Ihr KI-Agent braucht nicht noch mehr Agent Skills. Er braucht bessere Gewohnheiten

Diese Geschichte kennt man aus vielen Unternehmen. Eine Firma gibt einem KI-Agenten Zugriff auf mehr Dokumente, bessere Modelle, zusätzliche Tools und eine ständig wachsende Bibliothek an Agent Skills. Mit jeder Ergänzung sollte der Agent leistungsfähiger werden. Stattdessen überspringt er gelegentlich einen Prüfschritt, wählt den falschen Workflow, liefert Daten im falschen Format oder wendet selbstbewusst die Lösung von gestern auf das leicht andere Problem von heute an.

Dem Agenten fehlt nicht unbedingt Wissen. Er weiß, was eine Rechnung ist, versteht die Freigaberegeln und kann den Beschaffungsprozess des Unternehmens in schöner Prosa erklären. Er tut nur einfach das Falsche.

Ein neuer Preprint, Demystifying Agent Skills: Why They Work—Until They Don’t, liefert eine der bisher klarsten Erklärungen für diese Lücke zwischen Wissen und Tun. Die Forschenden haben 8.135 Trial-Datensätze über mehrere Benchmarks, Agent-Frameworks und Sprachmodelle hinweg analysiert, um zu verstehen, wann wiederverwendbare „Skills“ die Leistung von Agenten verbessern und wann sie neue Fehlerquellen schaffen.

Ihr zentrales Ergebnis ist überraschend menschlich: KI-Agenten profitieren von Skills vor allem deshalb, weil Skills ihnen bessere Gewohnheiten geben, und nicht, weil sie ihnen mehr Fakten liefern.

Skills sind Standardarbeitsanweisungen für KI

Ein Agent Skill ist ein wiederverwendbares Paket aus Anweisungen, Skripten, Vorlagen und Referenzmaterial für eine bestimmte Art von Aufgabe. Er kann einem Agenten zum Beispiel erklären, wie man einen Finanzbericht erstellt, einen Service ausrollt, ein Dokument verarbeitet oder einem fehlgeschlagenen Test nachgeht. Der entstehende Agent-Skills-Standard beschreibt Skills als Ordner mit Anweisungen und optionalen ergänzenden Ressourcen. Agenten sehen zuerst nur Name und Beschreibung eines Skills. Wirkt die Aufgabe relevant, laden sie die detaillierten Anweisungen und führen die Prozedur aus. Im Grunde ist das Progressive Disclosure für KI: Man zeigt dem Agenten gerade so viel, dass er die richtige Prozedur findet, und liefert die operativen Details erst, wenn er sie braucht. Aber was macht diese Prozeduren eigentlich nützlich?

Laut der Studie entfielen 65,7 % der identifizierten Skill-Mechanismen auf prozedurale Verankerung. Explizite Wissensvermittlung machte nur 4,5 % aus.

Anders gesagt: Skills waren selten erfolgreich, weil sie dem Agenten etwas sagten, das er nicht wusste. Sie waren erfolgreich, weil sie die Abfolge der Handlungen stabilisierten:

• Die Umgebung in dieser Reihenfolge einrichten.
• Diese Tools verwenden.
• Diese Bedingung prüfen, bevor es weitergeht.
• Das Ergebnis in diesem Format liefern.
• Den Output prüfen, bevor Erfolg gemeldet wird.
• Diesen bekannten Fehler vermeiden.

Diese Unterscheidung ist wichtig. Viele Organisationen bauen Agentensysteme so, als wäre jeder Fehler ein Wissensproblem. Sie fügen Dokumente hinzu, bauen Retrieval-Systeme aus und stopfen mehr Kontext in Prompts. Ein Agent kann aber über die richtigen Informationen verfügen und trotzdem scheitern, weil er im Prozess den Faden verliert. Das ist ungefähr der Unterschied zwischen einem Mitarbeiterhandbuch und einer Cockpit-Checkliste. Das eine erklärt, wie die Organisation funktioniert. Das andere verhindert, dass jemand bei der Arbeit einen kritischen Schritt vergisst. Skills sind viel näher an der Checkliste.

