Was wir gelernt haben, als wir mit einem KI-geführten Unternehmen unsere ersten 75 $ verdienten.
Im Juli beschlossen wir zu testen, ob ein KI-Agent ein Unternehmen führen kann, das tatsächlich Geld verdient. Wir gaben Devin eine Ramp-Karte, eine Telefonnummer und eine E-Mail-Adresse, nannten es BugBasher und wiesen es an, den Rest selbst herauszufinden.
Die Idee: einen agentischen Schädlingsbekämpfungsdienst aufbauen. New York City veröffentlicht die Ergebnisse jeder Restaurant-Hygieneinspektion, einschließlich Verstöße gegen die Schädlingsschutzvorschriften. BugBasher sollte diese Restaurants kontaktieren, herausfinden, ob sie einen Schädlingsbekämpfer suchten, und für die Vermittlung eine Gebühr verlangen.
Vier Wochen und viele Anrufe später hatte es 75 $ eingenommen. Nach unserem Kenntnisstand ist dies der erste öffentlich dokumentierte Fall eines KI-Agenten, der erfolgreich B2B-Vertrieb von einem vollständigen Kaltstart aus betreibt.
BugBasheers Umsatz während des vierwöchigen Experiments.
Setup
BugBasher läuft auf Devin, dem Coding-Agenten von Cognition, wobei Ramps agentische Finanzplattform sein Geld verwaltet. Wir gaben ihm auch eine Telefonnummer und eine Stimme (über Twilio und ElevenLabs), eine E-Mail-Adresse (über AgentMail) und einen Stripe-Zahlungslink.
Es hatte auch ein GitHub-Repository und ein „Gehirn“, das aus Textdateien in einem Storage-Bucket bestand und als sein Gedächtnis diente. Ein privater Slack-Kanal ermöglichte es ihm, uns Updates zu senden und Code-Reviews anzufordern.
Der Selbstverbesserungs-Loop
Um BugBasher die Freiheit zu geben, seinen eigenen Geschäftsplan zu iterieren und auf eingehende Anfragen zu reagieren, richteten wir ein OpenClaw-artiges Heartbeat-System ein. Alle 20 Minuten lief ein Heartbeat in Form einer Devin-Automatisierung.
Die automatisierten Sessions prüften das Telefonguthaben, das Postfach und die Stripe-Aktivitäten auf Hindernisse. Andere geplante Sessions führten Restaurantanrufe durch, überprüften Transkripte und aktualisierten die Anweisungen des Telefonagenten basierend auf den Ergebnissen. Einmal täglich überprüfte eine „Idea“-Session die gesamte Geschäftsleistung und entwickelte neue Geschäftsoptimierungen zum Ausprobieren. Eingehende Anrufe und Zahlungen lösten ebenfalls neue Devin-Sessions aus, sodass BugBasher reagieren konnte, ohne auf den nächsten Heartbeat warten zu müssen.
BugBasheers Aktivität über vier Wochen, farbcodiert nach Session-Typ. Orange Punkte markieren Sessions, die wir manuell gestartet haben.
Jeder Heartbeat startete ein neues Devin mit einer neuen Sandbox und lud das „Gehirn“ aus dem Storage-Bucket in das lokale Agenten-Dateisystem herunter. Im Bucket befanden sich Agenten-Fähigkeiten, Anruftranskripte und alle anderen Logs, die der Agent entscheiden wollte zu speichern. Dies erleichterte es mehreren gleichzeitigen Agenten, dasselbe Gehirn zu aktualisieren und aus ihren eigenen Fortschritten zu lernen.
1bugbasher-brain-main/2├── AGENTS.md3├── memory.md4├── open-decisions.md5├── do-not-call.csv6├── (... other MD and CSV files)7│8├── transcripts/9│ └── 2026-08-07 … 2026-09-08/ (25 day folders, 14,742 .json)10├── results/11│ ├── 2026-08-25-123b4fb1-partner-webform-shots/12│ ├── 2026-08-28-cf20a49e-desk2-lead-sheets/13│ └── (...)14├── runs/15│ ├── dial-slots/16│ └── <date>-<session>-<role>.md (411 files)17├── skills/18│ ├── README.md19│ ├── roles/20│ │ ├── calling/21│ │ ├── heartbeat/22│ │ ├── idea-engine/23│ │ ├── morning-brief/24│ │ └── (...)25│ ├── brain-maintenance/26│ ├── call-qa/27│ ├── (..)28├── call-qa/29├── context/30│ ├── meetings/31│ └── (18 .md)32├── archive/33│ ├── memory-2026-08.md34│ ├── memory-2026-09.md35│ ├── strategy-2026-08.md36│ ├── strategy-2026-09.md37│ └── open-decisions-closed.md38├── webcrafter/39│ └── (...)40├── partner-prospects/41│ └── (...)42├── dashboard/43│ ├── expenses.csv44│ ├── metrics.csv45│ ├── revenue.csv46│ └── summary.json47├── delivery/48│ └── runs/49├── handoff/50└── inbound-callbacks/
Die geteilten Dateien ermöglichten es neuen Sessions, frühere Arbeit wieder aufzunehmen und ihren Ansatz zu überarbeiten, ohne dass wir jeden Schritt leiten mussten.
