Agent Experience (AX): Design für KI-Agenten als First Class User

Die Agent Experience (AX) beschreibt, wie KI-Agenten mit Tools, Daten, Umgebungen und untereinander interagieren. Sie ist vergleichbar mit der User Experience (UX) für nicht-menschliche Benutzer, insbesondere für autonome Software-Agenten.

Diese Agenten sehen keine Bildschirme und klicken keine Schaltflächen. Sie verarbeiten Eingaben, befolgen Regeln, verwenden Tools und handeln auf der Grundlage von Aufforderungen und strukturierten Informationen. Wenn Ihr System nicht für sie konzipiert ist, haben sie es schwer.

Bei der Agent Experience (AX) geht es darum, Systeme zu gestalten, die KI-Agenten verstehen und nutzen können, so wie UX Webseiten für Menschen und DX APIs für Entwickler gestaltet.

Warum AX jetzt wichtig ist

KI-Agenten sind keine Prototypen mehr – sie verwalten bereits E-Mails, schreiben Berichte, beheben Fehler und helfen Teams bei der Automatisierung ihrer Arbeit. Ihr Erfolg hängt davon ab, wie gut sie mit ihrer Umgebung interagieren.

Ein schlechtes AX-Design führt zu:

• Defekte Workflows
• Falsch eingesetzte Tools
• Unlogische Entscheidungen
• Vermehrte Halluzinationen (erfundene oder falsche Ausgaben)

Da KI-Agenten immer mehr Verantwortung übernehmen, wird die Entwicklung von Systemen für sie unerlässlich und nicht optional.

AX vs. UX vs. DX

• UX (User Experience) stellt den Menschen in den Mittelpunkt: Schnittstellen sollen einfach zu verstehen und zu benutzen sein.
• DX (Developer Experience) richtet sich an Softwareentwickler: Machen Sie APIs und Dokumentationen intuitiv.
• AX (Agent Experience) konzentriert sich auf Maschinen: Eingaben, Ausgaben und Werkzeuge werden für Agenten klar, strukturiert und sicher gestaltet.
  

Grundprinzipien der Gestaltung von Agent Experience (AX)

Lesbarkeit

KI-Agenten müssen das System genau „lesen“. Daten, Aufgaben und Antworten sollten so verfasst und strukturiert sein, dass sie analysiert und verarbeitet werden können.

Zum Beispiel:

• Anstelle von: „Schau es dir an, wenn du kannst.“
• Verwendung: „Überprüfen Sie den Status der Bestellung Nr. 2341 mit dem Tool checkOrderStatus“.

Agenten sind buchstäblich. Sie sind auf Struktur und Präzision angewiesen.

Zusammensetzbarkeit

Gut konzipierte Systeme ermöglichen den Agenten eine logische Verkettung von Aktionen. Wie Bausteine sollten die Werkzeuge zusammenpassen.

Stellen Sie sicher, dass jede Funktion oder API:

• Hat einen klaren Zweck
• Kann wiederverwendet werden
• Liefert konsistente Ergebnisse

Dies hilft den Agenten, große Aufgaben in einzelne Schritte zu unterteilen und sie nacheinander zu erledigen.

Rückkopplungsschleifen

So wie Menschen aus Rückmeldungen lernen, brauchen Agenten klare Signale über Erfolg oder Misserfolg.

• Erfolg? Bestätigen Sie es auf eine Weise, die sie protokollieren können.
• Fehler? Zeigen Sie einen behebbaren Grund.
  

Strukturieren Sie diese Antworten mit JSON- oder beschrifteten Feldern, damit Agenten reagieren, es erneut versuchen oder aus Fehlern lernen können.

Fehlerbehebbarkeit

Fehler sind an der Tagesordnung. Das Design von Agent Experience (AX) muss es den Agenten ermöglichen, Fehler zu erkennen und sich davon zu erholen.

Brechen Sie den Prozess nicht mit einer vagen Fehlermeldung wie „Oops, something went wrong“ ab. Stattdessen:

• Fehlercodes angeben
• Alternativen vorschlagen
• Wiederholungsversuche mit denselben oder geänderten Eingaben zulassen

Unterstützung der Autonomie

KI-Agenten treffen oft eigenständige Entscheidungen. Aber sie brauchen trotzdem Grenzen.

