Hermes-Agent im Realbetrieb: was ein souveräner Agent wirklich leistet

Warum wir überhaupt selbst Agents fahren

Dieser Bericht kommt nicht aus einem Datenblatt, sondern aus dem eigenen Betrieb. Wir fahren Hermes-Agents für unsere eigene Arbeit, auf genau der Hardware, die auch buchbar ist. Das ist der Grund, warum wir über Agents as a Service überhaupt reden: Wir nutzen sie täglich und kennen sie aus echten Fällen, nicht aus dem Prospekt. Was folgt, ist die nüchterne Einordnung, wo ein souverän betriebener Agent hält, was er verspricht, und wo die Begleitung anfängt.

Was Hermes von einem reinen Chat-Modell unterscheidet

Hermes ist eine Familie offener Modelle von Nous Research, die gezielt auf Tool-Use und agentisches Verhalten trainiert ist. Der Unterschied zu einem reinen Chat-Modell ist nicht die Sprache, sondern das Handeln: Ein Hermes-Agent ruft Funktionen, APIs und Datenquellen auf, statt nur Text zu produzieren. Er entscheidet, welches Werkzeug er wann braucht, und arbeitet über mehrere Schritte auf ein Ziel hin. Weil das Modell offen ist, läuft es auf eigener Hardware, ohne dass Prompts durch eine fremde Cloud wandern.

Wo der Agent im Alltag glänzt

Am stärksten ist der Agent bei wiederkehrenden Aufgaben, die mehr als eine Antwort brauchen: etwas recherchieren, ein Werkzeug bedienen, einen Zwischenstand merken, weitermachen. Das persistente Gedächtnis ist dabei der Punkt, der im Alltag den Unterschied macht. Der Agent vergisst nicht nach jedem Aufruf, sondern behält Kontext über Sitzungen hinweg. Eine Aufgabe, die sich über Stunden oder Tage zieht, bleibt zusammenhängend, statt bei jedem Neustart von vorn zu beginnen.

Wo es stockt

Die Grenzen liegen dort, wo die Autonomie beginnt. Jeder zusätzliche Schritt in einer Kette ist eine Stelle, an der etwas schiefgehen kann, und kleine Fehler früh in der Kette verstärken sich nach hinten. Jedes zusätzliche Werkzeug ist eine zusätzliche Fehlerquelle. Dazu kommt die Latenz: Ein Agent, der fünf Schritte geht und dreimal ein Werkzeug aufruft, antwortet nicht in Millisekunden. Und agentische Systeme sind jünger als klassische Endpoints, sie brauchen mehr Beobachtung, bis sie in einem Fall zuverlässig laufen. Ein Detail aus der Praxis: Lange Ketten reagieren empfindlicher auf zu grobe Quantisierung als ein einzelner Prompt, weil sich der Qualitätsverlust über die Schritte summiert.

Was der Betrieb wirklich bedeutet

Ein Agent wird nicht gut, indem man ihn hinstellt, sondern indem man ihn an echten Fällen beobachtet und nachschärft. Das heisst: sehen, welche Werkzeuge er wann aufruft, wo er abbiegt, wo er hängt, und die Freigaben und Prompts entsprechend enger ziehen. Genau diese Begleitphase ist der Teil, den ein Datenblatt nie zeigt und den wir aus dem eigenen Betrieb kennen. Wer den Agent gemanagt bezieht, erbt diesen Betrieb nicht selbst, behält aber die Hoheit über Daten und Verhalten.

Wann sich die Agent-Schicht lohnt

Die Regel ist einfach, und sie spricht oft gegen den Agent: Wenn ein einzelner Prompt an einen Endpoint reicht, nimm den Endpoint und spar dir die Agent-Schicht. Ob dein Fall überhaupt einen Agent braucht, klärt der Beitrag Agent oder Endpoint. Lohnt sich die Schicht, dann läuft der Agent bei uns auf Schweizer Hardware, von uns betrieben. Beschreib uns die Aufgabe, die du automatisieren willst, und wir sagen dir, ob ein Agent der richtige Weg ist: Kontakt.