Ein KI Agent für Unternehmen kann deutlich mehr als Texte erzeugen: Er plant Arbeitsschritte, nutzt Werkzeuge und verarbeitet Dateien. Unser Hermes-Agent-Test zeigt jedoch, dass der größte Nutzen nicht aus maximaler Autonomie entsteht, sondern aus begrenzten Arbeitsräumen, passenden Modellen und überprüfbaren Aufgaben. Das Ergebnis ist leistungsfähig, aber keineswegs wartungsfrei.
Warum haben wir Hermes Agent überhaupt getestet?
Die Debatte über KI im Unternehmen hat sich verschoben. Vor einiger Zeit ging es noch darum, ob Mitarbeiter ein Sprachmodell für E-Mails, Zusammenfassungen oder erste Entwürfe verwenden dürfen. Heute lautet die anspruchsvollere Frage: Kann eine KI nicht nur antworten, sondern eine Aufgabe selbstständig vorbereiten, Werkzeuge einsetzen, Dateien bearbeiten und über mehrere Arbeitsschritte hinweg ein Ergebnis erzeugen?
Genau an diesem Punkt beginnt das Thema KI-Agenten. Sie sitzen nicht ausschließlich in einem Chatfenster, sondern erhalten Zugriff auf definierte Arbeitsmittel. Dazu können ein Browser, ein Terminal, lokale Dateien, interne Dokumentationen, Programmierschnittstellen oder spezialisierte Skills gehören. Der Unterschied klingt zunächst technisch, verändert aber das Einsatzmodell grundlegend. Ein Agent kann Arbeit ausführen. Damit steigen Nutzen, Verantwortung und Schadenspotenzial gleichzeitig.
Für mittelständische Unternehmen ist das relevant, weil die Nutzung künstlicher Intelligenz inzwischen deutlich zunimmt. Nach Angaben des Bitkom e.V. (https://www.bitkom.org/) setzen bereits 41 Prozent der deutschen Unternehmen ab 20 Beschäftigten KI ein. Von den Unternehmen, die KI bereits nutzen, berichten 77 Prozent von einer verbesserten Wettbewerbsposition.
Diese Entwicklung erzeugt Erwartungsdruck. Viele Geschäftsführer wollen nicht beim Textgenerator stehen bleiben. Sie suchen Anwendungen, die Recherche beschleunigen, Dokumente vorbereiten, Informationen aus verschiedenen Quellen verbinden und wiederkehrende Aufgaben abarbeiten. Gleichzeitig fehlen häufig standardisierte Prozesse, gepflegte Wissensbestände und ein Betriebsmodell für Systeme, die selbst Aktionen ausführen dürfen.
Hermes Agent war für unseren Test deshalb besonders interessant. Das Open-Source-Projekt von Nous Research (https://nousresearch.com/) verbindet Sprachmodelle mit Werkzeugen, Arbeitsverzeichnissen, Memory, Skills, Browserfunktionen und verschiedenen Ausführungsumgebungen. Auf dem Papier entsteht daraus ein universell einsetzbarer digitaler Mitarbeiter. Im praktischen Betrieb zeigt sich jedoch ein differenzierteres Bild.
Den richtigen KI-Bedarf im Unternehmen erkennen
Die KI-Bedarfsermittlung zeigt, wo KI in Ihrem Unternehmen sinnvoll eingesetzt werden kann, welche Prozesse geeignet sind und welche nächsten Schritte realistisch umsetzbar sind.
Strukturiert analysiert · Praxisnah bewertet · Made in Germany
Wie sah unser Praxistest mit Hermes Agent aus?
Unser Test bezog sich auf Hermes Agent v0.18.0. Da sich das Projekt schnell weiterentwickelt, können einzelne Menüs, Funktionen und Konfigurationswege in späteren Versionen anders aussehen. Die grundsätzlichen Erfahrungen mit Modellauswahl, Werkzeugnutzung, Arbeitsbereichen und Betriebsaufwand bleiben dennoch relevant.
