Freedman International ist ein internationaler Marketingpartner vieler globaler und wachsender Marken. Zu seinen Leistungen gehört die Anpassung globaler Werbekampagnen an lokale Märkte. Eine Marke übergibt eine Master-Kampagne, und Freedman liefert Versionen zurück, die in jedem Land, in dem sie läuft, auf jeder Plattform und in jedem Ausgabeformat richtig klingen, aussehen und ankommen.
Diese Arbeit erfordert Fachkenntnis, und vieles daran wiederholt sich. Für jeden Markt muss der Text angepasst, die Bildsprache auf kulturelle Passung geprüft und jedes Format produziert und gegen die eigenen Regeln der Marke geprüft werden. Freedman wollte mit Conductor eine Pipeline aufbauen, in der KI die Vorbereitung übernimmt, während die Producer jede wichtige Entscheidung behalten. Soba Labs ist im Juni 2026 für eine F&E-Zusammenarbeit zum technischen Team von Freedman gestoßen und hat in den folgenden vier Monaten den Reasoning-Kern dieses Systems gebaut: ein Multi-Agent-System auf Amazon Bedrock, entwickelt mit LangChain, LangGraph und Langfuse, den Technologien, auf die wir spezialisiert sind.
Die Herausforderung
Die Lokalisierung einer Kampagne ist keine einzelne Aufgabe. Sie ist eine Kette von Urteilen, und jedes hängt vom vorherigen ab:
- Was verlangt dieses Briefing, einschließlich der Markenregeln, die niemand ins Briefing schreibt?
- Welche Elemente des Master-Designs tragen Bedeutung, und welche lassen sich gefahrlos ändern?
- Was wird in einem bestimmten Markt schlecht ankommen, und warum?
- Respektiert jedes fertige Asset die Marke noch, nachdem es für jede Plattform skaliert wurde?
Ein einzelner Prompt kann all das nicht abdecken. Eine frühe Fehlentscheidung, etwa ein falsch verstandenes Briefing, wandert unbemerkt in jeden Markt und jedes Format. Die Marken von Freedman bringen zudem Tausende dauerhafter Regeln mit. Das System musste die Regeln finden, die für den jeweiligen Auftrag gelten, mit Retrieval-Augmented Generation darüber schlussfolgern und das Ergebnis jedes Schritts explizit, überprüfbar und verbindlich für die nachfolgenden Schritte machen. Das ist der Unterschied zwischen einem agentischen Workflow, auf den sich ein Unternehmen verlassen kann, und einer Demo.
Warum sich Lokalisierung der Automatisierung widersetzt
Die meisten Marketing-Technologien helfen einem Menschen, ein kreatives Asset schneller über ein Dashboard zu bearbeiten. Das beschleunigt die Hände, lässt das Urteil aber, wo es war: beim Producer, der Marke, Markt und Plattform kennt. Lokalisierung ist vor allem Urteilsvermögen. Eine Headline, die in einer Sprache funktioniert, wird in einer anderen zu lang, eine Geste oder eine Farbe kann jenseits einer Grenze etwas anderes bedeuten, und ein Kleingedrucktes, das in einem Markt optional ist, ist im nächsten Pflicht.
Diese Urteile sind selten an einem Ort festgehalten. Sie stecken in Markenrichtlinien, früheren Kampagnen, Feedback-Threads und in den Köpfen erfahrener Producer. Die Prämisse von Conductor war, dass KI die Vorbereitung auf Basis dieser Regeln übernehmen kann, wenn sie erfasst und aktuell gehalten werden, und Menschen ihre Zeit den Entscheidungen widmen können, die sie wirklich brauchen. Ein großer Teil unserer Arbeit bestand darin, diese Prämisse überprüfbar zu machen.
So lief das Projekt ab
Die Arbeit begann im Juni mit zwei Deep-Dive-Tagen, einem online und einem vor Ort in London, an denen wir gemeinsam mit dem Architekten von Freedman den Umfang und den technischen Ansatz festgelegt haben. Die Umsetzung lief dann in fünf Sprints mit festem Umfang, danach endete die Zusammenarbeit. Dabei haben wir an Regelabruf, Feedback-Schleife, Briefing-Analyse, Qualitätssicherung und Orchestrierung gearbeitet.
Der Architekt von Freedman verantwortete das Design und jede Freigabe über die Entwicklungsumgebung hinaus. Soba hat nach seinen Spezifikationen gebaut, und jeder Sprint wurde erst mit der Abnahme durch Freedman abgeschlossen.
