Ago AI im Test (2026): der In-Product-Support-Agent im Praxischeck

Was ist Ago AI?

Ago bezeichnet sich selbst als „The Customer Agent OS". Die Kernidee laut Ago-Homepage: Ihre Kunden leben bereits in Ihrem Produkt, also sollte Ihr Support-Agent auch dort leben. Aus einer Frage wird eine gelöste Aktion auf der Seite, auf der der Kunde ohnehin ist, ohne Umweg über das Help Center, ohne Ticket und ohne verlorene Session.

Gebaut wurde es von zwei Branchenveteranen, Mitgründer Damien Mourot schreibt regelmäßig über den Ansatz „resolve, don't reply". Die Kennzahlen sind stark: ein CSAT von 96 % bei Mirakl, über 800.000 bearbeitete Konversationen und 70 % der Tickets von der AI gelöst. Die Arbeit für Mirakl wurde von OpenAI dokumentiert, ein echtes Glaubwürdigkeitssignal, das die meisten Tools dieser Größe nicht haben.

Zwei Dinge unterscheiden Ago vom Feld der AI-Kundenservice-Agenten. Erstens bettet es sich per SDK statt per Widget ein. Zweitens gibt es eine Service-Schicht: dedizierte Engineers, die Ihren Agenten bauen und feinjustieren, statt Ihnen ein Dashboard und viel Glück zu überlassen. Beides sehe ich mir genauer an, dazu Preise und Lücken.

Das Versprechen: ein Agent im Produkt, nicht daneben

Das ist der Teil, der mich aufhorchen ließ. Die meisten AI-Chatbots sind eine Blase in der Ecke. Können sie nicht antworten, liefern sie einen Hilfeartikel oder eröffnen ein Ticket, und Sie verlassen den Flow, in dem Sie waren. Agos Developer-SDK setzt den Agenten in Ihre App, wo er drei Dinge kann, die ein normales Widget nicht kann.

• Ihre Routen navigieren. Fragen Sie „Zeig mir meine Rechnungen", und der Agent navigiert tatsächlich dorthin, über Ihre eigene navigate-Funktion, sodass Route Guards und Auth weiter funktionieren.
• Den Seitenzustand ändern. „Nur die überfälligen, neueste zuerst" aktualisiert Filter und Sortierung auf dem Bildschirm, auf dem Sie sind.
• Ihre JavaScript-Funktionen ausführen. Sie beschreiben eine Funktion mit einem JSON-Schema, und ruft der Agent sie auf, läuft Ihr Handler im Browser und das Ergebnis fließt zurück in die Konversation.

Die folgende Grafik zeigt am besten, warum das wichtig ist:

Das SDK bietet Bindings für React, Vue 3 und Angular sowie eine schlichte Script-Tag-Variante für jede Website und ist auf npm als @useago/sdk unter Apache-2.0-Lizenz veröffentlicht. Es gibt sogar einen Installationsweg über Coding-Agenten: Zeigen Sie Claude Code, Codex oder Cursor auf Agos Datei llms-full.txt, und sie binden das Chat-Panel für Sie ein. Als jemand, der Integrationen ausliefert, gefiel mir das sehr. Das ist eine wirklich moderne Developer-Story.

Die ehrliche Kehrseite: Das ist echte Front-End-Arbeit. Ein einfaches Chat-Panel ist in zwei Minuten eingebaut, aber Navigation, Seitenzustand und die ersten Funktionen anzubinden kostet nach Agos eigener Schätzung einen Nachmittag Engineering pro Oberfläche. Das ist in Ordnung, wenn Sie Entwickler haben. Es ist eine Hürde, wenn der Support das ohne Eng-Zeit verantworten soll, und genau in dieser Lage sind die meisten Support-Leiter, mit denen ich spreche.

Wie Ago tatsächlich funktioniert

Unter der eingebetteten Schicht ist der Ablauf das, was man von einem modernen RAG-basierten Agenten erwartet: den passenden Kontext abrufen, Live-Daten aufrufen, dann mit Quellen antworten.