Getestet wurde auf mehreren Apple-Silicon-Systemen: einem MacBook Air, einem MacBook Pro und einem leistungsfähigeren Mac Studio. Dadurch ließ sich beobachten, wie stark lokale Modelle von verfügbarer Rechenleistung und Arbeitsspeicher abhängen. Zusätzlich wurden Cloud-Modelle über getrennte Profile eingebunden.
Für den Terminalzugriff nutzten wir einen Docker-basierten Ansatz. Hermes erhielt nicht pauschal Zugriff auf das gesamte Benutzerverzeichnis, sondern arbeitete mit dafür vorgesehenen Ordnern. Diese Trennung war wichtiger als viele der sichtbaren Agentenfunktionen. Ein System, das Shell-Befehle ausführen, Dateien verändern und Pakete installieren kann, sollte nicht mit denselben Rechten starten wie sein Benutzer.
Im Mittelpunkt standen keine spektakulären Demonstrationen, sondern Aufgaben, wie sie im Unternehmensalltag tatsächlich vorkommen:
Recherche zu Märkten, Technologien und Wettbewerbern, Auswertung lokaler Dokumente, Erstellung strukturierter Berichte, Bearbeitung von Dateien, Entwicklung kleiner Skripte, Vorbereitung technischer Konzepte sowie der Versuch, wiederkehrende Vorgehensweisen als Skills zu sichern.
Bewusst nicht aktiviert wurden Messaging-Kanäle, über die der Agent dauerhaft von außen erreichbar wäre. Für einen ersten Unternehmensversuch sind zusätzliche Kommunikationswege selten der wichtigste Schritt. Sie vergrößern zunächst die Angriffsfläche und erschweren die Zuordnung, welcher Benutzer welche Aktion ausgelöst hat.
Was unterscheidet Hermes Agent von einem normalen KI-Chat?
Ein klassischer KI-Chat bearbeitet überwiegend die aktuelle Eingabe. Er formuliert, erklärt, fasst zusammen oder erzeugt einen Entwurf. Hermes Agent kann darüber hinaus einen Arbeitsplan aufstellen, Werkzeuge auswählen, Zwischenergebnisse prüfen, Dateien öffnen und weitere Schritte auslösen.
Die eigentliche Besonderheit liegt nicht in einem einzelnen Sprachmodell. Hermes kann mit unterschiedlichen lokalen und externen Modellen betrieben werden. Der Mehrwert entsteht aus der Verbindung von Modell, Werkzeugen, Arbeitsverzeichnis, Skills, Memory und Ausführungsumgebung.
| Kriterium | Klassischer KI-Chat | Hermes Agent | Deterministische Workflow-Automation |
|---|---|---|---|
| Primäre Aufgabe | Antworten und Inhalte erzeugen | Mehrstufige Aufgaben bearbeiten | Festgelegte Prozessschritte ausführen |
| Umgang mit Abweichungen | Reagiert auf neue Eingaben | Kann Vorgehen situativ anpassen | Benötigt definierte Regeln und Fehlerpfade |
| Zugriff auf Werkzeuge | Je nach Oberfläche begrenzt | Browser, Dateien, Terminal, Skills und weitere Tools | Vordefinierte Systeme und Schnittstellen |
| Wiederverwendbares Wissen | Projekt- oder Chatkontext | Memory und prozedurale Skills | Regeln, Mappings und Prozesslogik |
| Nachvollziehbarkeit | Häufig auf Gesprächsverlauf beschränkt | Abhängig von Protokollierung und Konfiguration | Meist gut über Prozessinstanzen dokumentierbar |
| Geeignete Aufgaben | Entwürfe, Erklärungen, Analyse | Variable Wissensarbeit mit mehreren Schritten | Wiederholbare Transaktionen mit stabilen Regeln |
| Typisches Risiko | Falsche oder unvollständige Antwort | Falsche Antwort plus unerwünschte Aktion | Fehlerhafte Regel wird wiederholt ausgeführt |
Der Vergleich zeigt auch, warum ein Agent keine universelle Alternative zu ERP-Prozessen, Workflow-Engines oder klassischen Automatisierungen ist. Dort, wo ein Auftrag immer nach denselben Regeln angelegt, geprüft und gebucht werden muss, ist deterministische Software meist die bessere Wahl. Hermes spielt seine Stärke dort aus, wo Informationen zunächst gesucht, bewertet, kombiniert und in eine passende Form gebracht werden müssen.
