[{"data":1,"prerenderedAt":811},["ShallowReactive",2],{"blog-sales-rep-ai-copilot-b2b-de":3},{"slug":4,"published":5,"minutes":6,"category":7,"tags":8,"keywords":14,"about":25,"sources":35,"cover":66,"og":67,"expertise":68,"locales":69,"lang":71,"title":73,"description":74,"coverAlt":75,"metaTitle":76,"takeaways":77,"faq":83,"toc":99,"blocks":133,"others":539},"sales-rep-ai-copilot-b2b","2026-10-15",10,"agents",[9,10,11,12,13],"AI copilot","B2B sales","Quotes","Permissions","Works council",[15,16,17,18,19,20,21,22,23,24],"AI copilot for B2B sales reps","internal sales copilot","quotation automation B2B","sales copilot data access","AI quote drafting","sales rep AI assistant ROI","quote turnaround time","sales copilot GDPR works council","account context CRM ERP","AI sales assistant permissioning",[26,29,32],{"name":27,"url":28},"Customer relationship management","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FCustomer_relationship_management",{"name":30,"url":31},"Enterprise resource planning","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FEnterprise_resource_planning",{"name":33,"url":34},"Artificial Intelligence Act","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FArtificial_Intelligence_Act",[36,39,42,45,48,51,54,57,60,63],{"title":37,"url":38},"Harvard Business Review: The Short Life of Online Sales Leads (March 2011)","https:\u002F\u002Fhbr.org\u002F2011\u002F03\u002Fthe-short-life-of-online-sales-leads",{"title":40,"url":41},"Salesforce: State of Sales statistics, 7th edition (2026)","https:\u002F\u002Fwww.salesforce.com\u002Fsales\u002Fstate-of-sales\u002Fsales-statistics\u002F",{"title":43,"url":44},"Gartner: sellers who partner with AI are 3.7 times more likely to meet quota (16 Sep 2024)","https:\u002F\u002Fwww.gartner.com\u002Fen\u002Fnewsroom\u002Fpress-releases\u002F2024-09-16-gartner-sales-survey-reveals-sellers-who-partner-with-ai-re-three-point-seven-times-more-likely-to-meet-quota",{"title":46,"url":47},"Gartner: 61 percent of B2B buyers prefer a rep-free buying experience (25 Jun 2025)","https:\u002F\u002Fwww.gartner.com\u002Fen\u002Fnewsroom\u002Fpress-releases\u002F2025-06-25-gartner-sales-survey-finds-61-percent-of-b2b-buyers-prefer-a-rep-free-buying-experience",{"title":49,"url":50},"Gartner: by 2030, 75 percent of B2B buyers will prefer human-first sales experiences (25 Aug 2025)","https:\u002F\u002Fwww.gartner.com\u002Fen\u002Fnewsroom\u002Fpress-releases\u002F2025-08-25-gartner-says-by-2030-that-75-percent-of-b2b-buyers-will-prefer-sales-experiences-that-prioritize-human-interaction-over-ai",{"title":52,"url":53},"Microsoft: Copilot for Sales and Copilot for Service generally available (1 Feb 2024)","https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fdynamics-365\u002Fblog\u002Fbusiness-leader\u002F2024\u002F02\u002F01\u002Fmicrosoft-copilot-for-sales-and-copilot-for-service-are-now-generally-available\u002F",{"title":55,"url":56},"WKO: Überwachung im Homeoffice, BVwG 27.6.2025 W218 2298555-1 (21 Apr 2026)","https:\u002F\u002Fwww.wko.at\u002Fktn\u002Findustrie\u002Fueberwachung-im-homeoffice-wo-sind-die-grenzen-",{"title":58,"url":59},"EU AI Act, Annex III (high-risk use cases)","https:\u002F\u002Fartificialintelligenceact.eu\u002Fannex\u002F3\u002F",{"title":61,"url":62},"EU AI Act, Article 26 (obligations of deployers)","https:\u002F\u002Fartificialintelligenceact.eu\u002Farticle\u002F26\u002F",{"title":64,"url":65},"Regulation (EU) 2026\u002F1744 (Digital Omnibus on AI), EUR-Lex","https:\u002F\u002Feur-lex.europa.eu\u002Feli\u002Freg\u002F2026\u002F1744\u002Foj\u002Feng","\u002Fimages\u002Fblog\u002Fsales-rep-ai-copilot-b2b\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fsales-rep-ai-copilot-b2b\u002Fog.jpg","b2b-ecommerce-developer",[70,71,72],"en","de","hu","KI-Copilot für B2B-Vertriebsmitarbeiter: Kundenkontext, Angebote und Freigaben","Ein interner KI-Copilot für den B2B-Vertrieb: welche Kundendaten er braucht, Rechte pro Vertriebler, Freigaben, Kennzahlen und der Betriebsrat.","Eine hohe Karte mit einem kleinen Hilfspanel an der Schulter, links ein Headset.","KI-Copilot für den B2B-Vertrieb · Balázs Csorba",[78,79,80,81,82],"Ein interner Vertriebs-Copilot ist ein überwiegend lesender Assistent über CRM-, ERP-, PIM-, Preis- und Bestandsdaten, den ein Vertriebsmitarbeiter nutzt, mit einer Freigabe, bevor etwas das Unternehmen verlässt.","Der Copilot muss als der jeweilige Mitarbeiter handeln, mit dessen Berechtigungen pro Kunde und Preisliste, nie als Servicekonto mit globalem Lesezugriff.","Werkzeuge liefern Vorschläge, keine Wirkungen: Angebote bleiben Entwürfe, das Senden ist ein menschlicher Klick, und Rabatte über einer Schwelle brauchen eine zweite Freigabe.","Veröffentlichte Daten stützen Tempo und Kapazität als Hebel: Laut HBR qualifizierten sich Leads, die innerhalb einer Stunde kontaktiert wurden, fast siebenmal so oft, und laut Salesforce verbringen Vertriebler 60 % ihrer Zeit nicht mit Verkaufen.","Nutzungsauswertungen pro Mitarbeiter machen den Copilot zum Kontrollsystem, was in Österreich den Betriebsrat und Anhang III des EU AI Act ins Spiel bringt; aggregierte Kennzahlen vermeiden beides.",[84,87,90,93,96],{"q":85,"a":86},"Was unterscheidet einen Vertriebs-Copilot von einem Kundensupport-Chatbot?","Ein Support-Chatbot richtet sich an Kunden und soll deren Fragen beantworten oder abfangen. Ein Vertriebs-Copilot ist intern: Ein Mitarbeiter nutzt ihn für seine eigenen Kunden, er sieht Kundenpreise und