Der Unterschied zu einem reinen FAQ-Bot liegt im vierten Schritt. Agos Plattform ist auf Agenten ausgelegt, die im Back Office handeln: Bestellungen und Erstattungen über Ihr Order-Management-System abwickeln, Kundendaten im CRM aktualisieren, Workflows oder Eskalationen auslösen. Das ist das Versprechen „lösen statt antworten", und es ist das richtige. Eine Deflection-Zahl bedeutet nichts, wenn der Kunde trotzdem ein Ticket öffnen muss, um seine Erstattung zu bekommen.

Braucht eine Frage wirklich einen Menschen, prüft Ago Routing-Regeln und erstellt ein umfassendes Ticket im richtigen System, sodass die Eskalation den vollen Kontext in Zendesk oder Jira mitnimmt, statt einem Agenten ein kaltes Transkript vor die Füße zu werfen. Das ist der richtige Instinkt. Nachdem ich jahrelang AI in Live-Support-Queues beobachtet habe: Am schnellsten zerstört Vertrauen nicht ein Bot, der „Ich weiß es nicht" sagt, sondern einer, der selbstsicher falsch antwortet oder ohne Kontext eskaliert. Ago weiß das offensichtlich.

Ago-AI-Preise und was Sie wirklich zahlen

Agos Preisseite ist eine der transparentesten, die ich für ein Tool gesehen habe, das die Anmeldung trotzdem hinter Vertrieb legt. Es gibt zwei Stufen.

Einiges gefällt mir hier. Ago rechnet nach Konversationen ab, nicht nach Lösungen, es gibt also keine unscharfe Rechnerei, was als „gelöst" zählt. Seats sind unbegrenzt, Ihr ganzes Team auf der Plattform kostet nichts extra. Und die Zahl ist eine echte Zahl, keine „Kontaktieren Sie uns"-Blackbox.

Das Monatsminimum von 500 € sollten Sie sorgfältig durchrechnen. Bei je 0,50 € deckt es Ihre ersten 1.000 Konversationen, alles darüber wird zusätzlich abgerechnet. So ungefähr sieht ein Monat bei verschiedenen Volumen aus:

Wenn Sie eigene Zahlen einsetzen möchten, rechnet dieser Rechner mit dem veröffentlichten Tarif:

Der Stolperstein ist derselbe wie bei jedem Modell pro Konversation: Die Kosten skalieren mit dem Volumen, nicht mit dem gelieferten Wert. Sind Ihre Konversationen günstige FAQ-Fragen, sind 0,50 € pro Stück in Ordnung. Ist ein großer Teil davon Low-Intent oder wiederholtes Nachhaken, zahlen Sie für Interaktionen, die nie zu Umsatz oder Churn-Risiko geworden wären. Rechnen Sie das mit Ihrem realen Ticketmix durch, so wie Sie auch die Kosten von AI-Agent gegenüber menschlichem Agent abwägen würden.

Das Co-Construction-Modell: Engineers, die mit Ihnen bauen

Das ist das zweite Merkmal, das Ago ungewöhnlich macht, und ein echter Unterscheidungsfaktor. Agos eigene FAQ-Formulierung sagt es deutlich: Die meiste AI-Kundenservice-Software hört bei FAQ-Deflection auf, während Ago Forward-Deployed Engineers liefert, die Ihre Agenten bauen und feinjustieren, damit die Lösungsquote jede Woche steigt.

In der Praxis heißt das: Ein dedizierter AI Engineer prüft Ihre gescheiterten Konversationen, liefert Änderungen an Prompts und Tools und berichtet wöchentlich über Qualitäts-KPIs. Existiert ein Flow oder Verhalten noch nicht, bauen sie es, statt es auf eine Roadmap zu setzen. Die Silae-Fallstudie ist der Beleg, auf den sich Ago stützt: von 40 % auf 75 bis 85 % deflektierte Konversationen.

Für ein Team ohne ML- oder Prompt-Engineering-Kompetenz ist das wirklich wertvoll, und es ist der ehrliche Grund, warum ein kleinerer Anbieter Lösungsquoten auf Enterprise-Niveau vorweisen kann. Der Preis ist Abhängigkeit: Die Verbesserung Ihres Agenten hängt an einer Servicebeziehung und liegt nicht voll in der täglichen Hand Ihres eigenen Teams. Ob das ein Feature oder ein Risiko ist, hängt allein davon ab, wie viel interne Kapazität Sie haben.