Good Agent Experience (AX) gibt ihnen:

• Klare Ziele
• Leitplanken zur Vermeidung schlechter Wege
• Möglichkeiten zum eigenständigen Handeln, wenn es sicher ist

Sie sagen den Agenten nicht nur, was sie tun sollen, Sie bringen ihnen auch bei , wie sie entscheiden sollen.

AX Design Dimensionen

Environment Design

Der Agent arbeitet in dieser Welt, die APIs, Datenbanken, Dateien, Endpunkte und logische Abläufe umfasst.

Um es agentenfreundlich zu gestalten:

• API-Formate konsistent halten
• Klare Schemata und Bezeichnungen verwenden
• Maschinenlesbare Metadaten einbeziehen

Stellen Sie sich vor, Sie richten einen Raum so ein, dass der Agent findet, was er braucht.

Tooling Design

Werkzeuge sind die Art und Weise, wie Agenten handeln, APIs, Funktionen oder Leistungen, die sie aufrufen. Aber Agenten lesen keine Tooltips oder blättern in Dokumentationen. Sie verlassen sich auf strukturierte, eingebettete Beschreibungen.

Tipps zur Gestaltung:

• Verwenden Sie beschreibende Namen (z. B. generateInvoice)
• Eingabe-/Ausgabedefinitionen einbeziehen
• Vermeiden Sie Nebenwirkungen oder unerwartetes Verhalten

Wenn der Agent nicht weiß, was das Werkzeug macht, wird er es nicht richtig verwenden.

Speicher- und Kontextverwaltung

Agenten vergessen leicht. Sie brauchen Unterstützung, um den Überblick über frühere Aktionen, Ziele und Fakten zu behalten.

Speicherstrukturen hinzufügen:

• Episodisch: was vorher geschah
• Semantisch: Fakten und Beziehungen
• Prozedural: bekannte Schritte oder Muster

Begrenzen Sie die Menge an Kontext, die in jede Eingabeaufforderung einfließt, aber stellen Sie sicher, dass wichtige Informationen immer verfügbar sind.

Instruktionsdesign

Anweisungen an Agenten sind wie Befehle an einen Roboter. Wenn die Sprache unscharf ist, kann der Agent verwirrt werden.

Tipps:

• Trennen Sie, was der Agent tun soll (Ziel) und wie er es tun soll (Schritte)
• Vorlagen oder strukturierte Eingabeaufforderungen verwenden
• Prüfen Sie die Richtigkeit der Angaben (z. B. „Haben Sie alle Aufgaben erledigt?“)

Promptes Design ist Schnittstellendesign.

Management der kognitiven Belastung

Überfordern Sie den Agenten nicht mit zu vielen Informationen.

Halten Sie die Aufforderungen kurz. Geben Sie nur das Nötigste für jeden Schritt an. Vermeiden Sie es, Dinge zu wiederholen, wenn es nicht notwendig ist. Teilen Sie komplexe Aufgaben in Teile auf, die der Mitarbeiter nacheinander erledigen kann.

Häufige AX-Anti-Muster

Undurchsichtige APIs

APIs ohne gute Beschreibungen, Typinformationen oder erwartete Ergebnisse verwirren Agenten. Wenn die Funktion eines Werkzeugs versteckt oder mehrdeutig ist, könnte der Agent es missbrauchen oder übergehen.

Durcheinandergeworfener Speicher oder Zustand

Agenten verlassen sich oft auf den vorherigen Kontext. Wenn die Erinnerung inkonsistent ist oder fehlt, beginnen die Agenten bei jedem Schritt von vorne.

Halten Sie den Kontext über alle Interaktionen hinweg konsistent. Verfolgen Sie Ziele, Aktionen und Ergebnisse.