Wie wir zusammengearbeitet haben
Soba Labs arbeitete als Teil des technischen Teams von Freedman, nicht als Lieferant, der fertige Komponenten übergibt. Einige Gewohnheiten haben das getragen:
- Ein tägliches schriftliches Update. Jeder Arbeitstag endete mit einer kurzen Notiz dazu, was vorangekommen war, was blockiert war und was als Nächstes kam, sodass Freedman den Fortschritt verfolgen konnte, ohne dafür ein Meeting zu brauchen.
- Entscheidungen schriftlich. Ein Design-Call konnte einen Plan innerhalb einer Stunde ändern. Wir haben jede Entscheidung dort festgehalten, wo das ganze Team sie sehen konnte, und unsere offenen Tickets nach jedem Call erneut gelesen, nicht davor.
- Reviews, die beim Zweck beginnen. Design-Reviews endeten nicht bei der Überarbeitung eines Dokuments. Sie gingen zurück zu der Frage, wofür jeder Schritt da ist, und mehr als einmal wanderte dadurch ein Teil der Arbeit an eine andere Stelle im Ablauf oder fiel ganz weg.
- Eine einfache erste Version, mit einem Grund, sie wieder aufzugreifen. Beide Teams teilten eine Abneigung gegen Over-Engineering. Wir haben die einfachste Version gebaut, an die wir glaubten, das Signal benannt, das zeigen würde, dass sie nicht reicht, und sie geändert, sobald dieses Signal auftrat.
Eine Wissensbasis, der die Agenten vertrauen können
Ein Agent ist nur so gut wie die Regeln, die er abruft. Die Regelbasis von Freedman war auf Tausende aktive Regeln angewachsen. Viele waren keinem einheitlichen Schlüssel zugeordnet, sodass dieselbe Idee mehrfach unter verschiedenen Bezeichnungen auftauchen konnte und der Abruf zu viel zurückgab. Zu viel Kontext schadet ebenso wie zu wenig, ein Problem, das wir unter Context Engineering beschreiben.
Gemeinsam mit den Fachexperten von Freedman haben wir eine strukturierte, deduplizierte Regelbasis entworfen, von Freedman vor dem Einsatz freigegeben, die das Rauschen beim Abruf deutlich reduziert hat. Jeder Auftrag hielt genau die Regeln fest, auf deren Grundlage er lief, sodass sich jede Entscheidung auf die zugrunde liegende Regel zurückführen ließ: ein funktionierender Audit-Trail statt eines Logs, das niemand liest.
Menschen entscheiden, die Pipeline bereitet vor
Die Designregel war einfach: KI übernimmt die Vorbereitung, ein Mensch trifft die Entscheidung. Die Pipeline führte eine Kampagne vom Briefing bis zu den paketierten Deliverables, mit menschlicher Freigabe an den wichtigsten Entscheidungspunkten, an denen der Producer die Arbeit freigab, bearbeitete oder zurückschickte. Wiederholungsversuche waren durch eine feste Retry-Policy begrenzt, und Ergebnisse, die das System nicht auflösen konnte, wurden für einen Operator zurückgehalten, statt stillschweigend durchgereicht zu werden. Das ist das Human-in-the-Loop-Muster, angewendet an jeder Stelle, an der ein Fehler teuer wäre, und im Einklang mit dem NIST AI Risk Management Framework.
Eine frühe Entscheidung war wichtiger als die meisten anderen. Das erste Design ließ das Modell seine eigene Konfidenz bewerten. Wir haben das durch ein deterministisches Konfidenz-Gate ersetzt, das auf messbaren Signalen beruht, etwa ob die Regeln übereinstimmten und ob jede Aussage ihre Quelle zitierte. Die Meinung eines Modells über sich selbst lässt sich nicht prüfen; ein regelbasiertes Gate schon. Wir erklären den Ansatz in deterministic confidence gates, und dieselbe Idee leitet unsichere Antworten in unserer Fallstudie zur Patientenaufklärung bei Shen.ai an Kliniker weiter.
Engineering für die Produktion, nicht für eine Demo
Die Pipeline musste echtem Kampagnenmaterial standhalten: großen mehrschichtigen Master-Designs, Regeln für Dutzende Märkte und Modellausgaben, die nie zweimal ganz gleich ausfallen. Ein Großteil der Arbeit bestand darin, sie verlässlich zu machen, die Disziplin, die wir Harness Engineering nennen:
- Tests und Tracing. Der Reasoning-Service war durch automatisierte Tests abgedeckt, und jeder Modellaufruf wurde in Langfuse mit Eingaben, Ausgaben und Kosten getraced, sodass sich eine falsche Antwort im Nachhinein diagnostizieren ließ. Genau das bedeutet LLM-Observability in der Praxis.