Was hat im Hermes-Agent-Test überraschend gut funktioniert?
Überraschend war nicht, dass Hermes Texte schreiben oder Internetrecherchen durchführen konnte. Das leisten etablierte KI-Oberflächen ebenfalls. Interessant wurde der Test, sobald eine Aufgabe mehrere Arbeitsformen kombinierte.
Der Agent konnte beispielsweise Quellen recherchieren, Ergebnisse in einer Arbeitsdatei zusammenführen, fehlende Aspekte erkennen und daraus einen strukturierten Entwurf erstellen. Bei technischen Aufgaben konnte er Dateien untersuchen, Befehle ausführen, Fehlermeldungen auswerten und einen anderen Lösungsweg versuchen. Diese Kette fühlt sich deutlich näher an realer Wissensarbeit an als eine einzelne Chatantwort.
Auch die Trennung verschiedener Profile erwies sich als sinnvoll. Ein Profil konnte auf ein lokales Modell und einen eingeschränkten Ordner zugreifen, während ein anderes für anspruchsvollere Aufgaben ein Cloud-Modell nutzte. Dadurch entstand kein Entweder-oder zwischen lokaler KI und Cloud-KI. Vielmehr ließ sich je nach Datenart, Aufgabe und Leistungsbedarf entscheiden.
Der praktische Nutzen der Skills wurde ebenfalls sichtbar. Wiederkehrende Vorgehensweisen können als Arbeitsanleitung hinterlegt werden. Damit muss der Benutzer nicht bei jeder Aufgabe erneut erklären, welche Dateien zu prüfen, welche Arbeitsschritte einzuhalten und welche Ausgabeformate zu verwenden sind.
Allerdings darf ein Skill nicht mit einem geprüften Geschäftsprozess verwechselt werden. Er bleibt eine Handlungsanweisung für ein probabilistisches System. Änderungen an Skills sollten deshalb versioniert, getestet und im Unternehmensbetrieb freigegeben werden.
Das stärkste Merkmal von Hermes war für uns letztlich nicht Autonomie. Es war die Möglichkeit, Modell, Werkzeuge, Wissen und Ausführungsumgebung modular miteinander zu verbinden.
Wo zeigte Hermes Agent im Unternehmensalltag seine Grenzen?
Der erste Engpass war die Modellleistung. Kleinere lokale Modelle konnten einfache Dateioperationen, kurze Analysen und begrenzte Werkzeugfolgen bewältigen. Bei längeren Aufgaben nahm jedoch die Wahrscheinlichkeit zu, dass ein Zwischenschritt vergessen, ein Werkzeug falsch verwendet oder eine Fehlermeldung unzureichend interpretiert wurde.
Leistungsfähigere lokale Modelle erzielten bessere Ergebnisse, reagierten auf Arbeitsplatzhardware aber spürbar langsamer. Auf dem Mac Studio war die Geschwindigkeit akzeptabel, dennoch blieb ein deutlicher Abstand zu leistungsstarken Cloud-Modellen. Für zeitkritische Aufgaben kann dieser Unterschied entscheidend sein.
Der zweite Engpass war die technische Umgebung. Ein Agent kann nur Werkzeuge verwenden, deren Abhängigkeiten vorhanden und korrekt eingerichtet sind. Browserautomation, zusätzliche Integrationen, lokale Pakete oder externe Dienste benötigen teilweise weitere Installationen und Zugangsdaten. Eine sichtbare Funktion im Menü bedeutet daher nicht automatisch, dass sie sofort zuverlässig einsetzbar ist.
