[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"reazon-offering-angebot-leistungen":3,"reazon-offering-angebot-zielgruppen":20,"reazon-angebot-subnav":21,"reazon-mainnav":22,"reazon-page-\u002Fde\u002Fwissen\u002Fagent-oder-endpoint":32,"reazon-footernav":59,"reazon-articles-\u002Fde\u002Fwissen":76},[4,8,12,16],{"title":5,"href":6,"description":7},"DGX Spark mieten","\u002Fde\u002Fdgx-spark","Der NVIDIA-AI-Supercomputer für den Schreibtisch — on-demand aus der Schweiz, bare metal oder gemanagt.",{"title":9,"href":10,"description":11},"Bare Metal GPU","\u002Fde\u002Fbare-metal","DGX Spark & H100 als dedizierte Maschine — volle Kontrolle, Root-Zugriff, Schweizer Rechenzentrum.",{"title":13,"href":14,"description":15},"Managed Inference","\u002Fde\u002Fmanaged-inference","LLM-Endpoints via vLLM — von uns betrieben, ohne Ops-Aufwand, mit Schweizer Datenhoheit.",{"title":17,"href":18,"description":19},"Hermes Agents","\u002Fde\u002Fagents","Agentische Workloads gemanagt — Hermes-Agents auf souveräner Hardware, von uns betrieben.",[],[],[23,26,29],{"title":24,"href":25},"Preise","\u002Fde\u002Fpreise",{"title":27,"href":28},"Wissen","\u002Fde\u002Fwissen",{"title":30,"href":31},"Über Twentyone","\u002Fde\u002Fueber-uns",{"data":33},{"id":34,"path":35,"slug":36,"published_at":37,"page_type":38,"no_index":41,"fields":42,"blocks":58},1328,"\u002Fde\u002Fwissen\u002Fagent-oder-endpoint","agent-oder-endpoint","2026-07-07T12:10:04.228Z",{"identifier":39,"name":40},"article","Blog Post",false,{"title":43,"summary":44,"publication_date":45,"big5_category":46,"primary_service":47,"related_articles":53,"meta_title":54,"meta_description":55,"body":56,"body_html":57},"Braucht ihr wirklich einen Agent oder reicht ein Endpoint?","Agenten sind im Trend, aber oft die teurere und fragilere Lösung für ein Problem, das ein einfacher Endpoint löst. Wann sich der Aufwand lohnt und wann nicht.","2026-06-30T00:00:00Z","problems",{"id":48,"slug":49,"path":18,"page_type":50,"published":51,"type":52},677,"agents","service",true,"Cms::Page",null,"Agent oder Endpoint? Wann sich ein AI Agent wirklich lohnt | Twentyone","AI-Agenten sind mächtig, aber oft überdimensioniert. Wann ein einfacher LLM-Endpoint reicht und wann sich der Aufwand und das Risiko eines Agenten wirklich lohnen.","## Das Meeting, in dem das Wort fällt\n\nIrgendwann in jedem AI-Projekt sitzt ein Team in einem Raum, jemand zeichnet Kästchen an ein Whiteboard, und dann fällt der Satz: **„Wir brauchen einen Agenten.“** Niemand widerspricht, weil es klug klingt. Dabei ist es selten eine Anforderung, sondern ein **Reflex**. Hinter dem Wunsch steckt fast immer eine sehr konkrete Aufgabe: ein Dokument verarbeiten, eine Antwort aus einer Wissensbasis ziehen, einen Prozess anstossen. Ob diese Aufgabe wirklich einen Agenten braucht oder ob ein schlichter Endpoint reicht, entscheidet nicht der Trend, sondern die **Struktur des Problems**. Dieser Beitrag gibt dir das Vokabular und die Mathematik, um das nüchtern zu beurteilen, bevor du Wochen in eine Architektur steckst, die fragiler ist, als sie sein müsste.\n\n## Was hinter den Begriffen steckt\n\n**„Agent“** ist zu einem Marketingwort verkommen, das vom simplen Function-Call bis zum vollautonomen System alles meint. Bevor du abwägen kannst, brauchst du saubere Definitionen, denn die Mechanik dahinter ist sehr unterschiedlich, und genau sie entscheidet über **Aufwand und Risiko**.\n\nAm einen Ende steht der **Endpoint**: ein **zustandsloser Aufruf**, Eingabe rein, Antwort raus. Du schickst einen Prompt, vielleicht angereichert mit Kontext aus deiner Datenbank (**RAG**), und bekommst genau ein Ergebnis zurück. Keine Schleife, kein Speicher zwischen den Aufrufen, keine Entscheidung des Modells über den nächsten Schritt. Das macht ihn **vorhersehbar und testbar**: Dieselbe Eingabe führt zu vergleichbarem Verhalten, und du kannst die Ausgabe gegen erwartete Resultate prüfen. Die allermeisten produktiven AI-Features sind genau das, auch wenn sie sich raffiniert anfühlen.