Warum wir keine AI-Agenten mehr trainieren

Training ist das neue Fax

2019 mussten wir AI-Modelle trainieren. Sie waren zu dumm für alles andere. GPT-2 konnte keinen kohärenten Absatz schreiben. BERT brauchte für jede Aufgabe tausende gelabelte Beispiele und einen GPU-Cluster für Tage.

Das war vor sechs Jahren. Sechs Jahre, in denen sich die Fähigkeiten von Language Models um Größenordnungen verbessert haben. Aber die Branche tut immer noch so, als sei “Training” der natürliche erste Schritt.

Wenn jemand 2026 sagt “Wir trainieren unsere AI-Agenten”, ist das wie 2010 zu sagen “Wir faxen unsere Bestellungen”. Es funktioniert. Aber es zeigt, dass man die Architektur nicht verstanden hat.

Kumar Gauraw bringt es auf den Punkt: “Die meisten greifen zu früh zum Fine-Tuning.”^[5] Nicht weil Fine-Tuning schlecht ist. Sondern weil es 2026 für die meisten Enterprise-Aufgaben nicht mehr nötig ist.

Was ein trainiertes Modell nicht kann: eine Einzelentscheidung erklären

Ein Kandidat wird von Ihrem Recruiting-Agent abgelehnt. Er fragt: Warum?

Zwei Antworten. Zwei Architekturen.

Trainiertes Modell: “Unser Modell hat auf Basis von 50.000 historischen Einstellungsentscheidungen gelernt, dass Ihr Profil eine Erfolgswahrscheinlichkeit von 34% hat.”

Konfigurierter Agent: “Ihre Qualifikation Maschinenbau erfüllt Anforderung 3 (Elektrotechnik oder vergleichbar) nicht. Regel: Stellenprofil v2026-03. Anfechtbar: Ja. Prozess: Fachbereich prüft, ob Maschinenbau als ‘vergleichbar’ gilt.”

Die erste Antwort ist ab August 2026 illegal.

EU AI Act, Art. 13 (Transparenz), Art. 14 (menschliche Aufsicht), Art. 86 (Recht auf Erklärung).^[10] Für Hochrisiko-Systeme - und Recruiting ist Hochrisiko, Annex III(4) - muss jede Einzelentscheidung nachvollziehbar, erklärbar und anfechtbar sein.

Nicht das Modell. Die einzelne Entscheidung. Für diesen Kandidaten. Mit dieser Begründung.

Ein trainiertes Modell kann das nicht. Es hat keine Entscheidungsakte. Es hat Gewichte. Und Gewichte erklären einem Betriebsrat nichts.

Der Compliance-Test: Trainiert vs. Konfiguriert

Das Compliance-Problem ist aber nur die Oberfläche. Darunter liegt ein Architekturproblem.

92% vs. 72%

Forscher haben 2025 getestet, wie gut ein LLM Anwaltsrechnungen gegen Billing Guidelines prüfen kann.^[1] Kein Fine-Tuning. Kein Training. Nur das Regelwerk als Kontext.

Das Ergebnis:

Das LLM wurde nicht auf Rechnungen trainiert. Es hat die Billing Guidelines als Kontext erhalten. Und sofort entschieden.

Warum das LLM besser war

Nicht weil es schlauer ist. Sondern weil es um 15 Uhr dieselbe Regel genauso anwendet wie um 9 Uhr. Inkonsistenz ist das Problem des Menschen, nicht Inkompetenz.^[1]

Erfahrene Juristen treffen 72% korrekte Entscheidungen - aber jeder Jurist trifft andere falsche Entscheidungen. Die Fehler sind nicht systematisch, sondern zufällig. Ermüdung, Zeitdruck, persönliche Interpretation. Ein LLM kennt keine Ermüdung.

Der übertragbare Mechanismus

Ob das Regelwerk “Billing Guideline”, “§14 UStG” oder “BMF-Pauschalen 2026” heißt: Dokument gegen Regel prüfen, Abweichung identifizieren, Entscheidung dokumentieren. Der Mechanismus ist identisch.