Margen, die der Kunde nie sehen darf, und jede Aktion nach außen (Angebot, E-Mail, CRM-Eintrag) wartet auf die Freigabe des Mitarbeiters.",{"q":88,"a":89},"Welche Daten braucht ein KI-Vertriebs-Copilot zuerst?","Beginnen Sie mit der Auftragshistorie pro Kunde und Artikel, Kundenpreisen und Preislisten, Bestands- bzw. ATP-Daten und Produktspezifikationen aus dem PIM. CRM-Aktivitäten helfen, aber ein Copilot, der den richtigen Kundenpreis und den Lieferstatus nicht zeigen kann, taugt nicht für Angebote, egal wie gut seine E-Mails sind.",{"q":91,"a":92},"Darf ein KI-Copilot Angebote selbstständig versenden?","Er sollte es nicht. Angebote bleiben Entwürfe, die der Mitarbeiter bearbeitet und versendet, Rabatte über einer Schwelle brauchen eine zweite Freigabe, und ein Liefertermin wird nie ohne ERP-Bestätigung zugesagt. Der Copilot schlägt vor, Mitarbeiter und ERP entscheiden.",{"q":94,"a":95},"Braucht ein interner Vertriebs-Copilot in Österreich die Zustimmung des Betriebsrats?","Wenn das System einzelne Mitarbeiter überwachen kann, etwa durch Nutzungs- oder Ergebnisberichte pro Person, kann § 96 ArbVG eine Zustimmung des Betriebsrats in Form einer Betriebsvereinbarung verlangen. Standardmäßig aggregierte Kennzahlen, kurze Aufbewahrung und keine Ranglisten halten den Copilot ein Werkzeug statt eines Kontrollsystems.",{"q":97,"a":98},"Wie misst man, ob ein Vertriebs-Copilot funktioniert?","Legen Sie vor dem Pilot eine Basislinie fest und messen Sie die Zeit bis zur ersten Antwort, die Angebotsdurchlaufzeit, den Anteil der Entwürfe, die mit wenig Änderungen übernommen werden, in der Prüfung gefundene Preis- oder Bestandsfehler und Rabattverluste. Für die Übernahmequote gibt es keinen öffentlichen Branchenwert, Ihre eigene Basislinie ist der Vergleich.",[100,103,106,109,112,115,118,121,124,127,130],{"id":101,"title":102},"what-an-internal-sales-copilot-is","Was ist ein interner Vertriebs-Copilot?",{"id":104,"title":105},"the-account-context-it-needs","Welchen Kundenkontext braucht der Copilot?",{"id":107,"title":108},"the-tools-it-gets","Welche Werkzeuge sollte ein Vertriebs-Copilot bekommen?",{"id":110,"title":111},"permissions-per-rep-and-per-customer","Wie funktionieren Berechtigungen pro Mitarbeiter und Kunde?",{"id":113,"title":114},"approval-before-anything-outbound","Wo sitzen die Freigaben?",{"id":116,"title":117},"what-it-is-worth","Was ist ein Vertriebs-Copilot wert?",{"id":119,"title":120},"evaluating-it-without-vanity-metrics","Wie evaluiert man einen Vertriebs-Copilot?",{"id":122,"title":123},"gdpr-and-the-works-council","Was fragen Betriebsrat und AI Act?",{"id":125,"title":126},"when-not-to-build-it","Wann sollte man keinen Vertriebs-Copilot bauen?",{"id":128,"title":129},"pilot-checklist","Eine praktische Checkliste für den Pilot",{"id":131,"title":132},"sources","Quellen",[134,143,146,149,152,161,162,165,171,174,177,178,186,282,285,286,289,297,300,307,308,311,315,339,342,343,346,388,395,396,399,421,422,425,437,457,464,465,468,476,477,480,498,506,507],{"type":135,"content":136},"paragraph",[137,138,142],"Ein ",{"tag":139,"children":140},"strong",[141],"KI-Copilot für B2B-Vertriebsmitarbeiter"," ist ein interner Assistent, der die eigenen CRM-, ERP-, PIM-, Preis- und Bestandsdaten des Unternehmens für jeweils einen Mitarbeiter liest, Angebote und Nachfassmails entwirft und an einer Freigabe anhält, bevor etwas einen Kunden erreicht. Er ist nicht der Chatbot im Shop und kein Ersatz für den Vertrieb. Er ist ein schnellerer Weg zur Antwort auf „Was hat dieser Kunde zuletzt bezahlt, ist es lagernd, und kann ich heute ein Angebot schicken?“.",{"type":135,"content":144},[145],"Dieser Artikel ist eine Bauanleitung. Er behandelt den Kundenkontext, den der Copilot braucht, die Werkzeuge, die er bekommt, wie Berechtigungen pro Mitarbeiter und pro Kunde funktionieren, wo die Freigaben sitzen, was veröffentlichte Zahlen für den Business Case hergeben und was nicht, wie man ihn evaluiert und was Betriebsrat und EU AI Act fragen werden. Ein Anbietervergleich ist er nicht.",{"type":147,"level":148,"id":101,"text":102},"heading",2,{"type":135,"content":150},[151],"Ein interner Vertriebs-Copilot ist ein überwiegend lesender Assistent mit wenigen Werkzeugen, den ein angemeldeter Mitarbeiter nutzt und dessen Ergebnisse Entwürfe sind. Der Mitarbeiter fragt in natürlicher Sprache, der Copilot sucht die Fakten in den führenden Systemen und antwortet mit Beleg: der Kundenpreis mit seiner Quelle, der Bestand mit Zeitstempel, die Aufträge dieses Kunden aus dem Vorjahr.",{"type":135,"content":153},[154,155,160],"Der Unterschied zum kundenseitigen Assistenten ist wichtig. Der Shop-Assistent aus ",{"tag":156,"to":157,"children":158},"link","\u002Fblog\u002Fai-assistant-b2b-shop-customer-support",[159],"KI-Support für B2B-Shops"," misst abgefangene Anfragen und darf nie Margen zeigen. Der Vertriebs-Copilot sieht Kundenpreise, Rabatte und manchmal Margen, sein Risiko ist also das Durchsickern zwischen Mitarbeitern und Kunden, und sein Erfolgsmaß sind Vertriebskapazität und Angebotstempo, nicht vermiedene Tickets.",{"type":147,"level":148,"id":104,"text":105},{"type":135,"content":163},[164],"Der Copilot braucht fünf Quellen, und Angebote scheitern, wenn eine der ersten vier fehlt oder veraltet ist: Auftrags- und Angebotshistorie aus dem ERP, Kundenpreise und Preislisten, Bestand bzw. ATP-Daten, Produktspezifikationen aus dem PIM und CRM-Kontext wie Ansprechpartner, Opportunity-Phase und letzte