\n\nAm anderen Ende steht der **Agent**: eine **Schleife**. Er plant einen Schritt, ruft ein Werkzeug auf, liest dessen Ergebnis (die Beobachtung), bewertet, ob er dem Ziel näher gekommen ist, und entscheidet selbst, was als Nächstes kommt. Dieses Muster aus Gedanke, Aktion und Beobachtung nennt man **ReAct**: Das Modell „denkt laut“, handelt, beobachtet das Resultat und korrigiert sich, oft über mehrere Runden mit eigenem Gedächtnis. Diese **Autonomie** ist seine Stärke und zugleich die Quelle jedes Problems, denn jeder Schritt ist eine neue Gelegenheit zu scheitern.\n\nDer grösste Denkfehler ist, die Welt in diese beiden Extreme zu teilen. Dazwischen liegen **zwei wichtige Stufen**, die viel zu oft übersprungen werden. Ein **einzelner Tool-Call** (Function-Calling) lässt das Modell genau ein Werkzeug aufrufen, ohne einen offenen Loop zu eröffnen: Frage rein, ein Funktionsaufruf, Antwort raus. Und ein **Workflow mit festen Schritten** ist ein vorgegebener Graph, in dem du die Reihenfolge bestimmst und das Modell nur die einzelnen Knoten füllt. Beides nutzt Sprachmodelle für mehr als reines Text-rein-Text-raus, behält aber die **Kontrolle bei dir** statt beim Modell, und löst erstaunlich viele Fälle, für die Leute reflexhaft zum vollen Agenten greifen.\n\n## Warum Autonomie die Zuverlässigkeit frisst\n\nDer schonungslose Kern ist eine Rechnung, die niemand gern an die Wand schreibt: **Zuverlässigkeit multipliziert sich über Schritte, sie addiert sich nicht.** Selbst wenn jeder einzelne Schritt fast immer klappt, sinkt die Wahrscheinlichkeit, dass die ganze Kette gelingt, mit jeder Stufe. Nimm an, jeder Schritt gelingt mit **95 Prozent**, das klingt solide. Über mehrere Schritte hinweg sieht es so aus:\n\n- 3 Schritte: 0,95³ ≈ 0,86, schon nur noch 86 Prozent.\n- 5 Schritte: 0,95⁵ ≈ 0,77, fast jede vierte Aufgabe scheitert.\n- 10 Schritte: 0,95¹⁰ ≈ 0,60, ein Münzwurf mit leichtem Vorteil.\n\nUnd 95 Prozent pro Schritt ist optimistisch. Mit **90 Prozent** kippt es brutal: 0,9⁵ ≈ 0,59 und 0,9¹⁰ ≈ 0,35. Ein zehnstufiger Agent, dessen Einzelschritte „meistens funktionieren“, liefert dann in **zwei von drei Fällen Murks**. Das ist keine Schwäche eines bestimmten Modells, sondern reine **Wahrscheinlichkeitsrechnung**. Genau deshalb sind echte Agenten nie nur „das Modell in einer Schleife“. Sie brauchen **Guardrails**, die unsinnige Aktionen abfangen, **Validierung** jeder Tool-Ausgabe, bevor sie weiterverarbeitet wird, **Retries** für einzelne Schritte und **idempotente Werkzeuge**, damit ein wiederholter Aufruf keinen Schaden anrichtet. All das ist Arbeit, die im „wir bauen schnell einen Agenten“ nie eingeplant ist, und wer die **Fehlerfortpflanzung** ignoriert, baut ein System, das in der Demo glänzt und in Produktion zerfällt.\n\n## Der Preis, den niemand einrechnet\n\nNeben der Zuverlässigkeit kostet Autonomie auch direkt **Geld und Zeit**, und zwar überproportional. Ein Endpoint ruft das Modell **einmal**. Ein Agent ruft es **viele Male**: einmal zum Planen, einmal pro Werkzeugschritt, oft zusätzlich zur Reflexion zwischendurch. Eine Aufgabe, die als ein Request gedacht war, wird so zu einer Sitzung mit acht, zehn oder mehr Aufrufen. Schon das vervielfacht die **Latenz**, weil die Schritte seriell aufeinander warten: Schritt drei kann erst beginnen, wenn Schritt zwei beobachtet wurde.\n\nDer teurere Effekt ist subtiler. Damit der Agent weiss, was er bisher getan hat, **schleppt er die ganze Historie in jedem Aufruf mit**. Schritt eins schickt 1000 Token, Schritt zwei die 1000 plus die neue Beobachtung, Schritt drei alles davor, und so weiter. Die Token-Kosten wachsen damit **nicht linear, sondern eher quadratisch** über die Länge der Sitzung. Acht Aufrufe mit wachsendem Kontext kosten leicht das **Fünf- bis Zehnfache** von acht gleich grossen Single-Calls. Was das in deiner konkreten Rechnung bedeutet, haben wir in den [Kosten eigener LLMs](\u002Fde\u002Fwissen\u002Fllm-selbst-betreiben-kosten) aufgeschlüsselt; bei Agenten triffst du diesen Multiplikator besonders hart.