Die Verdichtung ist Teil des Werts

Die Forschenden haben Skills auch mit „Workflow Memory“ verglichen, also mit direkteren Aufzeichnungen früherer Aufgabenausführungen. Auf den ersten Blick wirkt es vernünftig, die komplette Trajektorie zu speichern. Wenn ein Agent ein Problem schon einmal gelöst hat, warum gibt man dem nächsten Agenten dann nicht die gesamte Aufzeichnung? Weil echte Arbeit chaotisch ist.

Ausführungsverläufe enthalten verworfene Ansätze, redundante Befehle, gescheiterte Experimente, zufällige Umwege und aufgabenspezifische Annahmen. Ein späterer Agent muss die brauchbare Prozedur vom Rauschen unterscheiden. Die Studie kam bei Läufen mit Skills auf eine Oracle-Status-Erfolgsquote von 61,9 %, verglichen mit 59,1 % bei Agenten ohne eingespeiste Erfahrung und 55,9 % mit Workflow Memory. In direkten Vergleichen lagen Skills 6,06 Prozentpunkte vor Workflow Memory.

Der Wert lag also nicht einfach im Zugang zu früherer Erfahrung. Er lag darin, wie diese Erfahrung aufbereitet war. Ein gut geschriebener Skill verdichtet eine chaotische Vorgeschichte zu einem wiederverwendbaren operativen Muster. Er bewahrt, was wichtig war, und verwirft die Archäologie darüber, wie jemand es herausgefunden hat. Stellen Sie sich den Unterschied vor: Sie drücken einer neuen Kollegin eine dreistündige Bildschirmaufnahme in die Hand oder Sie geben ihr eine getestete Prozedur mit fünf Schritten. Beides enthält die Antwort. Nur bei einem lässt sie sich leicht anwenden.

Skills machen aus Erfahrung organisationales Gedächtnis

Das hat erhebliche Folgen für KI im Unternehmen. Die meisten Organisationen besitzen bereits enorme Mengen an prozeduralem Wissen, aber vieles davon ist verstreut: über Ticket-Historien, interne Chats, Dokumentation, persönliche Notizen und die Erinnerungen erfahrener Mitarbeiterinnen und Mitarbeiter. Skills bieten eine Möglichkeit, diese verstreute Erfahrung in ausführbares organisationales Gedächtnis zu verwandeln. Nehmen Sie einen Agenten, der Lieferantenrechnungen verarbeitet. Ein nützlicher Skill würde nicht bloß erklären, was eine Rechnung ist. Das weiß das Modell mit ziemlicher Sicherheit schon. Stattdessen würde er festlegen:

1. Lieferant und Bestellnummer validieren.
2. Währung, steuerliche Behandlung und Zahlungsbedingungen prüfen.
3. Rechnungspositionen mit der Bestellung abgleichen.
4. Abweichungen über einem festgelegten Schwellenwert zur Prüfung weiterleiten.
5. Die erforderliche Freigabestufe bestätigen.
6. Ergebnis und Belege dokumentieren.

Diese Prozedur reduziert Schwankungen. Sie hält wichtige Vorgaben aktiv, während der Agent arbeitet. Und sie macht den erwarteten Prozess für Prüfer und Fachverantwortliche sichtbar. Laut der Studie verringerten Skills mehrere ausführungsbezogene Fehler. Umgebungs- und Infrastrukturfehler sanken von 5,3 % ohne Skills auf 0,2 % mit Skills. Abweichungen im Ausgabeformat gingen von 7,4 % auf 3,2 % zurück, Fehler beim Management von Hintergrunddiensten von 2,7 % auf 0,8 %. Das sind keine Intelligenzfehler im großen philosophischen Sinn. Es sind Fehler der operativen Disziplin. Und operative Disziplin ist genau das, was Unternehmen von Agenten brauchen.

