Agent Experience

Agent Experience (AX) beschreibt, wie gut ein KI-Agent (eine Software, die auf Basis eines Sprachmodells eigenständig Aufgaben löst) ein Produkt, eine Plattform oder eine Schnittstelle (API, also die technische Verbindung zwischen Systemen) nutzen kann. Im Kern geht es um drei Fragen: Findet der Agent die vorhandenen Funktionen? Kann er sie zuverlässig aufrufen? Versteht er Rückmeldungen im Fehlerfall? Der Begriff wurde 2025 von Mathias Biilmann (Gründer der Web-Plattform Netlify) geprägt und wird seit 2026 parallel als eigene Designdisziplin für das Zusammenspiel von Mensch und Agent diskutiert.

Was ist Agent Experience?

Agent Experience beschreibt die Sicht eines nicht-menschlichen Nutzers auf ein digitales Produkt. Wenn ein Agent Buchungen anlegt, Support-Anfragen bearbeitet oder Programmcode in einem Ablageort für Software (Repository) verändert, benutzt er die dahinterliegende Anwendung wie ein zweiter Nutzertyp neben dem Menschen. AX fragt, wie gut die Anwendung darauf ausgelegt ist. Wichtige Kriterien sind maschinenlesbare Dokumentation, klare technische Bauplan-Formate (etwa OpenAPI und JSON-Schema, die den Aufbau einer Schnittstelle beschreiben), eindeutige Fehlermeldungen, einheitliche Bezeichnungen und stabile Zugangspunkte. Ein MCP-Server (Model Context Protocol) kann diese Aktionen zusätzlich so anbieten, dass Agenten sie zur Laufzeit selbst entdecken.

Der Begriff entstand aus einer Beobachtung im Web- und Developer-Tooling-Umfeld. Klassische Produkt-Oberflächen sind für menschliche Wahrnehmung optimiert: visuelle Hierarchie, Icons, Interaktions-Feedback. Ein Agent liest keinen Screenshot, er liest strukturierte Antworten. Netlify-Gründer Mathias Biilmann prägte den Begriff Anfang 2025 in einem [Blogpost zur Agent Experience](https://biilmann.blog/writings/introducing-ax) und beschrieb Agenten als eigene Klasse von Nutzern. Seitdem hat der Begriff zwei parallele Ausprägungen bekommen. Die Ursprungs-Definition (agents-as-users) prüft die maschinelle Nutzbarkeit von Produkten. Eine zweite Ausprägung, unter anderem von Analysten und der Nielsen Norman Group getragen, versteht AX als Designdisziplin für das Verhalten eines Agenten gegenüber dem menschlichen Nutzer, mit eigenen Heuristiken für Erwartungs-Management, Vertrauen und Fehler-Wiederherstellung.

Warum der Begriff Konjunktur hat: 2026 lösen Agenten immer mehr Aufgaben in Systemen aus, die für menschliche Bedienung gebaut wurden. Wo eine API unklar strukturiert ist oder Fehlermeldungen sich an Endnutzer richten statt an Systeme, verfehlt der Agent seine Aufgabe. AX macht diese Lücke sichtbar und ordnet sie einer Verantwortung zu, statt sie als Modell-Schwäche oder Prompt-Fehler zu verbuchen. Analystenhäuser wie Gartner und Forrester führen AX in ihren Agentic-AI-Publikationen als eigenes Profil, Nielsen Norman Group hat [Usability-Heuristiken auf KI-Agenten übertragen](https://www.nngroup.com/articles/ai-agent-ux-heuristics/).

Abgrenzung zu UX, Prompt-Engineering und Contact-Center-AX

Der Begriff Agent Experience wird in drei unterschiedlichen Bedeutungen genutzt. Eine Abgrenzung ist notwendig, weil sonst dieselbe Abkürzung drei verschiedene Disziplinen beschreibt.

Zwei Verwechslungen kommen häufig vor. Erstens: AX ist keine Umbenennung von UX für Chatbots. Ein Sprachmodell hinter einer Chat-Oberfläche macht die Anwendung nicht automatisch zum AX-Fall. AX greift, sobald ein Agent Tools autonom nutzt, mehrere Turns plant oder eine API programmatisch aufruft. Zweitens: AX im Kontext generativer KI hat nichts mit der gleichnamigen Contact-Center-Kennzahl zu tun. Der Genesys-Sprachgebrauch (agent experience als Arbeitsumgebung menschlicher Support-Agenten) ist eine ältere, unabhängige Bedeutung.

Prompt-Engineering setzt an einer anderen Stelle an: es optimiert die Antwort eines Modells auf eine gegebene Anweisung. AX optimiert das Ökosystem drumherum, in dem der Agent handelt.

Beispiel: AX-Optimierung einer Buchungs-API

Ein Reisebuchungs-Anbieter stellt fest, dass ein wachsender Anteil der Buchungen von KI-Agenten ausgelöst wird. Der Web-Frontend-Flow ist für Menschen optimiert: Kalender-Widget, Preis-Slider, mehrstufige Formulare mit visueller Validierung. Für einen Agenten sind diese Elemente kaum greifbar. Die Erfolgsquote automatischer Buchungen liegt unter 40 Prozent, mit hoher Streuung je nach eingesetztem Modell.

Eine AX-Optimierung verändert vier Ebenen. Erstens wird eine strukturierte Buchungs-API mit OpenAPI-Spezifikation bereitgestellt, deren Ressourcen- und Feldnamen ohne Vor-Kenntnis lesbar sind. Zweitens werden Fehlerzustände als typisierte JSON-Antworten mit klaren Codes ausgeliefert, statt als HTML-Meldung für den Endnutzer. Drittens dokumentiert ein Model-Context-Protocol-Server (MCP) die verfügbaren Aktionen maschinenlesbar, sodass Agenten sie zur Laufzeit entdecken. Viertens wird ein Test-Set kuratiert, das die Agent-Buchungsquote messbar macht und regelmäßig gegen neue Modell-Generationen läuft. Die Erfolgsquote steigt in dieser Konfiguration auf über 90 Prozent, unabhängig vom eingesetzten Agent-Modell.