\n\n## Wann ein Endpoint reicht, und wann der Agent sich lohnt\n\nDie **klare Mehrheit der Fälle** kommt mit einem Endpoint aus. Eine E-Mail zusammenfassen, ein Ticket klassifizieren, strukturierte Felder aus einem Dokument extrahieren, eine Frage über deine Wissensbasis beantworten (**RAG-Q&A**): das sind Aufgaben mit **definierter Eingabe und definierter Ausgabe**. Ein Endpoint mit gutem Prompt und passendem Kontext löst sie zuverlässiger als jeder Agent, weil es nichts gibt, das mehrstufig schiefgehen könnte. Du hast einen einzigen Punkt, an dem du die Qualität misst, statt einer Kette. Und sobald du **garantieren** musst, was das System tut, spielt diese **Berechenbarkeit** ihre ganze Stärke aus. Du kannst den Endpoint mit einer Testsuite gegen reale Beispiele prüfen und sein Verhalten einklammern, während ein planender Agent bei gleicher Eingabe einen anderen Pfad wählen kann. Für alles, was in einen Geschäftsprozess eingebettet und **auditierbar** sein muss, ist das Gold wert.\n\nEs gibt aber echte Fälle, in denen Autonomie ihren Preis wert ist, und sie teilen ein Muster: **Der Lösungsweg steht vorab nicht fest.** Wenn nicht vorhersehbar ist, wie viele Schritte nötig sind und welche, spielt ein Agent seine Stärke aus, etwa eine Recherche, die abhängig vom Zwischenergebnis weitersucht, oder ein Diagnoseprozess, der je nach Befund verzweigt. Hier wäre ein starrer Endpoint das falsche Werkzeug, weil du die **Verzweigungen nicht alle im Voraus verdrahten** kannst; die Autonomie ersetzt eine Fallunterscheidung, die du sonst nie vollständig hinbekämst. Ähnlich, wenn das System **mehrere Werkzeuge orchestrieren** muss, also Datenbank abfragen, Ergebnis prüfen, je nachdem eine weitere API rufen, dann etwas schreiben, und die Reihenfolge vom Inhalt der Zwischenergebnisse abhängt. Aber prüfe vorher nüchtern, ob sich der Ablauf nicht doch als **fester Workflow-Graph** zeichnen lässt. Den vollen autonomen Loop rechtfertigt erst die **echte Unvorhersehbarkeit des Pfades**, nicht schon die Tatsache, dass mehrere Tools im Spiel sind.\n\n## Die Stufenleiter als Entscheidungsregel\n\nStatt „Endpoint oder Agent“ denkst du besser in **Stufen** und nimmst immer die **niedrigste, die dein Problem löst**:\n\n1. **Prompt-Endpoint**: ein Modellaufruf, sonst nichts.\n2. **+ RAG**: derselbe Aufruf, angereichert mit Kontext aus deinen Daten.\n3. **+ einzelner Tool-Call**: das Modell darf genau ein Werkzeug aufrufen, ohne Loop.\n4. **Fester Workflow-Graph**: du gibst die Schritte vor, das Modell füllt die Knoten.\n5. **Autonomer Agent**: das Modell entscheidet selbst über Reihenfolge und Anzahl der Schritte.\n\nJede Stufe nach oben kauft dir **Flexibilität** und kostet dich **Vorhersehbarkeit, Geld und Testbarkeit**. Die meisten Teams landen viel zu schnell auf **Stufe fünf**, obwohl Stufe drei oder vier ihre Aufgabe stabiler und billiger erledigt hätte. Steig nur dann eine Stufe höher, wenn die darunterliegende **nachweislich nicht reicht**.\n\n## Die niedrigste Stufe gewinnt\n\n**Fang immer unten an.** Frag dich: Lässt sich die Aufgabe in einen, höchstens zwei feste Schritte zerlegen? Dann bleib beim **Endpoint**. Erst wenn der Pfad echt variabel ist und mehrere Systeme dynamisch orchestriert werden müssen, ist der Sprung zum **autonomen Loop** gerechtfertigt, und dann mit **Guardrails, Validierung und Retries von Anfang an**, nicht als Nachgedanke. Wir bauen [Agents](\u002Fde\u002Fagents) genau für die Fälle, in denen sich die Autonomie auszahlt. Und wir sagen dir offen, wenn ein schlichter Endpoint dich **schneller, billiger und stabiler** ans Ziel bringt, denn das ist häufiger der Fall, als der Hype glauben macht.","\u003Ch2>Das Meeting, in dem das Wort fällt\u003C\u002Fh2>\n\n\u003Cp>Irgendwann in jedem AI-Projekt sitzt ein Team in einem Raum, jemand zeichnet Kästchen an ein Whiteboard, und dann fällt der Satz: \u003Cstrong>„Wir brauchen einen Agenten.“\u003C\u002Fstrong> Niemand widerspricht, weil es klug klingt. Dabei ist es selten eine Anforderung, sondern ein \u003Cstrong>Reflex\u003C\u002Fstrong>. Hinter dem Wunsch steckt fast immer eine sehr konkrete Aufgabe: ein Dokument verarbeiten, eine Antwort aus einer Wissensbasis ziehen, einen Prozess anstossen. Ob diese Aufgabe wirklich einen Agenten braucht oder ob ein schlichter Endpoint reicht, entscheidet nicht der Trend, sondern die \u003Cstrong>Struktur des Problems\u003C\u002Fstrong>. Dieser Beitrag gibt dir das Vokabular und die Mathematik, um das nüchtern zu beurteilen, bevor du Wochen in eine Architektur steckst, die fragiler ist, als sie sein müsste.