Sind das echte Läufe?

Die Beispiele 1 bis 3 sind echte Läufe aus der Testumgebung von Blits.ai, gekürzt und anonymisiert, mit Auszügen aus den Protokollen, so wie die Plattform sie aufgezeichnet hat. Beispiel 4 zeigt die Freigabe pro Tool und dient der Veranschaulichung.

Woher stammen diese Protokolle?

Jeder Workflow-Lauf speichert seine Tool-Aufrufe mit Argumenten, Ergebnissen, Dauer und einem Fehlerkennzeichen, dazu Iterationen, Versuche und Validierungsergebnisse. Gespräche schreiben für jede Antwortrunde einen Trace mit Tool-Entscheidungen, Guardrail-Prüfungen, Qualitätswerten, Neugenerierungen und Anbieterwechseln.

Können wir diese Protokolle aus der Plattform exportieren?

Ja. Laufdaten lassen sich aus der Plattform herunterladen, und das Entscheidungsprotokoll lässt sich als JSON exportieren oder über OpenTelemetry an Ihr eigenes SIEM oder Ihren Observability-Stack streamen.

Muss ein Mensch eingreifen, wenn etwas fehlschlägt?

Nein. In den ersten drei Beispielen stellt sich die Plattform selbst wieder her oder schützt den Kunden selbstständig. Ein Mensch greift nur dort ein, wo Sie es verlangen, wie bei der Erstattung im vierten Beispiel.

Beispiele für Agenten-Runs

Echte Läufe aus unserer Testumgebung, Schritt für Schritt, so wie die Plattform sie protokolliert hat: ein Workflow, der einen anderen Weg findet, wenn eine Datei fehlt, eine Guardrail-Prüfung, die den Anbieter wechselt, und eine Qualitätsschranke, die eine schwache Antwort vom Kunden fernhält.

Die Beispiele 1 bis 3 sind echte Läufe aus der Testumgebung von Blits.ai, gekürzt und anonymisiert: Namen von Assistenten, Dokumente und Gesprächsinhalte sind entfernt. Beispiel 4 dient der Veranschaulichung.

Echter Lauf, anonymisiert

1. Ein Workflow findet einen anderen Weg, wenn eine Datei fehlt

Ein Workflow soll einen Kundenbericht als PDF erstellen. Die Datei, die er verwenden soll, existiert nicht. Lauf vom 12. Oktober 2026.

AuslösertriggeredBy: "manual"
Ein Benutzer startet den Workflow. Die Aufgabe: aus der Datei mit den Kundendaten einen Kundenbericht als PDF erstellen.
Fehlerfile_ingest → failed: true
Der Agent fordert die Datei customer_report.json an. Das Tool meldet nach 595 ms „File not found“, und der Aufruf wird als fehlgeschlagen markiert.
Entscheidung des Agenten
Der Fehler geht als Tool-Ergebnis an den Agenten zurück. Statt abzubrechen, sucht der Agent nach einem anderen Dokument mit Kundendaten, das bereits in der Plattform liegt.
Tool-Aufruffile_ingest → totalRows: 5000
Er öffnet eine Tabellendatei mit einem Blatt und 5.000 Kundenzeilen und liest die Spalten: Name, Geschlecht, Land, Alter, Datum und ID.
Tool-Aufrufgenerate_scope_of_work → pdf
Der Agent erstellt den Bericht und erzeugt ein PDF mit 66 KB.
Ergebnisstatus: "completed"
Lauf abgeschlossen: 4 Iterationen, 1 Versuch, 28,4 Sekunden, ohne Eingriff eines Menschen. Die eigene Zusammenfassung des Agenten hält fest, dass die Quelldatei fehlte und der Bericht aus einer alternativen Quelle erstellt wurde.

Auszug aus dem Protokoll

"status": "completed", "iterations": 4, "attempts": 1, "durationMs": 28380,
"toolsUsed": [
  { "name": "file_ingest", "failed": true, "durationMs": 595,
    "result": { "error": "File customer_report.json not found" } },
  { "name": "file_ingest", "durationMs": 1599,
    "result": { "type": "excel", "sheetCount": 1, "totalRows": 5000 } },
  { "name": "generate_scope_of_work", "durationMs": 4073,
    "result": { "success": true, "fileName": "customer_report_2026-10-12.pdf", "sizeBytes": 66348 } }
]

Echter Lauf, anonymisiert

2. Eine Guardrail-Prüfung wechselt den Anbieter

Ein Assistent für Kartenberatung in der Testumgebung einer Bank beantwortet eine Kundenfrage. Das Modell, auf dem die Eingabe-Guardrail läuft, fällt aus. Antwortrunde vom 6. Oktober 2026.

Nachricht
Ein Kunde stellt eine Frage zu Karten.
Entscheidung des AgentenresolvedToolCalls: 0
Der Agent prüft die Tools, die ihm zur Verfügung stehen, und entscheidet, dass er ohne Tool-Aufruf antworten kann.
Fehlergemini-3.1-flash-lite
Die Prüfung durch die Eingabe-Guardrail läuft auf Gemini 3.1 Flash Lite. Das Modell schlägt fehl.
Fallbackprovider_fallback → gpt-4.1
Die Prüfung wechselt zu GPT 4.1 bei OpenAI und wird abgeschlossen. Der Wechsel steht mit beiden Modellnamen im Trace.
Ergebnisstatus: "success"
Die Antwortrunde endet mit dem Status „success“. Der Kunde erhält eine normale Antwort und bemerkt den Ausfall nicht.

