Das Büro, das sich erinnert
Für alle, die mit KI arbeiten und festlegen wollen, welche Unterlagen ihre Helfer bekommen, was diese entscheiden dürfen und wo die Ergebnisse landen. Anne richtet dafür einen Arbeitsraum ein, in dem sie den Überblick behält.
Anne begleitet seit zwanzig Jahren Organisationen durch Veränderung. Sie weiß, wie Teams funktionieren: Wer neu anfängt, bekommt eine Einarbeitung. Wer eine Aufgabe übernimmt, bekommt eine Übergabe. Bei der Übergabe wird geklärt, was das neue Teammitglied selbst entscheiden kann und wann es Rücksprache hält.
Seit zwei Jahren arbeitet sie allein – Vorträge, Workshops, viel Recherche. Und sie probiert KI aus, bisher mit gemischtem Ergebnis. Diese Geschichte erzählt, was passiert, als Anne ihr Wissen über Organisationen auf ihre KI-Helfer anwendet.
Am Ende jedes Kapitels steht eine Frage an dich. Deine Antworten ergeben am Schluss einen ersten Start-Prompt für deine eigene KI. Diese Seite überträgt deine Eingaben nicht; sie speichert sie, soweit dein Browser es erlaubt, nur auf diesem Gerät.
Die Aushilfe ohne Gedächtnis
Anne öffnet ein Chatfenster: „Hilf mir, den Vortrag für den Verband nächste Woche vorzubereiten.“
Die Antwort kommt schnell, freundlich und völlig allgemein. Welcher Verband? Welche Geschichte hat sie beim letzten Mal erzählt? Wie ihre bisherigen Folien aussehen? Also erklärt Anne alles. Am Dienstag, im nächsten Chat, erklärt sie es noch einmal.
Es fühlt sich an wie eine Zeitarbeitskraft, die jeden Morgen neu anfängt – begabt, fleißig und ohne jede Erinnerung an gestern.
Ein KI-Modell bringt Können mit: Sprache, Allgemeinwissen, Denkvermögen. Das Wissen über dich, deine Kundschaft und deine Arbeitsweise kennt es erst, wenn du es mitgibst. Die Informationen, die dem Modell bei einer Antwort vorliegen, bilden seinen Kontext. Dazu können deine Nachricht, Anweisungen, gelesene Dateien und Suchergebnisse gehören. Was im nächsten Chat davon verfügbar ist, hängt vom Produkt, seinen Einstellungen und möglichen Memory-Funktionen ab. Eine eigene, bewusst gepflegte Mappe macht wichtigen Kontext sichtbar und wiederverwendbar. Das Modell muss die betreffenden Inhalte für eine Aufgabe aber tatsächlich erhalten. Eine gespeicherte Notiz verändert seine erlernten Fähigkeiten nicht automatisch.
Die Einarbeitungsmappe
Anne erinnert sich an einen Satz, den sie Führungskräften oft sagt: „Wissen gehört ins System, damit es bleibt, wenn Menschen gehen.“ Sie beschließt, für ihre KI-Helfer genau das zu tun, was sie für neue Teammitglieder tun würde. Sie legt eine Einarbeitungsmappe an.
Die Mappe ist ein Ordner auf ihrem eigenen Rechner, gefüllt mit ganz normalen Textdateien. Vier davon sind das Herzstück:
Die Mappe liegt auf Annes Rechner. Sie entscheidet, welche Teile davon ein Agent für eine Aufgabe erhält. Jede Datei lässt sich mit jedem Texteditor öffnen, heute und in zehn Jahren. Es sind einfache Markdown-Dateien, also Text mit ein paar Zeichen für Überschriften und Links. Wer die Mappe wie ein verlinktes Notizbuch lesen möchte, kann dafür ein Notizprogramm wie Obsidian nutzen; der Starter selbst setzt kein bestimmtes Programm voraus.
Dauerhafte Angaben wie ihr Schreibstil stehen getrennt von den Unterlagen zu einzelnen Aufträgen. Für die Mappe gilt eine Regel, an die sich Anne und ihre Helfer halten: Bei einer Zahl gehören Quelle und Datum dazu, bei einer Entscheidung der gültige Stand. So lässt sich später erkennen, worauf ein Ergebnis beruht.
Ich halte meinen Arbeitskontext in Textdateien. Die Memory-Funktionen der Anbieter nutze ich zusätzlich, verlassen tue ich mich auf die Dateien. Ich kann sie lesen, ändern, versionieren und mitnehmen, und ich sehe jederzeit, was ein Helfer bekommen hat.