\u003C\u002Fp>\n\n\u003Ch2>Was hinter den Begriffen steckt\u003C\u002Fh2>\n\n\u003Cp>\u003Cstrong>„Agent“\u003C\u002Fstrong> ist zu einem Marketingwort verkommen, das vom simplen Function-Call bis zum vollautonomen System alles meint. Bevor du abwägen kannst, brauchst du saubere Definitionen, denn die Mechanik dahinter ist sehr unterschiedlich, und genau sie entscheidet über \u003Cstrong>Aufwand und Risiko\u003C\u002Fstrong>.\u003C\u002Fp>\n\n\u003Cp>Am einen Ende steht der \u003Cstrong>Endpoint\u003C\u002Fstrong>: ein \u003Cstrong>zustandsloser Aufruf\u003C\u002Fstrong>, Eingabe rein, Antwort raus. Du schickst einen Prompt, vielleicht angereichert mit Kontext aus deiner Datenbank (\u003Cstrong>RAG\u003C\u002Fstrong>), und bekommst genau ein Ergebnis zurück. Keine Schleife, kein Speicher zwischen den Aufrufen, keine Entscheidung des Modells über den nächsten Schritt. Das macht ihn \u003Cstrong>vorhersehbar und testbar\u003C\u002Fstrong>: Dieselbe Eingabe führt zu vergleichbarem Verhalten, und du kannst die Ausgabe gegen erwartete Resultate prüfen. Die allermeisten produktiven AI-Features sind genau das, auch wenn sie sich raffiniert anfühlen.\u003C\u002Fp>\n\n\u003Cp>Am anderen Ende steht der \u003Cstrong>Agent\u003C\u002Fstrong>: eine \u003Cstrong>Schleife\u003C\u002Fstrong>. Er plant einen Schritt, ruft ein Werkzeug auf, liest dessen Ergebnis (die Beobachtung), bewertet, ob er dem Ziel näher gekommen ist, und entscheidet selbst, was als Nächstes kommt. Dieses Muster aus Gedanke, Aktion und Beobachtung nennt man \u003Cstrong>ReAct\u003C\u002Fstrong>: Das Modell „denkt laut“, handelt, beobachtet das Resultat und korrigiert sich, oft über mehrere Runden mit eigenem Gedächtnis. Diese \u003Cstrong>Autonomie\u003C\u002Fstrong> ist seine Stärke und zugleich die Quelle jedes Problems, denn jeder Schritt ist eine neue Gelegenheit zu scheitern.\u003C\u002Fp>\n\n\u003Cp>Der grösste Denkfehler ist, die Welt in diese beiden Extreme zu teilen. Dazwischen liegen \u003Cstrong>zwei wichtige Stufen\u003C\u002Fstrong>, die viel zu oft übersprungen werden. Ein \u003Cstrong>einzelner Tool-Call\u003C\u002Fstrong> (Function-Calling) lässt das Modell genau ein Werkzeug aufrufen, ohne einen offenen Loop zu eröffnen: Frage rein, ein Funktionsaufruf, Antwort raus. Und ein \u003Cstrong>Workflow mit festen Schritten\u003C\u002Fstrong> ist ein vorgegebener Graph, in dem du die Reihenfolge bestimmst und das Modell nur die einzelnen Knoten füllt. Beides nutzt Sprachmodelle für mehr als reines Text-rein-Text-raus, behält aber die \u003Cstrong>Kontrolle bei dir\u003C\u002Fstrong> statt beim Modell, und löst erstaunlich viele Fälle, für die Leute reflexhaft zum vollen Agenten greifen.\u003C\u002Fp>\n\n\u003Ch2>Warum Autonomie die Zuverlässigkeit frisst\u003C\u002Fh2>\n\n\u003Cp>Der schonungslose Kern ist eine Rechnung, die niemand gern an die Wand schreibt: \u003Cstrong>Zuverlässigkeit multipliziert sich über Schritte, sie addiert sich nicht.\u003C\u002Fstrong> Selbst wenn jeder einzelne Schritt fast immer klappt, sinkt die Wahrscheinlichkeit, dass die ganze Kette gelingt, mit jeder Stufe. Nimm an, jeder Schritt gelingt mit \u003Cstrong>95 Prozent\u003C\u002Fstrong>, das klingt solide. Über mehrere Schritte hinweg sieht es so aus:\u003C\u002Fp>\n\n\u003Cul>\n\u003Cli>3 Schritte: 0,95³ ≈ 0,86, schon nur noch 86 Prozent.\u003C\u002Fli>\n\u003Cli>5 Schritte: 0,95⁵ ≈ 0,77, fast jede vierte Aufgabe scheitert.\u003C\u002Fli>\n\u003Cli>10 Schritte: 0,95¹⁰ ≈ 0,60, ein Münzwurf mit leichtem Vorteil.