Der dritte Engpass war die Fehlerfortpflanzung. Ein normaler Chat kann eine falsche Empfehlung liefern. Ein Agent kann auf Basis derselben falschen Annahme Dateien verändern, Befehle ausführen oder Informationen an ein anderes System weitergeben. Aus einem fachlichen Fehler kann damit ein operativer Vorfall werden.
Diese Beobachtung passt zum Marktbild. Laut McKinsey & Company (https://www.mckinsey.com/) experimentieren 62 Prozent der befragten Organisationen bereits mit KI-Agenten. Die breite Skalierung über mehrere Unternehmensfunktionen hinweg bleibt jedoch deutlich anspruchsvoller als ein isolierter Versuch.
Was läuft bei der Einführung eines KI-Agenten üblicherweise falsch?
Der häufigste Fehler beginnt mit einem zu großen Versprechen. Der Agent soll E-Mails beantworten, Angebote erstellen, CRM-Daten pflegen, Wettbewerber beobachten, Termine koordinieren und interne Dokumente verwalten. Ein solcher Auftrag beschreibt keine Anwendung, sondern eine Sammlung sehr unterschiedlicher Prozesse mit eigenen Daten, Verantwortlichkeiten und Risiken.
In der Praxis entstehen dann lange Konfigurationsphasen, wechselnde Ergebnisse und Diskussionen darüber, ob das Modell, der Prompt, die Daten oder die Schnittstelle verantwortlich waren. Der Agent wird zum technischen Sammelpunkt für Probleme, die bereits vorher im Prozess vorhanden waren.
Ebenfalls kritisch ist der direkte Start mit produktiven Zugangsdaten. Ein API-Schlüssel mit weitreichenden Rechten, ein eingebundenes Benutzerverzeichnis oder ein technischer Benutzer ohne Einschränkungen spart während einer Demonstration Zeit. Im regulären Betrieb entsteht daraus ein unnötiges Risiko.
Ein weiterer Fehler ist die fehlende fachliche Abnahme. IT-Verantwortliche können prüfen, ob der Agent technisch funktioniert. Sie können jedoch nicht allein beurteilen, ob ein Angebot kaufmännisch tragfähig, eine Wartungsdokumentation vollständig oder eine Kundenantwort fachlich angemessen ist. Dafür braucht der Pilot einen Prozessverantwortlichen aus dem jeweiligen Fachbereich.
Auch die Erfolgsmessung wird häufig vernachlässigt. „Der Agent hat die Aufgabe erledigt“ reicht als Bewertung nicht aus. Entscheidend ist, wie viel Nacharbeit erforderlich war, welche Fehler auftraten, ob Quellen auffindbar blieben und ob sich das Ergebnis reproduzieren ließ.
Gartner (https://www.gartner.com/) erwartet, dass mehr als 40 Prozent der Agentic-AI-Projekte bis Ende 2027 abgebrochen werden. Genannt werden steigende Kosten, fehlender Geschäftswert und unzureichende Risikokontrollen. Diese Prognose spricht nicht gegen KI-Agenten. Sie spricht gegen Projekte ohne begrenzten Anwendungsfall, Verantwortlichen und wirtschaftliche Messgröße.
Wie sicher ist ein lokaler KI Agent für Unternehmen?
Lokaler Betrieb wird häufig mit Sicherheit gleichgesetzt. Diese Gleichung greift zu kurz. Ein lokales Modell sendet seine Prompts möglicherweise nicht an einen externen Modellanbieter. Trotzdem kann der Agent lokale Dateien beschädigen, vertrauliche Inhalte in Protokolle schreiben, kompromittierte Dokumente verarbeiten oder über freigegebene Werkzeuge Daten übertragen.
Die wichtigste Schutzmaßnahme ist daher nicht allein der Standort des Modells, sondern die Begrenzung seiner Handlungsmöglichkeiten.
In unserem Test war der Docker-Betrieb ein sinnvoller Ausgangspunkt. Befehle liefen in einer getrennten Umgebung. Nur ausgewählte Arbeitsordner wurden eingebunden. Referenzmaterial kann zusätzlich ausschließlich lesbar bereitgestellt werden, während Ergebnisse in einem eigenen Ausgabeordner landen.