Aktivitäten.",{"type":166,"src":167,"alt":168,"wide":169,"caption":170},"image","\u002Fimages\u002Fblog\u002Fsales-rep-ai-copilot-b2b\u002Fdiagram-7.webp","Systemübersicht eines internen Vertriebs-Copilots Ein Client des Vertriebsmitarbeiters wie CRM oder Outlook spricht mit dem Copilot-Dienst. Der Copilot löst zuerst die Berechtigungen des Mitarbeiters auf (Mitarbeiter zu Kunden zu Preislisten) und ruft dann im Namen des Mitarbeiters fünf Werkzeuge auf: CRM, ERP-Aufträge und Angebote, PIM-Suche, Kundenpreise und Bestand. Ergebnisse kommen als Vorschläge in eine Freigabeansicht, und jeder Werkzeugaufruf landet im Audit-Log. Kein Servicekonto hat globalen Lesezugriff.",true,"Der Copilot löst zuerst die Berechtigungen auf, ruft Werkzeuge im Namen des Mitarbeiters auf und liefert Vorschläge in eine Freigabeansicht; jeder Werkzeugaufruf wird protokolliert.",{"type":135,"content":172},[173],"Die Aktualitätsregeln unterscheiden sich je Quelle. Bestand und offene Aufträge müssen live gelesen werden, denn ein Copilot, der selbstbewusst den Bestand von gestern nennt, ist schlechter als gar keiner. Preislisten dürfen minutenweise gecacht werden, wenn der Cache-Schlüssel Kunde und Preislistenversion enthält. Spezifikationen und Dokumente können in einem Suchindex liegen, der bei PIM-Änderungen aktualisiert wird.",{"type":135,"content":175},[176],"Aus meiner Erfahrung mit B2B-Commerce- und PIM-Plattformen wie Spryker und Pimcore liegen die eigentlichen Integrationskosten bei der Identität, nicht beim Sprachmodell: Artikelnummern, die sich zwischen ERP, PIM und den Zeichnungen des Kunden unterscheiden, Kundennummern gegenüber Liefer- und Rechnungsadressen, und Preislisten, die auf verschiedenen Ebenen hängen. Planen Sie dieses Mapping zuerst ein.",{"type":147,"level":148,"id":107,"text":108},{"type":135,"content":179},[180,181,185],"Geben Sie ihm sieben schmale Werkzeuge, fünf davon nur lesend, und halten Sie jeden Schreibvorgang als Entwurf. Eine kleine, gut beschriebene Werkzeugoberfläche ist leichter abzusichern und für das Modell leichter richtig zu nutzen als ein breites „frag das ERP“-Werkzeug. Ich habe einen Jira-MCP-Server mit 20 Werkzeugen gebaut, und die Lehre lässt sich übertragen: eine klare Aufgabe pro Werkzeug, typisierte Eingaben und Fehlermeldungen, die dem Modell sagen, was als Nächstes zu tun ist, wie in ",{"tag":156,"to":182,"children":183},"\u002Fblog\u002Fagent-tool-design-descriptions-errors",[184],"Werkzeugdesign für Agenten"," beschrieben.",{"type":187,"head":188,"rows":201},"table",[189,191,193,195,197,199],[190],"Werkzeug",[192],"Datenquelle",[194],"Berechtigung",[196],"Wirkung",[198],"Freigabe",[200],"Typischer Fehler",[202,215,225,236,246,258,271],[203,205,207,209,211,213],[204],"Spezifikationssuche",[206],"PIM, search index",[208],"alle Mitarbeiter",[210],"keine",[212],"nein",[214],"Artikelnummer nicht gefunden",[216,218,220,221,222,223],[217],"Bestandsabfrage",[219],"ERP, ATP",[208],[210],[212],[224],"veralteter Cache, falsches Lager",[226,228,230,232,233,234],[227],"Kundenpreis",[229],"Preisdienst",[231],"eigene Kunden",[210],[212],[235],"falsche Preislistenebene",[237,239,241,242,243,244],[238],"Auftragshistorie",[240],"ERP",[231],[210],[212],[245],"Liefer- und Auftraggeber verwechselt",[247,249,251,252,254,256],[248],"Angebotsentwurf",[250],"ERP-Angebots-API",[231],[253],"Entwurfsdatensatz",[255],"ja, plus Schwelle",[257],"doppelte Entwürfe bei Wiederholung",[259,261,263,265,267,269],[260],"E-Mail-Entwurf",[262],"Mailclient",[264],"eigenes Postfach",[266],"nur Entwurf",[268],"ja",[270],"erfundene Zusagen",[272,274,276,277,279,280],[273],"CRM-Notiz",[275],"CRM",[231],[278],"Aktivitätseintrag",[268],[281],"Notiz beim falschen Kunden",{"type":135,"content":283},[284],"Jedes schreibende Werkzeug braucht einen Idempotenzschlüssel, damit ein wiederholter Aufruf denselben Entwurf aktualisiert, statt einen zweiten anzulegen. Das Kundenpreis-Werkzeug sollte eine Herleitung liefern („Vertrag 4711, gültig bis 31. Dezember, Staffel ab Menge 50“), denn der Mitarbeiter muss den Preis gegenüber dem Kunden begründen können.",{"type":147,"level":148,"id":110,"text":111},{"type":135,"content":287},[288],"Der Copilot läuft als der Mitarbeiter, im Namen von dessen Identität, und jedes Werkzeug prüft die Berechtigungen des Mitarbeiters, bevor es Daten zurückgibt. Ein Servicekonto mit globalem Lesezugriff ist der häufigste Designfehler: eine Prompt-Injection oder ein Retrieval-Fehler, und ein Mitarbeiter sieht die Kundenpreise eines Kollegen.",{"type":135,"content":290},[291,292,296],"Die Auflösung der Berechtigungen folgt der Vertriebsorganisation: Mitarbeiter zu Gebiet oder Kundenliste, Kunde zu Preislisten und Verträgen, Rolle zur Sichtbarkeit von Preisen und Margen. Dieselben Regeln gelten für das Retrieval. Liegen Auftragshistorie oder Angebotsdokumente in einem Vektorindex, wird vor dem Ranking nach Berechtigung gefiltert, nicht danach, wie in ",{"tag":156,"to":293,"children":294},"\u002Fblog\u002Frag-access-control-permissions",[295],"Zugriffskontrolle für RAG"," beschrieben. Caches brauchen den Kunden im Schlüssel, damit die Antwort eines Mitarbeiters nie einem anderen ausgeliefert wird.",{"type":298,"code":299},"code","\u002F\u002F Tool contract (sketch): every call runs as the rep, never as a service account\ntype ContractPriceInput = { customerNumber: string; sku: string; quantity: number }\n\ntype ContractPriceResult =\n  | { ok: true; unitPrice: number; currency: string\n      source: 'contract' | 'price-list' | 'tier'; validUntil: string; trace: string[] }\n  | { ok: false; error: 'NOT_ENTITLED' | 'UNKNOWN_SKU' | 'NO_PRICE'; hint: string }\n\nasync function contractPrice(rep: RepIdentity, input: ContractPriceInput): Promise\u003CContractPriceResult> {\n  if (!