\u003C\u002Fli>\n\u003C\u002Ful>\n\n\u003Cp>Und 95 Prozent pro Schritt ist optimistisch. Mit \u003Cstrong>90 Prozent\u003C\u002Fstrong> kippt es brutal: 0,9⁵ ≈ 0,59 und 0,9¹⁰ ≈ 0,35. Ein zehnstufiger Agent, dessen Einzelschritte „meistens funktionieren“, liefert dann in \u003Cstrong>zwei von drei Fällen Murks\u003C\u002Fstrong>. Das ist keine Schwäche eines bestimmten Modells, sondern reine \u003Cstrong>Wahrscheinlichkeitsrechnung\u003C\u002Fstrong>. Genau deshalb sind echte Agenten nie nur „das Modell in einer Schleife“. Sie brauchen \u003Cstrong>Guardrails\u003C\u002Fstrong>, die unsinnige Aktionen abfangen, \u003Cstrong>Validierung\u003C\u002Fstrong> jeder Tool-Ausgabe, bevor sie weiterverarbeitet wird, \u003Cstrong>Retries\u003C\u002Fstrong> für einzelne Schritte und \u003Cstrong>idempotente Werkzeuge\u003C\u002Fstrong>, damit ein wiederholter Aufruf keinen Schaden anrichtet. All das ist Arbeit, die im „wir bauen schnell einen Agenten“ nie eingeplant ist, und wer die \u003Cstrong>Fehlerfortpflanzung\u003C\u002Fstrong> ignoriert, baut ein System, das in der Demo glänzt und in Produktion zerfällt.\u003C\u002Fp>\n\n\u003Ch2>Der Preis, den niemand einrechnet\u003C\u002Fh2>\n\n\u003Cp>Neben der Zuverlässigkeit kostet Autonomie auch direkt \u003Cstrong>Geld und Zeit\u003C\u002Fstrong>, und zwar überproportional. Ein Endpoint ruft das Modell \u003Cstrong>einmal\u003C\u002Fstrong>. Ein Agent ruft es \u003Cstrong>viele Male\u003C\u002Fstrong>: einmal zum Planen, einmal pro Werkzeugschritt, oft zusätzlich zur Reflexion zwischendurch. Eine Aufgabe, die als ein Request gedacht war, wird so zu einer Sitzung mit acht, zehn oder mehr Aufrufen. Schon das vervielfacht die \u003Cstrong>Latenz\u003C\u002Fstrong>, weil die Schritte seriell aufeinander warten: Schritt drei kann erst beginnen, wenn Schritt zwei beobachtet wurde.\u003C\u002Fp>\n\n\u003Cp>Der teurere Effekt ist subtiler. Damit der Agent weiss, was er bisher getan hat, \u003Cstrong>schleppt er die ganze Historie in jedem Aufruf mit\u003C\u002Fstrong>. Schritt eins schickt 1000 Token, Schritt zwei die 1000 plus die neue Beobachtung, Schritt drei alles davor, und so weiter. Die Token-Kosten wachsen damit \u003Cstrong>nicht linear, sondern eher quadratisch\u003C\u002Fstrong> über die Länge der Sitzung. Acht Aufrufe mit wachsendem Kontext kosten leicht das \u003Cstrong>Fünf- bis Zehnfache\u003C\u002Fstrong> von acht gleich grossen Single-Calls. Was das in deiner konkreten Rechnung bedeutet, haben wir in den \u003Ca href=\"\u002Fde\u002Fwissen\u002Fllm-selbst-betreiben-kosten\">Kosten eigener LLMs\u003C\u002Fa> aufgeschlüsselt; bei Agenten triffst du diesen Multiplikator besonders hart.\u003C\u002Fp>\n\n\u003Ch2>Wann ein Endpoint reicht, und wann der Agent sich lohnt\u003C\u002Fh2>\n\n\u003Cp>Die \u003Cstrong>klare Mehrheit der Fälle\u003C\u002Fstrong> kommt mit einem Endpoint aus. Eine E-Mail zusammenfassen, ein Ticket klassifizieren, strukturierte Felder aus einem Dokument extrahieren, eine Frage über deine Wissensbasis beantworten (\u003Cstrong>RAG-Q&A\u003C\u002Fstrong>): das sind Aufgaben mit \u003Cstrong>definierter Eingabe und definierter Ausgabe\u003C\u002Fstrong>. Ein Endpoint mit gutem Prompt und passendem Kontext löst sie zuverlässiger als jeder Agent, weil es nichts gibt, das mehrstufig schiefgehen könnte. Du hast einen einzigen Punkt, an dem du die Qualität misst, statt einer Kette. Und sobald du \u003Cstrong>garantieren\u003C\u002Fstrong> musst, was das System tut, spielt diese \u003Cstrong>Berechenbarkeit\u003C\u002Fstrong> ihre ganze Stärke aus. Du kannst den Endpoint mit einer Testsuite gegen reale Beispiele prüfen und sein Verhalten einklammern, während ein planender Agent bei gleicher Eingabe einen anderen Pfad wählen kann. Für alles, was in einen Geschäftsprozess eingebettet und \u003Cstrong>auditierbar\u003C\u002Fstrong> sein muss, ist das Gold wert.\u003C\u002Fp>\n\n\u003Cp>Es gibt aber echte Fälle, in denen Autonomie ihren Preis wert ist, und sie teilen ein Muster: \u003Cstrong>Der Lösungsweg steht vorab nicht fest.