8 Levels of Agentic Engineering: Orientierung für Entscheider:innen

Künstliche Intelligenz ist in den Vorstandsetagen angekommen. Die Frage lautet jedoch längst nicht mehr, ob man KI einsetzt. Vielmehr geht es darum, wie tief sie in die Wertschöpfung integriert wird und welche Rolle sie in Entscheidungen spielt.

Die „8 Levels of Agentic Engineering“ bieten dafür einen hilfreichen Orientierungsrahmen. Sie beschreiben, wie sich Organisationen schrittweise von punktueller Unterstützung durch KI hin zu autonomen, kooperierenden Systemen entwickeln. In diesem Artikel zeigen wir, was die 8 Levels of Agentic Engineering in der Praxis bedeuten.

Woher kommt das Modell?

Das Modell selbst ist kein offizieller Standard, sondern ein praxisnahes Denkmodell aus der KI- und Software Engineering-Community. Es bündelt Erfahrungen aus der Entwicklung moderner KI-Systeme, insbesondere im Kontext von Agenten, also Softwareeinheiten, die eigenständig Aufgaben ausführen können.

Seine Relevanz ergibt sich aus mehreren parallelen Entwicklungen:

• Generative KI-Systeme ermöglichen eine neue Form der Interaktion mit Software, in der Dialog und Zusammenarbeit im Mittelpunkt stehen

• Gleichzeitig entstehen zunehmend Multi Agent Systeme, in denen spezialisierte Einheiten Aufgaben aufteilen und gemeinsam lösen

• Zudem führen regulatorische und organisatorische Anforderungen dazu, dass Transparenz und Steuerbarkeit stärker in den Fokus rücken

Auch aktuelle Technologietrends bestätigen diese Richtung. Multi Agent Systeme gelten als zentraler Baustein zukünftiger Unternehmensarchitekturen, weil sie komplexe Abläufe modular und skalierbar abbilden können. Das Modell verdichtet diese Entwicklungen in acht klar unterscheidbare Reifestufen. Es hilft Führungsteams zu verstehen, wo sie stehen und welche nächsten Schritte sinnvoll sind.

Level 1: Tab Complete

Der Einstieg ist pragmatisch und unmittelbar wirksam. KI unterstützt bei der Erstellung von Inhalten oder Code. Sie schlägt vor, der Mensch entscheidet. Verantwortung und Kontrolle bleiben klar zugeordnet.

Die Effekte zeigen sich schnell: Teams arbeiten effizienter und die Reibung in alltäglichen Aufgaben sinkt. Gleichzeitig bleibt das Systemverhalten vollständig nachvollziehbar.

Viele Organisationen verharren an diesem Punkt. Das ist verständlich, da der Einstieg einfach ist und Risiken überschaubar erscheinen. Allerdings entsteht noch keine strukturelle Veränderung. Die Organisation bleibt im Kern unverändert.

Level 2: Chat IDE

Im nächsten Schritt geht es um die Interaktion. KI agiert nicht mehr nur als Werkzeug im Hintergrund, sondern als Dialogpartner. Anforderungen werden beschrieben, Lösungen gemeinsam entwickelt. Wissen entsteht im Austausch. Dadurch verändert sich die Art, wie Software entsteht. Der Dialog wird zum Arbeitsraum. Gleichzeitig wächst die Abhängigkeit von Kontext und Struktur. Denn ohne klare Leitplanken wird es schwierig, Ergebnisse nachzuvollziehen oder zu reproduzieren. Das stellt Organisationen vor Herausforderungen.

Level 3: Context Engineering

Ab dieser Stufe wird aus reiner Nutzung proaktive Gestaltung. Die Qualität eines Systems hängt nun davon ab, wie gut der Kontext definiert ist. Welche Daten werden genutzt, welche Regeln gelten, welche Perspektiven werden einbezogen?

Für uns bei open200 ist Context Engineering ein wichtiger Hebel. Es schafft die Grundlage für Systeme, die durchgängig erklärbar arbeiten. Ein hilfreicher Zugang sind eventbasierte Denkweisen. Wenn Systeme entlang von Ereignissen und Zustandsänderungen gedacht werden, entsteht ein gemeinsames Verständnis zwischen Fachlichkeit und Technik. Entscheidungen werden greifbar und reproduzierbar.

Level 4: Compounding Engineering

Jetzt beginnt die eigentliche Skalierung. Einzelne KI Funktionen werden miteinander verbunden. Ergebnisse fließen von einem Schritt in den nächsten. So entstehen durchgängige Abläufe. Der Mehrwert ist erheblich, denn Prozesse werden schneller und Abläufe effizienter. Gleichzeitig steigt die Komplexität.

Ohne klare Verantwortung und Struktur werden solche Systeme fragil. Abhängigkeiten bleiben verborgen und Fehler nur schwer erklärbar. Für uns bei open200 ist daher entscheidend, dass Skalierung immer mit Klarheit einhergeht. Ownership und Nachvollziehbarkeit sind keine Ergänzung, sondern eine Voraussetzung.

Level 5: MCP und Skills

Systeme greifen nun aktiv in Geschäftsprozesse ein. Sie lesen nicht nur Daten, sondern führen Aktionen aus. Das Model Context Protocol (MCP) ermöglicht eine strukturierte Verbindung zwischen KI und bestehenden Systemen.