AI-ready Docs: erst das Wissen reparieren, dann die AI

Ago verkauft außerdem einen Service namens AI-ready docs, und ich möchte ihn würdigen, weil er ein Problem benennt, das die meisten Anbieter stillschweigend ignorieren: Ihre AI ist nur so gut wie das Wissen dahinter.

Der Pitch: Dokumentation liegt an zehn Orten, die Hälfte ist veraltet oder doppelt, und schlecht strukturierte Inhalte führen direkt zu Halluzinationen. Also prüft Agos Team Ihre Docs, entfernt Duplikate und strukturiert sie für das Retrieval um, während Ihre Fachexperten die bereinigten Inhalte validieren. Das ist ein Beratungsprojekt, kein automatischer Import.

Das passt genau auf ein Muster, das ich ständig höre. Ein Support-Manager, mit dem ich sprach, hatte eine Knowledge Base, die komplett für Administratoren geschrieben war, während die eigentlichen Tickets von Endnutzern kamen, ein grundlegender Zielgruppen-Mismatch, der verwirrende Antworten produzierte, egal wie gut das Modell war. Die Knowledge Base aufzuräumen ist oft der wirksamste Hebel, und Ago hat recht, es zu verkaufen. Planen Sie es nur als Projekt ein, denn eine Docs-Bereinigung im Done-for-you-Modus geht nicht von jetzt auf gleich.

Sicherheit: den Agenten gezielt angreifen

Ein Bereich, in dem Ago über seiner Größe spielt, ist Sicherheit. Es ist SOC 2 Type II zertifiziert, DSGVO-konform und in Europa gehostet, mit verfügbaren EU-Modellanbietern für Anforderungen an Datensouveränität.

Das Highlight ist Agos „Security Lab", das adversariale Angriffe durch die echte Chat-Pipeline gegen den Live-System-Prompt, die Tools und das Wissen fährt. Bewertet wird nach Auswirkung, also ob geschützte Daten offengelegt oder ein verbotenes Tool tatsächlich aufgerufen wurde, und alles wird auf die OWASP Top 10 für Agentic Applications abgebildet. Zu den Angriffsarten zählen Prompt Injection, Exfiltration aus der Knowledge Base und unautorisierte Tool-Aufrufe, und es läuft bei jeder Änderung wie eine Test-Suite. Für ein Team, das einen Agenten autonom Erstattungen ausstellen lassen will, ist genau diese Art von Tests das, was das Security-Review verlangen wird, und „besteht in der ersten Runde" ist eine Aussage, die Agos Käufer interessieren wird.

Was echte Nutzer über Ago AI sagen

Hier muss ich ehrlich sein, denn es zählt mehr als jede Feature-Liste. Ago hat bisher praktisch keinen unabhängigen öffentlichen Bewertungsfußabdruck.

Das G2-Profil ist nicht beansprucht und hat 0 Reviews. Es gibt keine Einträge bei Capterra oder Trustpilot, keine Reddit-Threads, die es nennen, und keine Diskussion auf Product Hunt oder Hacker News (der Name „Agent OS" kollidiert mit mehreren fremden Tools, was die Auffindbarkeit nicht verbessert). Die einzigen öffentlichen Stimmen zu Ago sind die Gründer und die Kunden-Testimonials auf Agos eigener Website. Diese lesen sich gut und sind konkret, aber sie sind vom Anbieter veröffentlicht, nicht unabhängig.

Das ist keine Kritik am Produkt, sondern eine Tatsache über seine Phase: Ago ist früh dran. Es ändert aber, wie Sie kaufen sollten. Ohne Drittbewertungen, mit denen Sie das Marketing gegenprüfen können, verlassen Sie sich auf Ihren eigenen Pilot und die Vertriebsbeziehung, also gestalten Sie den Test streng.

Die breitere Stimmung von Support-Praktikern ist hier hörenswert, denn genau das ist die Latte, die Ago überspringen muss. Zu dem, was mit AI im Support tatsächlich funktioniert:

"No one has fully solved support with AI, but parts of it are very solvable. The biggest win I've seen is AI drafting replies that agents review before sending. It removes the repetitive typing without giving up control... The draft and approve model feels like the safest long term approach."