(await entitlements.canSeePrices(rep, input.customerNumber)))\n    return { ok: false, error: 'NOT_ENTITLED', hint: 'Customer is not in your account list.' }\n  \u002F\u002F the pricing service checks the same entitlement again (defense in depth)\n  return pricing.resolve(input, { onBehalfOf: rep.id })\n}",{"type":135,"content":301},[302,303,306],"Schreiben Sie Tests, die das Negative beweisen: Mitarbeiter A fragt nach einem Kunden von Mitarbeiter B und erhält ",{"tag":298,"children":304},[305],"NOT_ENTITLED",", sowohl über das Werkzeug als auch über Freitextfragen, die das Modell dazu überreden wollen. Protokollieren Sie jeden Werkzeugaufruf mit Mitarbeiter, Kunde, Eingabe und Ergebnisgröße; dieses Audit-Log zeigen Sie der IT-Sicherheit und später dem Betriebsrat.",{"type":147,"level":148,"id":113,"text":114},{"type":135,"content":309},[310],"Setzen Sie eine Freigabe vor jede Wirkung, die das Unternehmen verlässt oder einen Datensatz ändert: Werkzeuge liefern Vorschläge, und der Mitarbeiter macht mit einem Klick eine Aktion daraus. Angebotsentwürfe bleiben Entwürfe, E-Mails werden als Entwurf im Postfach des Mitarbeiters gespeichert, und CRM-Notizen werden vor dem Schreiben angezeigt.",{"type":166,"src":312,"alt":313,"wide":169,"caption":314},"\u002Fimages\u002Fblog\u002Fsales-rep-ai-copilot-b2b\u002Fdiagram-21.webp","Ablauf eines Angebotsentwurfs mit Freigabe Fünf Schritte von links nach rechts: Der Mitarbeiter stellt eine Frage; der Copilot ruft Produkt, Kundenpreis, Bestand und Auftragshistorie ab; er entwirft ein Angebot mit Positionen, Preisen und Konditionen; der Mitarbeiter bearbeitet und gibt frei, über der Rabattschwelle mit zweiter Freigabe; erst dann wird das Angebot versendet und das CRM aktualisiert. Ein Preis- oder Bestandskonflikt schickt den Entwurf zurück zum Mitarbeiter statt weiter.","Die Kennzahl Angebotsdurchlaufzeit ist der Abstand zwischen t0 und t1; ein Preis- oder Bestandskonflikt in jedem Schritt gibt den Entwurf an den Mitarbeiter zurück.",{"type":316,"ordered":317,"items":318},"list",false,[319,324,329,334],[320,323],{"tag":139,"children":321},[322],"Rabattschwelle:"," Ein Rabatt über dem Limit des Mitarbeiters leitet den Entwurf an eine zweite Freigabe, dieselbe Regel, die das ERP schon für manuelle Angebote durchsetzt.",[325,328],{"tag":139,"children":326},[327],"Liefertermine:"," Der Copilot nennt nie einen Liefertermin, den das ERP für diese Menge und Lieferadresse nicht bestätigt hat.",[330,333],{"tag":139,"children":331},[332],"Preisabweichung:"," Weicht der Entwurfspreis vom Ergebnis des Preisdienstes ab, geht der Entwurf mit beiden Werten zurück an den Mitarbeiter.",[335,338],{"tag":139,"children":336},[337],"Beleg mit einem Klick:"," Jede Zahl im Entwurf verlinkt auf den Datensatz, aus dem sie stammt, damit Prüfen Kontrollieren heißt und nicht neu Recherchieren.",{"type":135,"content":340},[341],"Platzieren Sie die Freigabeansicht in dem Werkzeug, das der Mitarbeiter ohnehin nutzt, im CRM oder im Mailclient. Eine eigene Copilot-App mit eigener Freigabe-Warteschlange ist ein weiterer Tab, und der Vertrieb wird sie umgehen. Ich teste diesen Pfad End-to-End mit Playwright MCP in einem echten Browser: Der Mitarbeiter fragt, ein Entwurf erscheint, und nichts wird gesendet, bevor die Freigabe geklickt ist.",{"type":147,"level":148,"id":116,"text":117},{"type":135,"content":344},[345],"Die veröffentlichten Belege stützen zwei Hebel, Reaktionstempo und Vertriebskapazität, aber keine Geschichte vom Personalabbau. Es gibt keine Primärstudie, die die Angebotsdurchlaufzeit in Tagen mit der Abschlussquote im B2B-Großhandel verbindet. Behandeln Sie die Angebotsdurchlaufzeit also als Kennzahl, die Sie messen, nicht als Rendite, die Sie versprechen.",{"type":316,"ordered":317,"items":347},[348,358,366,375],[349,352,353,357],{"tag":139,"children":350},[351],"Tempo:"," Ein Audit der Harvard Business Review bei 2.241 US-Unternehmen ergab eine durchschnittliche Reaktionszeit von 42 Stunden bei den antwortenden Firmen, 23 % antworteten nie. In einem separaten Datensatz von 1,25 Millionen Leads qualifizierten Unternehmen, die innerhalb einer Stunde Kontakt aufnahmen, den Lead fast siebenmal so oft wie jene, die eine Stunde länger warteten (",{"tag":354,"href":38,"children":355},"a",[356],"HBR, März 2011",").",[359,362,363,357],{"tag":139,"children":360},[361],"Kapazität:"," Laut Salesforce State of Sales 2026 verbringen Vertriebsmitarbeiter 60 % ihrer Zeit mit Tätigkeiten außerhalb des Verkaufens, 57 % sagen, dass die Zyklen länger werden, und das Erstellen von Angeboten gehört zu den drei wichtigsten Einsatzfällen für Vertriebsagenten (",{"tag":354,"href":41,"children":364},[365],"Salesforce",[367,370,371,374],{"tag":139,"children":368},[369],"KI-gestützte Verkäufer:"," Gartners Umfrage 2024 unter 1.026 B2B-Verkäufern ergab, dass Verkäufer, die effektiv mit KI-Werkzeugen arbeiten, mit 3,7-facher Wahrscheinlichkeit ihre Quote erreichen (",{"tag":354,"href":44,"children":372},[373],"Gartner, Sep. 2024","). Das ist eine Korrelation, kein Beweis, dass ein Werkzeug die Zielerreichung verursacht.",[376,379,380,383,384,387],{"tag":139,"children":377},[378],"Menschen bleiben:"," Gartner ermittelte, dass 