\u003C\u002Fstrong> Wenn nicht vorhersehbar ist, wie viele Schritte nötig sind und welche, spielt ein Agent seine Stärke aus, etwa eine Recherche, die abhängig vom Zwischenergebnis weitersucht, oder ein Diagnoseprozess, der je nach Befund verzweigt. Hier wäre ein starrer Endpoint das falsche Werkzeug, weil du die \u003Cstrong>Verzweigungen nicht alle im Voraus verdrahten\u003C\u002Fstrong> kannst; die Autonomie ersetzt eine Fallunterscheidung, die du sonst nie vollständig hinbekämst. Ähnlich, wenn das System \u003Cstrong>mehrere Werkzeuge orchestrieren\u003C\u002Fstrong> muss, also Datenbank abfragen, Ergebnis prüfen, je nachdem eine weitere API rufen, dann etwas schreiben, und die Reihenfolge vom Inhalt der Zwischenergebnisse abhängt. Aber prüfe vorher nüchtern, ob sich der Ablauf nicht doch als \u003Cstrong>fester Workflow-Graph\u003C\u002Fstrong> zeichnen lässt. Den vollen autonomen Loop rechtfertigt erst die \u003Cstrong>echte Unvorhersehbarkeit des Pfades\u003C\u002Fstrong>, nicht schon die Tatsache, dass mehrere Tools im Spiel sind.\u003C\u002Fp>\n\n\u003Ch2>Die Stufenleiter als Entscheidungsregel\u003C\u002Fh2>\n\n\u003Cp>Statt „Endpoint oder Agent“ denkst du besser in \u003Cstrong>Stufen\u003C\u002Fstrong> und nimmst immer die \u003Cstrong>niedrigste, die dein Problem löst\u003C\u002Fstrong>:\u003C\u002Fp>\n\n\u003Col>\n\u003Cli>\u003Cstrong>Prompt-Endpoint\u003C\u002Fstrong>: ein Modellaufruf, sonst nichts.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>+ RAG\u003C\u002Fstrong>: derselbe Aufruf, angereichert mit Kontext aus deinen Daten.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>+ einzelner Tool-Call\u003C\u002Fstrong>: das Modell darf genau ein Werkzeug aufrufen, ohne Loop.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Fester Workflow-Graph\u003C\u002Fstrong>: du gibst die Schritte vor, das Modell füllt die Knoten.\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Autonomer Agent\u003C\u002Fstrong>: das Modell entscheidet selbst über Reihenfolge und Anzahl der Schritte.\u003C\u002Fli>\n\u003C\u002Fol>\n\n\u003Cp>Jede Stufe nach oben kauft dir \u003Cstrong>Flexibilität\u003C\u002Fstrong> und kostet dich \u003Cstrong>Vorhersehbarkeit, Geld und Testbarkeit\u003C\u002Fstrong>. Die meisten Teams landen viel zu schnell auf \u003Cstrong>Stufe fünf\u003C\u002Fstrong>, obwohl Stufe drei oder vier ihre Aufgabe stabiler und billiger erledigt hätte. Steig nur dann eine Stufe höher, wenn die darunterliegende \u003Cstrong>nachweislich nicht reicht\u003C\u002Fstrong>.\u003C\u002Fp>\n\n\u003Ch2>Die niedrigste Stufe gewinnt\u003C\u002Fh2>\n\n\u003Cp>\u003Cstrong>Fang immer unten an.\u003C\u002Fstrong> Frag dich: Lässt sich die Aufgabe in einen, höchstens zwei feste Schritte zerlegen? Dann bleib beim \u003Cstrong>Endpoint\u003C\u002Fstrong>. Erst wenn der Pfad echt variabel ist und mehrere Systeme dynamisch orchestriert werden müssen, ist der Sprung zum \u003Cstrong>autonomen Loop\u003C\u002Fstrong> gerechtfertigt, und dann mit \u003Cstrong>Guardrails, Validierung und Retries von Anfang an\u003C\u002Fstrong>, nicht als Nachgedanke. Wir bauen \u003Ca href=\"\u002Fde\u002Fagents\">Agents\u003C\u002Fa> genau für die Fälle, in denen sich die Autonomie auszahlt. Und wir sagen dir offen, wenn ein schlichter Endpoint dich \u003Cstrong>schneller, billiger und stabiler\u003C\u002Fstrong> ans Ziel bringt, denn das ist häufiger der Fall, als der Hype glauben macht.\u003C\u002Fp>\n",[],[60,67],{"title":61,"links":62},"Leistungen",[63,64,65,66],{"title":5,"href":6},{"title":9,"href":10},{"title":13,"href":14},{"title":17,"href":18},{"title":68,"links":69},"Unternehmen",[70,71,72,73],{"title":30,"href":31},{"title":27,"href":28},{"title":24,"href":25},{"title":74,"href":75},"Kontakt","\u002Fde\u002Fkontakt",[77,87,99,108,115,123,130,137,143,149,155,157,163,169,175,181,187,194],{"path":78,"slug":79,"title":80,"summary":81,"image":53,"publication_date":82,"big5_category":83,"primary_hub":53,"cluster":53,"pillar":53,"hubs":84},"\u002Fde\u002Fwissen\u002Fazure-openai-bedrock-alternative-schweiz","azure-openai-bedrock-alternative-schweiz","Souveräne Inferenz gegen Azure OpenAI und AWS Bedrock: was sich im Alltag ändert","Azure OpenAI und AWS Bedrock gegen einen souverän betriebenen Endpoint: warum der Schweizer Serverstandort der Hyperscaler das Kernproblem nicht löst und was der Unterschied im Betrieb bedeutet.","2026-07-13T00:00:00Z","comparisons",[85],{"slug":86,"title":13},"managed-inference",{"path":88,"slug":89,"title":90,"summary":91,"image":53,"publication_date":82,"big5_category":92,"primary_hub":53,"cluster":53,"pillar":53,"hubs":93},"\u002Fde\u002Fwissen\u002Fbeste-gpu-llm-inferenz","beste-gpu-llm-inferenz","Die