Dann beginnt die Skill-Bibliothek zu wachsen

Die Studie hat allerdings eine unbequeme zweite Hälfte. Als die Forschenden den verfügbaren Skill-Pool von fünf auf 100 Einträge vergrößerten, fiel die Actual-Use-Precision von 29,6 % auf nur noch 3,3 %. Dem Agenten standen mehr potenziell nützliche Prozeduren zur Verfügung, aber er wurde dramatisch schlechter darin, sich auf die als korrekt annotierten zu beschränken. Das ist das Paradox der Skill-Bibliothek: Jeder neue Skill erhöht die mögliche Leistungsfähigkeit und zugleich die Komplexität des Routings. Noch schlimmer wird es, wenn Skills ähnlich klingen. Ein Agent muss dann womöglich unterscheiden zwischen:

• Lieferantenrechnung prüfen
• Rechnungsabweichung klären
• Gutschrift verarbeiten
• Ausnahmezahlung freigeben
• Bestellung abstimmen
• Internationale Rechnung validieren

Für einen menschlichen Fachexperten mögen die Grenzen offensichtlich sein. Für einen Agenten, der anhand kurzer Beschreibungen auswählt, können sie sich stark überschneiden. Die Agent-Skills-Spezifikation empfiehlt, dass Beschreibungen sowohl erklären, was ein Skill tut, als auch, wann er verwendet werden soll. Die Studie legt nahe, dass das „Wann“ der wichtigere Teil sein könnte. Eine generische Beschreibung wie „hilft bei Rechnungen“ ist nicht bloß eine wenig hilfreiche Metadatenangabe. Sie erzeugt ein operatives Routing-Risiko.

Der seltsame Teil: Der Erfolg brach nicht ein

Während die Actual-Use-Precision von 29,6 % auf 3,3 % fiel, blieb der durchschnittliche Erfolg bei der eigentlichen Aufgabe vergleichsweise stabil und bewegte sich von 36,4 % auf 39,3 %. Das heißt nicht, dass die Retrieval-Qualität egal ist. Agenten sehen sich möglicherweise mehrere Skills an, holen sich aus einer verwandten Prozedur teilweise Hilfe oder lösen die Aufgabe mit den Fähigkeiten des zugrunde liegenden Modells. Umgekehrt garantiert die Auswahl des als korrekt annotierten Skills nicht, dass der Agent ihn auch richtig anwendet. Die Forschenden formulieren es so: Der exakte Aufruf des Ground-Truth-Skills ist für den Erfolg weder hinreichend noch notwendig. Für Unternehmen entsteht daraus ein Governance-Problem.

Ein Agent kann das richtige Ergebnis liefern, nachdem er die falschen Prozeduren konsultiert hat. Ein Dashboard, das nur den Erfolg am Ende misst, meldet dann, dass alles in Ordnung ist. Die Organisation weiß aber womöglich nicht mehr, welche Anweisung die Entscheidung bestimmt hat oder ob derselbe Weg auch dann sicher bleibt, wenn der nächste Fall ein bisschen anders liegt. Ein System kann also auf Ergebnisebene zuverlässig wirken und auf Prozessebene gleichzeitig immer schwerer nachvollziehbar werden. Besonders gefährlich ist das im Finanzwesen, im Gesundheitswesen, in der Rechtsarbeit, im Infrastrukturmanagement und in anderen Umgebungen, in denen die Prozedur fast so wichtig ist wie das Ergebnis.

Auch eine gute Prozedur kann man schlecht anwenden

Skills schaffen noch eine weitere Fehlerquelle: unangebrachten Gehorsam. In 10 % der von den Forschenden analysierten Fälle mit Skills wurde die Anleitung falsch angewendet oder ignoriert. Manchmal waren die Anweisungen vernünftig, aber der Agent befolgte sie mechanisch, übersah eine Vorbedingung oder trug eine Annahme in einen Kontext, in den sie nicht passte. Das ist das KI-Gegenstück dazu, die Checkliste weiter abzuarbeiten, obwohl sich die Situation längst geändert hat.