61 % der B2B-Einkäufer insgesamt ein Einkaufserlebnis ohne Vertriebsmitarbeiter bevorzugen, sagt aber voraus, dass 2030 75 % Vertriebserlebnisse bevorzugen werden, die menschliche Interaktion in den Vordergrund stellen (",{"tag":354,"href":47,"children":381},[382],"Gartner, Juni 2025","; ",{"tag":354,"href":50,"children":385},[386],"Gartner, Aug. 2025","). Ein Copilot, der den Menschen schneller macht, passt zu beiden Richtungen.",{"type":135,"content":389},[390,391,394],"Für eine Vertriebsleitung oder einen COO lautet das ehrliche Argument Kapazität und Tempo: mehr Angebote noch am selben Tag, weniger Preisfehler und weniger Zeit für die Suche in drei Systemen. Für das Entwerfen gibt es Standardprodukte; Microsoft hat Copilot for Sales im Februar 2024 allgemein verfügbar gemacht und inzwischen in sein Microsoft-365-Copilot-Angebot für den Vertrieb integriert (",{"tag":354,"href":53,"children":392},[393],"Microsoft","). Eine Eigenentwicklung lohnt sich dort, wo der Engpass bei ERP, Kundenpreisen und Bestandsintegration liegt und die Berechtigungen nicht trivial sind.",{"type":147,"level":148,"id":119,"text":120},{"type":135,"content":397},[398],"Bewerten Sie ihn zuerst nach der Richtigkeit der Fakten und dann nach den Ergebnissen im Vertrieb, gemessen an einer Basislinie vor dem Pilot. Nutzungszahlen und Chatvolumen sagen nichts darüber, ob ein Angebot schneller oder mit dem richtigen Preis hinausging.",{"type":316,"ordered":317,"items":400},[401,406,411,416],[402,405],{"tag":139,"children":403},[404],"Offline-Testset:"," echte Fragen aus dem Vertrieb mit erwarteten Werkzeugaufrufen und erwarteten Fakten, plus eine Reihe von Referenzangeboten. Bei jeder Modell- oder Prompt-Änderung ausführen.",[407,410],{"tag":139,"children":408},[409],"Harte Grenzen:"," null Toleranz für einen falschen Preis, falschen Bestand oder erfundene Kundenfakten in einem freigegebenen Entwurf; zählen Sie auch die in der Prüfung gefundenen.",[412,415],{"tag":139,"children":413},[414],"Übernahmequote und Änderungsumfang:"," der Anteil der Entwürfe, die mit wenigen Änderungen versendet werden. Dafür gibt es keinen öffentlichen Vergleichswert für B2B-Vertriebs-Copilots, veröffentlichen Sie also Ihre eigene Pilot-Basislinie.",[417,420],{"tag":139,"children":418},[419],"Operative Kennzahlen:"," Zeit bis zur ersten Antwort, Angebotsdurchlaufzeit (t0 bis t1 im Ablauf oben), Rabattverluste und Abschlussquote nach Reaktionszeit-Klassen.",{"type":147,"level":148,"id":122,"text":123},{"type":135,"content":423},[424],"Sie werden fragen, ob der Copilot einzelne Mitarbeiter überwacht. Das Werkzeug selbst ist nicht das Problem, wohl aber Nutzungsstatistiken, Übernahmequoten und Ergebnis-Ranglisten pro Mitarbeiter. Gestalten Sie die Kennzahlen so, dass die Antwort Nein lautet.",{"type":135,"content":426},[427,428,431,432,436],"In Österreich unterwirft § 96 Abs 1 Z 3 ArbVG Kontrollmaßnahmen und technische Systeme zur Kontrolle der Arbeitnehmer, die die Menschenwürde berühren, der Zustimmung des Betriebsrats, in der Praxis einer Betriebsvereinbarung. Die WKO-Zusammenfassung vom April 2026 zu einer Entscheidung des Bundesverwaltungsgerichts (BVwG 27.6.2025, W218 2298555-1) beschreibt eine genehmigte Regelung mit Live-Statusanzeige und wöchentlichen Berichten pro Mitarbeiter nur bei Schwellenüberschreitungen von ±15 %, anonymisiertem Zugriff für Führungsrollen und 15 Monaten Aufbewahrung (",{"tag":354,"href":56,"children":429},[430],"WKO","). Diesen Detailgrad wird der Betriebsrat erwarten. Das Gesamtbild steht in ",{"tag":156,"to":433,"children":434},"\u002Fblog\u002Fworks-council-ai-tools-austria-germany",[435],"KI-Werkzeuge und der Betriebsrat in Österreich und Deutschland",".",{"type":135,"content":438},[439,440,443,444,447,448,451,452,456],"Nach dem EU AI Act listet Anhang III Nummer 4 Buchstabe b KI-Systeme, die Aufgaben auf Grundlage individuellen Verhaltens zuweisen oder Leistung und Verhalten von Arbeitnehmern überwachen und bewerten sollen, als Hochrisiko-Systeme (",{"tag":354,"href":59,"children":441},[442],"Anhang III","). Ein Copilot, der Mitarbeiter nach Übernahmequote reiht, rückt in diese Richtung. Landet er dort, bringt Artikel 26 Betreiberpflichten mit sich, darunter die Information der Arbeitnehmervertretung vor der Inbetriebnahme und die Aufbewahrung der Protokolle für mindestens sechs Monate (",{"tag":354,"href":62,"children":445},[446],"Artikel 26","). Nach dem Digital Omnibus, Verordnung (EU) 2026\u002F1744, gelten diese Anhang-III-Pflichten ab dem 2. Dezember 2027 (",{"tag":354,"href":65,"children":449},[450],"EUR-Lex","); der Zeitplan ist in ",{"tag":156,"to":453,"children":454},"\u002Fblog\u002Feu-ai-act-gpai-high-risk-2026",[455],"EU AI Act für GPAI und Hochrisiko-Systeme"," erklärt.",{"type":458,"variant":459,"title":460,"body":461},"callout","warn","Standardmäßig aggregieren",[462],[463],"Berichten Sie Übernahmequote, Durchlaufzeit und Fehlerraten pro Team oder Region, nie pro Mitarbeiter, bewahren Sie Roh-Protokolle nur für einen festgelegten Zeitraum auf und halten Sie das vor Pilotstart schriftlich fest. Dieselbe Regel hält den Copilot unter dem ArbVG ein Werkzeug und außerhalb von Anhang III Nummer 4 Buchstabe b.",{"type":147,"level":148,"id":125,"text":126},{"type":135,"content":466},[467],"Bauen Sie ihn nicht, wenn die zugrunde liegenden Daten nicht verlässlich sind, wenn das Angebotsvolumen gering ist oder wenn nur das Formulieren gebraucht wird. Ein Copilot über unsauberen Kundenstammdaten