Agentic AI ist mehr als ein Schlagwort für Automatisierung. Bei sipgate zeigt sich das gerade sehr konkret, in Zahlen, in Prozessen und vor allem in der Kultur, die dahinter entstehen muss. Unser CEO Tim Mois hat die Entwicklung beim jüngsten sipgate Festival offen eingeordnet, samt der Unsicherheit, die dazugehört. Denn ja, Agentic AI macht auch Sorgen. Nicht nur wegen möglicher Verwerfungen für ganze Berufsbilder, sondern weil sie die eigene Branche direkt betrifft. Softwareproduktion ist die erste Stelle, an der KI einen echten Product-Market-Fit gefunden hat, und sipgate ist als Softwarefirma mittendrin.
Drei Phasen bis zur Gegenwart
Der Weg dahin lief in mehreren Phasen. Phase eins war die Zeit des Ausprobierens, als die ersten Modelle auftauchten und noch niemand genau wusste, wofür sie taugen. Eine Transkription, die plötzlich Dinge verstand, die aus dem reinen Gesprächsverlauf gar nicht erkennbar waren, hat damals für den ersten echten Aha-Moment gesorgt. Danach kam Phase zwei, das sogenannte Token Maxing. Mit dem Sprung zu leistungsfähigeren Modellen ging es plötzlich darum, in der Breite und in der Tiefe möglichst viel auszuprobieren, um die Landschaft der Möglichkeiten zu erfassen. Prozesse, Tools und Best Practices entstanden in dieser Phase, und die Softwarebranche insgesamt hat seitdem spürbar an Reife gewonnen.
Überraschend kam für viele die dritte Phase, die mit autonomen, langlaufenden Agenten begann. Statt einzelner Aufgaben von einzelnen Menschen übernehmen Coding Agents und andere Werkzeuge inzwischen ganze Abläufe, ohne dass sich jemand ständig darum kümmern muss. Damit landet man wieder am Anfang, nur auf höherem Niveau. Es geht erneut um die Frage, was der Return für den eigenen Aufwand eigentlich ist.
Von Arbeitszeit zu Tokens
Genau hier verschiebt sich etwas Grundlegendes. Früher ließ sich der Aufwand eines Teams über Arbeitszeit abschätzen, klassisch nach den Prinzipien, die Scrum und Lean beigebracht haben. Jetzt fließt ein neuer Faktor in jedes Ergebnis ein, nämlich Tokens. Wie viel Arbeitszeit und wie viele Tokens ein gutes Ergebnis brauchen, ist eine Frage, die sich gerade neu beantworten lässt, und die Antwort ist alles andere als intuitiv.
Selbst mit 15 oder 20 Jahren Erfahrung in der Softwareentwicklung hilft das Bauchgefühl nur bedingt weiter, wenn es darum geht, abzuschätzen, wann sich der Einsatz von Tokens lohnt. Diese Kalibrierung ist eine Aufgabe, die laut Tim vor allem bei den Menschen liegt, die Software tatsächlich bauen. Die Rolle des Unternehmens ist es, dafür den Rahmen zu schaffen. Bei sipgate gehören dazu handfeste Investitionen, etwa in eigene Rechenkapazität und in Schulungen, ebenso wie großzügige Kontingente, mit denen Teams frei ausprobieren können, ohne jeden einzelnen Einsatz vorher zu rechtfertigen.
Der Mensch bleibt im Loop
Neben der Kostenfrage steht eine zweite, grundsätzlichere Überlegung, die Product Lead Stefan Lange-Hegermann beim Festival in den Mittelpunkt gerückt hat. Ein Agent unterscheidet sich von klassischer Softwareautomation dadurch, dass er kein starres Skript abarbeitet, sondern selbstständig auf ein definiertes Ziel hinarbeitet und dafür auf Systeme zugreifen kann. Er bekommt, bildlich gesprochen, Hände und Augen. Er kann nachsehen, wie ein Zustand ist, und er kann handeln, wenn etwas zu tun ist.
Genau an dieser Stelle zieht Stefan eine klare Grenze. Ob es um Softwareentwicklung geht, um die Reparatur von Kundenaccounts oder um die Beantwortung von Support-Tickets – ein Mensch muss weiterhin entscheiden, dass ein Agent tätig wird, und die Verantwortung für das Ergebnis übernehmen. Nicht jede Aufgabe, welche die KI erledigt, ist damit automatisch agentisch. Eine einfache Antwort auf ein Ticket ist es zunächst nicht. Sobald sich ein System aber selbstständig zusätzliche Informationen holt, etwa einen Blick auf den Account wirft, bevor es antwortet, bewegt man sich bereits im agentischen Bereich, und die Regel gilt genauso.
Offenheit als Vorsprung
Diese Prinzipien funktionieren nur, wenn die Unternehmenskultur mitzieht. Wer früh viele Fragen zulässt und offen mit der eigenen Unsicherheit umgeht, verschafft sich einen Vorsprung, den ein Wettbewerber nicht einfach kopieren kann, weil er nicht an Technik hängt, sondern an gewachsenem Vertrauen zwischen Menschen. Dazu gehört, Wissen nicht zu horten. Freier Austausch darüber, was in Communities und im eigenen Team funktioniert, ist bei sipgate Teil des Lernumfelds, ganz ähnlich, wie es Scrum für klassische Softwareprojekte längst vorgemacht hat. Wer diesen Austausch früh institutionalisiert, muss das Rad nicht bei jeder neuen Modellgeneration komplett neu erfinden.
sipgate.os als agentisches Betriebssystem
Wie diese Vorarbeit konkret aussieht, hat Stefan in einem separaten Interview beschrieben. Lange Zeit lief bei sipgate alles über die großen LLM‑Anbieter. Dann ist die Entscheidung gefallen, eigene Modelle selbst zu hosten und große Workloads selbst zu betreiben. Nach einem intensiven halben Jahr Vorbereitung ist das Ergebnis sipgate.os. Intern verstanden als Betriebssystem für die agentische sipgate-Organisation und inzwischen für alle Mitarbeitenden nutzbar.
Verordnet wurde der Umstieg trotzdem nicht. Stattdessen soll sipgate.os aus eigener Kraft überzeugen, indem es für das eingesetzte Geld schlicht besser funktioniert als externe Software. Diesen Anspruch trägt ein vergleichsweise kleines Team, das eng mit Kolleginnen und Kollegen aus vielen anderen Teams zusammenarbeitet, weil Feedback direkt einfließt. Als Feature-Wunsch ebenso wie als Kritik.
Das erklärte Ziel dahinter ist Souveränität. Mehr Sicherheit bei der Arbeit mit Agentic AI, ohne Sorge, dass Daten ins Ausland abfließen oder Workloads unkontrollierbare Kosten verursachen. Dass dabei auch unbequeme Fragen zu Ethik und Datennutzung aufkommen, wird nicht verdrängt, sondern offen durchgearbeitet.
Erst intern, dann extern
Zwischen Festival-Keynote und Rollout-Interview zieht sich ein roter Faden. Wer eine Plattform baut, die Infrastruktur und KI-Produkte aus einer Hand integriert und dabei die eigene Organisation zum ersten Testfeld macht, kann intern genau das erproben, was extern als Produkt ankommen soll. Diese Rückkopplung ist vermutlich der eigentliche Wert der agentischen Einführung bei sipgate.