Eine Studie von Chauhan et al. (2025) beziffert den Break-Even-Punkt von Fine-Tuning gegenüber Prompting auf etwa 35.000 Queries pro Monat.^[6] Die meisten Enterprise-HR- und Finance-Prozesse liegen weit darunter.

Drei Dinge statt Training

Wenn kein Training, was dann? Drei Komponenten ersetzen das, was Fine-Tuning verspricht, aber strukturell nicht halten kann.

1. Regelwerk

Alles was ein Agent wissen muss, steht in einem Gesetz, einer Verordnung, einem Tarifvertrag oder einer Betriebsvereinbarung. Diese Regeln ändern sich. Steuerrecht ändert sich jährlich. BMF-Pauschalen ändern sich jährlich. EU-Verordnungen ändern sich.

Ein trainiertes Modell muss bei jeder Änderung nachtrainiert werden. Ein Regelwerk wird aktualisiert. Sofort wirksam, versioniert, auditierbar. Kein GPU-Cluster, kein Evaluierungszyklus, keine Regressionsrisiken.

RAG (Retrieval Augmented Generation) reduziert faktische Fehler um bis zu 50%.^[11] Nicht weil das Modell schlauer wird. Sondern weil es die aktuelle Regel sieht statt eine veraltete Gewichtung abzurufen.

2. Kontext

Der Agent braucht nicht 10.000 historische Reisekostenabrechnungen. Er braucht diese eine Abrechnung: Reisedatum, Abfahrt, Rückkehr, Hotel, Frühstück inklusive oder nicht. Das ist der Kontext dieser Entscheidung.

Er wird über strukturierte Eingaben oder RAG zugeführt, nicht eintrainiert. Wenn sich der Kontext ändert - andere Reise, anderer Mitarbeiter - ändert sich die Entscheidung. Nicht das Modell.

Ein konkretes Beispiel: Die Reisekosten-Engine prüft Verpflegungspauschalen gegen §9 EStG. Der Kontext ist die einzelne Reise. Das Regelwerk ist das aktuelle Steuerrecht. Das Foundation Model ist austauschbar.

3. Entscheidungsrahmen

Wer entscheidet was? Nicht jede Entscheidung in einem Prozess ist gleich.

Die Verpflegungspauschale ist Regelwerk: §9 EStG, deterministisch, 100% Confidence. Die Frage, ob ein Bewirtungsaufwand “angemessen” ist, ist Ermessen: Mensch. Die Klassifikation eines unleserlichen Kassenbons ist KI: LLM-Extraktion, probabilistisch.

Diese Zerlegung in Micro-Decisions mit Zuordnung Mensch/Regelwerk/KI ist die eigentliche Architekturarbeit. Nicht das Training. Der Decision Layer formalisiert genau diese Zerlegung. Details zur Architektur: Decision Layer erklärt.

Die drei Schichten: Architektur statt Training

Die Architektur hinter einem konfigurierten Agent besteht aus drei Schichten. Jede Schicht ist unabhängig austauschbar.

Warum drei Schichten? Weil jede eine andere Verantwortung hat.

Das Foundation Model liefert Sprachverständnis und Reasoning. Es versteht den Kontext, extrahiert Informationen aus Dokumenten, klassifiziert Eingaben. Es muss nicht wissen, was §9 EStG sagt. Es muss verstehen, was ein Gesetzestext ist.

Das Regelwerk enthält die Geschäftslogik. Gesetze, Verordnungen, Tarifverträge, Betriebsvereinbarungen. Jede Regel hat eine Version. Jede Version hat ein Gültigkeitsdatum. Wenn sich das Gesetz ändert, wird die Regel aktualisiert. Nicht das Modell.

Der Decision Layer steuert, wer was entscheiden darf. Er zerlegt Prozesse in Entscheidungsschritte. Definiert für jeden: Mensch, Regelwerk oder KI. Dokumentiert jede Entscheidung mit Regel, Version, Kontext und Ergebnis.

Was Training wirklich kostet

Nicht in Dollar. In Abhängigkeiten.

