Scope-Steckbrief sem-agentic. Wie weit lässt sich ein agentisches System mit sauberer Architektur, Validierung und Rollout-Logik bringen, am Anwendungsfall Google SEM. Belegt ist: Agentisches SEM-System als laufender Pilot. Validierung je Agent und koordinierte Verdichtung. Dokumentierte Evaluation (ADRs, Eval-Framework, Audit). Nicht belegt ist: Autonomer Live-Betrieb. Wirkung im Maßstab. Performance-Grundlage teils synthetisch. Ausführung in frühen Rollout-Stufen, unter menschlicher Kontrolle.

Zielsetzung

Architektur statt reiner Prompt-Logik. Und den Abstand zwischen Demo und Betrieb von innen verstehen.

Ich wollte prüfen, wie weit sich ein agentisches System für Google SEM mit sauberer Architektur, Validierung und Rollout-Logik bringen lässt. Ein produktionsreifes System war nicht das Ziel.

Vorgehen

Fünf validierte Agenten, ein Coordinator mit Selbstprüfung, gestufter Rollout.

Jeder Agent erzeugt begründete Vorschläge und wird passend zu seinem Ergebnis geprüft: Shadow-Log und Human Review, LLM-as-a-Judge oder Hypothesentests. Ein Strategy-Coordinator verdichtet die Ergebnisse zu einer nachvollziehbaren Empfehlung. Deterministische Logik, wo die Regeln klar sind; ein LLM nur dort, wo es Mehrwert bringt. Die Ausführung läuft stufenweise: Shadow → Sandbox → Limited Live → Autonomous.

Rolle der agentischen KI

Der Engpass liegt nicht im Prompting, sondern in der Architektur darum herum.

Beobachtung aus diesem Fall: Validierung je Ergebnisart, Koordination mehrerer Agenten, gestufter Rollout und nachvollziehbare Evaluation. Erst diese Disziplin trennt eine Demo von etwas Betreibbarem. Welche Vorschläge übernommen werden und ab welcher Rollout-Stufe ein Agent autonom handeln darf, bleibt eine bewusst gesetzte, menschliche Entscheidung.