Wie wir von No-Code- zu No-Prompt-Agenten übergingen

Vor einem Jahr starteten wir mit einem scheinbar einfachen Konzept: Kleine Unternehmen ohne technische Ressourcen sollten durch vorgefertigte KI-Agenten ihre Kundenkommunikation automatisieren. Doch schnell zeigte sich, dass die größte Hürde nicht in der Technik, sondern im Verständnis der Aufgabe selbst lag.

Die unsichtbare Hürde: Warum Prompt-Engineering scheitert

Unser ursprünglicher Plan klang plausibel: Wir stellten lokalen Händlern, Dienstleistern und Handwerkern einen vorkonfigurierten KI-Agenten zur Verfügung. Die Instruktionstemplates waren klar strukturiert, und die Nutzer sollten diese bei Bedarf anpassen. Doch was sich wie eine kleine Optimierungsaufgabe anhörte, entpuppte sich als fundamentales Problem.

Prompt-Engineering erfordert eine abstrakte Denkweise – eine Fähigkeit, die viele Geschäftsinhaber nicht mitbringen. Sie müssen sich vorstellen, wie ein Kunde eine Frage stellen könnte, mögliche Antworten antizipieren und diese dann in präzise Anweisungen für die KI übersetzen. Das ist kein Nebenjob, sondern eine eigenständige Tätigkeit, die Zeit und Übung erfordert. Viele unserer Testnutzer starrten stundenlang auf leere Textfelder, ohne zu wissen, wie sie beginnen sollten. Einige gaben frustriert auf.

Erst als wir ihre tägliche Arbeit beobachteten, verstanden wir das eigentliche Problem: Die Nutzer wussten genau, was in einem konkreten Gespräch schiefging – aber sie wussten nicht, wie sie das in technische Anweisungen umsetzen sollten. Die Lücke zwischen Problem und Lösung war einfach zu groß.

Vom abstrakten Denken zur direkten Kontrolle

Nach monatelangen manuellen Anpassungen unserer Agenten zeichnete sich ein Muster ab. Die meisten Verbesserungen basierten nicht auf abstrakten Überlegungen, sondern auf konkreten Beobachtungen:

• - "Der Agent empfiehlt alle unsere Dienstleistungen, aber die meisten Kunden interessieren sich nur für drei davon. Diese sollten priorisiert werden."
• - "Die Öffnungszeiten wurden von der Website übernommen, sind aber falsch. Wir haben sie vor drei Monaten geändert."

Solche Rückmeldungen waren präzise und handlungsorientiert. Die Nutzer mussten nicht mehr hypothetisch denken – sie bezogen sich auf reale Gespräche, die bereits stattgefunden hatten. Das Problem war nur: Unser System zwang sie, diese Erkenntnisse in technische Prompts umzuwandeln. Eine unnötige Übersetzungsschicht.

Der Durchbruch: Feedback aus echten Gesprächen

Die Lösung lag auf der Hand: Statt Nutzer zu bitten, sich Szenarien auszudenken, sollten sie direkt auf bestehende Gespräche einwirken können. Der neue Workflow funktioniert so:

1. Konkrete Gespräche analysieren: Der Nutzer sieht ein echtes, bereits geführtes Gespräch zwischen Kunde und Agent – ohne hypothetische Beispiele.

1. Natürlichsprachliches Feedback geben: Ein Kommentar wie "Die Öffnungszeiten sind falsch – bitte aktualisieren" oder "Sei freundlicher im Ton" reicht aus.

1. Automatische Verarbeitung: Das System prüft die Rückmeldung auf Widersprüche zu bestehenden Regeln, zieht relevante Informationen aus der Wissensdatenbank und löst Konflikte.

1. Direkte Anpassung: Die Systemanweisungen und die Wissensbasis werden automatisch aktualisiert – ohne dass der Nutzer eine Zeile Code oder Prompt schreiben muss.

Der entscheidende Paradigmenwechsel: Der Agent muss nicht menschlich agieren. Seine Aufgabe ist es, repetitive Standardfragen sofort zu beantworten und komplexe Anfragen an einen Menschen weiterzuleiten. Sobald wir uns von der Illusion verabschiedeten, die KI müsse alles können, wurden auch die Rückmeldungen einfacher und zielgerichteter.

Die überraschende Konsequenz: Der Prompt-Editor wird überflüssig

Nach einigen Wochen mit dem neuen System bemerkten wir etwas Ungewöhnliches: Der Prompt-Editor – das Herzstück unserer Plattform – wurde kaum noch genutzt. Alle relevanten Verbesserungen kamen über die direkte Gesprächsfeedback-Schleife. Die Nutzer hatten schlichtweg keine Notwendigkeit mehr, sich mit technischen Anweisungen zu beschäftigen.

In einem mutigen Schritt entfernten wir den Prompt-Editor aus der Benutzeroberfläche. Die Reaktion war überwältigend positiv. Die Nutzer fühlten sich entlastet, und die Agenten wurden spürbar besser – nicht weil sie klüger wurden, sondern weil sie endlich die richtigen Aufgaben erledigten.

Diese Erfahrung zeigt, wie schnell sich die Landschaft der KI-Tools verändert. Manchmal ist die beste Lösung nicht die, die wir uns ausgedacht haben, sondern die, die durch Nutzerverhalten und praktische Erfordernisse diktiert wird. Wer heute Tools für Agenten entwickelt, sollte nicht versuchen, Nutzer zu Prompt-Experten zu machen. Stattdessen sollte man die Feedbackschleife um das natürliche Verständnis der Nutzer herum aufbauen: die Analyse realer Gespräche.

Wir bei Kindway arbeiten weiter an dieser Vision. Unsere Plattform Reach ermöglicht kleinen und mittleren Unternehmen die Nutzung von KI-Agenten auf WhatsApp, Instagram und anderen Kanälen – ganz ohne technische Vorkenntnisse. Wer mehr darüber wissen möchte, kann sich gerne in den Kommentaren austauschen oder uns direkt kontaktieren.