Context Design heißt: festlegen, welche Informationen für eine Aufgabe gebraucht werden, wie der Agent sie findet und wie er Ergebnisse für die weitere Arbeit festhält. Der Wegweiser hilft beim Einstieg; weitere Unterlagen kann der Agent während der Arbeit gezielt nachlesen.
- 01-ausrichtung/user-context.mdA – Wer ich bin und wie ich arbeite
- 01-ausrichtung/business-context.mdB – Mein Geschäft
- CONTEXT.mdC – Der Wegweiser
- STATUS.mdD – Wo wir stehen
- _core/data-policy.mdSchutzklassen S0 bis S3: was in die Mappe darf
Wie Anne mit den Helfern arbeitet
Anne möchte, dass die KI ihre Unterlagen selbst nachschlagen und einen Entwurf als Datei ablegen kann. Dazu braucht sie ein Programm, das ein KI-Modell mit passenden Tools verbindet. Das Modell kann etwa vorschlagen, eine Datei zu lesen. Wenn der Zugriff erlaubt ist, liest das Programm die Datei und gibt ihren Inhalt an das Modell weiter. Daraus kann das Modell den nächsten Arbeitsschritt ableiten. Ein System, das auf diese Weise ein Ziel über mehrere Schritte verfolgt, nennt man hier Agent.
Anne schaut sich vier solcher Programme an. Sie bieten unterschiedliche Zugänge und Betriebsweisen. Bei einigen kann sie Aufträge auch im Terminal eingeben, einem textbasierten Bedienfenster, oder direkt in ihrem Programm zum Bearbeiten von Dateien:
Vier Agent-Programme im Vergleich
| Merkmal | Claude Code | Codex | Hermes Agent | OpenClaw |
|---|---|---|---|---|
| Anbieter | Anthropic | OpenAI | Nous Research | selbst betrieben |
| Läuft auf | deinem Rechner; Aufgaben auch in der Cloud des Anbieters | deinem Rechner oder in der Cloud des Anbieters | deinem Rechner, deinem Server oder einem gemieteten Server | deinem Rechner oder deinem Server |
| Du bedienst es über | Terminal, Editor, Desktop-App, Browser und Handy | Terminal, Editor, Desktop-App, Browser; dazu GitHub und Slack | Terminal, Desktop-App und über 20 Nachrichtendienste, auch per Sprache | über 10 Chat-Apps, Browseroberfläche, Terminal und Handy |
| Modelle | von Anthropic; im Terminal und Editor auch über andere Anbieter-Zugänge | von OpenAI | frei wählbar: Nous, OpenRouter, OpenAI oder ein beliebiger Zugang, auch lokale Modelle | frei wählbar, mit Wechsel bei Ausfall |
| Mehrere Aufträge gleichzeitig | ja: Unteraufgaben, Hintergrundsitzungen und parallele Sitzungen im Browser | ja: mehrere Aufträge nebeneinander, lokal und in der Cloud | ja: eigene Unteragenten für parallele Arbeitsstränge | ja: getrennte Sitzungen je Agent, Arbeitsraum oder Absender |
| Zeitgesteuert | ja: Routinen in der Cloud und geplante Aufgaben auf deinem Rechner | ja: geplante Aufgaben und Automatisierungen | ja: eingebaute Zeitpläne mit Zustellung an jede Plattform | ja: Zeitpläne, Hooks und Webhooks |
| Betrieb und Wartung | beim Anbieter | beim Anbieter | bei dir | bei dir |
| Geübt in (Einschätzung) | Arbeit an vorhandenen Dateien, Texten und Projekten, mit Zwischenständen zum Freigeben | abgegrenzten Aufträgen, Programmcode und Projekten mit Versionsverwaltung | eigenem Betrieb, freier Modellwahl und Dauerbetrieb | dauerhafter Erreichbarkeit über Chat und dem Koordinieren mehrerer Helfer |
Angaben aus den Produktdokumentationen, Stand September 2026; parallele Aufträge bei Codex aus eigener Nutzung, die letzte Zeile ist eine Einschätzung. Funktionsumfang und Preise ändern sich schnell, deshalb prüft Anne vor jeder Entscheidung die aktuelle Dokumentation: Claude Code, Codex, Hermes Agent, OpenClaw.
