KI entwickelt sich schnell. Production Software braucht Engineering-Disziplin.
KI-Agenten als Software-Komponenten innerhalb eines Gesamtsystems.
KI-Agenten als Software-Komponenten
Wir behandeln KI-Agenten als Software-Komponenten innerhalb eines Gesamtsystems und bringen die Disziplin klassischer Softwareentwicklung in agentische Systeme.
- Klare Zustände und Zustandsübergänge
- Definierte Schnittstellen
- Strikte Modularität
- Eine wartbare Architektur
- Type Safety
- Qualitätssicherung und Tests
Deterministische Geschäftslogik bleibt dort bestehen, wo feste Regeln und eindeutige Abläufe gelten, und wird technisch klar von probabilistischen Komponenten getrennt.
Deterministische Logik
Feste Regeln und eindeutige Abläufe als klassischer Code: jedes Mal dasselbe Ergebnis, vollständig testbar.
Probabilistische Komponenten
KI-Agenten für Sprache, Dokumente und Ermessen, eingebettet in einen Harness aus Guardrails, Prüfungen und Evals.
Jedes KI-Konzept hat ein klassisches Gegenstück
Ein KI-Agent ist kein einzelnes Modell, sondern ein Softwaresystem, das ein probabilistisches Modell in eine kontrollierte Ausführungsschleife einbettet. Diesen deterministischen Code um das Modell nennen wir den Harness.
Agent Loop ist eine Schleife, Human-in-the-Loop ein Freigabedialog, Guardrails sind Validierung, Checkpointing ist ein Snapshot, Evals sind Regressionstests. Über 120 solcher Bausteine haben wir in neun Bereichen zusammengestellt.
Kontrollierte KI-Agenten
KI-Agenten arbeiten innerhalb des Rahmens, den der Workflow vorgibt, und bestimmen darin den nächsten Schritt selbst.
Der Harness gibt ihnen kontrollierten Zugriff auf Daten und Systeme, definierte Tools und nur die Berechtigungen, die für ihre jeweilige Aufgabe erforderlich sind. Sie bewerten die Ergebnisse ihrer Aktionen und können ihren Plan bei Bedarf anpassen. Aktionen und Entscheidungen werden nachvollziehbar protokolliert und können innerhalb des Workflows überprüft und begrenzt werden.
Guardrails und Human-in-the-Loop
KI agiert innerhalb definierter Guardrails. Der Harness setzt sie im Code durch, nicht nur im Prompt.
Sobald Unklarheiten, Mehrdeutigkeiten oder definierte Ausnahmefälle auftreten, wird der Vorgang an einen Menschen übergeben.
Human-in-the-Loop ist dabei Bestandteil der Systemarchitektur und nicht nur ein Fallback bei Fehlern.
Fachliche Entscheidungen, Freigaben und Ausnahmebehandlung bleiben dort beim Menschen, wo sie nicht zuverlässig automatisiert werden können.
Testing, Evals und Observability
Für probabilistische Systementscheidungen reicht klassisches Software Testing allein nicht aus.
Deshalb ergänzen wir Tests um automatisierte Evaluation Frameworks (Evals), definierte Test Cases und laufende Observability.
So lassen sich die Qualität von Agenten und Workflows sowie Veränderungen im Live-Betrieb fortlaufend überprüfen. Evals messen dabei nicht das Modell allein, sondern Modell und Harness zusammen.
Production
Production umfasst für uns den zuverlässigen Betrieb, die Überwachung, das Testing, die Wartung und die Kontrolle des Gesamtsystems – nicht nur die Funktion des einzelnen Agenten.
Klare, modulare und wartbare Systemarchitektur
Wir entwickeln Agentic-KI-Systeme mit einer klaren Architektur, die nicht unnötig von einem einzelnen Modell, Anbieter oder einer Plattform abhängig ist.
Wir setzen deshalb auf
Klar definierte Schnittstellen
Komponenten sprechen über feste Schnittstellenverträge miteinander und lassen sich einzeln testen.
Austauschbare Komponenten
Modelle, Anbieter und Dienste lassen sich wechseln, ohne das Gesamtsystem neu zu bauen.
Offene Standards
Offene Formate und Protokolle statt proprietärer Plattformen halten das System portabel.
Containerisierte Infrastruktur
Jeder Dienst läuft in Containern und verhält sich lokal und in der Cloud gleich.
Entscheidend ist eine klare, modulare und wartbare Systemarchitektur – nicht die Bindung an eine bestimmte Technologie.
Unser bevorzugter Techstack
Wir wählen den Techstack auf Basis der Anforderungen des jeweiligen Systems und nicht umgekehrt.
Der konkrete Stack kann sich abhängig von Anforderungen, bestehender Systemlandschaft und Architektur unterscheiden.
KI Engineering
Für KI Engineering und agentische Systeme arbeiten wir primär mit Python und setzen unter anderem auf Pydantic, LangChain/LangGraph und das Google Agent Development Kit (ADK).
- Python
- Pydantic
- LangChain/LangGraph
- Google Agent Development Kit (ADK)
Frontend & Mobile
Im Frontend entwickeln wir TypeScript-first mit React und bauen auch die UI-Primitives für KI-Agenten.
Für Web-Applikationen setzen wir je nach Anforderung auf Vite oder Next.js, für mobile iOS- und Android-Apps verwenden wir React Native und Expo.
- TypeScript
- React
- Vite
- Next.js
- iOS
- Android
- React Native
- Expo
Backend & Infrastruktur
Backends und Services betreiben wir containerisiert mit Docker.
Für relationale Datenhaltung setzen wir primär auf PostgreSQL und für die Cloud-Infrastruktur auf die Google Cloud Platform (GCP).
- Docker
- PostgreSQL
- Google Cloud Platform (GCP)
Projekt starten oder weiter skalieren?
Sagen Sie uns, wo Sie stehen und wohin es gehen soll. Wir unterstützen Sie dabei und melden uns persönlich bei Ihnen.
info@appamass.com