Diese Trennung muss konsequent umgesetzt werden. Ein Container schützt wenig, wenn das gesamte Benutzerverzeichnis mit Schreibrechten eingebunden wird. Dasselbe gilt für Zugangsdaten. Nur die Schlüssel, die für den konkreten Anwendungsfall erforderlich sind, sollten in der Agentenumgebung verfügbar sein.
Für den Unternehmensbetrieb gehören außerdem Freigaben vor riskanten Aktionen, getrennte technische Benutzer, Protokollierung, ein kontrollierter Update-Prozess und regelmäßige Tests gegen Prompt Injection zum Mindestumfang. Inhalte aus Webseiten, E-Mails oder Dokumenten dürfen nicht automatisch als vertrauenswürdige Anweisung behandelt werden.
Ein weiterer Punkt betrifft selbst erzeugte Skills und dauerhaft gespeichertes Memory. Was der Agent aus einer Sitzung übernimmt, kann spätere Aufgaben beeinflussen. Änderungen an diesem Wissen sollten überprüfbar und rückgängig zu machen sein. Ein lernender Agent ohne kontrollierbare Wissensänderungen passt nicht in einen belastbaren Unternehmensprozess.
Für welche Anwendungsfälle eignet sich Hermes Agent im Mittelstand?
Hermes eignet sich besonders für Aufgaben, bei denen ein Mitarbeiter heute zwischen Browser, Dateisystem, Tabellen, Dokumentationen und verschiedenen Informationsquellen wechselt. Der Agent kann diese Medienbrüche nicht vollständig beseitigen, aber einen großen Teil der vorbereitenden Arbeit übernehmen.
Recherche und Marktbeobachtung: Hermes kann Quellen suchen, Inhalte extrahieren, Ergebnisse nach Kriterien ordnen und einen Bericht vorbereiten. Ein Mitarbeiter prüft anschließend Quellen, Einordnung und Schlussfolgerungen.
Dokumentvorbereitung: Aus vorhandenen Notizen, Vorlagen und Referenzdateien kann der Agent einen ersten Projektbericht, eine Leistungsbeschreibung, eine Besprechungsvorlage oder eine technische Dokumentation erstellen.
Interne Wissensarbeit: In einem begrenzten Dokumentenbestand kann Hermes Informationen suchen, Querverbindungen herstellen und Entwürfe erzeugen. Für verbindliche Antworten benötigt das Unternehmen eine gepflegte Wissensbasis mit Quellenprioritäten und Versionierung.
Technische Assistenz: Der Agent kann Konfigurationsdateien analysieren, Skripte erstellen, Tests ausführen und Fehlermeldungen untersuchen. Produktive Änderungen sollten weiterhin über Versionsverwaltung, Review und definierte Deployment-Prozesse laufen.
Wiederkehrende Backoffice-Aufgaben: Dort, wo ein Vorgang zwar einem Muster folgt, aber jedes Mal unterschiedliche Informationen verarbeitet werden müssen, kann Hermes Vorarbeiten übernehmen. Beispiele sind Angebotsrecherchen, Lieferantenvergleiche, Ausschreibungsanalysen oder die Vorbereitung von Kundenterminen.
Weniger geeignet sind autonome Zahlungen, verbindliche Vertragsentscheidungen, Personalmaßnahmen, sicherheitskritische Steuerungen oder ungeprüfte Änderungen in produktiven Systemen. Hier sollte ein Agent höchstens vorbereiten, prüfen oder Empfehlungen liefern.
Wann ist Hermes Agent die falsche Wahl?
Hermes ist die falsche Wahl, wenn ein Prozess vollständig regelbasiert, transaktionsorientiert und bereits gut beschrieben ist. Eine Rechnung mit festen Prüfschritten, ein standardisierter Datentransfer oder die Anlage eines Auftrags nach verbindlichen Regeln benötigt kein frei planendes Sprachmodell.
