Vercel hat sich selbst zum „Kunde Null“ für seine KI-Integration gemacht: Sie testen intern KI-Agenten und den Aufbau einer Infrastruktur. Julian Eckerle, Head of Central Europe bei Vercel, gibt im Podcast t3n Arbeit in Progress Einblicke, wie die Automatisierung von Aufgaben abläuft und welche Auswirkungen es auf betroffene Teams gibt.

Die Integration begann vor etwa zweieinhalb Jahren. Damals sollten im ersten Schritt alle Angestellten eigenständig KI nutzen und schließlich KI-Agenten erstellen. Das Interview ist gekürzt, das vollständige Gespräch gibt es in der verlinkten Podcast-Folge.

t3n: Julian, ihr habt eure Mitarbeitenden aufgefordert, selbst KI-Agenten zu bauen. Das klingt nach Wildwuchs. Warum habt ihr euch dafür entschieden?

Julian Eckerle: Das ist ein fairer Punkt. Ungefähr elf Prozent der deutschen Unternehmen setzen KI-Agenten heute regelmäßig ein. 60 Prozent planen oder diskutieren es. Und wenn du dann siehst, wie viele Agenten tatsächlich am Ende wirklich einen Mehrwert liefern, sind wir noch in einer relativ frühen Phase. Wir haben kommen sehen, dass das alles verändern wird, was Softwareentwicklung angeht, und dass es langfristig alle Geschäftsprozesse treffen wird. Also haben wir einen Bottom-up-Adoptionsprozess gefahren und möglichst viele Mitarbeitende in die Lage versetzt, mit KI Business-Probleme zu lösen. Wir wollten ausprobieren, was passiert, wenn wir die Möglichkeiten dieser Tools an die äußeren Ränder der Organisation zulassen, um Innovation zu fördern. Daraus ist ein riesiger Use-Case-Markt entstanden: Agenten für Content, für Customer-Support-Tickets, für die Leadbearbeitung. Irgendwann mussten wir dann aber eine Governance-Struktur einführen, um zu sehen, wo die ganzen Tokens hingehen, alles zum Identitiy Provider passt und alles mit Protokollen und Sicherheitsrichtlinien d’accord ist.

Token-Kosten können schnell aus dem Ruder laufen. Wie haltet ihr die unter Kontrolle?

Cost Management und Token Management sind zwei der großen Themen momentan. Wir haben relativ früh unseren eigenen AI-Gateway eingesetzt. Damit kann festgelegt werden, wie viel Budget jemand mit bestimmten Modellen hat. Dazu nutzen wir auch Open-Source-Modelle, um die Kosten unter Kontrolle zu halten und nicht alles an Tasks direkt dem teuersten Frontier-Modell zu geben. Das hat sich in der ROI-Rechnung extrem bezahlt gemacht. Open-Source-Modelle bringen tolle Fähigkeiten mit, die im Zusammenspiel mit Frontier-Modellen starke Ergebnisse erzeugen können – ohne diese unkontrollierten Kosten, die oft in Berichten zitiert werden.

Hast du ein konkretes Beispiel, wo sich der Einsatz von KI-Agenten wirklich gerechnet hat?

Ich habe mehrere konkrete Beispiele. Im Research im Vertrieb etwa, da wollen wir extrem nah am Kunden sein. Ein Use Case, wo wir sehr früh KI eingesetzt haben, ist unseren Inbound-Vertrieb. Wenn jemand über unsere Webseite einen Contact-Sales-Request stellt, wurde das früher von einem Menschen bearbeitet, der sich gut eine Stunde Zeit genommen hat, um zum Unternehmen zu recherchieren. Der Leadflow ist heute komplett durchautomatisiert. Das heißt wir haben einen autonomen SDR, einen Sales Development Rep, der diesen ganzen Inbound Funnel mit einer Person noch managt. Das waren früher über zehn Personen und damit ein relativ hoher Kostenpunkt. Wir haben keinerlei Qualitätseinbußen in der Recherche. Im Gegenteil: Wir generieren mehr Pipeline aus diesem Leadflow, und die Betriebskosten liegen bei 5.000 Dollar im Jahr. Die Leute, die das früher manuell gemacht haben, machen heute Outbound-Sales, also die höherwertige Arbeitsstufe, bei der es darum geht, viel dedizierter innerhalb eines Kundencases vorab zu recherchieren, bevor wir überhaupt an den Kunden herantreten. Das hat unsere Pipeline in den letzten zwölf Monaten mehr als verdoppelt.

Zehn Leute vorher, einer jetzt – habt ihr Stellen abgebaut?

Bisher überhaupt nicht. Im Gegenteil. Wir schaffen es mit derselben Mannstärke deutlich mehr abzuarbeiten. Wir haben vielleicht ein bisschen weniger eingestellt, in der Zukunft sozusagen, aber wir haben niemanden aus einem Job entfernt. Es sind außerdem höherwertige Arbeiten entstanden. Unsere Sales-Organisation hat sich seitdem mehr als verdoppelt. Die einzelne Person im Team leistet durch höherwertige Arbeit und schafft mehr Volumen, weil der Agent im Hintergrund Arbeitsschritte abnimmt.

Wie wirkt sich das auf die Zufriedenheit der Mitarbeitenden aus?

Wir haben zum Beispiel auch einen Support-Agenten gebaut, der Customer-Service-Tickets beantwortet. Der löst mittlerweile 91 Prozent aller Tickets automatisch. Wir haben auch da keine Stelle abgebaut und dazu die höchste Zufriedenheit bei den Customer-Service-Mitarbeitenden, die wir je hatten. Schlicht, weil viele dieser automatisierten Tasks sehr repetitiv sind. Das sind nicht die Aufgaben, bei denen wir kreativ arbeiten oder uns in unserer Rolle verwirklichen können. Es sind die Dinge, die eigentlich keiner so gerne macht. Aber ohne dedizierte Erhebung kann ich nicht für die ganze Company beurteilen, wie die Entwicklung ist. Wo ich aufpassen würde: Wenn du pauschal sagst „Hier ist KI, macht einfach mal“, kommt am Ende Frust raus. Es gibt Use Cases, die sich mit KI nicht umsetzen lassen. Da muss die Frage erlaubt sein: Schaffen wir Mehrwert für die Mitarbeitenden oder schaffen wir mehr Arbeit?

Ihr könnt den Podcast t3n Arbeit in Progress bequem in der Podcast-App eurer Wahl abonnieren. In der Regel findet ihr den Podcast einfach über die Eingabe „t3n Arbeit in Progress“ in der Suche. Ansonsten könnt ihr auch den RSS-Feed manuell in der App eingeben.

• RSS-Feed von t3n Arbeit in progress
• t3n Arbeit in progress bei Apple Podcasts
• t3n Arbeit in progress bei Spotify

Startseite