Agentic AI

Verlässliche Wirkung: Verifikation, Idempotenz, ehrliches Scheitern

Der Aufruf antwortet mit Erfolg, und das Ticket bleibt offen — weil eine Statusregel den Übergang asynchron ablehnt. In sechs Prozent der als erfolgreich verbuchten Läufe war die Aufgabe nicht erledigt. Der Unterschied zwischen dem, was ein Agent meldet, und dem, was tatsächlich eingetreten ist, ist die interessanteste Kennzahl eines agentischen Systems.

~30 Min · 12 Abschnitte Einführung · 9 Übungen (davon 2 Missionen)

Modul starten →

Fortschritt wird gespeichert — du kannst das Modul später jederzeit fortsetzen.

Nur den Lehrtext lesen →

Das kannst du danach

  • Danach prüfst du die Wirkung einer Aktion am Zustand statt an der Rückmeldung des Werkzeugs.
  • Du stufst Aktionen nach Wiederholbarkeit ein und behandelst die zweideutige Fehlerklasse richtig.
  • Du baust Läufe, die ehrlich scheitern können, weil ihr Ergebnisformat ein Feld dafür hat.

Übungen

  • 1. MissionSechs Werkzeuge, eine Frage
  • 2. EntscheidungWie macht ihr die Aktion produktionsreif?
  • 3. EntscheidungWas ändert ihr an der Wiederholungslogik?
  • 4. MissionEin Schutz, der nicht schützt
  • 5. EntscheidungWie soll der Lauf enden?
  • 6. EntscheidungWie strukturiert ihr den Lauf?
  • 7. EntscheidungWas instrumentiert ihr?
  • 8. EntscheidungWie gestaltet ihr den eingeschränkten Betrieb?
  • 9. EntscheidungWoran soll der Abschluss künftig hängen?
Quellen & Aktualität5 Primärquellen · zuletzt geprüft:
  1. 01IETF — RFC 9110: HTTP Semantics, Abschnitt 9.2.2 Idempotent Methods
  2. 02IETF httpapi — The Idempotency-Key HTTP Header Field
  3. 03OWASP GenAI Security Project — LLM06:2025 Excessive Agency
  4. 04Anthropic Engineering — Building Effective Agents
  5. 05Anthropic Engineering — How we built our multi-agent research system

Verfasst von Julian Zentgraf