und widersprüchlichen Preislisten industrialisiert das Durcheinander: Er erzeugt falsche Angebote schneller und selbstbewusster.",{"type":316,"ordered":317,"items":469},[470,472,474],[471],"Schreibt ein Mitarbeiter nur eine Handvoll Angebote pro Woche, schlagen eine bessere Angebotsvorlage und eine funktionierende Produktsuche jeden Copilot.",[473],"Geht es nur um E-Mail-Zusammenfassungen und Besprechungsnotizen, ist ein Standardassistent in der Mail- und CRM-Suite günstiger als eine Eigenentwicklung.",[475],"Sind die Konfiguratorregeln für komplexe Produkte noch nicht in Software abgebildet, fangen Sie dort an; eine konfigurierte Position ist die Eingabe, die ein Angebotsentwurf braucht.",{"type":147,"level":148,"id":128,"text":129},{"type":135,"content":478},[479],"Ein sinnvoller Pilot dauert vier bis acht Wochen, ist zunächst nur lesend, hat drei Werkzeuge und eine gemessene Basislinie. Diesen Umfang würde ich schriftlich festhalten:",{"type":316,"ordered":169,"items":481},[482,484,486,488,490,492,494,496],[483],"Basislinie messen: Zeit bis zur ersten Antwort und Angebotsdurchlaufzeit des Pilotteams, bevor es irgendein Werkzeug gibt.",[485],"Identitäten abbilden: Artikelnummern, Kundennummern, Lieferadressen und Preislistenebenen über ERP, PIM und CRM.",[487],"Mit drei lesenden Werkzeugen starten: Auftragshistorie, Kundenpreis mit Herleitung, Bestand.",[489],"Jeden Aufruf im Namen des Mitarbeiters ausführen, mit negativen Berechtigungstests in der CI.",[491],"Angebotsentwürfe erst ergänzen, wenn die Lesewerkzeuge korrekt sind, mit Idempotenzschlüsseln und Rabattschwelle.",[493],"Das Testset aus echten Fragen des Vertriebs aufbauen und bei jeder Modell- oder Prompt-Änderung laufen lassen.",[495],"Das Paket für den Betriebsrat vorbereiten: Zweck, Daten, nur aggregierte Kennzahlen, Aufbewahrung und eine DSFA.",[497],"Einen Rückbauplan vereinbaren: Der Copilot lässt sich abschalten, ohne einen Vertriebsprozess zu ändern.",{"type":135,"content":499},[500,501,505],"Diesen Umfang kann ein erfahrener freiberuflicher Entwickler oder ein kleines Studio als Festpreis-Pilot „Copilot-Readiness“ liefern, mit Erfolg definiert als Übernahmequote und Angebotsdurchlaufzeit gegenüber der Basislinie statt einer versprochenen Rendite. Wenn Sie so etwas planen: Meine ",{"tag":156,"to":502,"children":503},"\u002Fexpertise\u002Fb2b-ecommerce-developer",[504],"B2B-E-Commerce-Arbeit"," deckt die ERP-, Preis- und PIM-Seite ab, von der es abhängt.",{"type":147,"level":148,"id":131,"text":132},{"type":316,"ordered":169,"items":508},[509,512,515,518,521,524,527,530,533,536],[510],{"tag":354,"href":38,"children":511},[37],[513],{"tag":354,"href":41,"children":514},[40],[516],{"tag":354,"href":44,"children":517},[43],[519],{"tag":354,"href":47,"children":520},[46],[522],{"tag":354,"href":50,"children":523},[49],[525],{"tag":354,"href":53,"children":526},[52],[528],{"tag":354,"href":56,"children":529},[55],[531],{"tag":354,"href":59,"children":532},[58],[534],{"tag":354,"href":62,"children":535},[61],[537],{"tag":354,"href":65,"children":538},[64],[540,600,673,743],{"slug":541,"published":542,"minutes":543,"category":7,"tags":544,"keywords":550,"about":561,"sources":571,"cover":593,"og":594,"expertise":595,"locales":596,"lang":71,"title":597,"description":598,"coverAlt":599},"agent-tool-design-descriptions-errors","2026-10-17",11,[545,546,547,548,549],"AI agents","Tool use","Function calling","MCP","Agent design",[551,552,553,554,555,556,557,558,559,560],"agent tool design","writing tool descriptions for llm","function calling best practices","tool use error handling","mcp tool design","tool calling is_error","how many tools should an agent have","tool search defer_loading","agent computer interface","llm tool schema design",[562,565,568],{"name":563,"url":564},"Intelligent agent","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FIntelligent_agent",{"name":566,"url":567},"Model Context Protocol","https:\u002F\u002Fmodelcontextprotocol.io\u002F",{"name":569,"url":570},"Poka-yoke","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FPoka-yoke",[572,575,578,581,584,587,590],{"title":573,"url":574},"Anthropic Engineering: Writing effective tools for agents, with agents (Sep 2025)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fwriting-tools-for-agents",{"title":576,"url":577},"Anthropic Engineering: Building effective agents (Dec 2024)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fbuilding-effective-agents",{"title":579,"url":580},"Claude Platform Docs: Define tools","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fagents-and-tools\u002Ftool-use\u002Fdefine-tools",{"title":582,"url":583},"Claude Platform Docs: Handle tool calls","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fagents-and-tools\u002Ftool-use\u002Fhandle-tool-calls",{"title":585,"url":586},"Claude Platform Docs: Tool search tool","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fagents-and-tools\u002Ftool-use\u002Ftool-search-tool",{"title":588,"url":589},"Model Context Protocol specification 2025-11-25: Tools","https:\u002F\u002Fmodelcontextprotocol.io\u002Fspecification\u002F2025-11-25\u002Fserver\u002Ftools",{"title":591,"url":592},"OpenAI API Docs: Function calling","https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Ffunction-calling","\u002Fimages\u002Fblog\u002Fagent-tool-design-descriptions-errors\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fagent-tool-design-descriptions-errors\u002Fog.jpg","ai-engineer",[70,71,72],"Tools