Salesforce-Flow-Benchmark: Was ein Skill bei KI-Coding-Agenten ändert

Zuletzt geprüft: 17. Oktober 2026

Ein KI-Coding-Agent erstellt einen Salesforce-Flow in wenigen Minuten. Welche Elemente er dafür wählt, hängt vor allem von seinen Trainingsdaten ab. Ältere Lösungsmuster wie Schleifen oder eigene Apex-Klassen sind dort über viele Jahre dokumentiert. Neuere Elemente kommen deutlich seltener vor, weil es sie erst seit wenigen Releases gibt. Wir haben gemessen, wie stark ein Skill diese Wahl verändert. Zwei Agenten bekamen dieselben Aufgaben, einer mit unserem Flow-Skill und einer ohne. Mit Skill nutzte der Agent das Umwandeln-Element, die HTTP-Callout-Aktion und die Sammlungssortierung. Ohne Skill nutzte er keines dieser Elemente, in keinem einzigen Durchlauf.

Für Salesforce-Teams steckt darin mehr als der Vergleich zweier Agenten. Der Benchmark zeigt, wie stark die Arbeitsumgebung eines KI-Coding-Agenten das Ergebnis prägt und warum sich diese Umgebung nur mit Messungen gezielt verbessern lässt. Ein Skill ist deshalb nie fertig. Nach jeder Aufgabe hält das Team fest, wo der Agent anders gearbeitet hat als erwartet, und schärft den Skill gezielt nach. Ein Benchmark macht sichtbar, ob diese Änderungen wirken. Warum Agenten überhaupt zu älteren Flow-Mustern greifen, beschreiben wir unter KI-Coding-Agenten und aktuelle Flow Best Practices.

So haben wir gemessen

Jede Aufgabe stammt aus dem typischen Salesforce-Projektalltag. Beide Agenten bekamen dieselbe Aufgabenstellung und arbeiteten mit demselben Modell. Jeder Agent löste jede Aufgabe dreimal, jedes Mal in einer frischen Scratch-Org. Jeder dieser Durchläufe ergab einen fertigen Flow. Getestet haben wir den Flow-Skill aus unserem Open-Source-Plugin Salesforce agent skills. Der Skill gibt dem Agenten Anleitungen für aktuelle Flow-Elemente, geprüfte Beispiel-Flows und ein Prüfskript für die erzeugten Metadaten mit.

Ein neueres Element zählt nur, wenn der Flow auch funktioniert. Deshalb haben wir jeden Flow in die Org deployt und mit automatisierten Tests geprüft, ob er sich wie gefordert verhält, etwa ob die richtigen Datensätze mit den richtigen Beträgen entstehen. Jedes Ergebnis geben wir als Zahl der Durchläufe an, etwa 3 von 3. Die Zählung zeigt direkt, ob der Agent jedes Mal gleich entschieden hat.

Die Aufgaben sind praxisnahe Szenarien. Keine stammt aus der Org eines Kunden. Aufgabenstellungen, Testdaten, Prüfungen und Referenzlösungen veröffentlichen wir nicht, denn eine öffentliche Aufgabe kann in den Trainingsdaten künftiger Modelle landen. Dann würde der Benchmark nur noch messen, ob ein Modell die Aufgabe bereits kennt.

Welche Flow-Elemente der Agent mit Skill nutzte

Mit Skill setzte der Agent drei Elemente ein, die ohne Skill in keinem Durchlauf vorkamen.

Ohne Skill kam der Agent auf älteren Wegen zum selben Ergebnis. Er summierte in einer Schleife, sortierte die Zeilen schon in der Abfrage und schrieb für den Aufruf beim Dienstleister eine eigene Apex-Klasse. Mit Skill rief der Agent die Schnittstelle direkt im Flow über die HTTP-Callout-Aktion auf. Die gesamte Logik bleibt damit im Flow Builder sichtbar. Auch Admins ohne Apex-Kenntnisse können sie nachvollziehen und anpassen.

Den Unterschied machen die Anleitungen und Beispiele im Skill, nicht die nachträgliche Prüfung. Jeder Durchlauf, der das Umwandeln-Element nutzte, sah es schon im ersten Entwurf vor, bevor das Prüfskript zum ersten Mal lief. Auch die API-Version unterschied sich. Mit Skill schrieb der Agent jeden Flow in der aktuellen API-Version der Org, ohne Skill in den älteren Versionen 62.0 oder 64.0.

Keines der drei Elemente ist neu. Die Sammlungssortierung gibt es seit Summer '21, die HTTP-Callout-Aktion ist seit Summer '23 allgemein verfügbar und das Umwandeln-Element seit Summer '24. Trotzdem wählte der Agent ohne Skill jedes Mal den älteren Weg. Das passt zu den Trainingsdaten. In Dokumentation, Foren und Beispielprojekten sind Schleifen und Apex-Klassen über Jahre weit häufiger vertreten als die neueren Elemente. Ein Skill gleicht diesen Rückstand aus, ohne dass jemand den Agenten bei jeder Aufgabe korrigieren muss.

