Agentic Apps: Wie grosse Unternehmen KI-Agenten wirklich ausrollen (Cole-Medin-Lesung)

Cole Medin hat ein Video veroeffentlicht mit dem Titel Agentic Apps: How Big Companies Are Actually Deploying AI Agents, gemessen an meiner Kanal-Liste vom 09.10.2026 rund 25 Minuten lang, und die Kernbotschaft verdient es, ernst genommen zu werden: Unternehmen bauen keine Agenten, sie bauen Anwendungen, in denen Agenten Werkzeuge sind. Er fuehrt das auf die offizielle Definition von Oracle zurueck, und die lautet sinngemaess, dass ein agentic app zuerst das Geschaeftsresultat denkt, dann die Rolle, die es unterstuetzt, und erst danach die Agenten, die darin arbeiten. Das Video ist laut Angabe im Beschreibungstext gesponsert, Oracle AI Agent Studio dient als Beispielplattform, und genau diese Transparenz macht den Vortrag brauchbar: Die Lehren ueber Workflows, Determinismus und Zugriffsrechte ziehen sich durch betriebliche Praxis, auch dort, wo kein Oracle im Spiel ist. Ich habe die Lesung gegen die offizielle Oracle-Dokumentation und gegen meinen eigenen Agenten-Betrieb auf dem Cyberdeck gehalten und sortiere in diesem Beitrag, was davon allgemeine Lehre ist und was Vendor-Erzaehlung.

Der Ausgangspunkt der Lesung ist eine Kritik an der gegenwaertigen Bauweise: Es ist verfuehrerisch, den Agenten zur gesamten Automatisierung zu machen, wo eigentlich eine groessere, deterministischere Anwendung gebraucht wird. Cole Medin baut persoenliche Agenten wie ein zweites Gehirn, Coding-Assistenten oder Kundendienst-Agenten, und bezeichnet sie als ein und dasselbe Muster: ein Agent, ein Anwendungsfall, ein Chat-Eingabefeld. Funktioniert das im Ein-Mann-Betrieb, stossen Unternehmen an ganz andere Grenzen, dort braeuchte es etwas Holistischeres. Der Vorschlag lautet daher umgekehrt vorzugehen: Zuerst das Geschaeftsresultat festlegen, etwa eine Fuehrungskraft bei der Entwicklung ihrer Mannschaft zu unterstuetzen, dann die Anwendung dafuer bauen und endlich mehrere Agenten darin unterbringen. Ich halte das fuer die wichtigste Einzelstelle der ganzen Lesung, weil sie einen Fehler benennt, den ich aus meinem eigenen Betrieb kenne: Der Agent ist ein Ausfuehrungs-Kern, keine Betriebsphilosophie. Meine eigene Schale, der HUNTER-Vorgang, liest sich genauso: Hermes orchestriert, pi fuehrt aus, herdr haelt den Betrieb, und keiner dieser Bausteine ist die Anwendung selbst.

Den groessten Teil der Lesung nimmt die Workflow-Ebene ein, und hier wird eine Branchenrichtung explizit benannt: Die ganze Branche konvergiere darauf, agentische Ablaefe so deterministisch wie moeglich zu bauen. Sprachmodelle sind biegsam und koennen einen Loesungsweg selbst finden, aber im Betrieb braucht es Zusicherungen, dass Kontext immer gleich aufbereitet wird, dass je nach Aufgabe das richtige Modell angesteuert wird und dass Ausgaben in einem verlaesslichen Format landen. Cole Medin sagt das mit einem sauberen Beispiel: Er schickt Anfragen nicht direkt an den Agenten, sondern schaltet Workflows dazwischen, die den Agenten aufrufen. Klickt ein Benutzer einen Baustein in der Anwendung an, loest das einen Workflow aus, der als Eingabe den Zustand des Dashboard bekommt. Ich kann diese Richtung aus eigener Praxis bestaetigen: Sogar fuer KI-Coding-Ablaefe arbeite ich so, mein offener Harness-Baukasten Archon hat einen Workflow-Editor, der der Ansicht in Oracle AI Agent Studio aehnelt. Genau diese Aehnlichkeit ist das eigentliche Signal, denn wenn einEinzelkaempfer und ein Grosskonzern auf dasselbe Muster stossen, ist es wahrscheinlich ein echtes Muster und kein Verkaufsgag. Determinismus heisst dabei nicht Starrheit, die Chat-Erfahrung bleibt erhalten, nur dass sie sich in eine strukturierte Anwendung einbettet.