für KI-Agenten gestalten: Namen, Beschreibungen, Schemas und Fehlermeldungen","Agent-Tools, die richtig gewählt und aufgerufen werden: aufgabenorientierte Tools, Beschreibungen, Schemas, kompakte Antworten und verwertbare Fehlermeldungen.","Ein Sockel mit drei Schlitzen; über dem mittleren steht ein passend breiter Block, daneben zwei Blöcke falscher Breite.",{"slug":601,"published":542,"minutes":543,"category":7,"tags":602,"keywords":608,"about":621,"sources":631,"cover":667,"og":668,"expertise":595,"locales":669,"lang":71,"title":670,"description":671,"coverAlt":672},"coding-agents-legacy-codebase-migration",[603,604,605,606,607],"Legacy migration","Coding agents","Strangler fig","Testing","Code review",[609,610,611,612,613,614,615,616,617,618,619,620],"legacy code migration ai","coding agent legacy codebase","strangler fig pattern ai","characterization tests legacy code","ai code migration review","agent assisted refactoring","legacy modernization coding agent","differential testing migration","shadow traffic migration","ai code review gate","test harness before migration","llm code migration",[622,625,628],{"name":623,"url":624},"Legacy code","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FLegacy_code",{"name":626,"url":627},"Characterization test","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FCharacterization_test",{"name":629,"url":630},"Strangler fig pattern","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FStrangler_fig_pattern",[632,635,637,640,643,646,649,652,655,658,661,664],{"title":633,"url":634},"Martin Fowler: Strangler Fig (2024)","https:\u002F\u002Fmartinfowler.com\u002Fbliki\u002FStranglerFigApplication.html",{"title":636,"url":627},"Wikipedia: Characterization test",{"title":638,"url":639},"Google Research: Accelerating code migrations with AI (2024)","https:\u002F\u002Fresearch.google\u002Fblog\u002Faccelerating-code-migrations-with-ai\u002F",{"title":641,"url":642},"Ziftci et al.: Migrating Code At Scale With LLMs At Google (arXiv 2504.09691)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2504.09691",{"title":644,"url":645},"Anthropic: Effective harnesses for long-running agents (2025)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-harnesses-for-long-running-agents",{"title":647,"url":648},"Anthropic: Redesigning source control at Anthropic (2026)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fredesigning-source-control",{"title":650,"url":651},"METR: Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity","https:\u002F\u002Fmetr.org\u002Fblog\u002F2025-07-10-early-2025-ai-experienced-os-dev-study\u002F",{"title":653,"url":654},"Chand et al.: Why Industry Migrates and When It Trusts LLMs (ESEM 2026)","https:\u002F\u002Fdrops.dagstuhl.de\u002Fentities\u002Fdocument\u002F10.4230\u002FLIPIcs.ESEM.2026.85",{"title":656,"url":657},"Li et al.: Environment-in-the-Loop: Rethinking Code Migration with LLM-based Agents (arXiv 2602.09944)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2602.09944",{"title":659,"url":660},"AWS: Amazon Q Developer just reached a $260 million dollar milestone (2024)","https:\u002F\u002Faws.amazon.com\u002Fblogs\u002Fdevops\u002Famazon-q-developer-just-reached-a-260-million-dollar-milestone\u002F",{"title":662,"url":663},"OpenAI: Why SWE-bench Verified no longer measures frontier coding capabilities (2026)","https:\u002F\u002Fopenai.com\u002Findex\u002Fwhy-we-no-longer-evaluate-swe-bench-verified\u002F",{"title":665,"url":666},"GitHub Docs: About GitHub Copilot cloud agent","https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Fconcepts\u002Fagents\u002Fcoding-agent\u002Fabout-coding-agent","\u002Fimages\u002Fblog\u002Fcoding-agents-legacy-codebase-migration\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fcoding-agents-legacy-codebase-migration\u002Fog.jpg",[70,71,72],"Legacy-Codebase mit Coding-Agenten migrieren: ein Strangler-Fig-Playbook","Wie Coding-Agenten eine Legacy-Migration tragen: Characterization-Tests zuerst, ein Seam pro Task, Review-Gates und differentielle Verifikation.","Ein Stapel Schichten, bei dem die obersten zwei durch neue ersetzt werden, daneben eine Naht und ein Haken.",{"slug":674,"published":542,"minutes":675,"category":7,"tags":676,"keywords":680,"about":692,"sources":702,"cover":737,"og":738,"expertise":595,"locales":739,"lang":71,"title":740,"description":741,"coverAlt":742},"background-agents-async-pr-workflow",12,[604,677,678,607,679],"Pull requests","CI","Automation",[681,682,683,684,685,686,687,688,689,690,691],"background coding agent","async coding agent","cloud coding agent pull request","copilot coding agent limits","codex cloud tasks","claude code cloud sessions","jules coding agent limits","agent pull request review","coding agent sandbox","agent CI gating","cost per merged pull request",[693,696,699],{"name":694,"url":695},"Software agent","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FSoftware_agent",{"name":697,"url":698},"Pull request","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FDistributed_version_control",{"name":700,"url":701},"Continuous integration","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FContinuous_integration",[703,704,707,710,713,716,719,722,725,728,731,734],{"title":665,"url":666},{"title":705,"url":706},"GitHub Docs: Risks and mitigations for Copilot cloud agent","https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Fconcepts\u002Fagents\u002Fcloud-agent\u002Frisks-and-mitigations",{"title":708,"url":709},"OpenAI