AI Agent Engineer

Was macht ein AI Agent Engineer?

Du baust Systeme, in denen ein Sprachmodell nicht nur antwortet, sondern handelt: eine Datenbank abfragen, ein Ticket anlegen, eine Datei lesen, einen Rechenschritt ausführen, das Ergebnis prüfen und bei einem Fehlschlag anders weitermachen. Das Modell entscheidet dabei, welches Werkzeug es aufruft und mit welchen Werten; deine Aufgabe ist es, den Rahmen zu bauen, in dem diese Entscheidungen etwas Sinnvolles bewirken.

Es ist derzeit die am häufigsten neu ausgeschriebene Rolle im KI-Umfeld, und sie wird regelmäßig falsch verstanden. Die Vorstellung, dass das Modell die Arbeit macht und man nur noch die Aufgabe formuliert, hält dem ersten Praxistest nicht stand. Der Aufwand liegt woanders.

Er liegt erstens im Werkzeugschnitt. Ein Werkzeug, das zwölf Parameter erwartet, wird falsch benutzt. Zwei kleinere, die je eine Sache tun, funktionieren besser. Wie du eine Fähigkeit zuschneidest und beschreibst, entscheidet mehr über die Trefferquote als jede Formulierung im Prompt.

Er liegt zweitens in der Fehlerbehandlung. Ein Aufruf schlägt fehl, eine Antwort kommt in unerwartetem Format, ein Dienst antwortet zu langsam. Ein Agent, der daraufhin dieselbe Aktion in Schleife wiederholt, verbrennt Geld und richtet im schlimmsten Fall Schaden an. Du legst fest, wann er es erneut versucht, wann er abbricht und wann er einen Menschen fragt.

Er liegt drittens in der Begrenzung. Welche Rechte hat der Agent, welche Aktionen darf er ohne Rückfrage ausführen, wie viele Schritte und wie viel Rechenkosten sind erlaubt? Und viertens in der Nachvollziehbarkeit: Jeder Lauf muss so protokolliert sein, dass du hinterher sagen kannst, warum das System getan hat, was es getan hat.

Zusammengenommen heißt das: Zuverlässigkeit ist hier nicht ein Aspekt der Arbeit, sondern das ganze Problem. Eine Demo, die in vier von fünf Fällen klappt, ist im Alltag unbrauchbar, sobald der Agent selbständig etwas verändert. Der Weg von 80 auf 99 Prozent ist die eigentliche Rolle.

Gegen die Nachbarrollen: Der LLM Engineer arbeitet näher am Modell selbst – Auswahl, Anpassung, Feinabstimmung, Betrieb, Antwortzeiten, Kosten pro Anfrage. Der Prompt Engineer arbeitet an der Formulierung und an Beispielen für eine einzelne Aufgabe. Du arbeitest am System drumherum: Zustand, Schritte, Werkzeuge, Grenzen, Wiederanlauf. In der Praxis überschneiden sich die drei, aber wer sich für Agenten bewirbt, sollte Softwareentwickler sein, nicht Formulierungskünstler.

Was du im Praktikum machst

Meist ein abgegrenzter Agent für einen internen Ablauf: Anfragen vorsortieren, Daten aus mehreren Systemen zusammentragen, einen Bericht erzeugen. Du baust die Werkzeuge, schreibst den Ablauf und stellst fest, an welchen Stellen er auseinanderfällt.

Sehr häufig ist ein zweiter Auftrag: eine Prüfstrecke. Eine Sammlung realistischer Aufgaben mit bekanntem Ergebnis, gegen die jeder Stand automatisch läuft, damit man sieht, ob eine Änderung geholfen oder geschadet hat. Ohne so etwas ist die Arbeit an Agenten Ratespiel, und viele Teams haben es noch nicht.

Dazu kommt Protokollierung: sichtbar machen, welche Schritte ein Lauf genommen hat, wo Zeit und Kosten anfallen, welche Werkzeuge scheitern.

Was du mitbringen solltest

Vor allem solide Softwareentwicklung: Python oder TypeScript, Arbeit mit Schnittstellen, Testen, Umgang mit nebenläufigen Abläufen und Zeitüberschreitungen. Ein Grundverständnis davon, wie Sprachmodelle arbeiten und wo ihre Grenzen liegen, reicht aus; tiefes Modellwissen brauchst du nicht.

Wichtiger ist eine Haltung: Nimm keinen erfolgreichen Durchlauf als Beweis. Führe ihn zwanzigmal aus und schau, was passiert. Wer Freude daran hat, ein wackliges System Schritt für Schritt stabil zu bekommen, ist hier richtig.

Was du verdienst

Die Werte sind Erfahrungswerte, keine Zusage. Praktika liegen bei rund 1.800 Euro brutto im Monat und damit am oberen Rand des Katalogs. Der Einstieg bewegt sich um 5.300 Euro, mit zwei bis drei Jahren Erfahrung zwischen 5.900 und 7.600 Euro. Die Nachfrage ist derzeit hoch und die Zahl erfahrener Leute klein; ob dieses Niveau bleibt, hängt daran, wie viele der laufenden Vorhaben tatsächlich in den Betrieb gehen.

Wie es weitergeht

Der nächste Schritt ist der Senior Agent Engineer, der den Zuschnitt ganzer Systeme verantwortet. Wer näher ans Modell will, geht Richtung LLM Engineering, wer weiter herauszoomt, in die KI-Systemarchitektur. Und weil die Rolle jung ist und Teams schnell wachsen, kommt die technische Teamleitung hier oft früher als anderswo.