In solchen Fällen erzeugt ein Agent zusätzliche Varianz. Eine klassische Workflow-Lösung kann jeden Schritt protokollieren, Fehlerpfade fest vorgeben und Transaktionen reproduzierbar wiederholen.
Auch bei sehr kleinen Aufgaben ist Hermes nicht automatisch wirtschaftlich. Wird nur ein Text zusammengefasst oder eine einzelne Formulierung erstellt, reicht eine normale KI-Oberfläche. Die Einrichtung von Arbeitsordnern, Skills, Modellen und Freigaben wäre dafür überdimensioniert.
Problematisch wird der Einsatz außerdem, wenn niemand die technische Verantwortung übernehmen kann. Open-Source-Software reduziert Lizenzabhängigkeit, beseitigt aber weder Wartung noch Tests. Updates, Paketabhängigkeiten, Modellwechsel, Protokolle und Zugriffsrechte bleiben Aufgaben des Betreibers.
Unternehmen sollten Hermes deshalb nicht danach bewerten, wie eindrucksvoll eine einzelne Demonstration aussieht. Entscheidend ist, ob das System über längere Zeit mit vertretbarem Betreuungsaufwand verlässliche Vorarbeit liefert.
Wie sollte ein Hermes-Agent-Pilot im Mittelstand aufgebaut sein?
Ein sinnvoller Pilot beginnt nicht mit der Installation, sondern mit einer konkreten Aufgabe. Diese Aufgabe sollte regelmäßig vorkommen, heute messbaren Aufwand verursachen und nach der Bearbeitung von einem Fachverantwortlichen geprüft werden können.
Ein Beispiel wäre die Vorbereitung eines wöchentlichen Marktberichts. Der Agent erhält ausgewählte Quellen, eine Berichtsvorlage und ein abgegrenztes Arbeitsverzeichnis. Er recherchiert, ordnet Fundstellen ein und erstellt einen Entwurf. Bewertet werden Bearbeitungszeit, Quellenqualität, Korrekturbedarf, technische Fehler und wiederkehrende Abweichungen.
Für den Start reichen Testdaten oder exportierte Dateien. Ein direkter Schreibzugriff auf CRM, ERP oder Dokumentenmanagement ist nicht erforderlich. Erst wenn die Vorarbeit stabil funktioniert, kann eine gezielte Schnittstelle folgen.
Jeder Pilot benötigt außerdem eine dokumentierte Ausgangskonfiguration. Dazu gehören Modell, Systemanweisungen, Skills, freigegebene Werkzeuge, Arbeitsverzeichnisse, Zugangsdaten und Prüfregeln. Sonst lässt sich später kaum feststellen, warum sich das Verhalten verändert hat.
Der wirtschaftliche Vergleich sollte die gesamte Prozesskette betrachten. Laufende Modellkosten sind nur ein Teil. Hinzu kommen Einrichtung, Pflege, fachliche Kontrolle, Fehlerkorrekturen und technische Updates. Demgegenüber stehen eingesparte Recherchezeit, kürzere Durchlaufzeiten und eine konsistentere Vorbereitung.
Der Pilot ist erfolgreich, wenn der Agent nicht möglichst viele Aktionen ausführt, sondern einen begrenzten Arbeitsschritt verlässlich entlastet.
Wie fällt unser Ergebnis zu Hermes Agent aus?
Hermes Agent ist kein sofort einsatzbereiter digitaler Mitarbeiter, dem ein Unternehmen lediglich Zugangsdaten und eine Stellenbeschreibung übergibt. Wer diese Erwartung hat, wird auf technische Abhängigkeiten, wechselnde Modellleistungen und erheblichen Betreuungsbedarf stoßen.
Trotzdem fiel das Ergebnis positiver aus als erwartet. Hermes bietet einen bemerkenswert flexiblen Rahmen, um lokale Modelle, Cloud-Modelle, Dateien, Terminalfunktionen, Browserzugriffe, Skills und dauerhaftes Wissen miteinander zu verbinden. Gerade diese Offenheit macht das System für technische Piloten interessant.