Developers: Codex cloud environments","https:\u002F\u002Fdevelopers.openai.com\u002Fcodex\u002Fcloud\u002Fenvironments",{"title":711,"url":712},"Anthropic: Use Claude Code in the cloud","https:\u002F\u002Fcode.claude.com\u002Fdocs\u002Fen\u002Fclaude-code-on-the-web",{"title":714,"url":715},"Google Jules: Limits and plans","https:\u002F\u002Fjules.google\u002Fdocs\u002Fusage-limits\u002F",{"title":717,"url":718},"Google Jules: Getting started","https:\u002F\u002Fjules.google\u002Fdocs\u002F",{"title":720,"url":721},"GitHub Docs: About protected branches","https:\u002F\u002Fdocs.github.com\u002Fen\u002Frepositories\u002Fconfiguring-branches-and-merges-in-your-repository\u002Fmanaging-protected-branches\u002Fabout-protected-branches",{"title":723,"url":724},"GitHub Docs: Models and pricing for GitHub Copilot","https:\u002F\u002Fdocs.github.com\u002Fen\u002Fcopilot\u002Freference\u002Fcopilot-billing\u002Fmodels-and-pricing",{"title":726,"url":727},"OpenAI Developers: Codex pricing","https:\u002F\u002Fdevelopers.openai.com\u002Fcodex\u002Fpricing",{"title":729,"url":730},"Ehsani et al.: Where Do AI Coding Agents Fail? An Empirical Study of Failed Agentic Pull Requests in GitHub (MSR 2026, arXiv 2601.15195)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2601.15195",{"title":732,"url":733},"Peralta et al.: Why Are Agentic Pull Requests Merged or Rejected? An Empirical Study (MSR 2026, arXiv 2605.22534)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2605.22534",{"title":735,"url":736},"DORA: State of AI-assisted Software Development 2025","https:\u002F\u002Fdora.dev\u002Fdora-report-2025","\u002Fimages\u002Fblog\u002Fbackground-agents-async-pr-workflow\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fbackground-agents-async-pr-workflow\u002Fog.jpg",[70,71,72],"Coding-Agenten im Hintergrund: Pull Requests, Queues und Review","Wie asynchrone Coding-Agenten Tasks einreihen, in Sandboxes laufen, Draft-PRs öffnen und CI passieren. Grenzen, Kosten, Review und Fehlerbilder.","Eine Karte in einer Ablage fächert sich zu fünf Feldern auf, alle Pfeile führen zu einer Seite hinter einem Tor.",{"slug":744,"published":745,"minutes":6,"category":7,"tags":746,"keywords":752,"about":764,"sources":772,"cover":805,"og":806,"expertise":595,"locales":807,"lang":71,"title":808,"description":809,"coverAlt":810},"context-rot-compaction-long-running-agents","2026-10-16",[747,748,749,750,751],"Context rot","Compaction","Context engineering","Long-running agents","Agent memory",[753,754,755,756,757,758,759,760,761,762,763],"context rot","context rot LLM","compaction AI agents","context engineering","long-running agents context window","Claude compaction API","context editing clear tool results","OpenAI responses compaction","lost in the middle LLM","agent context management","sub-agents context isolation",[765,768,771],{"name":766,"url":767},"Context window","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FLarge_language_model#Context_window",{"name":769,"url":770},"Attention (machine learning)","https:\u002F\u002Fen.wikipedia.org\u002Fwiki\u002FAttention_(machine_learning)",{"name":563,"url":564},[773,776,779,782,785,787,790,793,796,799,802],{"title":774,"url":775},"Chroma: Context Rot: How Increasing Input Tokens Impacts LLM Performance (Jul 2025)","https:\u002F\u002Fresearch.trychroma.com\u002Fcontext-rot",{"title":777,"url":778},"Liu et al.: Lost in the Middle: How Language Models Use Long Contexts (2023)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2307.03172",{"title":780,"url":781},"Modarressi et al.: NoLiMa: Long-Context Evaluation Beyond Literal Matching (2025)","https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.05167",{"title":783,"url":784},"Anthropic: Effective context engineering for AI agents (Sep 2025)","https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-context-engineering-for-ai-agents",{"title":786,"url":645},"Anthropic: Effective harnesses for long-running agents (Nov 2025)",{"title":788,"url":789},"Claude API docs: Compaction at a token threshold","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fbuild-with-claude\u002Fcompaction-threshold",{"title":791,"url":792},"Claude API docs: Compaction on demand","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fbuild-with-claude\u002Fcompaction-on-demand",{"title":794,"url":795},"Claude API docs: Context editing","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fbuild-with-claude\u002Fcontext-editing",{"title":797,"url":798},"Claude API docs: Memory tool","https:\u002F\u002Fplatform.claude.com\u002Fdocs\u002Fen\u002Fagents-and-tools\u002Ftool-use\u002Fmemory-tool",{"title":800,"url":801},"OpenAI API docs: Compaction","https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fguides\u002Fcompaction",{"title":803,"url":804},"Cognition: Don't Build Multi-Agents","https:\u002F\u002Fcognition.ai\u002Fblog\u002Fdont-build-multi-agents","\u002Fimages\u002Fblog\u002Fcontext-rot-compaction-long-running-agents\u002Fcover.webp","\u002Fimages\u002Fblog\u002Fcontext-rot-compaction-long-running-agents\u002Fog.jpg",[70,71,72],"Context Rot bei langlaufenden Agenten: Leeren, Compaction, Memory und Sub-Agenten","Warum die Genauigkeit von LLMs mit wachsendem Kontext sinkt und wie Leeren, Compaction, Notizen und Sub-Agenten lange Agentenläufe stabil halten.","Eine kleine Presse drückt einen hohen Blätterstapel zu einem kurzen, zwei Notizen zweigen ab.",1792337023327]