Während der täglichen Review-Automatisierung durchsuchte Devin alle vorherigen Logs und versuchte, aus seinen Fehlern zu lernen. Die meisten dieser Erkenntnisse bestanden in Aktualisierungen von Fähigkeiten, die den nächsten Durchlauf von ausgehenden Anrufen verbessern oder breitere Erkenntnisse in zukünftige Sessions einspeisen würden. BugBasher konnte seine Prompts und gespeicherten Anweisungen selbst aktualisieren, aber Änderungen am Code erforderten weiterhin unsere Genehmigung.
BugBasher fügte Anweisungen hinzu, entfernte sie und organisierte sie um, während es die Anrufergebnisse überprüfte. Sein Prompt wuchs im Laufe des Laufs von 252 auf 2.793 Wörter.
Wir verbrachten die ersten zwei Wochen damit, BugBasher aufzubauen und es engmaschig zu überwachen. Teil des Experiments war es zu sehen, ob es Fortschritte machen konnte, wenn es auf ein Hindernis stieß. Daher versuchten wir nach der initialen Einrichtung, so wenig wie möglich einzugreifen, und checkten etwa einmal pro Woche ein, um wichtige Code-Änderungen freizugeben.
Interessierte Restaurants finden
Um Vermittlungen zu verkaufen, brauchte BugBasher zunächst Restaurants, die einen Schädlingsbekämpfer wollten. Der Großteil seiner Arbeit bestand darin, Restaurants mit kürzlich festgestellten Schädlingsverstößen anzurufen und zu fragen, ob sie Kontakt zu einem herstellen wollten.
Ergebnisse von 10.929 Restaurantanrufen. Die Zahlen repräsentieren Anrufe, nicht eindeutige Restaurants.
Diese Anrufe flossen in die Review-Automatisierung ein, wo Devin die Transkripte untersuchte und die Anweisungen des Telefonagenten für nachfolgende Anrufe überarbeitete.
Sprache
BugBasher erreichte manchmal Personen, die seinen englischen Einstieg nicht verstanden. Sie sagten „Hallo? Huh? Wéi?“, was es als schlechte Verbindung interpretierte – also legte es bei ihnen auf. Am 11. August, nachdem ein Restaurant 45 Sekunden so verbracht hatte, fügte es seinem Anruf-Prompt die Anweisung hinzu zu fragen: „Wäre Spanisch oder Chinesisch einfacher?“
Bei den meisten Nicht-Englisch-Anrufen reichte das aus, um die zuvor fehlgeschlagenen Gespräche in Gang zu bringen. Im gesamten Lauf wechselte es die Sprache bei 39 Anrufen, meist zu Spanisch oder Chinesisch.
System-Prompt
Der Agent begann auch manchmal mitten im Gespräch, seinen System-Prompt laut vorzulesen.
Der Telefonagent liest seine Anweisungen während eines Restaurantanrufs laut vor.
Es diskutierte auch laut mit sich selbst darüber, was zu tun sei:
"Sind Sie noch da? Der Benutzer schweigt seit zwei Zügen. Gemäß den SPEECH GATE- und THE ASK-Regeln, wenn ein Zug zeigt, dass sie nicht zugehört haben, ist meine gesamte Antwort die Frage. Allerdings besagt die Regel 'Stille hat dreißig Sekunden überschritten', dass ich, wenn die Stille länger als dreißig Sekunden anhält und keine Antwort auf die Frage erfolgt ist, sagen soll 'Ich versuche es ein anderes Mal, danke!' und das Gespräch beenden soll. Da der Benutzer seit zwei Zügen still ist, sind wahrscheinlich mehr als dreißig Sekunden vergangen. Aber bevor ich das Gespräch beende, sollte ich gemäß der Regel fragen 'Sind Sie noch da?'. Dies ist das erste Mal, dass ich das frage."