Die größte Überraschung war jedoch, wie wenig maximale Autonomie für einen sinnvollen Nutzen erforderlich ist. Schon ein eingeschränkter Agent, der recherchiert, Dateien verarbeitet und einen überprüfbaren Entwurf erzeugt, kann erfahrene Mitarbeiter spürbar entlasten.
Für mittelständische Unternehmen liegt der realistische Weg deshalb zwischen zwei Extremen. Weder sollte Hermes wie ein normaler Chatbot behandelt werden, noch sollte es sofort selbstständig in produktiven Kernsystemen handeln.
Sinnvoll ist ein hybrides Modell: Hermes übernimmt variable Wissensarbeit, beurteilt Situationen und bereitet Ergebnisse vor. Verbindliche Transaktionen laufen über definierte Prozesse, Rollen und Freigaben. Menschen behalten die fachliche Verantwortung.
Damit wird aus dem KI-Agenten kein unkontrollierter Ersatz für Mitarbeiter, sondern eine technische Assistenz mit begrenztem Mandat. Genau darin liegt derzeit sein größter betrieblicher Wert.
Welche Quellen belegen die verwendeten Kennzahlen?
Quellenangaben zu den Kennzahlen
- Bitkom e.V.: „Digitalisierung der Wirtschaft: Fast jedes Unternehmen beschäftigt sich mit KI“
https://www.bitkom.org/Presse/Presseinformation/Digitalisierung-der-Wirtschaft-Unternehmen-beschaeftigen-sich-mit-KI - McKinsey & Company: „The State of AI: Global Survey 2025“
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai - Gartner: „Over 40% of Agentic AI Projects Will Be Canceled by End of 2027“
https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
Welche interessanten Links vertiefen das Thema?
Interessante Links
- Nous Research: Offizielle Dokumentation zu Hermes Agent
https://hermes-agent.nousresearch.com/docs/ - OWASP: Top 10 for Agentic Applications for 2026
https://genai.owasp.org/resource/owasp-top-10-for-agentic-applications-for-2026/ - NIST: AI Agent Standards Initiative
https://www.nist.gov/artificial-intelligence/ai-agent-standards-initiative
FAQ
Was ist ein KI Agent für Unternehmen?
Ein KI Agent für Unternehmen ist ein Softwaresystem, das nicht nur Antworten formuliert, sondern Aufgaben in mehreren Schritten bearbeitet. Dafür kann es je nach Freigabe auf Dateien, Browser, Terminal, Wissensquellen oder Schnittstellen zugreifen. Entscheidend ist das Betriebsmodell: Zugriffsrechte, Prüfungen, Protokollierung und ein abgegrenzter Anwendungsfall bestimmen den tatsächlichen Nutzen.
Ist Hermes Agent für den produktiven Unternehmenseinsatz geeignet?
Hermes Agent kann für produktive Aufgaben geeignet sein, wenn der Einsatz begrenzt, technisch betreut und durch Freigaben abgesichert wird. Für einen unbeaufsichtigten Betrieb in kritischen Prozessen ist das System nicht automatisch vorbereitet. Unternehmen benötigen eigene Tests, Rollenmodelle, Protokollierung, Update-Verfahren und einen Verantwortlichen, der Ergebnisse sowie Änderungen an Skills und Konfigurationen prüft.
Kann Hermes Agent vollständig lokal betrieben werden?
Hermes Agent kann mit lokalen Modellen und lokalen Arbeitsumgebungen betrieben werden. Dadurch lassen sich bestimmte Datenflüsse auf eigener Hardware halten. Vollständig lokal bedeutet jedoch nicht automatisch, dass jede Funktion offline verfügbar ist. Webrecherche, externe APIs, Cloud-Modelle oder einzelne Integrationen benötigen weiterhin Verbindungen, Zugangsdaten und eine bewusste technische Freigabe.
Welche Hardware wird für Hermes Agent benötigt?
