes für Angebotsdokumente, ein weiteres für E-Mail-Nachfassaktionen. Jeder Schritt erfordert manuellen Input, Kopieren von Kontext, Überprüfen der Tonalität — und dann wieder von vorn.

Das Problem liegt nicht in der Qualität einzelner KI-Modelle. Es liegt in der fehlenden Verbindung zwischen ihnen. Wer zehn separate Prompts pflegt, zehn verschiedene Oberflächen bedient und zehn unterschiedliche Ausgaben nachbearbeitet, hat kein System — er hat Werkzeuge auf einem Schreibtisch.

Ein System verhält sich anders: Ein Auslöser — eine Produktinformation, ein Kundengespräch, ein eingehender Auftrag — setzt eine geordnete Kette von Schritten in Gang. Jeder Schritt übergibt sein Ergebnis strukturiert an den nächsten. Am Ende stehen fertige Ausgaben, die die gleiche Sprache sprechen, weil sie alle aus derselben Quelle stammen.

Architektur des Gesamtsystems

Das Gesamtsystem bei AlpiType verbindet die Anwendungsfälle UC01 bis UC10 in einer einzigen orchestrierten Pipeline. Kein Anwendungsfall steht für sich allein. Die Ausgabe eines Agenten ist die Eingabe des nächsten.

Stufe 1: Der Trigger

Am Anfang steht ein einziger Input. Das kann ein kurzes Briefing sein — "neues Projekt im Bereich Predictive Maintenance, Maschinenbau, Mittelstand" — oder ein automatisches Signal: ein abgeschlossenes Kundengespräch, ein neues Produkt-Feature, ein eingehender Qualifikationsbogen. Der Kontext-Agent reichert diesen Trigger mit vorhandenen Informationen an: Branche, Unternehmenstyp, vorherige Kommunikation, relevante Anwendungsfälle.

Stufe 2: Die Content-Agenten

Der angereicherte Kontext wird an spezialisierte Agenten übergeben. Jeder Agent ist für einen definierten Ausgabetyp zuständig und kennt die jeweiligen formalen Anforderungen: Länge, Struktur, Tonalität, Plattform. Der LinkedIn-Agent schreibt anders als der Artikel-Agent — aber beide sprechen dieselbe Markensprache, weil beide denselben Ausgangskontext verwenden.

Diese Trennung ist zentral. Ein generischer Prompt-Ansatz erzeugt generische Texte. Spezialisierte Agenten mit klaren Ausgabedefinitionen erzeugen Texte, die direkt verwendbar sind — ohne manuelle Nachbearbeitung der Grundstruktur.

Stufe 3: Die Sales-Agenten

Parallel oder sequenziell — je nach Konfiguration — arbeiten die Sales-Agenten. Sie nehmen denselben Kontext und erzeugen daraus Angebotsvorlagen, Nachfassmails, Gesprächszusammenfassungen und qualifizierte Kundendossiers. Ein Agent, der das CRM-System kennt, gleicht vorhandene Kundeninformationen ab und passt die Ausgabe entsprechend an.

Was passiert, wenn alle Teile zusammenarbeiten

Der Unterschied zwischen "KI benutzen" und "ein KI-System betreiben" zeigt sich erst, wenn ein reales Szenario durchläuft. Nehmen wir ein konkretes Beispiel:

Ein technischer Vertriebsmitarbeiter schließt ein Erstgespräch mit einem Produktionsunternehmen ab. Er gibt eine dreizeilige Zusammenfassung ins System ein: Branche, Schmerzpunkt, Entscheidungsträger. Das Gesamtsystem erzeugt daraufhin automatisch:

• Einen LinkedIn-Post, der das Problem adressiert, ohne den Kunden zu nennen
• Einen Fachartikel für die Website mit konkreten technischen Details
• Eine Angebotsvorlage mit den passenden Leistungsmodulen
• Eine Nachfassmail für drei Tage nach dem Gespräch
• Eine interne Gesprächsnotiz für das CRM

Alles aus einem einzigen Input. Alles in konsistenter Sprache. Alles ohne manuelle Formatierung.

Warum Orchestrierung mehr ist als Automatisierung

Automatisierung bedeutet, dass ein Schritt ohne manuellen Eingriff ausgeführt wird. Orchestrierung bedeutet, dass mehrere Schritte koordiniert werden — mit definierten Übergabepunkten, Fehlerbehandlung und der Fähigkeit, auf unterschiedliche Ausgaben des vorigen Schritts zu reagieren.

Das ist der Unterschied zwischen einem automatisierten Skript und einem System, das in der Produktion hält. Wenn ein Agent eine unerwartete Eingabe erhält — ein unbekannter Kundentyp, eine fehlende Produktkategorie — entscheidet das System, ob es einen Fallback anwendet oder einen menschlichen Review anfordert. Das ist Engineering, keine Magie.

Bei AlpiType bauen wir diese Systeme on-premise. Keine Daten verlassen die Infrastruktur des Kunden. Kein US-Cloud-Dienstleister verarbeitet Kundeninformationen oder Angebotsinhalte. Das ist keine Zusatzoption — das ist die Grundvoraussetzung für den Einsatz in regulierten Umgebungen.

Die Voraussetzungen für ein funktionierendes Gesamtsystem

Ein Gesamtsystem dieser Art setzt drei Dinge voraus, die viele Teams unterschätzen:

• Definierte Ausgabeformate: Jeder Agent muss wissen, was sein Output ist. Nicht "ein guter Text", sondern: 180 Wörter, drei Absätze, kein Fachjargon, Zielgruppe CTO. Ohne diese Spezifikation ist die Ausgabe zufällig.
• Strukturierte Datenübergabe: Agenten kommunizieren nicht über freien Text. Sie übergeben Felder: Branche, Problem, Ansprechpartner, relevante Produkte. Das erfordert ein klares Datenmodell — kein Aufwand, aber einen bewussten Entwurf.
• Kontrollpunkte: Vollautomatische Ausgaben ohne jede Prüfung sind selten die richtige Konfiguration. Das System sollte definieren, welche Ausgaben direkt freigegeben werden und welche eine menschliche Sichtung erfordern. Diese Schwellenwerte sind Teil der Architektur, nicht ein späteres Add-on.

Integration in bestehende Werkzeuge

Das Gesamtsystem muss nicht auf der grünen Wiese entstehen. In den meisten Fällen integriert es sich in vorhandene Werkzeuge: CRM-Systeme wie HubSpot oder Salesforce, interne Wissensdatenbanken, bestehende Content-Management-Systeme. Die Agenten lesen aus vorhandenen Quellen und schreiben in vorhandene Ziele. Was sich ändert, ist nicht die Infrastruktur — sondern die Menge manueller Schritte zwischen den Systemen.

Mehr zu den einzelnen Anwendungsfällen, die das Gesamtsystem bilden, finden Sie auf der Anwendungsfälle-Übersicht. Jeder Baustein — von der LinkedIn-Post-Generierung bis zur automatischen Testdokumentation — ist dort einzeln beschrieben.