Ein Skill für Standardrechnungen passt womöglich nicht auf eine Gutschrift. Eine Deployment-Prozedur, die für eine bestimmte Infrastrukturumgebung geschrieben wurde, kann in einer anderen gefährlich sein. Eine Eskalationsregel im Kundensupport kann nach einer Richtlinienänderung ungültig werden. Der Skill selbst kann korrekt sein und die Handlung trotzdem falsch. Zuverlässige Skills brauchen deshalb mehr als Schritte. Sie brauchen Grenzen:

• Wann soll dieser Skill verwendet werden?
• Wann darf er nicht verwendet werden?
• Welche Annahmen müssen zutreffen?
• Welche Belege soll der Agent zuerst sammeln?
• Welche Bedingungen erfordern eine menschliche Freigabe?
• Wann soll der Agent aufhören?
• Wie soll er das Ergebnis überprüfen?

Ohne diese Leitplanken wird ein Skill zur Quelle falscher Zuversicht.

Wie man Skill-Bibliotheken baut, die skalieren

Die Studie deutet auf einen anderen Ansatz im Agent Engineering hin. Das Ziel sollte nicht sein, möglichst viele Skills anzuhäufen. Es sollte sein, den gesamten Lebenszyklus der Skills zu managen.

1. Prozeduren schreiben, keine Mini-Enzyklopädien

Stabile operative Schritte gehören in den Skill. Veränderliche Fakten, Kundendaten, Produktdaten und rechtliche Informationen bleiben in maßgeblichen Systemen, die sich zur Laufzeit abfragen lassen. Ein Skill sollte erklären, wie man den aktuellen Steuersatz ermittelt und überprüft, statt einen Satz fest einzuprogrammieren, der irgendwann veraltet sein wird.

2. Anwendbarkeit explizit machen

Jeder Skill sollte klare Ein- und Ausschlusskriterien enthalten. Der Agent muss nicht nur wissen, was die Prozedur tut, sondern auch, welche Signale sie relevant machen. „Für Rechnungen verwenden“ ist schwach. „Für Standard-Lieferantenrechnungen mit freigegebener Bestellung verwenden; nicht für Gutschriften, Vorauszahlungen oder Rechnungen ohne Bestellung“ ist deutlich besser.

3. Abbruchbedingungen einbauen

Ein robuster Skill muss dem Agenten sagen, wann er nicht weitermachen soll. Fehlende Daten, widersprüchliche Datensätze, ungewöhnliche Transaktionsbeträge oder eine fehlgeschlagene Prüfung sollten eine Eskalation auslösen statt Improvisation. Aufhören zu können ist eine Fähigkeit.

4. Skills nach Geschäftsbereichen organisieren

Konfrontieren Sie nicht jeden Agenten mit einem flachen Katalog aller Prozeduren im Unternehmen. Legen Sie bereichsspezifische Sammlungen an und nutzen Sie hierarchisches Routing, um die Kandidaten vor der Ausführung einzugrenzen. Ein Buchhaltungs-Agent braucht selten Prozeduren für Software-Deployments. Wer irrelevante Optionen entfernt, verbessert Effizienz und Kontrolle zugleich.

5. Beschreibungen als Routing-Schnittstellen gestalten

Namen und Beschreibungen von Skills sind kein Marketingtext. Sie sind Teil der Steuerungsebene des Systems. Beschreibungen sollten eindeutige Begriffe verwenden, relevante Auslöser auflisten und sich klar von benachbarten Prozeduren abgrenzen. Ähnliche Beschreibungen sollte man gemeinsam testen, denn leicht verwechselbare Alternativen sind gefährlicher als offensichtlich unzusammenhängende.

6. Skills versionieren und ausmustern

Geschäftsprozesse ändern sich. Jeder produktive Skill sollte eine verantwortliche Person, eine Version, ein Review-Datum, ein Evaluierungsset und einen Prozess zur Außerbetriebnahme haben. Eine veraltete Prozedur ist oft gefährlicher als gar keine, weil sie immer noch maßgeblich aussieht.