Lock-in

Ein fine-getuntes Modell bindet Sie an diesen Anbieter. Das Trainingsset, die Gewichte, die Evaluierungspipeline: alles proprietär. Modellwechsel = neues Training = neue Kosten = neuer Zeitverlust.

Ein konfigurierter Agent wechselt das Foundation Model ohne eine einzige Regel zu ändern. Claude heute, GPT morgen, ein Open-Source-Modell nächste Woche. Das Regelwerk bleibt. Der Decision Layer bleibt. Die Entscheidungsakten bleiben.

Wartung

Jede Gesetzesänderung erfordert Nachtraining. In Finance ändern sich Steuerrecht, BMF-Schreiben und SV-Beitragssätze jährlich. In HR ändern sich Tarifverträge, Betriebsvereinbarungen und EU-Regulatorik.

Ein trainierter Agent braucht kontinuierliche Pflege, die aussieht wie ein Softwareprojekt. Ein konfigurierter Agent braucht einen Regelwerk-Editor.

MIT und Stanford (Choi & Xie, 2025) zeigen: AI reduziert den Monatsabschluss um 7,5 Tage.^[7] Aber 62% der Buchhalter sorgen sich über AI-Fehler.^[8] Die Sorge ist berechtigt - bei trainierten Modellen. Bei konfigurierten Agenten mit Entscheidungsakte und Anfechtungsmöglichkeit ist jeder Fehler identifizierbar und korrigierbar.

Erklärbarkeit

Ein trainiertes Modell kann Ihnen sagen, was es entschieden hat. Es kann nicht sagen, warum.

“Das Modell hat gelernt” ist keine Begründung, die ein Betriebsprüfer akzeptiert. Kein Betriebsrat akzeptiert sie. Kein abgelehnter Kandidat akzeptiert sie.

“Regel §9 EStG v2026-01, angewandt auf Abwesenheit 14h15min” ist eine Begründung.

Wenn Sie die Entscheidung nicht erklären können, können Sie sie nicht anfechten lassen. Und wenn Sie sie nicht anfechten lassen können, ist sie ab August 2026 in der EU nicht mehr rechtskonform.^[10]

Hat Fine-Tuning seinen Platz?

Ja. Ab etwa 35.000 Queries pro Monat mit stabilem Regelwerk wird Fine-Tuning wirtschaftlich.^[6] Sprach-Adaption, domänenspezifischer Jargon, Latenz-Optimierung: dafür gibt es gute Gründe.

Aber dort, wo die Branche es heute verkauft - Enterprise HR und Finance mit jährlich wechselnden Gesetzen - ist es die falsche Architekturentscheidung. Gartner prognostiziert, dass über 40% der Agentic-AI-Projekte bis 2027 scheitern werden.^[9] Nicht an der Modellleistung. An der Governance.

Die Frage, die Ihr Board stellen sollte

Nicht: “Auf welchen Daten wurde euer Agent trainiert?”

Sondern:

1. Welches Regelwerk liegt der Entscheidung zugrunde? Welche Version galt zum Entscheidungszeitpunkt?

Wenn die Antwort “Das ist im Modell” lautet, gibt es keine Version. Keine Änderungshistorie. Keinen Audit Trail.

2. Was passiert, wenn sich die Regel ändert? Retraining oder Update?

Wenn die Antwort “Wir trainieren nach” lautet, bezahlen Sie für Wartung, die unnötig ist.

3. Kann der Betroffene die Einzelentscheidung einsehen und anfechten?

Wenn keine Antwort kommt, haben Sie ab August 2026 ein Compliance-Problem. Art. 86 EU AI Act: Recht auf Erklärung. Nicht optional.^[10]

Gosigns Ansatz

Gosigns Decision Layer ist eine Implementierung dieser Architektur. Er zerlegt Prozesse in Entscheidungsschritte. Definiert für jeden: Mensch, Regelwerk oder KI. Regelwerke sind versioniert. Entscheidungen sind auditierbar. Ergebnisse sind anfechtbar.

48 HR-Agenten und 49 Finance-Agenten, jeder mit Micro-Decision-Tabelle. Kein Fine-Tuning. Kein Lock-in. Kein Nachtraining bei Gesetzesänderungen.

---