Der erste arbeitende Agent: ein Workflow, ein Mass, ein Review

95 % der GenAI-Piloten haben keinen messbaren Effekt auf die Gewinn- und Verlustrechnung (MIT Project NANDA). Gartner misst, dass AI Sellern 4,8 Stunden pro Woche spart, aber 72 % der Sales-Organisationen diese Zeit nicht reinvestieren; wer Sellern AI-gestützte Next Best Actions gibt, wächst 2,6-mal wahrscheinlicher (227 CSOs). Gartners Prognose: Über 40 % der Agentic-Projekte werden bis Ende 2027 abgebrochen, wegen Kosten, unklarem Nutzen und fehlender Risikokontrolle. Roberges Phase I heisst deshalb «AI übernimmt die Nicht-Verkaufsarbeit»: Research, Targeting, CRM-Updates, Vorbereitung. Vacca: Workflows bauen statt Tools kaufen, auf eigene Daten trainieren, Aufgaben ersetzen, nicht Urteil. Der erste Agent ist klein, gemessen und hat keinen Kundenkontakt.

• Research Agent

  Recherchiert Accounts, Personen und Markt und legt die Belege in den Context Workspace.

• Pipeline Agent

  Pflegt CRM-Stages, Next Steps und Felder und meldet, was im Forecast nicht zusammenpasst.

• Coach Agent

  Erinnert an Kadenzen, zeigt Strategy Drift und hält das Team auf dem vereinbarten Kurs.

• Context Workspace mit abgeleiteten ModulenContext Workspace
• Workflow-Beschreibung: Auslöser, Schritte, Output, heutiger ZeitaufwandTeam
• 20 bis 50 historische Fälle mit gutem Ergebnis als Eval-SatzCRM
• Agent-Plattform mit Zugriff auf den Workspace: Claude Code, Paperclip, OpenClaw, CursorContext Workspace

1. 1

   Den Workflow wählen

   Mensch

   Stufe «Autonom»: Routine, reversibel, geringes Risiko. Account-Research, Meeting-Briefs, CRM-Felder, Transkript-Zusammenfassungen. Kein Kundenkontakt. Nicht die Vision, den Zeitfresser.

2. 2

   Job Description schreiben

   Mensch

   Auslöser, Inputs (welche Module), Schritte, Output-Format, Mass, Autonomiestufe, Eskalation. Wie für einen neuen Mitarbeitenden, abgelegt im Workspace.

3. 3

   Eval-Satz und Testlauf

   Agent

   Der Agent läuft gegen 20 bis 50 historische Fälle. Gemessen werden Trefferquote, erfundene Fakten und Zeit. Unter 90 % brauchbarer Outputs geht er nicht live.

4. 4

   Vier Wochen Betrieb mit Review

   Mensch + Agent

   Täglich zehn Minuten Stichprobe durch den Owner. Fehler gehen zurück in den Workspace oder die Job Description: der Kontext wird korrigiert, nicht der Prompt getrickst.

5. 5

   Zeitgewinn reinvestieren

   Mensch

   Die gemessenen Stunden pro Woche werden explizit in Gespräche umgewidmet, als Kalenderblock. Sonst verpuffen sie, wie bei 72 % der Organisationen.

6. 6

   Entscheid nach vier Wochen

   Mensch + Agent

   Ausbauen, Stufe erhöhen oder abschalten. Das Ergebnis geht als Lernnotiz in den Workspace. Der zweite Agent kommt erst, wenn der erste läuft.

• Der Agent liest nur die Module, die sein Workflow braucht.
• Jede Ausgabe nennt ihre Quellen aus dem Workspace.
• Fehler werden im Kontext behoben, nicht mit Prompt-Tricks.
• Es gibt ein Mass, bevor der Agent startet.

• Den AI-SDR als ersten Agent: Kundenkontakt, höchstes Risiko, schlechteste Erfolgsbilanz.
• Ein Tool kaufen statt einen Workflow bauen.
• Ein Pilot ohne Mass und ohne Review.
• Zeitgewinn, der in Meetings versickert.
• Fünf Agents gleichzeitig.

• MIT Project NANDA, The GenAI Divide: State of AI in Business (2025): 95 % der GenAI-Piloten ohne messbaren Effekt auf die Gewinn- und Verlustrechnung (2025).
• Gartner, B2B Buyer and CSO Surveys (2025/26): AI spart Sellern 4,8 Stunden pro Woche, 72 % der Organisationen reinvestieren nicht; Next Best Actions: 2,6-mal wahrscheinlicher Wachstum (227 CSOs); Prognose: über 40 % der Agentic-Projekte bis Ende 2027 abgebrochen.
• Mark Roberge, The Science of Scaling (2025): AI-Anhang, Phase I: AI übernimmt Research, Targeting, CRM-Updates und Vorbereitung; die fünf GTM-Agents ICP, Demand Gen, Sales Process, Forecast, Hiring.
• Alex Vacca, 100 Tips to Master GTM (2025): Tipps 61, 64 und 69: Aufgaben ersetzen, nicht Urteil; Workflows bauen statt Tools kaufen; auf eigene Daten trainieren.