Der letzte groessere Abschnitt der Lesung widmet sich der Ausgabeseite: Es reicht nicht, rund um die Uhr in einem Chat-Fenster zu leben. Cole Medin will, dass Agenten so viel wie moeglich visuell kommunizieren, auch wenn ein erzeugtes Artefakt hinterher gar nicht benutzt wird, etwa Folien oder ein PDF, das nur fuer das schnellere Verstaendnis entsteht. Sein Beispiel aus Oracle AI Agent Studio: Statt eine Zusammenfassung der Lernrisiken als Textlawine auszuspuecken, liefert die Anwendung ein PDF, das man in Ruhe durchgehen kann. Seine Begruendung ist pragmatisch: Waere es nur Text, liesse sich jeder einzelne Durchgang durchlesen, aber mehrere Durchgaenge am Tag summierten sich zu einem echten mentalen Abfluss. Das zeichnet ein ehrliches Bild von Agenten-Arbeit: Nicht der einzelne Ausstoss ist das Problem, sondern die Wiederholungsrate ueber den Tag. Ich unterschreibe das aus eigener Praxis: Mein Radar- und Newsdesk-Betrieb lebt von tabellarischen Zwischenberichten, Protokollauszuegen und Stichtags-Zetteln, und genau deshalb sind Timeline- und Kennzahlen-Bloecke in diesem Beitrag selbst ein Anwendungsfall der Lesung. Was ich ergaenzen wuerde: Visuelle Ausgaben taugen auch als Pruefungs-Anker, ein PDF mit Risiko-Zusammenfassung laesst sich gegen die dahinterliegenden Regeln abgleichen, ein Chatverlauf nicht so einfach.

Der streitbarste Abschnitt der Lesung betrifft Sicherheit, und zwar aus einem simplen Grund: Er widerspricht der gelaufigen Praxis. Cole Medin baut das Fallbeispiel einer Personalsachbearbeiterin, die zur Urlaubsregelung fragen koennen soll. Die uebliche Loesung waere RAG: Handbuch hochladen, Suchbausteine ziehen, Antwort generieren. Oracle AI Agent Studio geht laut Lesung einen anderen Weg: Das Handbuch wird hochgeladen, aus den Regeln werden Funktionen erzeugt, und jede dieser Funktionen traegt erzeugten Quellcode, Prueffaelle und strenge Eingabevalidierung. Aus einer probabilistischen Suche wird also ein pruefbarer Satz von Regeln. Darauf aufbauend beschreibt die Lesung noch einen zweiten Sicherheitsknopf: Workflows lassen sich einschraenken, sowohl wer sie ausloesen darf als auch unter welcher Identitaet sie laufen. Ich lese das nicht als Oracle-Werbung, sondern als echten Trend, denn die Logik dahinter ist alt und richtig: Regeln, die ein Pruefverfahren durchlaufen haben, schlagen Freitext-Antworten, wenn ein Betrieb Verantwortung traegt. Fuer meinen Betrieb heisst das nichts Neues, mein Gate-Stapel, Wortziel, Schiene, Zwillingspaar, ist genau dieselbe Denkweise auf Textebene: Regeln vor Urteil, Pruefung vor Freigabe.

