Angewandte KI und Agentensysteme in Seliee

Die KI-Schicht von Seliee, der Marketingplattform, die ich bei Neeblo gebaut habe: ein Team aus KI-Agenten, ein MCP-Server für externe Agenten und KI-Funktionen über mehrere Modellanbieter.

Problem und Umfang

Marketingteams wiederholen dieselbe mehrstufige Arbeit in vielen Tools: Trends finden, Inhalte schreiben und veröffentlichen, Kampagnen steuern, Kunden antworten und berichten. AI Office automatisiert diese Workflows: Sie geben ein Ziel vor, und Agenten planen und erledigen die Schritte mit den panel-eigenen Tools. Eine Agentenarchitektur wurde gewählt, weil die Arbeit viele Fachbereiche umfasst und Tools, gemeinsamen Zustand und eine menschliche Entscheidung dort braucht, wo Geld fließt oder etwas öffentlich wird.

Architektur

• Agentenrollen: ein Manager, der plant, das Team brieft und Ergebnisse zusammenfasst, ohne Tools aufzurufen, und 19 Spezialisten, darunter SEO, Content, Anzeigen, Social Media, CRM, Posteingang, Vertrieb, Daten, Analyse, Recherche und Entwicklung
• Tools: die eigenen Funktionen des Panels; dieselben Fähigkeiten stehen externen Agenten über einen MCP-Server mit mehr als 230 Tools zur Verfügung
• Modell-Routing: Jeder Agent nutzt sein eigenes KI-Konto, wenn der Anbieter Tool Calling unterstützt; sonst das erste Konto, dessen Ausgabenlimit den Aufruf noch erlaubt; sonst ein selbst gehostetes Llama – der Fallback wird protokolliert
• Zustand: Ein Lauf ist ein Plan aus Schritten mit Status; das Ergebnis jeder Aufgabe wird gespeichert und an abhängige Schritte weitergegeben, Schritte mit fehlgeschlagenen Eingaben werden übersprungen
• Integrationen: OpenAI, Claude, Gemini, Perplexity und llama.cpp sowie die Social-, Anzeigen-, E-Mail- und CRM-Module der Plattform

Sicherheit und Kontrolle

• Berechtigungen: Lese- und Schreibaufrufe laufen als Eigentümer des Laufs; Veröffentlichen, Löschen und Ausgeben sowie jedes unbekannte Tool werden zurückgehalten, bis ein Mensch zustimmt
• Menschliche Freigabe: Zurückgehaltene Aufrufe werden am Ende des Schritts zu einer Frage gebündelt; teure Medien-Renderings warten auf eine Kostenfreigabe
• Mandantentrennung: Jede Abfrage ist auf den Händler begrenzt, und zwischen Schritten übergebene IDs werden auf Zugehörigkeit geprüft
• Audit-Protokolle: Jeder KI-Aufruf, Tool-Aufruf, jede Frage und jedes Laufergebnis wird mit Status und Fehler protokolliert
• Fehlerszenarien: Ohne nutzbares KI-Konto stoppt die Aufgabe mit einem klaren Fehler, ein Budget von 12 Tool-Aufrufen pro Aufgabe verhindert Schleifen, und Automatisierungs- und Entwickler-Agenten schlagen Änderungen nur vor, die ein Mensch aktiviert

Evaluierung

Agenten werden an Aufgabenerfolgsquote (aus den Aufgabenstatus), Quote falscher oder abgelehnter Aktionen (aus den Freigaben), Latenz und Token-Kosten gemessen. Jeder abgerechnete KI-Aufruf wird pro Modell bepreist und pro Konto täglich und monatlich erfasst, und Ausgabenlimits stoppen Aufrufe, bevor ein Budget überschritten wird. Pläne werden vor dem Lauf validiert, sodass kein Veröffentlichungs-Tool ohne Freigabe in einen Schritt gelangt.

Belege

Öffentlich teilbar: das Live-Produkt unter seliee.si und der KI-Assistent auf dieser Website. Eine Demo von AI Office und dem MCP-Server, ein Architekturdiagramm, ausgewählte Codebeispiele und Messergebnisse gibt es auf Anfrage, soweit sie geteilt werden können.