Auszug aus dem Protokoll

{ "traceType": "policy_check", "requiresExecution": false, "resolvedToolRoles": [] }
{ "traceType": "latency", "stage": "chain_total", "usedTools": false }
{ "traceType": "provider_fallback", "stage": "input",
  "from": "gemini-3.1-flash-lite", "toProvider": "OpenAI", "to": "gpt-4.1" }
status: "success"

Echter Lauf, anonymisiert

3. Eine Qualitätsschranke hält eine schwache Antwort vom Kunden fern

Ein Testassistent erhält eine vage Nachricht aus einem einzigen Wort. Die Plattform versucht dreimal, eine brauchbare Antwort zu erzeugen, und blockiert sie dann. Antwortrunde vom 19. September 2026.

Nachricht
Der Benutzer sendet eine vage Nachricht.
Guardrailenforce_rag_retry
Der Agent plant eine Antwort, ohne die Wissensdatenbank zu befragen. Die Plattform verlangt für diesen Assistenten, dass Antworten auf der Wissensdatenbank beruhen, und lässt ihn neu planen, diesmal mit der Suche in der Wissensdatenbank.
Tool-Aufrufcustom-rag-search
Die Suche in der Wissensdatenbank läuft, und der Agent schreibt eine Antwort.
Guardrailquality: 30 / 100 → regenerate
Die Qualitätsprüfung bewertet die Antwort mit 30 von 100: Sie beantwortet die Frage nicht und bittet um eine Präzisierung. Der Bewerter selbst läuft auf einem Fallback-Modell, nachdem sein primäres Modell ausgefallen ist.
Entscheidung des Agentenquality: 30 → regenerate
Der Agent schreibt eine neue Antwort und erhält dafür die Begründung des Bewerters als Anweisung. Wieder 30 Punkte, also folgt ein weiterer Versuch.
Guardrailquality: 40 → max_regenerations_exhausted
Die dritte Antwort erreicht 40 Punkte. Die maximale Zahl an Neugenerierungen ist erreicht, und die Antwort wird abgelehnt.
Ergebnisstatus: "blocked"
Die Ausgabe-Guardrail blockiert die Antwort. Der Kunde erhält die für den Assistenten konfigurierte Fallback-Nachricht statt einer schwachen oder falschen Antwort.

Auszug aus dem Protokoll

{ "traceType": "enforce_rag_retry", "availableExecutionTools": ["custom-rag-search"] }
{ "traceType": "provider_fallback", "stage": "quality", "from": "gpt-5-pro", "to": "gpt-4.1" }
{ "traceType": "quality_check_evaluated", "attempt": 0, "score": 30, "action": "regenerate" }
{ "traceType": "quality_check_regenerated", "attempt": 1, "previousScore": 30 }
{ "traceType": "quality_check_evaluated", "attempt": 1, "score": 30, "action": "regenerate" }
{ "traceType": "quality_check_regenerated", "attempt": 2, "previousScore": 30 }
{ "traceType": "quality_check_evaluated", "attempt": 2, "score": 40, "action": "regenerate" }
{ "traceType": "quality_check_rejected", "finalScore": 40, "attempts": 3,
  "reason": "max_regenerations_exhausted" }
output_guardrails_triggered

Zur Veranschaulichung

4. Eine Erstattung wartet auf Freigabe

Ein Kunde meldet eine doppelte Abbuchung. Erstattungen bewegen Geld, deshalb braucht das Erstattungstool standardmäßig eine Freigabe.

Nachricht
Kunde: „Mir wurde gestern dieselbe Bestellung zweimal berechnet.“
Tool-Aufrufget_transactions
Der Agent liest die Transaktionen des Kunden und findet zwei identische Abbuchungen über 189 AED.
Freigaberefund_transaction: "requires approval"
Der Agent ruft das Erstattungstool auf. Das Tool braucht eine Freigabe und läuft deshalb noch nicht.
Nachricht
Der Agent teilt dem Kunden mit, dass die Erstattung geprüft wird und er die Rückmeldung in diesem Gespräch erhält.
Freigabeapproved
Ein Mitarbeitender gibt die Erstattung 6 Minuten später in der Plattform frei. Name und Zeitpunkt werden protokolliert.
Tool-Aufrufrefund_transaction → confirmed
Das Erstattungstool läuft, und der Zahlungsdienstleister bestätigt die Erstattung.
Ergebnis
Der Agent bestätigt dem Kunden die Erstattung im selben Gespräch.

Beispiele für Agenten-Runs: häufige Fragen

So funktioniert die Plattform

So arbeiten Blits.ai-Agenten

Fehlerbehandlung und Wiederherstellung

Sicherheit und Governance

Zuverlässigkeit und SLA

Integrationsstandards

Funktionen

Release Notes

Sie möchten das mit Ihren eigenen Systemen sehen?

Wir arbeiten gemeinsam an Ihrem Anwendungsfall, mit Ihren Daten und den Modellen Ihrer Wahl.

Gespräch vereinbaren