beste GPU für LLM-Inferenz: DGX Spark, H100, L40S und RTX im Vergleich","Welche GPU für eigene Inferenz? DGX Spark, H100, L40S und RTX 4090 nach dem, was zählt: wie viel Modell hineinpasst, wie viel Durchsatz herauskommt und was der Monat kostet.","bestof",[94,97],{"slug":95,"title":96},"bare-metal","Bare Metal GPU mit Root-Zugriff",{"slug":98,"title":5},"dgx-spark",{"path":100,"slug":101,"title":102,"summary":103,"image":53,"publication_date":82,"big5_category":104,"primary_hub":53,"cluster":53,"pillar":53,"hubs":105},"\u002Fde\u002Fwissen\u002Fhermes-agent-erfahrungsbericht","hermes-agent-erfahrungsbericht","Hermes-Agent im Realbetrieb: was ein souveräner Agent wirklich leistet","Ein Erfahrungsbericht statt Hochglanzprospekt: wie sich ein souverän betriebener Hermes-Agent im täglichen Einsatz verhält, wo er glänzt und wo die Begleitung anfängt.","reviews",[106],{"slug":49,"title":107},"Hermes Agents as a Service",{"path":109,"slug":110,"title":111,"summary":112,"image":53,"publication_date":82,"big5_category":46,"primary_hub":53,"cluster":53,"pillar":53,"hubs":113},"\u002Fde\u002Fwissen\u002Fki-regulierte-daten-schweiz","ki-regulierte-daten-schweiz","KI mit regulierten Daten: LLMs nutzen, ohne dass die Daten die Schweiz verlassen","Für Branchen, in denen Daten das Land nicht verlassen dürfen: was revDSG, Berufsgeheimnis und der CLOUD Act für KI-Projekte bedeuten, und wie souveräne Inferenz den Rahmen einhält.",[114],{"slug":86,"title":13},{"path":116,"slug":117,"title":118,"summary":119,"image":53,"publication_date":82,"big5_category":120,"primary_hub":53,"cluster":53,"pillar":53,"hubs":121},"\u002Fde\u002Fwissen\u002Fopenai-api-kosten-vs-eigener-endpoint","openai-api-kosten-vs-eigener-endpoint","Ab welchem Volumen sich ein eigener Endpoint gegen die API rechnet","Die Pay-per-Token-API ist günstig, bis sie es nicht mehr ist. Wo genau der Break-even zu einem reservierten Endpoint mit fester Monatspauschale liegt, an einem konkreten Beispiel durchgerechnet.","cost",[122],{"slug":86,"title":13},{"path":124,"slug":125,"title":126,"summary":127,"image":53,"publication_date":128,"big5_category":83,"primary_hub":53,"cluster":53,"pillar":53,"hubs":129},"\u002Fde\u002Fwissen\u002Ffine-tuning-rag-prompt","fine-tuning-rag-prompt","Fine-Tuning, RAG oder besserer Prompt? Die klare Entscheidungsregel","Fine-Tuning ist meistens nicht die Antwort auf „das Modell kennt unsere Daten nicht“. Wann Prompting, RAG oder Fine-Tuning wirklich das richtige Werkzeug sind und wie du die Eskalationsleiter korrekt durchläufst.","2026-07-07T00:00:00Z",[],{"path":131,"slug":132,"title":133,"summary":134,"image":53,"publication_date":128,"big5_category":135,"primary_hub":53,"cluster":53,"pillar":53,"hubs":136},"\u002Fde\u002Fwissen\u002Fopenai-api-migration","openai-api-migration","Von der OpenAI-API zu souveräner Inferenz: die Migration in der Praxis","Der Umstieg von OpenAI oder Anthropic auf ein selbst betriebenes offenes Modell in der Schweiz sieht dank OpenAI-kompatibler Endpoints nach einer Ein-Zeilen-Änderung aus, ist aber doch mehr. Wo Prompts, Tool-Calling und Feature-Lücken zur Stolperfalle werden.","how-to",[],{"path":138,"slug":139,"title":140,"summary":141,"image":53,"publication_date":128,"big5_category":46,"primary_hub":53,"cluster":53,"pillar":53,"hubs":142},"\u002Fde\u002Fwissen\u002Fquantisierung-int4-int8-awq-gptq-gguf","quantisierung-int4-int8-awq-gptq-gguf","Quantisierung ohne Qualitätsverlust: int4, int8, AWQ, GPTQ, GGUF entzaubert","int8 ist fast immer verlustfrei, int4 meistens auch, aber nicht bei Reasoning, Code und langen Agenten-Ketten. Wir zeigen dir ungeschönt, was Quantisierung wirklich kostet und wo GPTQ, AWQ, GGUF und bitsandbytes hingehören.",[],{"path":144,"slug":145,"title":146,"summary":147,"image":53,"publication_date":128,"big5_category":46,"primary_hub":53,"cluster":53,"pillar":53,"hubs":148},"\u002Fde\u002Fwissen\u002Frag-schlechte-antworten","rag-schlechte-antworten","RAG richtig gebaut: warum eure Wissensbasis schlechte Antworten gibt","Die meisten RAG-Systeme