- Resilienz. Begrenzte Wiederholungsversuche bei abgebrochenen Verbindungen und Transportfehlern des Modells sowie eine Normalisierung, die verhindert, dass trivial abweichende Ausgaben an einer strikten Prüfung scheitern.
- Geschwindigkeit, wo es darauf ankommt. Die kulturelle Bewertung lief ursprünglich Markt für Markt, für die größten Märkte zu langsam. Durch die parallele Ausführung der Bewertungen blieb selbst der größte Markt innerhalb seines Zeitlimits.
- Modellausgaben an der Quelle korrigieren. Der strukturierte Output des Vision-Modells ging nach einer Schema- und Prompt-Korrektur von überwiegend ungültig zu durchgehend gültig.
Was die Arbeit geliefert hat
- Eine Pipeline, die durchgängig lief. In Zertifizierungsläufen haben neue Aufträge alle Schritte bestanden, die Qualitätssicherung wurde bestanden, und Social-Media-Deliverables für mehrere Märkte und Formate wurden abgeschlossen.
- Tiefe der kulturellen Analyse. Jede Marktbewertung brachte belegte Risiken zutage, jedes mit einer Quelle verknüpft, wobei blockierende Risiken für den Producer markiert wurden. Jede Aussage in einer Quelle zu verankern ist der wichtigste Schutz vor Halluzinationen.
- Eine strukturierte Regelbasis. Dedupliziert, von Freedman freigegeben und über diese Pipeline hinaus wiederverwendbar. Freedman sieht eine weitere Einsatzmöglichkeit in der kulturellen Marktforschung.
Was wir gemeinsam gelernt haben
Die Zusammenarbeit hat beiden Teams viel beigebracht, und diese Lektionen nehmen wir in jedes Multi-Agent-Projekt mit.
Stellen Sie einen Schritt vollständig fertig, bevor Sie mit dem nächsten beginnen. Die Komponenten von Conductor wurden Schicht für Schicht nach Spezifikation gebaut und getestet und erst spät miteinander verbunden. Manche Lücken zeigten sich erst, als der gesamte Ablauf lief, und Feinabstimmung, die Monate früher hätte beginnen können, wartete darauf, dass die Orchestrierung existierte. Wer jeden Schritt durchgängig baut, also Schnittstelle, Reasoning und Verdrahtung zusammen, ermöglicht dem Kunden, ab dem ersten Sprint echte Arbeit zu testen. Wir setzen heute jedes Multi-Agent-Projekt so um, und es ist das Erste, was wir in einem AI Readiness Review prüfen.
Prüfen Sie Arbeit dort, wo sie entsteht. Wenn ein Schritt etwas erzeugt, ist der günstigste Ort für die Prüfung dieser Schritt selbst, nicht zwei Schritte später. Jeder Fehler, den eine späte Prüfung findet, kostet eine komplette Nacharbeitsschleife, deshalb fragen wir heute, warum eine Prüfung an ihrer Stelle sitzt, bevor jemand sie baut.
Ein Schritt ist fertig, wenn ein Operator ihn nutzen kann, nicht wenn seine Tests bestehen. Komponententests laufen gegen Testdaten und simulierte Oberflächen. Die Pilottests von Freedman gingen den echten Weg: Arbeit einreichen, die Seite verlassen, zurückkehren, erneut versuchen und die Oberfläche mit den Daten dahinter vergleichen. Solche Tests finden, was Komponententests nicht sehen können. Heute geht jeder Schritt den echten Weg des Operators, mit echtem Kundenmaterial, bevor wir ihn als fertig betrachten.
Ein Pilot prüft Urteilsvermögen ebenso wie Software. Eine Regelbasis ist nur so gut wie die Regeln, die Menschen hineinschreiben, und beide Teams haben gemeinsam erarbeitet, wie eine gute Regel aussieht. Wir haben gelernt, Review-Oberflächen als Mittel zu nutzen, um das Schreiben dieser Regeln zu lernen, nicht nur als Bestanden-oder-nicht-Schranken.
Messen Sie die Zeit, die zählt. Gesamtlaufzeit und Generierungszeit des Modells sind verschiedene Zahlen. Wenn ein Markt langsam wirkte, war der größte Teil der Wartezeit Warteschlange und nicht das Modell. Beides zu trennen, bevor wir Latenz als Fehler behandelt haben, hat uns davor bewahrt, an der falschen Stelle zu optimieren.
Planen Sie ein eigenes Multi-Agent-System? Sprechen Sie mit uns oder sehen Sie sich unsere weiteren Fallstudien an.