Wie ich messe, ob ein KI-Agent wirklich funktioniert
Aktualisiert für 2026. Die meisten Operatoren evaluieren ihre KI-Agenten nie — sie setzen einfach voraus, dass sie funktionieren. Hier ist das praktische Eval-Framework, das ich für 30+ produktive Agenten verwende: Golden Sets, Bestehen/Nicht-Bestehen-Kriterien und wöchentliche Stichproben.