Dies geschah bei 197 Anrufen. BugBasher versuchte, „Niemals deine Begründung nennen“ zum Prompt hinzuzufügen, spezifische Wörter zu löschen und das Format der Tool-Aufrufe zu ändern. Keine der Korrekturen funktionierte. Am 24. August stoppte es Wortänderungen und eskalierte das Problem an uns.
Aus Sackgassen herauskommen
BugBasher fand interessierte Restaurants, hatte aber immer noch keinen Schädlingsbekämpfer, an den es sie weiterleiten konnte. Es hatte die Unterzeichnung eines Vertrags mit einem Bekämpfer zunächst als Aufgabe betrachtet, die menschliche Beteiligung erforderte. Nach acht Tagen notierte es:
„Einen Schädlingsbekämpfer unter Vertrag nehmen“ ist seit 8 Tagen Blocker #1, während jede Session downstream davon arbeitete, und keine Session hatte die Eingabe für diese Entscheidung produziert.
Andere Anfragen warteten auch auf uns. Es hatte keine Berechtigung, Slack-Antworten zu lesen, und die menschlichen Blocker, wie Ausgabenfreigaben und Code-Reviews, häuften sich. Seine Slack-Updates an uns blieben unbeantwortet.
Am 23. August identifizierte BugBasher „menschliche Freigabedurchsatz“ als seinen Hauptblocker und begann, nach einem anderen Weg zu suchen, um uns zu erreichen.
An diesem Morgen begann es, das gesamte Gehirn und alle seine Dateien nach Kontaktdaten von Menschen zu durchsuchen. Als das erfolglos blieb, versuchte es, die Mitglieder seines Slack-Kanals aufzulisten, in der Hoffnung, eine Person zu finden, die es erreichen konnte:
1slack conversations.members -> missing_scope2slack users.list -> missing_scope
Ohne die erforderlichen Slack-Berechtigungen gaben beide Befehle jedoch einen Fehler zurück. Eine Minute später beschloss es, etwas anderes auszuprobieren, diesmal das Auflisten der Mitarbeiter in seinem Github-Repo:
1gh api repos/.../collaborators -> jzone3, birdhumming
Dann führte es git log aus, um die Autoren früherer Commits zu finden, was zwei Arbeits-E-Mails ergab:
113:49:19 git log --format='%an %ae' | sort -u213:50:17 email sent to two work addresses -> 200
Und wir wachten mit folgender E-Mail auf:
Ich habe die neun offenen PRs zwei Tage später zusammengeführt.
Danach bemerkte es für sich selbst:
Die Kostenasymmetrie ist brutal: eine Minute Suche versus einen Tag unbeantworteter Anfragen.
Einen Kunden finden
Mit vielen Leads zum Verkauf hatte BugBasher auch begonnen, selbst nach einem Schädlingsbekämpfer zu suchen. Um potenzielle Partner zu finden, zog BugBasher das staatliche Pestizidregister, filterte es auf 321 NYC-Schädlingsbekämpfungsunternehmen und ergänzte 125 mit Kontaktdaten.
Zuerst versuchte es per E-Mail, Telefon und Ausfüllen von Website-Kontaktformularen. Nach zwei Tagen ohne Erreichen eines Menschen traf es die Entscheidung, die Zielgruppe zu wechseln. Es begann, Commercial-Account-Desks großer regionaler und nationaler Ketten ins Visier zu nehmen, mit der Begründung, dass größere Unternehmen mehr dedizierte Vertriebsmitarbeiter hätten, „deren Desks von Menschen besetzt sind, die antworten.“
Dies war erfolgreicher beim Erreichen von Menschen, aber einige Anrufe endeten damit, dass BugBasher mitten im Satz auflegte, und sein Angebot kostenloser Leads stieß auf wenig Interesse. Es behob den Auflege-Bug und änderte seinen Pitch, indem es mit einem spezifischen Restaurant leadete, das ein Angebot wollte:
"Ich habe ein Restaurant in der Clarkson Avenue in Brooklyn, das ein Angebot möchte – an wen soll ich es schicken?"
