Salesforce Agentforce Vibes 2.0: So beherrschen Unternehmen die Kontextüberlastung bei KI-Agenten

Als VentureCrowd, eine Plattform für Startup-Finanzierungen, erstmals KI-Coding-Agenten in seiner Softwareentwicklung einsetzte, konnte das Unternehmen die Entwicklungszeit für Frontend-Projekte in einigen Fällen um bis zu 90 % verkürzen. Doch der Erfolg war kein Selbstläufer. Die größten Hürden lagen nicht in den KI-Agenten selbst, sondern in der Qualität und Struktur der Daten sowie im Umgang mit dem Kontext, den diese Agenten verarbeiten müssen.

KI-Agenten scheitern nicht am Modell — sondern am Kontext

Diego Mogollon, Chief Product Officer bei VentureCrowd, erklärte gegenüber VentureBeat, dass KI-Agenten ihr Handeln ausschließlich auf Basis der ihnen zur Verfügung stehenden Daten und des Kontexts zum Zeitpunkt der Ausführung stützen. Dabei kommt es regelmäßig zu Fehlentscheidungen, weil die Agenten oft nur bruchstückhafte oder unvollständige Informationen verarbeiten. Ein weiteres Problem: Schlechte Datenqualität und undurchsichtige Prozesse verstärken die Fehleranfälligkeit der Agenten.

„Die eigentlichen Herausforderungen liegen selten in den KI-Agenten selbst, sondern in der Umgebung, in der sie arbeiten“, betont Mogollon. „Es ist ein Kontextproblem, das sich als KI-Problem tarnt — und laut meinen Beobachtungen die häufigste Ursache für gescheiterte Agenten-Implementierungen ist.“

VentureCrowd musste zunächst seine gesamte Codebasis neu strukturieren, bevor die KI-Agenten effektiv arbeiten konnten. Ein zentrales Hindernis war das sogenannte „Context Bloat“: Mit zunehmender Komplexität der Workflows häufen KI-Systeme immer mehr Daten, Tools und Anweisungen an. Doch zu viel Kontext führt zu Rauschen — die Agenten werden langsamer, die Token-Kosten steigen, und die Zuverlässigkeit sinkt.

Context Engineering als Schlüssel zur Effizienz

Eine Lösung für das Context Bloat ist das sogenannte Context Engineering. Dabei geht es darum, Agenten gezielt mit relevantem Kontext zu versorgen und irrelevante Informationen auszuschließen. Dies hilft etwa bei der Interpretation von Code-Änderungen oder Pull Requests, um sicherzustellen, dass die Agenten ihre Aufgaben präzise erfüllen. Doch in der Praxis wird Context Engineering oft als externe Aufgabe behandelt, statt direkt in die Entwicklungsplattformen integriert zu werden.

VentureCrowd setzte auf Salesforce Agentforce Vibes, eine KI-Entwicklungsplattform, die direkt in das Salesforce-Ökosystem eingebettet ist und seit der Version 2.0 zusätzliche Funktionen bietet. Eine der wichtigsten Neuerungen sind die sogenannten „Abilities“ und „Skills“, mit denen Unternehmen das Verhalten ihrer Agenten gezielt steuern können.

Warum Agentforce Vibes für VentureCrowd die richtige Wahl war

„Unsere gesamte Plattform — sowohl Frontend als auch Backend — basiert auf dem Salesforce-Ökosystem. Als Agentforce Vibes erschien, passte es daher perfekt in unsere bestehende Infrastruktur“, erklärt Mogollon. Die neue Version 2.0 erweitert die Unterstützung für Drittanbieter-Frameworks wie ReAct und führt Mechanismen ein, die sicherstellen, dass der Kontext der Agenten innerhalb definierter Datenmodelle oder Codebasen bleibt.

Andere KI-Coding-Plattformen wie Claude Code oder OpenAI’s Codex verfolgen einen anderen Ansatz: Sie ermöglichen autonome Ausführung, indem sie kontinuierlich Dateien lesen, Befehle ausführen und den Kontext dynamisch erweitern. Doch genau diese kontinuierliche Ausweitung des Kontexts führt zu den oben beschriebenen Problemen. Agentforce Vibes hingegen setzt nicht darauf, den Kontext zu minimieren, sondern ihn besser zu kontrollieren und an die Bedürfnisse des Unternehmens anzupassen.

Für VentureCrowd war die Entscheidung für Agentforce Vibes nicht nur eine Frage der technischen Integration, sondern auch der Kostenkontrolle. Da der Großteil ihrer Daten bereits in Salesforce gespeichert ist, ließ sich die Plattform nahtlos einbinden. Zudem ermöglichte es dem Unternehmen, den Kontext, den die Agenten verarbeiten, gezielt zu steuern — ein entscheidender Faktor, um die Entwicklungsprozesse zu optimieren.

Die Zukunft: Weniger Kontext, mehr Präzision

Es gibt keine universelle Lösung für das Problem des Context Bloat, doch die Erkenntnis ist klar: Mehr Kontext bedeutet nicht automatisch bessere Ergebnisse. Unternehmen müssen experimentieren und herausfinden, welche Art von Kontextbegrenzung für ihre spezifischen Anforderungen am besten geeignet ist.

Der Schlüssel liegt nicht darin, Agenten mit möglichst vielen Informationen zu füttern, sondern darin, zu definieren, welche Informationen wirklich relevant sind. Nur so lassen sich Entwicklungszyklen beschleunigen, Kosten senken und die Zuverlässigkeit der KI-Agenten steigern. Mit Tools wie Agentforce Vibes 2.0 erhalten Unternehmen eine praktikable Möglichkeit, diese Herausforderung zu meistern — und ihre KI-Initiativen auf eine solide Grundlage zu stellen.