Andrew Hanna
Tekunda Team
Die meisten KI-Agentenprojekte scheitern, weil sie Demos verfolgen, nicht Robustheit. Wir kennen das: ein auffälliger GPT-Prototyp, der im Meeting beeindruckt, aber auseinanderfällt, sobald echte Nutzer, Daten und Abläufe ins Spiel kommen.
Bei Tekunda wollten wir mehr als einen Gimmick. Wir wollten einen produktionsreifen KI-Agenten, der Outbound Prospecting in großem Maßstab automatisiert, sich mit CRMs integriert, über Kontext nachdenkt und tatsächlich Umsatz antreibt. Deshalb haben wir eine KI-gestützte Outbound Engine gebaut, vollständig automatisiert über LinkedIn und Salesforce und mit Echtzeit-Intelligence über Langflow, Python und unsere internen MCP-Server angereichert.
So haben wir es gemacht, und so können Sie es auch tun.
Alles beginnt mit einer Lead-Liste aus LinkedIn, ob Suchergebnis oder gespeicherte Sales Navigator-Liste. Wir geben diese direkt an Linked Helper weiter, das automatisiert:
Sobald eine neue Verbindung erstellt und ins CRM synchronisiert wurde, startet unser KI-Agent.
Nachdem ein Kontakt in Salesforce landet, nutzt unser KI-Agent frühere Leaddaten, Conversion-Historie, Erfolgskriterien und Segmentmerkmale als RAG-Kontext, um über neue Leads zu entscheiden.
Wir orchestrieren die gesamte Logik mit Langflow, unterstützt durch custom Python flows und MCP-Server, die API-Aufrufe, Anreicherungen und Prompt-Ausführung über Tools hinweg steuern.
Sobald Leads synchronisiert sind:
Kein manuelles Tagging, keine Tabellen, nur vollautomatisierte Qualifizierung.
Unsere RAG-Pipeline nutzt custom embedding models und Langflow chains, mit Chunking- und Retrieval-Strategien, die auf Leadqualifizierung abgestimmt sind. Wir haben sowohl Vector Stores als auch PostgreSQL-basiertes Retrieval getestet und nach Performance und Kosten ausgewählt.
Für jeden Lead mit einem Score über 50 macht der Agent Folgendes:
Das System passt sich wöchentlich an und lernt, welche E-Mails konvertieren und welche nicht, dank einer kontinuierlich geschlossenen Feedbackschleife.
Diese Schicht wird von einem Langflow-gesteuerten Agenten mit modularen Prompt Templates betrieben und anhand historischer Erfolgsmuster kontextualisiert. Der gesamte Flow ist stateless und wird über orchestrierte Micro-Flows abgewickelt, wodurch wir ihn über Kampagnen hinweg wiederverwenden und skalieren können.
Ja, LinkedIn drosselt Einladungen auf etwa 200 pro Woche und Nutzer. Aber das ist nur die Spitze des Funnels.
MCP erlaubt uns, Anreicherungs- und E-Mail-Generierungsaufgaben dynamisch zu queueen, damit keine Bottlenecks entstehen. Wir nutzen custom Logging- und Monitoringtools plus Langfuse, um Agentenentscheidungen kontinuierlich zu debuggen und zu optimieren.
Lead-Anreicherung, Scoring und Outbound-E-Mail-Generierung sind unbegrenzt und skalieren so schnell, wie Ihr Team wachsen kann. Mehr Reichweite nötig? Fügen Sie LinkedIn-Seats hinzu oder wechseln Sie in einen höheren Tekunda AI-Tier.
Wir folgen Best Practices für Observability, mit Logs, strukturierter Fehlerbehandlung, Prompt Diffing und Ergebnisanalyse direkt im Kern des Agentenflows. Dadurch können wir Updates schnell und sicher ausliefern.
Die meisten KI-Agenten bleiben im Prototypen-Fegefeuer stecken, weil sie für Show gebaut werden, nicht für Skalierung. Bei Tekunda haben wir einen gebaut, der denkt, sich anpasst und konvertiert, indem wir kombinieren:
Das Endergebnis: eine selbstlaufende Outbound-Maschine, die Ihre Pipeline gefüllt hält, während Ihr Team sich aufs Closing konzentriert.
Wollen Sie das für Ihr Unternehmen?
Fragen Sie uns nach Tekundas Outbound-KI-Agenten und sehen Sie, wie wir Leadgenerierung, Qualifizierung und Outreach end-to-end automatisieren können, zugeschnitten auf Ihr ICP und Ihre Wachstumsziele.
Andrew Hanna
Serpent Team
Tekunda Team
Tekunda Team
Tekunda Team
Andrew Hanna