Anne trennt dabei drei Fragen: Wo gebe ich den Auftrag ein? Wo wird er ausgeführt? Worauf darf der Agent zugreifen? Eine Nachricht vom Handy kann Arbeit auf einem Server auslösen. Ein Auftrag aus einer Desktop-App kann länger laufen, während Anne etwas anderes macht. Ob sie daneben sitzt, ergibt sich aus dem Ablauf und den nötigen Freigaben.
Für den ersten Versuch wählt Anne einen Agenten mit Zugriff auf einen eigenen Arbeitsordner. Sie hinterlegt ihm eine kurze Hausordnung und einen Wegweiser zu den Unterlagen, damit er beides bei jedem Start selbst liest und sie es später nicht mehr dazusagen muss. Zuerst lässt sie sich zeigen, welche Dateien er tatsächlich gelesen hat. Ein Ordner auf ihrem Rechner bedeutet dabei noch keine lokale Modellverarbeitung: Ein Cloud-Modell verarbeitet Annes Auftrag und die dafür bereitgestellten Inhalte auf den Servern seines Anbieters.
Das Modell verarbeitet die Informationen. Die Agent-Software übergibt dem Modell Annes Auftrag und die passenden Informationen. Sie führt angeforderte Aktionen wie das Lesen einer Datei aus, soweit diese erlaubt sind, und stellt dem Modell das Ergebnis bereit. Über eine Benutzeroberfläche gibt Anne Aufträge und prüft Ergebnisse. Welche Kombinationen möglich sind, hängt vom Produkt ab. Beim Wechsel bleiben ihre Textdateien nutzbar; Einrichtung, Berechtigungen und Ergebnisqualität prüft sie erneut.
Seit Anfang 2025 arbeite ich produktiv mit den großen amerikanischen Anbietern, mit Mistral und für sensible Daten mit lokalen Modellen über Ollama. Bei jedem Wechsel bleiben meine Textdateien nutzbar. Neu zu prüfen sind beim Modellwechsel die Einrichtung, die Berechtigungen und die Ergebnisqualität. Dafür ist die Hausordnung da.
- AGENT-INTERFACE.mdGemeinsame Arbeitsanweisungen als Text
- AGENTS.md · CLAUDE.mdProdukteigene Einstiegsdateien, die im Starter auf diese Anweisungen verweisen; Erkennung und Geltungsbereich hängen vom Agenten ab
- scripts/build_agent_context.pyStellt ausgewählte Inhalte als Textpaket zusammen; eingerichtet und ausgeführt wird der Agent separat
Aufgabenkarten und Zugänge
Nach ein paar Tagen merkt Anne: Manche Aufgaben kommen immer wieder. Jeden Freitag ein Wochenrückblick. Jede neue Anfrage muss einsortiert werden. Jede größere Entscheidung verdient eine saubere Notiz.
Nach dem zweiten Wochenrückblick lässt Anne den Ablauf von ihrem Helfer festhalten: welche Unterlagen gelesen werden, welche Schritte folgen, was dabei herauskommt und wie sie das Ergebnis prüft. Sie liest den Entwurf, ergänzt ihre Prüffragen und gibt ihn frei. Eine solche dokumentierte Arbeitsanweisung heißt auch SOP, kurz für „Standard Operating Procedure“.
Für ihren KI-Helfer hinterlegt sie diese Anleitung zusammen mit einer Vorlage und einem ausgefüllten Beispiel als Skill. So kann ein geeigneter Agent den Ablauf bei Bedarf nachlesen und ausführen. Ein Skill bündelt Anweisungen und ergänzendes Material; dazu können auch Hilfsprogramme gehören. Die Aufgabenkarte zeigt die wichtigsten Angaben für Annes Wochenrückblick:
Wochenreview
- Wann
- Freitags oder nach dem Urlaub, um wieder einzusteigen
- Unterlagen
- Aktuelle Projektstände, Arbeitsnotizen und festgehaltene Entscheidungen
- Ablauf
- Unterlagen lesen, Ergebnisse mit ihren Quellen verknüpfen, offene Fragen sammeln und nächste Schritte vorschlagen
- Ergebnis
- Ein Rückblick, der zeigt, wo jedes Projekt steht und wie Anne wieder einsteigen kann
- Ablage
- 05-reviews/
- Annes Part
- Den Rückblick mit den Unterlagen abgleichen, offene Fragen klären und die nächsten Aufgaben priorisieren
Anne kann den Wochenrückblick selbst anstoßen, etwa nach dem Urlaub. Für einen automatischen Start am Freitag richtet sie zusätzlich einen Zeitplan ein. Der ausführende Rechner oder Dienst muss dann verfügbar sein.