Gleichzeitig werden Kompetenzen klar definiert. Ein System übernimmt beispielsweise die Prüfung eines Vertrags oder die Ausführung eines Geschäftsprozesses. Hier verschiebt sich die Rolle von KI deutlich. Sie unterstützt nicht mehr nur, sondern übernimmt Verantwortung innerhalb klar definierter Grenzen. Organisationen beginnen, komplexe Aufgaben in kleinere, steuerbare Einheiten zu zerlegen.

Level 6: Harness Engineering

Harness Engineering schafft die notwendigen Rahmenbedingungen, um Systeme zu überwachen, zu testen und zu kontrollieren. Governance wird integraler Bestandteil der Architektur. Die zentrale Frage lautet, wie sichergestellt werden kann, dass Systeme zuverlässig und nachvollziehbar handeln.

Hier zahlt sich eine klare, ereignisbasierte Struktur umso mehr aus. Wenn jede Aktion und jede Zustandsänderung dokumentiert ist, entsteht Transparenz. Systeme werden erklärbar und vertrauenswürdig.

Level 7: Background Agents

Ab dieser Stufe verschiebt sich die Arbeitsweise noch einmal deutlich. Systeme agieren im Hintergrund. Sie beobachten, analysieren und stoßen eigenständig Aktionen an. Der Mensch bleibt eingebunden, jedoch nicht mehr in jedem einzelnen Schritt.

Das eröffnet neue Effizienzpotenziale. Gleichzeitig steigen die Anforderungen an Governance, Sicherheit und Transparenz. Organisationen müssen klar definieren, in welchen Bereichen Entscheidungen delegiert werden dürfen. Ohne diese Klarheit entsteht Unsicherheit.

Level 8: Agent Teams

Mehrere spezialisierte Systeme übernehmen nun unterschiedliche Rollen und koordinieren sich untereinander. Es entstehen digitale Teams, die komplexe Aufgaben gemeinsam lösen. Der Unterschied zu klassischen Systemen ist grundlegend. Abläufe sind nicht mehr linear, sondern dynamisch und anpassungsfähig. Software entwickelt sich damit von einem Werkzeug zu einem aktiven Bestandteil der Organisation. Sie trägt zur Entscheidungsfindung bei und gestaltet Prozesse mit.

Der Unterschied zu früheren Modellen

Agentic Engineering geht einen Schritt weiter als klassische Automatisierungsmodelle. Es beschreibt nicht nur, was digitalisiert wird, sondern wie Entscheidungen entstehen.

Der Unterschied wirkt womöglich subtil, ist aber entscheidend. Früher wurden Systeme gebaut, um definierte Abläufe effizient umzusetzen. Heute entstehen Systeme, die aktiv zur Entscheidungsfindung beitragen oder diese teilweise übernehmen.

Damit verändert sich auch die Architektur von Software. Ereignisse und Zustandsänderungen rücken in den Mittelpunkt. Systeme müssen nachvollziehbar machen, warum eine bestimmte Aktion ausgeführt wurde.

Ansätze wie Event Modeling zeigen, wie sich komplexe Abläufe visuell und verständlich darstellen lassen. Sie schaffen eine gemeinsame Sprache zwischen Fachbereichen und Technik und erhöhen die Transparenz im Systemverhalten.

Zu schnell, zu viel

In der Praxis zeigt sich, dass viele Organisationen die ersten Stufen schnell erreichen. Der Einstieg ist einfach, der Nutzen unmittelbar sichtbar. Die eigentlichen Herausforderungen beginnen jedoch ab der Mitte des Modells.

Ohne klare Struktur entstehen komplexe, schwer steuerbare Systeme. Ohne Governance fehlt die Kontrolle. Ohne ein gemeinsames Verständnis zwischen Fachlichkeit und Technik entstehen Missverständnisse.

Ein häufiger Fehler ist es, direkt auf höhere Stufen zu springen. Unternehmen versuchen, autonome Systeme zu bauen, ohne die Grundlagen sauber gelegt zu haben. Das führt zu Lösungen, die zwar kurzfristig funktionieren, aber langfristig nicht tragfähig sind.

Wie Führungsteams den richtigen Einstieg finden

Für C-Level Entscheidende ist es entscheidend, nicht zuerst in Technologien zu denken, sondern in Kompetenzen. Es geht vorerst nicht darum, welche Tools eingesetzt werden, sondern darum, welche Entscheidungen im Unternehmen unterstützt oder automatisiert werden sollen.

Ein sinnvoller Einstieg beginnt daher mit klar abgegrenzten Anwendungsfällen. Darauf aufbauend wird Kontext definiert, also Daten, Regeln und Verantwortlichkeiten. Erst dann folgen Integration und Automatisierung. Wichtig ist dabei ein schrittweises Vorgehen. Jede Stufe baut auf der vorherigen auf. Dadurch entsteht ein stabiles Fundament für die nächste Entwicklung.

Ein Modell für bessere Entscheidungen

Die „8 Levels of Agentic Engineering“ sind mehr als ein technisches Konzept. Sie sind am Ende ein strategisches Werkzeug. Denn sie helfen Führungsteams, die Entwicklung von KI im Unternehmen einzuordnen und bewusst zu gestalten. Sie machen sichtbar, welche Fähigkeiten aufgebaut werden müssen und welche Risiken zu berücksichtigen sind.

Welche Entscheidungen würden Sie heute schon an Systeme delegieren und welche bewusst nicht? Wir schaffen gemeinsam mit Ihnen Klarheit und bauen tragfähige Strukturen auf.

Kontaktieren Sie uns kostenlos und unverbindlich.