Werkzeug- und Workflow-Design
Wir erfassen die Aufgaben, die der Agent übernehmen soll, zerlegen sie in Werkzeuge mit klaren Ein- und Ausgaben für verlässliches Tool Calling und legen fest, welche Schritte einen Menschen in der Schleife brauchen.
Ein KI-Agent ist Software, die eine Anfrage liest, passende Werkzeuge auswählt und handelt: den Kunden nachschlagen, die Antwort entwerfen, den Termin buchen, das Ticket anlegen. Diese Arbeitsweise nennt man agentische KI. Wir bauen KI-Agenten für Unternehmen in Kanada, den USA und im deutschsprachigen Raum, die genau das in Ihren echten Systemen tun, über kontrollierte Werkzeuge, mit menschlicher Freigabe dort, wo es darauf ankommt, und einem Protokoll jeder Aktion. Unser eigenes CRM AgentlyLeads läuft so aus Claude und ChatGPT heraus über 57 MCP-Tools.
Konto nachschlagen, Verlauf prüfen, E-Mail entwerfen, Datensatz aktualisieren. Die Schritte sind bekannt, und agentische Workflows können sie übernehmen. Niemand hat die Zeit, sie von Hand für jeden Lead oder jedes Ticket zu erledigen.
Sie wollen, dass der Assistent, den es den ganzen Tag nutzt, sicher auf Ihr CRM oder ERP zugreift, statt zwischen Tabs zu kopieren und einzufügen.
Antworten ist der erste Schritt. Der Nutzen entsteht, wenn der Agent auf Basis der Antwort in Ihren Systemen handeln darf, mit Berechtigung.
Zu Recht. Autonome Agenten brauchen Freigabepunkte, eingegrenzte Berechtigungen und eine Prüfspur, bevor jemand einen Agenten mit Zugriff auf Kundendaten abnimmt.
Ein Model-Context-Protocol-Server erlaubt jedem kompatiblen Assistenten, Ihre Software als Werkzeug zu nutzen. Richtig gemacht ist das ein Produktmerkmal. Nachlässig gemacht ist es eine offene Tür.
Ein Sprach-KI-Agent kann den Anruf annehmen, die Buchung oder die Aufnahmedaten erfassen und an eine Person übergeben, wenn der Anrufer sie braucht, nach denselben Regeln wie jeder andere Agent, den wir bauen.
Wir erfassen die Aufgaben, die der Agent übernehmen soll, zerlegen sie in Werkzeuge mit klaren Ein- und Ausgaben für verlässliches Tool Calling und legen fest, welche Schritte einen Menschen in der Schleife brauchen.
Model-Context-Protocol-Server, die die Werkzeuge Ihres Systems für Claude, ChatGPT und andere Clients bereitstellen, gesichert mit OAuth 2.1 und PKCE, mit Mandantentrennung bei jedem Aufruf.
Entwürfe des Agenten warten auf eine Person, bevor etwas das Haus verlässt. Unumkehrbare Aktionen wie Zahlungen, Löschungen und externe Nachrichten erhalten einen ausdrücklichen Bestätigungsschritt.
Jeder Werkzeugaufruf wird protokolliert: wer angefragt hat, was gelesen und was geändert wurde. Berechtigungen gelten je Nutzer und je Mandant, sodass der Agent nie mehr sieht als die Person, die ihn nutzt.
Ein Testsatz echter Szenarien, den der Agent mit bewerteten Ausgaben bestehen muss, bevor er einem Kunden begegnet. Die Evaluation läuft bei jeder Modell- oder Prompt-Änderung erneut.
CRM, ERP, Ticketing, Kalender, E-Mail und interne APIs, über die REST- oder Datenbankschicht, die Sie bereits haben. Fehlt sie, bauen wir zuerst die Integrationsschicht.
Wir verkaufen keine Agentenmuster, die wir nicht selbst betrieben haben. AgentlyLeads ist das eigene Produkt von CS2, und jede Regel unten wird dort heute durchgesetzt.
Produkt, vollständig im Eigentum
Das KI-native CRM von CS2. Vertriebsteams steuern es aus Claude und ChatGPT über 57 MCP-Tools hinter einem OAuth-2.1-Server mit PKCE: Kontakte suchen, Verläufe lesen, Antworten entwerfen, Termine buchen. Nichts, was der Agent schreibt, geht ohne Freigabe durch einen Menschen hinaus.
Referenz lesenProdukt, vollständig im Eigentum
Die Anweisungen des KI-Scribe lesen sich wie ein Vertrag: nur verwenden, was im Gespräch gesagt wurde, nie eine Diagnose oder Dosis raten, einen Abschnitt lieber weglassen als mit Annahmen füllen. Jeder Agent, den wir bauen, bekommt einen Vertrag dieser Art.
