> ## Documentation Index > Fetch the complete documentation index at: https://docs.armin.cx/llms.txt > Use this file to discover all available pages before exploring further. # Tests und Verlauf > Teste KI-Agenten vor dem Launch und prüfe, was nach jeder Ausführung passiert ist. Tests zeigen dir, wie ein KI-Agent realistische Support-Fälle bearbeiten wird. Im Run-Verlauf siehst du, was nach einem Test oder Live-Trigger passiert ist. [Öffne den Run-Verlauf](https://armin.cx/app/_/ai/agents-v2/runs), um Ausführungen aller Agenten zu prüfen. ## Was du testen solltest Teste den Agenten mit Nachrichten, die echte Kundensituationen abbilden: * den Happy Path, den der Agent bearbeiten soll * Nachrichten, die eskalieren sollen * mehrdeutige Kundenanfragen * fehlende Bestell- oder Kundendaten * sensible Aktionen, die eine Freigabe brauchen * Nachrichten, die den Agenten nicht starten sollen ## Zuständigkeit und Übergaben testen Nutze für jeden Fall eine kurze Ticket-Unterhaltung: | Testfall | Beispiel | Erwartetes Verhalten | | --------------------------------------- | ---------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------ | | Rückfrage des Kunden | Der Agent antwortet. Innerhalb von 30 Tagen fragt der Kunde nach dem Tracking-Link. | Dazwischen hat kein Mensch geantwortet. Deshalb macht derselbe Agent mit dem Bestellkontext weiter. | | Späte Rückfrage | Der Kunde schreibt mehr als 30 Tage nach dem Ende der Agentenarbeit erneut. | Der vorherige Agent startet nicht neu. Die Nachricht wird für eine andere passende Automatisierung geprüft. | | Menschliche Antwort nach Abschluss | Der Agent antwortet und beendet seine aktuelle Arbeit. Danach schreibt ein Teammitglied. | Dieser Agent macht seine Folgearbeit nicht weiter. Die nächste Kundennachricht kann neu zugeordnet werden. | | Menschliche Antwort während einer Pause | Der Agent bittet um ein Foto und wartet. Ein Teammitglied antwortet vor dem Kunden. | Der alte Agent kann nicht weitermachen. Solange die Pause offen ist, blockiert sie auch einen neuen KI-Agenten. Das menschliche Team bleibt zuständig. | | Übergabe an Spezialisten | Ein Retouren-Agent erfährt, dass der Artikel beschädigt angekommen ist. | Er übergibt das Gespräch an einen passenden Agenten für beschädigte Produkte und stoppt. | | Übergabe an Menschen | Ein Kunde bittet um eine Ausnahme, die kein Spezialist entscheiden kann. | Der Agent übergibt an die eingerichtete Person, das Team oder eine Warteschlange für Menschen. | | Keine Aktion nötig | Der Kunde schreibt: „Danke, damit ist alles geklärt.“ | Der Fall kann ohne Antwort und ohne Benachrichtigung an das Team enden, wenn nichts mehr zu tun ist. | | Nachrichten während der Arbeit | Der Kunde sendet zwei Ergänzungen, während der Agent noch eine Bestellung prüft. | Nach der aktuellen Arbeit bekommt der Agent das neueste Update. Es startet kein doppelter Agent. | Teste auch eine spätere Kundennachricht nach der Übergabe an einen Menschen. Sie kann erneut einem passenden KI-Agenten zugeordnet werden. Soll das Ticket nur bei Menschen bleiben, teste es nach diesen Änderungen: passende KI-Agent-Trigger enger fassen oder deaktivieren, Auto-Antworten von Classic AI stoppen und Makro-Workflows mit KI-Prompt enger fassen oder deaktivieren. ## Nützliche Testfälle erstellen Nutze möglichst echte Kundenformulierungen. Kurze synthetische Prompts lassen oft die Details aus, die Support-Fälle schwierig machen. Leg fest, was der Agent tun soll: antworten, nachfragen, eine Aktion nutzen, Freigabe anfordern oder eskalieren. Füg Beispiele hinzu, in denen der Agent nicht handeln soll. Prüfe, dass der Agent nur die Aktionen nutzt, die für den Fall nötig sind. Wiederhole die betroffenen Fälle, nachdem du Anweisungen, Trigger, Skills, Aktionen oder Freigaben geändert hast. ## Run-Verlauf nutzen Nutze ihn, um zu prüfen: * warum dieser Agent das Ticket bekommen hat * welche Anweisungen und Skills die Ausführung beeinflusst haben * welche Aktionen der Agent genutzt hat * ob eine Freigabe angefordert wurde * welche kundenorientierte Antwort entstanden ist * warum der Agent eskaliert oder gestoppt hat Der öffentliche [Run-Verlauf](https://armin.cx/app/_/ai/agents-v2/runs) zeigt alle Agenten. Agentenspezifische URLs enthalten private IDs und gehören nicht in öffentliche Links. Öffne einen Agenten über die [KI-Agenten-Übersicht](https://armin.cx/app/_/ai/agents-v2) und wähl dann **Runs** oder **Tests**. ## Unerwartetes Verhalten debuggen Wenn eine Ausführung nicht wie erwartet lief, prüfe: * ob eine andere Automatisierung die Unterhaltung bereits übernommen hatte * ob ein exakter oder inhaltlicher Trigger einen anderen Agenten gewählt hat * ob die Agent-Anweisungen zu breit waren * ob ein Skill widersprüchliche Hinweise enthielt * ob die benötigte Aktion aktiviert war * ob die Freigabe den letzten Schritt blockiert hat * ob dem Ticket erforderlicher Kunden- oder Bestellkontext fehlte [Lass Ask Torben den Run prüfen](https://armin.cx/app/_/ai/agents-v2?askTorben=Help%20me%20diagnose%20why%20an%20AI%20Agent%20did%20not%20handle%20a%20ticket%20as%20expected.%20Ask%20me%20for%20the%20ticket%20number%2C%20agent%20name%2C%20or%20run%2C%20then%20suggest%20specific%20improvements.). Nenne die Ticketnummer, den Agentennamen oder den Run, damit Ask Torben die passende Ausführung findet. Bei Auswahlproblemen hilft [Routing und Zuständigkeit](/de/ai-agents/routing-and-ownership). ## Bewährte Vorgehensweisen * Teste vor der Aktivierung und nach jeder größeren Änderung an Anweisungen oder Aktionen. * Lass Freigaben aktiv, solange du frühe Produktionsläufe prüfst. * Füg einen Negativtest hinzu, wenn der Agent über das Ziel hinausschießt. * Nutze den Verlauf, um Anweisungen zu verbessern — nicht nur, um Fehler zu debuggen.