Was heisst das konkret fuer einen Betrieb wie meinen, ein gebrauchtes Google Pixel 6a mit request-basiertem Vertrag, Fuenf-Stunden-Fenster und Wochenlimit? Drei Uebersetzungen. Erstens: Agent als Werkzeug heisst fuer mich, dass Newsdesk, Radar und meine anderen Cron-Laeufe Komponenten der Schale sind, nicht die Schale selbst, die Anwendung ist der laufende Blog-Betrieb mit seinen Gates und der Telegram-Kanal. Zweitens: Deterministische Workflows habe ich schon, jede Gate-Sequenz ist ein Workflow, der nur bei Bestehen weiterlaesst, und jedes Gate schliesst einen Fehlermodus, den ein LLM nicht selbstverlaesslich erkennt. Drittens: Richtlinien statt RAG praegt sich als Faustregel ein: Wenn eine Auskunft Verantwortung traegt, gehoert sie hinter eine pruefbare Regel, nicht hinter eine Suche. Und auf visueller Ausgabe, dem letzten Abschnitt der Lesung, bin ich voll dabei: Artefakte wie Tabellen oder Protokollauszuege statt Textlawine, das kenne ich aus dem eigenen Betrieb als echten Produktivitaetsgewinn. Was ich NICHT aus der Lesung ziehe: Den Kauf oder Einsatz von Oracle AI Agent Studio. Die Plattform ist als Beispiel gut, als Betriebsumgebung fuer ein Solo-Deck mit request-basiertem Vertrag taugt ein Rechenzentrums-Produkt nicht, mein Ausfuehrungs-Kern bleibt pi, gepinnt, angebunden ueber herdr, orchestriert von Hermes. Und weil die Lesung am Ende Follow-up-Videos ankündigt, in denen professionelle Entwickler solche Anwendungen direkt in VS Code mit Coding-Agenten bauen, halte ich fest: Genau diese Übersetzung in Coding-Praxis interessiert mich am meisten, sie ist der Anknüpfungspunkt an meine Kern-Schalen-Leseart der Coding-Agenten.

Offen benannt: Ich habe das Video angesehen, nicht das Produkt. Oracle AI Agent Studio habe ich nicht benutzt, meine Aussagen dazu stammen aus der Lesung und aus der offiziellen Oracle-Dokumentation, beide abgerufen am 09.10.2026. Die Lesung ist laut Beschreibungstext gesponsert, das Video traegt kein lesbares Veroeffentlichungsdatum, das ich belegen koennte, und ein unabhaengiger Benchmark zu Oracle AI Agent Studio lag mir beim Schreiben nicht vor. Meine Betriebsspitzen sind Einzelgeraet-Ergebnisse aus dem Vault, daraus folgt eine dokumentierte Praxis, keine Marktbehauptung. Kritisch bleibt die Vendor-Abhaengigkeit der Lesung, ich habe versucht, Lehren und Verkaufstheilen sauber zu trennen, im Zweifel gilt: Was sich auch ohne Oracle sagen laesst, steht im Beitragstext, was nur mit Oracle funktioniert, steht hier in diesem Absatz. Dieser Beitrag ist ein Stichtag am 09.10.2026, keine Kaufberatung.

Externe Quellen mit Abrufdatum:
- Cole Medin, Agentic Apps: How Big Companies Are Actually Deploying AI Agents, YouTube, abgerufen am 09.10.2026: https://www.youtube.com/watch?v=cWjS56edaUA
- Oracle, Overview of AI Agent Studio, Oracle Help Center, abgerufen am 09.10.2026: https://docs.oracle.com/en/cloud/saas/fusion-ai/26c/aiaas/overview-of-ai-agent-studio.html
- Oracle, Build Agentic Apps Using Agents from AI Agent Studio, Oracle-Hinweis 26B, abgerufen am 09.10.2026: https://docs.oracle.com/en/cloud/saas/readiness/common/26b/common26b/26B-common-wn-f43462.htm
- Oracle, Agentic Apps Core Concepts, Oracle Blogs, abgerufen am 09.10.2026: https://blogs.oracle.com/fusioncoe/agentic-apps-core-concepts
Eigene Messwerte: 88-Stunden-Rekord vom 28.08. auf den 01.09.2026 und null OOM-Kills seit der Haertung vom 28.08.2026, dokumentiert im Vault. Alle Werte mit Stichtag und Grenze im Text.

Über den Autor: Ich bin Marcel, Grafikdesigner und Betreiber des HUNTER-Cyberdecks, eines Agenten-Setups auf einem gebrauchten Google Pixel 6a. Dieser Beitrag stützt sich auf die YouTube-Lesung von Cole Medin und die offizielle Oracle-Dokumentation, beide abgerufen am 09.10.2026, und auf eigene Betriebs-Messwerte aus dem Vault, Stichtag 28.08. bis 01.09.2026. Zuletzt fachlich geprüft am 09.10.2026.