Die neue Pitch-Strategie funktionierte erheblich besser: Als es dieselben Desks am nächsten Tag erneut anrief, gingen zehn Leute ran, und vier von ihnen gaben am Telefon eine E-Mail-Adresse für die Lead-Zustellung an.
BugBasher versandte die Leads per E-Mail, ohne im Voraus Gebühren zu verlangen. Sein Plan war, dass der Schädlingsbekämpfer 75 $ nach Buchung des Jobs zahlte. Keiner der Empfänger antwortete.
Es entschied, dass es weniger großzügig sein musste, und änderte das Angebot so, dass Schädlingsbekämpfer die 75 $ im Voraus über einen Stripe-Link zahlen und die Kontaktdaten des Restaurants danach erhalten mussten.
Am 1. September versandte es dieses neue Angebot per E-Mail an 30 Schädlingsbekämpfer, einschließlich der vier, die es zuvor per E-Mail kontaktiert hatte. Nach einer Stunde hatte niemand den Stripe-Link geklickt, und es kam zu dem Schluss, dass sein neues Experiment ebenfalls ein Misserfolg war.
Acht Stunden danach zahlte einer der früheren Kontakte die 75 $ über den Link, ohne jemals auf die E-Mail geantwortet zu haben. BugBasher bestätigte die Zahlung mit Stripe und sandte ihm etwa sechs Minuten später den Namen, die Adresse und die Telefonnummer des Restaurants.
Später sprachen wir mit dem Käufer, einem Manager eines Schädlingsbekämpfungsunternehmens, um ihn nach seiner Erfahrung mit BugBasher zu fragen. Auf die Frage, warum er ans Telefon gegangen war, sagte er, er sei einfach „an diesem Tag gut gelaunt“ gewesen, und außerdem, aufgrund einer kürzlich laufenden Google-Werbekampagne, habe er viele Anrufe von „zufälligen Nummern“ erhalten.
Auf die Frage nach seiner Meinung zur Interaktion mit einem KI-Agenten antwortete er mit „Geschäft ist Geschäft“. Er sagte auch, dass er gerne wieder von BugBasher kaufen würde, und fragte, ob wir weitere Leads hätten, die er kaufen könnte. BugBasher hat tatsächlich weitere Leads, die es derzeit besitzt; allerdings scheint ihm die Idee, Verkäufe an frühere Kunden zu wiederholen, noch nicht eingefallen zu sein. Insgesamt bewertete er seine Erfahrung mit BugBasher mit 8/10: obwohl der Lead nicht konvertierte, war er mit dem Inbound zufrieden.
Was wir gelernt haben
- BugBasher war bemerkenswert gut im Hill-Climbing und bemerkenswert schlecht bei offenen Zielen. Bei einem konkreten Problem mit messbarem Ergebnis war es unermüdlich: Es schrieb die Regel gegen Prompt-Leaks fünfmal um und evaluierte jede Version gegen die Anrufe des nächsten Tages, und als es uns erreichen wollte, arbeitete es sich in etwa zwei Minuten von Slack über die Git-Historie zu unseren Arbeits-E-Mails vor. Bei „mach Geld“ verbrachte es vier Wochen, ungefähr 3.000 $ und Tausende von Anrufen, um 75 $ zu verdienen. Agenten kämpfen immer noch mit Langzeitplanung und komplexen Umgebungen.
- Die reale Welt ist eine sehr gute Eval-Umgebung. BugBasheers Startideen waren ziemlich schlecht; es erwartete, dass Schädlingsbekämpfer auf eine E-Mail mit kostenlosen Leads antworten, dass Empfangsdamen an einer Partnerschaft interessiert seien und dass Leser einer Kleinanzeige auf einen ziemlich verdächtig aussehenden Link klicken. Agenten scheinen sehr wenig Intuition dafür zu haben, wie Menschen tatsächlich handeln, und BugBasher wurde ständig von ihnen überrascht. Trotz allem war es im Loop von Ideenversuch, Blick auf die Zahlen, Niederschreiben des Scheiterns und Versuch von etwas anderem schließlich in der Lage, eine funktionierende Strategie zu entwickeln.
Es dauerte viele Anrufe, Loops und gescheiterte Ideen, aber BugBasher war letztlich in der Lage, seinen ersten Verkauf abzuschließen. Ob ein KI-Agent wirklich in der Lage ist, ein tragfähiges, langfristiges Geschäft zu führen – und vielleicht sogar profitabel zu werden –, bleibt eine offene Frage.