Der Hardwarebedarf hängt vor allem vom verwendeten Sprachmodell, der Kontextgröße und der gewünschten Geschwindigkeit ab. Kleinere lokale Modelle laufen auf moderner Arbeitsplatzhardware, liefern bei langen Werkzeugketten jedoch nicht immer stabile Ergebnisse. Größere Modelle benötigen mehr Arbeitsspeicher und Rechenleistung. Alternativ kann Hermes lokale Werkzeuge mit einem leistungsfähigeren Cloud-Modell kombinieren.
Welche Aufgaben übernimmt Hermes Agent besonders gut?
Im Test überzeugte Hermes bei Aufgaben, die Recherche, Dateiarbeit, Analyse und mehrere aufeinanderfolgende Schritte verbinden. Dazu gehören Marktübersichten, Dokumentvorbereitung, strukturierte Auswertungen, technische Prüfungen und wiederkehrende Wissensarbeit. Weniger geeignet sind Prozesse, bei denen jeder Schritt exakt gleich ablaufen, jede Buchung fehlerfrei sein oder eine Entscheidung ohne menschliche Prüfung verbindlich werden muss.
Worin unterscheidet sich Hermes Agent von ChatGPT?
ChatGPT ist primär eine allgemeine KI-Oberfläche, während Hermes Agent als ausführende Agentenumgebung Werkzeuge, Arbeitsordner, Skills, Memory und verschiedene Modellanbieter verbindet. Der Unterschied liegt daher weniger im einzelnen Sprachmodell als im Arbeitsrahmen. Hermes kann Aufgaben über mehrere Schritte verfolgen und Dateien bearbeiten, benötigt dafür aber mehr Konfiguration, Rechteverwaltung und technische Betreuung.
Wie sicher ist der Betrieb von Hermes Agent in Docker?
Docker reduziert das Risiko, weil Befehle in einer abgegrenzten Umgebung ausgeführt werden können. Der Schutz hängt jedoch von den eingebundenen Ordnern, weitergereichten Zugangsdaten, Netzwerkfreigaben und Containerrechten ab. Ein falsch konfigurierter Mount kann sensible Host-Daten zugänglich machen. Unternehmen sollten daher nur benötigte Verzeichnisse freigeben, Schreibrechte begrenzen und riskante Aktionen bestätigen lassen.
Braucht Hermes Agent Schnittstellen zu ERP, CRM oder DMS?
Für erste Tests sind keine produktiven Schnittstellen erforderlich. Viele sinnvolle Aufgaben lassen sich mit exportierten Dateien, Testdaten und einem separaten Arbeitsordner erproben. Erst wenn ein Anwendungsfall belastbar funktioniert, sollten ERP, CRM oder DMS angebunden werden. Dabei sind technische Benutzer, minimale Rechte, Protokollierung, Fehlerbehandlung und ein Rückfallweg wichtiger als möglichst viele Integrationen.
Kann Hermes Agent Mitarbeiter ersetzen?
Hermes Agent ersetzt keine vollständige Stelle, sondern übernimmt Teile wissensintensiver Arbeit. Er kann Informationen zusammentragen, Entwürfe erstellen, Dateien bearbeiten und standardisierte Vorbereitungsschritte beschleunigen. Fachliche Verantwortung, Priorisierung, Verhandlungen und Entscheidungen mit finanziellen, rechtlichen oder personellen Folgen bleiben bei Menschen. Der größte Nutzen entsteht meist als Assistenz für erfahrene Mitarbeiter und nicht als unbeaufsichtigter Ersatz.
Wie sollte ein mittelständisches Unternehmen mit Hermes Agent starten?
Der Einstieg sollte mit einem begrenzten, häufig wiederkehrenden und überprüfbaren Anwendungsfall erfolgen. Geeignet ist eine Aufgabe mit vorhandenen Beispieldaten, erkennbarem Zeitaufwand und einem verantwortlichen Fachbereich. Zunächst werden Testdaten, Arbeitsordner, Rechte und Abnahmekriterien festgelegt. Erst nach stabilen Ergebnissen folgen produktive Daten, Schnittstellen oder geplante Automatisierungen.