scheitern nicht am Sprachmodell, sondern am Retrieval davor. Wir zeigen die häufigsten Fehlerquellen bei Chunking, Embeddings und Retrieval-Strategie sowie, wie du Retrieval- und Generationsfehler sauber auseinanderhältst.",[],{"path":150,"slug":151,"title":152,"summary":153,"image":53,"publication_date":128,"big5_category":135,"primary_hub":53,"cluster":53,"pillar":53,"hubs":154},"\u002Fde\u002Fwissen\u002Fvram-modell-gpu-berechnen","vram-modell-gpu-berechnen","Welches Modell passt auf welche GPU? VRAM richtig berechnen","Bevor du GPUs kaufst oder mietest: die Faustformel für Gewichte, KV-Cache und Overhead, damit du weisst, welches Modell wirklich auf deine Hardware passt.",[],{"path":35,"slug":36,"title":43,"summary":44,"image":53,"publication_date":45,"big5_category":46,"primary_hub":53,"cluster":53,"pillar":53,"hubs":156},[],{"path":158,"slug":159,"title":160,"summary":161,"image":53,"publication_date":45,"big5_category":46,"primary_hub":53,"cluster":53,"pillar":53,"hubs":162},"\u002Fde\u002Fwissen\u002Fdatenhoheit-was-bedeutet-das","datenhoheit-was-bedeutet-das","Was Datenhoheit konkret heisst und wo deine Prompts wirklich landen","Datenhoheit ist mehr als ein Hosting-Standort. Was rechtlich, technisch und vertraglich dahintersteckt, und welche Fragen du jedem AI-Anbieter stellen solltest.",[],{"path":164,"slug":165,"title":166,"summary":167,"image":53,"publication_date":45,"big5_category":104,"primary_hub":53,"cluster":53,"pillar":53,"hubs":168},"\u002Fde\u002Fwissen\u002Fdgx-spark-erfahrungsbericht","dgx-spark-erfahrungsbericht","DGX Spark im Betrieb: was die Maschine nach drei Monaten wirklich kann","Kein Datenblatt, sondern ein Erfahrungsbericht. Wo die DGX Spark im täglichen Betrieb glänzt, wo ihre Grenzen liegen und für wen sich die Maschine lohnt.",[],{"path":170,"slug":171,"title":172,"summary":173,"image":53,"publication_date":45,"big5_category":135,"primary_hub":53,"cluster":53,"pillar":53,"hubs":174},"\u002Fde\u002Fwissen\u002Fllm-endpoint-aufsetzen","llm-endpoint-aufsetzen","Eigenen LLM Endpoint aufsetzen: von der GPU zum ersten Token","Ein realistischer Weg vom blanken Server zum produktiven Inferenz-Endpoint. Die Schritte, die Reihenfolge und die Stolpersteine, die zwischen „läuft lokal“ und „läuft produktiv“ liegen.",[],{"path":176,"slug":177,"title":178,"summary":179,"image":53,"publication_date":45,"big5_category":92,"primary_hub":53,"cluster":53,"pillar":53,"hubs":180},"\u002Fde\u002Fwissen\u002Foffene-modelle-auswahl","offene-modelle-auswahl","Welches offene Modell für welche Aufgabe? Llama, Qwen, Mistral & Co.","Nicht das grösste Modell gewinnt, sondern das passende. Wie du offene Modelle nach Aufgabe, Speicherbedarf und Lizenz auswählst, statt Benchmarks hinterherzulaufen.",[],{"path":182,"slug":183,"title":184,"summary":185,"image":53,"publication_date":45,"big5_category":83,"primary_hub":53,"cluster":53,"pillar":53,"hubs":186},"\u002Fde\u002Fwissen\u002Fvllm-ollama-tgi-vergleich","vllm-ollama-tgi-vergleich","vLLM, Ollama oder TGI: welche Inference Engine für welchen Fall","Die Engine entscheidet über Durchsatz, Latenz und Betriebsaufwand. Ein nüchterner Vergleich der drei verbreitetsten Optionen, inklusive der Fälle, in denen die einfache Lösung gewinnt.",[],{"path":188,"slug":189,"title":190,"summary":191,"image":53,"publication_date":192,"big5_category":83,"primary_hub":53,"cluster":53,"pillar":53,"hubs":193},"\u002Fde\u002Fwissen\u002Fdgx-spark-vs-cloud-gpu","dgx-spark-vs-cloud-gpu","DGX Spark gegen Cloud-GPU: wann sich eigene Hardware lohnt","Unified Memory gegen rohen Durchsatz, Schweizer Hardware gegen Hyperscaler. Ein nüchterner Vergleich, inklusive der Fälle, in denen die Cloud gewinnt.","2026-06-18T00:00:00Z",[],{"path":195,"slug":196,"title":197,"summary":198,"image":53,"publication_date":192,"big5_category":120,"primary_hub":53,"cluster":53,"pillar":53,"hubs":199},"\u002Fde\u002Fwissen\u002Fllm-selbst-betreiben-kosten","llm-selbst-betreiben-kosten","Was kostet es, ein LLM selbst zu betreiben?","Die nüchterne Rechnung hinter eigenen LLM-Endpoints: Hardware, Betrieb und der Punkt, ab dem sich Selbermachen wirklich lohnt.",[]]