Menschenzentriertes Feedback

Fehlermeldungen wie „Etwas ist schief gelaufen!“ helfen Menschen, nicht Agenten. Maschinen brauchen:

• Strukturierte Antworten
• Klare Diagnose
• Anweisungen zur Wiederholung

Implizite Erwartungen

Das Weglassen wichtiger Anweisungen oder die Annahme, dass die Agenten „es schon herausfinden“ können, führt zum Scheitern. Geben Sie die Schritte und erwarteten Ergebnisse genau an.

Entwerfen für verschiedene Agententypen

LLM-Only-Agenten

Large Language Model (LLM) Agenten verlassen sich nur auf Spracheingabe und -ausgabe. Sie brauchen:

• Klare Anweisungen
• Stabile Struktur
• Deterministische Formatierung

Vermeiden Sie offene Fragen, es sei denn, Sie sind mit unterschiedlichen Antworten einverstanden.

Werkzeugnutzende Agenten

Diese werden als externe Tools oder APIs bezeichnet. Sie sind abhängig von:

• Klarheit des Schemas
• Konsistentes E/A-Verhalten
• Strukturierte Fehlerbehandlung

Helfen Sie ihnen, zu wissen, welche Hilfsmittel sie wann einsetzen müssen.

Multi-Agenten-Systeme

Dabei müssen mehrere Akteure zusammenarbeiten. Der Erfolg hängt davon ab:

• Festgelegte Rollen
• Nachrichtenprotokolle
• Gemeinsamer Zustand oder Kontext

Vermeiden Sie Konflikte. Verwenden Sie Bezeichnungen und Strukturen, die die Kommunikation klar halten.

Sensorgesteuerte Agenten

Sie reagieren auf reale Eingaben, wie Temperatur oder Schall. Sie brauchen:

• Schnelle, genaue Signale
• Daten mit niedriger Latenzzeit
• Klare Schwellenwerte für Maßnahmen

Halten Sie die Eingabeströme stabil und übersichtlich.

Metriken für AX

Verfolgen Sie zur Messung der Agentenerfahrung:

• Rate der Aufgabenerledigung: Hat der Bearbeiter die Aufgabe erledigt?
• Werkzeug-Genauigkeit: Hat es die richtige Funktion ausgewählt?
• Gedächtnisleistung: Wurde der Kontext richtig abgerufen und angewendet?
• Fehlerbehebung: Konnte es nach einem Fehler wiederhergestellt werden?
• Qualität des Plans: Waren die Schritte logisch und in der richtigen Reihenfolge?

Anhand dieser Kennzahlen lässt sich feststellen, was funktioniert und wo die Agenten feststecken.

Zukunft von AX

Agent-lesbare Standards

So wie UX über Designsysteme verfügt, braucht AX Standardformate. Diese helfen den Agenten, Tools, Rollen und Workflows sofort zu verstehen.

Designsysteme für Agenten

Stellen Sie sich Bibliotheken mit Eingabeaufforderungsvorlagen, strukturierten Werkzeugbeschreibungen und Speichermodulen vor. Diese würden die Entwicklung beschleunigen und Fehler reduzieren.

Tools zur Agentendebugging

Um AX zu verbessern, benötigen die Entwickler Werkzeuge, mit denen sie das Verhalten der Agenten untersuchen können, um zu sehen, was der Agent gesehen hat, was er geplant hat und warum er gescheitert ist.

Agent-Agent UX

Multiagentensysteme sind auf dem Vormarsch. Klare Kommunikation, gemeinsame Ziele und koordinierte Planung sind unerlässlich. Bald werden wir Entwurfsmuster für die UX von Agent zu Agent benötigen.

Schlussfolgerung

KI-Agenten sind echte Nutzer.

Sie haben weder Augen noch Intuition. Sie raten nicht. Sie handeln danach, wie gut wir Daten, Werkzeuge und Feedback strukturieren.

Die Entwicklung von AX macht Systeme sicherer, intelligenter und skalierbarer. Wenn Sie wollen, dass Ihre Agenten erfolgreich sind, sollten Sie sie wie Benutzer behandeln und ihnen Erfahrungen bieten, die sie verstehen und nutzen können. Vereinbaren Sie einen Gesprächstermin mit uns, um zu erfahren, wie wir Ihnen helfen können, KI-Systeme zu entwickeln, die wirklich nutzbar und effektiv sind.