Stand

Wir zeigen die ganze Messung.

Auf dieser Seite finden Sie keine Hochglanz-Traktion. Batoon misst sich wiederholbar an einem Katalog aus 96 Enterprise-Fähigkeiten, acht Schichten und 13 Branchenszenarien. Das Ergebnis steht hier vollständig, auch das Drittel, das noch fehlt.

Stand: 5. September 2026, nach Runde 105. Vorige Messung: 25. August 2026 mit 51,2 %.

Was läuft

Ein belastbarer Prototyp, kein Konzeptpapier.

Drei Anwendungsfälle end-to-end, über zwei Mandanten

Ein Produkt-Launch für ein B2B-SaaS-Unternehmen. Eine Churn-Rescue für einen Onlinehändler, mit Identitätsauflösung, gelerntem Churn-Modell, Entscheidung je Kontakt, Callcenter samt Kapazitätsgrenze und Vetos aus Consent und Sperrvermerk. Eine Creative-Ops-Schleife vom Briefing über drei Varianten bis zur Freigabe. Alle drei laufen in einer kuratierten Simulationswelt.

Echte Agenten, keine gescriptete Demo

Die Läufe orchestrieren KI-Agenten. Daneben gibt es einen deterministischen Modus ohne Modellzugriff. Damit lässt sich dieselbe Vorführung reproduzierbar und ohne API-Schlüssel zeigen.

Fünf echte MarTech-Systeme angebunden

Canva, Mailchimp, Meta Ads, HubSpot und Google BigQuery, jeweils nur lese- und entwurfsseitig. Nichts wird versendet, keine Kampagne startet. Eine sechste Konfiguration für WordPress.com ist geschrieben, aber noch nicht gegen die echte API geprüft.

Mandantenfähig, mit echtem Login

Batoon ist OIDC-Relying-Party. Es speichert keine Passwörter und betreibt kein eigenes Nutzerverzeichnis. Die Rechte ergeben sich aus Firmen- und Projektrolle zusammen: lesen, freigeben, konfigurieren. Der Browser-Roundtrip gegen einen Keycloak-Broker läuft seit dem 31. August 2026.

Betrieb: Zeitpläne, Dialog, Meldepflichten

Läufe starten auf Zuruf, nach Zeitplan, durch ein gemeldetes Ereignis oder zu einem terminierten Zeitpunkt. Antworten von Kontakten werden ohne Lauf entschieden. Auskunft, Löschung, Widerruf, Rechtsdrohung und Sicherheitsvorfall gehen mit Frist an eine Rolle. Alles in der Simulationswelt.

Skalierung in der Simulationswelt gemessen

1.000.001 Kontakte durchlaufen die ganze Churn-Rescue-Kette in 180 Sekunden auf einer CPU. Jedes Werkzeugergebnis bleibt zwischen 5 und 700 Bytes, bei zehntausend wie bei einer Million Kontakten. Der Orchestrator sieht Zahlen, nie Kontakte.

Das Messergebnis

66,8 % von 96 Fähigkeiten.

66,8 %

625 von 936 gewichteten Punkten · 13 von 13 Branchenszenarien nach eigenem Katalog umsetzbar · 0 kritische Must-Lücken · im August: 51,2 %, 2 von 13, 18 Lücken

Nach Schicht

Decisioning 72,3 %
Orchestrierung & Governance 70,8 %
Plattform & Betrieb 70,7 %
Design 69,0 %
Mensch-Agent-Interaktion 68,0 %
Distribution 65,0 %
Measurement & Optimization 62,5 %
Data Layer 55,3 %

Nach Kritikalität

Must, 49 Fähigkeiten, alle ab Reifegrad 3 77,0 %
Should, 40 Fähigkeiten, 22 ab Reifegrad 3 51,2 %
Could, 7 Fähigkeiten, 1 ab Reifegrad 3 28,6 %

Reifegrade: 4 Fähigkeiten vollständig, 68 weitgehend, 5 teilweise, 11 rudimentär, 8 ohne Evidenz. Ein Szenario gilt als umsetzbar, wenn alle seine Must-Fähigkeiten mindestens Reifegrad 3 erreichen.

Die 13 Branchenszenarien des Katalogs sind nicht die drei Anwendungsfälle oben. Der Katalog prüft, was ein Unternehmen einer Branche insgesamt bräuchte. Die Anwendungsfälle zeigen, was heute läuft. Der Sprung von 51,2 % auf 66,8 % kommt aus 46 Runden in zehn Tagen, gemessen in der Simulationswelt. Er sagt etwas über die Mechanik. Über die Wirkung auf echten Kundendaten sagt er nichts, weil es keine Live-Aussteuerung gibt.

Was fehlt

Die Lücken, ungeschönt.

Data Layer, 55,3 %: Weiter die schwächste Schicht. Die Identitätsauflösung arbeitet deterministisch, ohne probabilistisches Matching und ohne Golden Record. Auf dem Live-Pfad behalten die Anbieter ihre eigenen IDs.
Keine Live-Aussteuerung: Der Weg ist gebaut und getestet, aber nicht scharfgeschaltet. Die fünf angebundenen Systeme laufen lese- und entwurfsseitig. Die WordPress-Konfiguration ist gegen die echte API ungeprüft.
Keine echten Kundendaten: Entscheidungen je Kontakt, Churn-Modell, Lernschleife, Experimente und Dialog laufen in der Simulationswelt. Was dort gemessen ist, ist Mechanik. Wirkung auf echte Umsatzzahlen steht aus.
24 Fähigkeiten unter Reifegrad 3: Alle in der Should- und Could-Klasse: 8 ohne Evidenz, 11 rudimentär, 5 teilweise. Darunter der Dialog ohne Sprachmodell, Anrufe ohne Rückkanal und Zeitpläne ohne Bearbeitung in der Oberfläche.
Kein Enterprise-IdP im Einsatz: Der Browser-Roundtrip mit PKCE läuft gegen einen Keycloak-Broker mit angebundenem Kundenverzeichnis. Gegen den Identity Provider eines echten Konzerns lief es noch nie.
Ein Modellanbieter belegt: Sechs Anbieter lassen sich konfigurieren. Dokumentierte Läufe liegen nur auf Anthropic vor. Die Fallback-Kette ist getestet, ihre dritte Stufe hängt an einem gültigen Schlüssel.
Das Assessment stellen wir uns selbst: Der Katalog aus 96 Fähigkeiten stammt von uns. Das macht die Zahl intern vergleichbar und über die Zeit belastbar. Die Prozentwerte je Szenario sind teilweise aus Punktedifferenzen geschätzt, der Bericht sagt das selbst. Eine externe Prüfung ersetzt das nicht.

Leitplanke

Was diese Seite nicht behauptet.

Keine Live-Aussteuerung. Nichts wird versendet, keine Kampagne startet.
Keine zahlenden Kunden, keine Referenzen, keine Fallstudien.
Keine Ergebniszahlen aus dem Echtbetrieb. Die Anwendungsfälle laufen in einer Simulationswelt.
Keine externe Prüfung des Erfüllungsgrads. 13 von 13 heißt: nach unserem eigenen Katalog.

Wir nennen diese Grenzen, weil sie in jeder Prüfung ohnehin auffallen würden. Der Prototyp kommt ohne solche Behauptungen aus.