Ein zweiter Agent hilft nur, wenn er seinen Teil allein erledigen kann. Was Messungen von Google, Anthropic und Berkeley über Kosten, Fehler und die wenigen guten Gründe für Multi-Agent-Systeme zeigen.
Agent-Memory legt aus einer Nachricht Kopien an, und "Chat löschen" erreicht davon oft nur den Chat. Ein kleines Labor zeigt, wo eine Diagnose das Löschen überlebt und welcher Löschpfad sie entfernt.
Ein Grader ist selbst ein System, das getestet werden muss. Ich habe in korrekte Release Notes absichtlich Fehler einbauen lassen und elf Grader darauf angesetzt. Am Ende war auch das Label falsch.
Drei Abende, drei Tools - und dann? Wie aus neun kleinen Vereins-Apps eine einzige wurde, warum ein grüner Health-Check nichts bemerkt hat und was ich mache, wenn ich im Urlaub bin.
Ein LLM-Feature hängt an fünf Dingen: Output-Schema, Prompt, Modell, Tools und Eval-Set. Wer nur den Prompt versioniert, weiß nicht, was er deployt hat.
Der Agent Contract ist das Soll, das revisionssichere Log der Ist-Nachweis. Ohne das zweite ist das erste nur eine Behauptung - was DORA, GoBD und die kommende MaRisk jetzt verlangen.
Ein Eval-Score, der nur Qualität misst, belohnt Brute Force - mehr Sampling, größeres Modell, mehr Retries. Warum die richtige Entscheidungsgrundlage eine Cost-Quality-Latency-Frontier ist, eine Kurve statt eines Punkts, und wie man den Operating-Point in Dollar wählt statt in Prozent.
Sobald ein Agent etwas tut, das Konsequenzen hat, ist Chat selten die beste Oberfläche. Ein Blick auf Editor, Diff, Approval-Panel und Timeline - und wann ein Textfeld trotzdem das richtige Werkzeug ist.
Berechtigungen, Tenant-Isolation, überbreite Tools, unsauberer Kontextzugriff: Warum die Reichweite eines Agenten über den Schaden entscheidet - und wie man sie eingrenzt.
Autonomie ist ein Regler, kein Schalter. Warum die meisten produktiven AI-Systeme besser werden, wenn das Modell nur an klar abgegrenzten Entscheidungspunkten sitzt - statt einen offenen Agent-Loop zu steuern.
Eval grün im PR, zwei Wochen später rote Zahlen in Produktion - ohne neuen Deploy. Warum AI-Features zwischen Merge und 100% Traffic eigene Gates brauchen.
Ohne Traces, Modell- und Promptversionen, Tool-Spans und Kostenmetriken bleibt jeder Incident Spekulation. Ein Leitfaden für Teams, die AI-Features in Produktion betreiben.
Ehrenamtliche Organisationen brauchen eigene Software - konnten sie sich aber nie leisten. Wie AI das gerade ändert, und warum Deployment-Wissen wichtiger ist als Code-Kenntnisse.
Human in the Loop ist keine Schwäche, sondern Sicherheitsarchitektur. Warum Pause/Resume bei kritischen Agent-Aktionen das vielleicht wichtigste Feature ist.
Wie mein Blog die gleichen AI-Prinzipien anwendet, die ich in den letzten drei Posts beschrieben habe - mit automatisierter Podcast-Generierung und AI-gestütztem Lektorat.