Bart_At_Tidio, Reddit

Und dazu, warum manche Rollouts gelingen und andere scheitern:

"The ones who say AI actually worked for them almost always have the same two things: the AI handles a narrow set of questions really well instead of trying to cover everything, and when it escalates, the human gets context... The ones who say it failed? Usually thought 70-90% deflection rate was a successful metric when it's unrealistic without proper training, knowledge resources, testing, continuous improvement."

KristineGladly, Reddit

Das zweite Zitat ist das ganze Spiel. Enger Scope, saubere Wissensbasis, echter Eskalationskontext und kontinuierliche Prüfung schlagen die Jagd nach einer Deflection-Zahl für die Schlagzeile. Agos Design (handelnd, reiche Eskalation, wöchentliches Tuning, Docs-Bereinigung) zielt genau auf diese Grundlagen, was ermutigend ist. Offen bleibt, ob es auch außerhalb der Vorzeige-Fallstudien trägt, und das beantwortet nur Ihr eigener Pilot.

Wo Ago AI passt und wo nicht

Wählen Sie Ago, wenn: Sie ein SaaS-Produkt mit echten nutzerorientierten Oberflächen bauen, Front-End-Entwickler haben und einen Agenten wollen, der in Ihrer App lebt, sie navigiert und handelt, keine Blase, die seitlich angeklebt ist. Das Forward-Deployed-Engineering-Modell passt gut, wenn Ihnen interne AI-Expertise fehlt und jemand anderes die Lösungskurve treiben soll. Die transparenten 0,50 € pro Konversation und die ernsthafte Sicherheitslage machen es besonders für europäische Teams glaubwürdig.

Schauen Sie anderswo, wenn: Sie AI zu einer bestehenden Helpdesk-Queue hinzufügen wollen, ohne ein Build-Projekt, Sie selbst starten und diese Woche ohne Verkaufsgespräch live gehen wollen oder den Agenten an Ihren eigenen historischen Tickets testen möchten, bevor Sie ihm vertrauen. Das sind andere Bedürfnisse, und dort hat ein AI-Teammate, das sich auf Ihrem bestehenden Stack installiert, die Nase vorn.

eesel auf Ihrem bestehenden Helpdesk ausprobieren

Wenn Sie Agos Versprechen „resolve, don't reply" wollen, das eingebettete SDK aber mehr Engineering ist, als Sie haben, lohnt sich ein Blick auf eesel. Es ist eine Plattform für AI-Teammates: Statt selbst einen Agenten zu bauen, holen Sie sich einen einsatzbereiten AI-Helpdesk-Teammate, der Ihrem bestehenden Zendesk, Freshdesk, Help Scout oder Slack beitritt, aus Ihren vergangenen Tickets und Docs lernt und auf Ihrer echten Queue Antworten entwirft oder löst.

Zwei Unterschiede zählen für Leser, die diese Tools vergleichen. Erstens ist das Setup Self-Serve und schnell: Sie verbinden ein Helpdesk und legen los, ohne Forward-Deployed-Engineering-Projekt. Zweitens führt eesel, bevor es je einen Live-Kunden beantwortet, eine Simulation über Tausende Ihrer historischen Tickets aus und zeigt die prognostizierte Lösungsquote, Sie legen also nicht einfach den Schalter um und hoffen. Diese Gewohnheit stammt aus Jahren, in denen ich selbstsichere Bots auf echten Queues falsch antworten sah, und es ist das Einzige, ohne das ich Support-AI nicht ausrollen würde.

Und wenn Ihnen Agos Developer-Story gefallen hat: eesel hat auch eine. Die eesel CLI (@eesel/cli auf npm) lässt Sie dasselbe Teammate und denselben Workspace aus dem Terminal steuern: Integrationen verbinden, Standing Instructions bearbeiten, Human-in-the-Loop-Freigaben verwalten und die Aktivität Lauf für Lauf lesen, alles als JSON, mit einem --dry-run-Flag, das den exakten Aufruf eines Schreibzugriffs ausgibt, bevor er gesendet wird. Jeder Workspace ist außerdem ein MCP-Server, sodass ein Coding-Agent wie Claude Code, Codex oder Cursor ihn direkt bedienen kann. Es ist die agentenfreundliche Oberfläche für Engineers, die Support lieber skripten, als sich durch ein Dashboard zu klicken, und der Einstieg ist kostenlos.