7. Die gesamte Pipeline messen

Der Erfolg am Ende reicht nicht. Teams sollten auch beobachten:

• Welche Skills in Betracht gezogen wurden
• Welche Skills geladen wurden
• Welche Anweisungen die Handlung beeinflusst haben
• Ob Vorbedingungen geprüft wurden
• Ob die Prozedur angepasst wurde
• Welche Überprüfung durchgeführt wurde
• Warum der Agent aufgehört oder eskaliert hat
• Ob das Ergebnis die fachliche Validierung bestanden hat

So wird aus der Skill-Evaluierung statt eines einzelnen Benchmark-Werts ein operatives Kontrollsystem.

Skills sind ein Lebenszyklus, kein Ordner

Die allgemeinere Lehre aus der Forschung: Man kann die Verbesserung von Agenten nicht darauf reduzieren, mehr Erfahrung abzuspeichern. Nützliche Erfahrung muss identifiziert, destilliert, beschrieben, abgerufen, angewendet, überprüft, überarbeitet und manchmal gelöscht werden. Jede dieser Stufen kann den Agenten verbessern oder eine neue Fehlerquelle schaffen. Deshalb wird Skill-Management zunehmend einer Mischung aus Wissensmanagement, Software Engineering und Prozess-Governance ähneln. Skills brauchen Verantwortliche. Sie brauchen Versionskontrolle. Sie brauchen Tests. Sie brauchen Observability. Sie brauchen Feedback aus erfolgreichen und gescheiterten Ausführungen. Und sie brauchen einen Mechanismus, der entscheidet, wann eine bestehende Prozedur nicht mehr gilt. Organisationen, die Skills als zufällige Sammlung von Prompt-Dateien behandeln, werden früher oder später prozedurales Chaos erzeugen. Organisationen, die sie als gesteuerte, ausführbare Geschäftsprozesse behandeln, könnten etwas weit Wertvolleres aufbauen: KI-Systeme, die organisationale Erfahrung in wiederholbares Handeln übersetzen.

Ein nützliches Ergebnis mit wichtigen Grenzen

Die Arbeit ist ein Preprint und keine begutachtete finale Veröffentlichung. Die Experimente konzentrieren sich großteils auf terminalbasierte und toolgestützte Aufgaben und auf eine begrenzte Zahl an Agent- und Modellkonfigurationen. Die Autorinnen und Autoren weisen außerdem darauf hin, dass ihre Verhaltenstaxonomie aus einer Stichprobe von rund 3 % der normalisierten Trial-Datensätze abgeleitet wurde. Die genauen Prozentwerte sollte man also nicht als universelle Konstanten für jedes Agentensystem behandeln. Die Richtung der Ergebnisse ist aber schwer zu ignorieren. KI-Agenten scheitern oft nicht an fehlender Information, sondern daran, dass sie während der Ausführung nicht bei der richtigen Prozedur bleiben. Skills können diese Schwäche ausgleichen. Doch je mehr Skills wir hinzufügen, desto wichtiger werden Auswahl, Anwendbarkeit, Anpassung und Governance. Der beste Agent wird nicht der mit der größten Skill-Bibliothek sein. Es wird der sein, der weiß, welche Prozedur gilt, erkennt, wann sie nicht mehr gilt, und belegen kann, was er getan hat, bevor er die Arbeit für erledigt erklärt. Das ist nicht bloß künstliche Intelligenz. Das ist operative Reife.

Quellen

1. Jiang, Z., Huang, F., Xing, H., Wu, X., Gao, Y., Cao, R., Wang, M., Liu, S. und Li, Y. (2026). Demystifying Agent Skills: Why They Work—Until They Don’t. arXiv:2608.14036.
2. Agent Skills. Agent Skills: Überblick. Überblick über das offene Agent-Skills-Format und sein Progressive-Disclosure-Modell.
3. Agent Skills. Agent Skills: Spezifikation. Technische Spezifikation zu Skill-Metadaten, Beschreibungen, Kompatibilitätsangaben, Ressourcen und Validierung.
4. Schreiner, M. (2026). Studie erklärt, warum KI-Agenten von „Skills“ profitieren und wann sie versagen. The Decoder, 22. August 2026.

Aus dem Englischen übersetzt: zum Originalbeitrag