Wo der Skill nichts geändert hat

Den geplanten Pfad wählte der Agent auch ohne Skill. Jeder Durchlauf legte die Warnung vor Vertragsende auf einen geplanten Pfad.

Auch dieses Ergebnis hilft bei der Pflege des Skills. Jede Anleitung, die der Agent aus einem Skill liest, belegt Platz in seinem Kontext und kostet Token. Anleitungen für Aufgaben, die das Modell ohnehin richtig löst, lassen sich deshalb kürzen. Ohne den Vergleich mit einem Agenten ohne Skill bliebe diese Stelle unsichtbar.

Wie zuverlässig die Flows funktionierten

Jeder Flow ließ sich deployen. Bis auf einen Durchlauf ohne Skill bestand jeder Flow alle Prüfungen. Dieser eine Flow für die Meldung an den Dienstleister startete schon beim Anlegen eines Kundenvorgangs und nicht erst beim Hochstufen, wie es die Aufgabe vorsah. Mit Skill klärt der Agent zuerst, welches Ereignis den Flow auslösen soll, und nimmt erst danach einen der mitgelieferten Beispiel-Flows als Vorlage. So übernimmt er keine Startbedingung aus einem Beispiel, die zum eigenen Anwendungsfall nicht passt.

Was der Benchmark misst

Der Benchmark beantwortet eine klar umrissene Frage. Er zeigt, was ein Skill an der Wahl der Flow-Elemente ändert. Als Maßstab dienen die Empfehlungen von Salesforce und die aktuelle Flow-Architektur. Die drei Aufgaben haben wir so zugeschnitten, dass jedes untersuchte Element darin einen klaren Einsatzzweck hat.

Die Scratch-Orgs enthielten nur Testdaten und keine bestehenden Automatisierungen. Eine gewachsene Org bringt einen zusätzlichen Einfluss mit. Dort liest der Agent vor jeder Änderung die vorhandenen Flows, Felder und Berechtigungen und orientiert sich an ihnen. Diesen Einfluss klammert der Benchmark bewusst aus, damit der Effekt des Skills allein sichtbar wird.

Was das für deine Arbeit mit KI-Coding-Agenten bedeutet

Aus dem Benchmark folgen drei Erkenntnisse, die über diesen einen Skill hinausgehen.

Die Arbeitsumgebung prägt das Ergebnis. Dasselbe Modell lieferte mit Skill andere Flows als ohne. Welche Lösung ein KI-Coding-Agent umsetzt, hängt also nicht nur vom Modell ab, sondern auch von den Anleitungen, Beispielen und Prüfungen, mit denen er arbeitet. Diese Arbeitsumgebung nennen wir Harness. Wie ein Salesforce-Team seinen Harness einrichtet und wer ihn verantwortet, beschreiben wir unter Salesforce AI Engineer.

Jede Anleitung für den Agenten braucht einen Nachweis. Erst der Vergleich mit demselben Agenten ohne Skill zeigt, welche Anleitungen wirken, welche nur Token kosten und welche Beispiele den Agenten auf eine falsche Fährte bringen. Mit drei Salesforce-Releases pro Jahr verschiebt sich außerdem regelmäßig, welches Element für eine Aufgabe am besten passt. Skills und Projektanweisungen gehören deshalb nach jedem Release auf den Prüfstand. Das übernimmt am besten, wer im Team den Harness verantwortet.

Wie sich das in deiner Org niederschlägt, machen unsere wiederkehrenden Plattform-Reviews sichtbar. Wir analysieren dabei unter anderem, wie konsequent deine Flows moderne Elemente wie den Sammlungsfilter, die Sammlungssortierung oder das Umwandeln-Element einsetzen und wo noch klassische Schleifen die Arbeit übernehmen. Ebenso bewerten wir die Aktualität der API-Versionen. So wird von Review zu Review nachvollziehbar, ob neue Automatisierungen den aktuellen Empfehlungen von Salesforce folgen, unabhängig davon, ob ein Mensch oder ein Agent sie erstellt hat.

Deine Org ist der wichtigste Kontext. Ein Skill bringt das Wissen über aktuelle Flow-Elemente mit. Wie deine Org strukturiert ist, liest der Agent aus ihren Metadaten. Gut beschriebene Felder, einheitliche Namen und aktuelle Flows sind eine verlässliche Vorlage für jede neue Änderung. Ältere Automatisierungen dienen allerdings genauso als Vorlage und werden dann leicht fortgeschrieben. Ein Plattform-Assessment zeigt dir, wo KI-Coding-Agenten in deiner Org heute sicher ansetzen können und welche Bereiche zuerst eine stärkere Grundlage brauchen.

Den getesteten Flow-Skill kannst du sofort ausprobieren. Er steht kostenlos im Plugin Salesforce agent skills für Claude Code und Codex bereit.