Kunden-Quartalsberichte mit KI-Agenten automatisiert

Ausgangslage

Ein Quartalsbericht für Kunden bündelt für das vierteljährliche Kundengespräch den Stand aller Verträge und Abonnements, die offenen Fälle und eine Zusammenfassung für die Führungsebene. Diese Unterlagen wurden bislang von Hand aus mehreren Systemen zusammengetragen. Das wiederholte sich für jeden Kunden und jedes Quartal, band Zeit in der Kundenbetreuung, und Tiefe und Struktur hingen davon ab, wer die Unterlagen zusammenstellte.

Lösung

Wir haben eine Multi-Agenten-Architektur auf Kubernetes aufgebaut. Ein Controller-Agent nimmt die Anfrage entgegen und verteilt sie an fachliche Supervisor-Agenten für Kundenbetreuung und technisches Qualitätsmanagement. Die Agenten beziehen ihre Daten ereignisgesteuert über eine Event-Streaming-Plattform, werten ihren Ausschnitt aus und liefern die Bausteine zurück. Der Controller setzt daraus den Berichtsentwurf zusammen: Management-Zusammenfassung, Fallübersicht sowie Vertrags- und Abonnementstatus. Das Team prüft und ergänzt diesen Entwurf, statt den Bericht von Grund auf zu erstellen.

Betrieb: fünf stille Fehler

Die eigentliche Hürde lag nicht in den Agenten, sondern darin, dass Fehler unsichtbar blieben. Fünf Muster zogen sich durch das Projekt, und jedes davon haben wir an der Ursache behoben.

• Konfiguration: Fehlende Konfigurationsschlüssel brachten den Dienst beim Start zum Absturz. Konfigurationswerte werden jetzt mit abgesicherten Standardwerten gelesen, ein fehlender Schlüssel erzeugt eine klare Meldung.
• Releases: Ein fehlgeschlagenes Helm-Release deinstallierte auch die gesunden Pods und riss den laufenden Dienst mit. Deployments laufen jetzt über ein Deploy-Gate, und ein fehlgeschlagenes Release kann einen gesunden Stand nicht mehr ersetzen.
• Secrets: Der Secret-Store meldete einen Schlüssel als vorhanden, obwohl dahinter kein Wert lag. Die Folge waren stille Authentifizierungsfehler. Secrets werden jetzt vor dem Start auf den tatsächlichen Wert geprüft, nicht nur auf das Vorhandensein des Schlüssels.
• Modelle: In einer Umgebung war das Sprachmodell nicht ausgerollt, und der Dienst geriet in eine Absturzschleife. Jede Umgebung prüft jetzt vor dem Start, ob das benötigte Modell bereitsteht.
• Message-Queue: Eine fehlende Message-Queue ließ den Dienst starten, als wäre alles in Ordnung. Das Deployment war grün, während jede Anfrage in einen Timeout lief. Der Health-Check fordert jetzt einen echten Berichtsentwurf an und wird erst grün, wenn der gesamte Weg über die Queue bis zur Antwort funktioniert.

Ergebnis

Der Berichtsentwurf entsteht in der Test- und der Produktionsumgebung durchgängig automatisiert. Ein grüner Deploy bedeutet seither einen funktionierenden Dienst, weil die Abnahme über den vollständigen Aufruf läuft. Die Klasse stiller Fehler, die zuvor erst im Alltag auffielen, ist geschlossen.