Lesen, was die KI nie tun darfReferenzprojekt, Konzern
Agenten sind nur so sicher wie die Backends, die sie aufrufen. Drei Jahre (10/2022 bis 10/2025) am REST-Backend für den Außendienst von Vodafone Kabel Deutschland unter der DSGVO sind die Art Systemdesign, die unter unseren Werkzeugschichten liegt.
Referenzprojekte ansehenWir wählen eine Aufgabe mit klarem Anfang und Ende, häufig genug, um zu zählen, und sicher genug, um daran zu lernen. Lead-Nachfassen und Ticket-Triage sind typische Einstiege.
Jedes Werkzeug erhält ein Schema, einen Berechtigungsumfang und eine Entscheidung: Darf der Agent es allein ausführen, oder bestätigt eine Person? Wir schreiben auf, was der Agent nie tun darf.
Die Werkzeuge, der MCP-Server oder die Orchestrierungsschicht und ein bewerteter Testsatz echter Szenarien. Der Agent wird erst ausgeliefert, wenn er ihn besteht.
Der Agent entwirft und schlägt vor; Ihr Team gibt frei. Sobald das Protokoll zeigt, dass er richtig entscheidet, legen Sie fest, welche Schritte er allein ausführen darf.
Agentische KI ist der Ansatz: Systeme, die planen, Werkzeuge aufrufen und nach Regeln, die Sie setzen, auf ein Ziel hinarbeiten. Ein KI-Agent ist ein solches System, gebaut für eine Aufgabe wie Lead-Nachfassen oder Ticket-Triage. CS2 baut beides, mit Freigabeschritten und Prüfprotokollen für jede Aktion.
Ein Chatbot antwortet. Ein Agent antwortet und tut dann etwas: Er ruft ein Werkzeug auf, aktualisiert einen Datensatz, sendet eine Nachricht oder plant eine Aufgabe. Diese Fähigkeit zu handeln ist der geschäftliche Nutzen und zugleich das Risiko. Agentenentwicklung besteht vor allem darin, festzulegen, welche Aktionen unter welchen Bedingungen erlaubt sind, und das nachzuweisen.
Das Model Context Protocol ist ein offener Standard, mit dem KI-Assistenten wie Claude und ChatGPT externe Software als Werkzeug nutzen. Stellt Ihr System einen MCP-Server bereit, kann Ihr Team aus dem gewohnten Assistenten heraus damit arbeiten, und Ihre Kunden ebenfalls. AgentlyLeads stellt auf diesem Weg 57 Werkzeuge hinter OAuth 2.1 bereit.
Nichts Unumkehrbares ohne Bestätigung durch eine Person: externe Nachrichten senden, Geld bewegen, Datensätze löschen, Zugriffsrechte ändern. Er sollte auch nie Daten lesen, die der aktuelle Nutzer selbst nicht sehen dürfte, und nie Fakten erfinden, um eine Lücke zu füllen. Diese Grenzen schreiben wir vor dem Bau fest und setzen sie im Code durch, nicht allein im Prompt.
Wir bauen aus Ihren Daten einen Satz echter Szenarien mit dem jeweils erwarteten Ergebnis und bewerten den Agenten daran. Der Satz läuft erneut, sobald sich Modell, Prompt oder Werkzeug ändern. Im Betrieb zeigt das Prüfprotokoll jede Aktion, sodass Sie Entscheidungen nachvollziehen und Berechtigungen auf Basis von Belegen erweitern oder einschränken können.
Ja, sofern das System eine API oder eine Datenbank hat, die wir erreichen können. Wir kapseln die Operationen, die der Agent braucht, als Werkzeuge mit klaren Berechtigungen. Hat Ihr System keine nutzbare Schnittstelle, bauen wir zuerst die Integrationsschicht, für uns gewöhnliche Backend-Arbeit.
Agenten können in Schleifen laufen und je Anfrage viele Werkzeuge aufrufen, Multi-Agenten-Systeme erst recht. Deshalb begrenzen wir Schritte und Tokens je Durchlauf, setzen ein Monatsbudget je Workflow und leiten einfache Schritte an kleinere Modelle. Die Nutzung wird je Werkzeug und je Mandant protokolliert, damit Sie sehen, wohin das Geld fließt.
Nein. Mit einem MCP-Server wird Claude oder ChatGPT zur Oberfläche und Ihre Systeme werden zu den Werkzeugen. Ihr Team behält den Assistenten, den es kennt, und Sie behalten die Kontrolle darüber, was er erreichen kann.