Zum Ausführen braucht der Agent Tools: etwa eine Funktion zum Lesen einer Datei, zur Websuche oder zum Anlegen eines Kalenderentwurfs. Welche dieser Funktionen er auf welchen Daten nutzen darf, legen Berechtigungen fest. In Annes Büro sind das die Schlüssel. Eine Aufgabenkarte allein schaltet keinen Zugang frei.
Skill · Anleitung zum Lesen
Ein Text, den der Agent bei dieser Aufgabe liest: welche Unterlagen gelten, in welcher Reihenfolge gearbeitet wird, wie das Ergebnis aussieht und woran Anne es prüft. Beispiel: die Karte für den Wochenrückblick. Sie bestimmt, wie gearbeitet wird.
Tool · Funktion zum Aufrufen
Eine Funktion, die der Agent aufruft und die etwas bewirkt: eine Datei lesen, im Web suchen, einen Kalendereintrag anlegen, eine Mail versenden. Die Berechtigungen legen fest, welche Funktion auf welchen Daten erlaubt ist. Sie bestimmen, was möglich ist.
Für ihren Versuch erlaubt Anne das Schreiben im Entwurfsordner. Eine Mail an den Verband will sie vor dem Versand selbst prüfen. Eine solche eingeplante menschliche Entscheidung heißt Human Gate. Damit das Programm dort verlässlich anhält, richtet sie eine technische Freigabe ein oder lässt den Versandzugang zunächst weg. Die Anweisung „vorher fragen“ beschreibt das gewünschte Verhalten; technisch mögliche Aktionen werden durch die tatsächlichen Zugriffsrechte begrenzt.
Meine Dateien liegen auf meinem Rechner. Die Inhalte, die ich einem Cloud-Modell übergebe, verarbeitet der Anbieter auf seinen Servern. Was ein Helfer davon bekommt, lege ich einmal beim Einrichten fest: Jede Rolle hat ihren Bereich, sensible Inhalte laufen über lokale Modelle, und jeder Auftrag zeigt mir, welche Dateien tatsächlich gelesen wurden. Die drei Fragen gehören zur Einrichtung eines Werkzeugs: Wer speichert, wer verarbeitet, wer entscheidet?
- skills/REGISTRY.jsonDas Verzeichnis aller Aufgabenkarten
- skills/…/SKILL.mdVier Basiskarten: Eingang sortieren, Projekt starten, Entscheidung dokumentieren, Wochenreview
- _core/human-gates.mdDie vereinbarten Freigaben
Die falsche Zahl aus der richtigen Mappe
Am Donnerstag lässt Anne den Wochenrückblick erstellen. Darin steht, dass der Vortrag für vierzig Teilnehmer geplant sei. Sie hatte am Dienstag mit dem Verband sechzig vereinbart.
Sie lässt sich die Quelle zeigen. Der Agent hat die erste Anfrage gefunden und die spätere Bestätigung übersehen. Beide liegen im Projektordner. Anne beauftragt ihn, den Projektstand zu aktualisieren: aktueller Termin, Teilnehmerzahl und Link zur Bestätigung, jeweils mit Quelle und Datum. Sie liest den Entwurf und gibt ihn frei. Der Agent schlägt dazu eine Regel für die weitere Arbeit vor: Bei widersprüchlichen Angaben gilt der jüngste belegte Stand, und der Widerspruch wird im Rückblick benannt. Anne gibt die Regel frei, der Agent trägt sie in die Aufgabenkarte ein.
Die Mappe kann viel mehr enthalten, als das Modell für eine Antwort vorliegen hat. Genau dafür ist Context Design da: Für jede Aufgabe wird ausgewählt, was gebraucht wird. Sein Kontextfenster begrenzt, wie viele Informationen es bei der Bearbeitung einer Anfrage gleichzeitig berücksichtigen kann. Der Agent sucht daraus passende Inhalte zusammen; bei längerer Arbeit können Zusammenfassungen nötig werden. Dabei kann etwas fehlen oder verloren gehen. Annes Quellen und Zwischenstände bleiben deshalb separat erhalten und lassen sich erneut nachlesen.
Für einen Wochenrückblick kann derselbe Agent die Projekte nacheinander prüfen. Beim Vortrag fragt sich Anne dagegen, welche Vorarbeiten unabhängig voneinander laufen können. Sie vergleicht zwei mögliche Abläufe:
Wer übernimmt was – und wann ist es fertig?
Anne legt für den Vortrag drei Arbeitsstufen fest: Material sammeln, eine Gliederung entwickeln und daraus den Vortragsentwurf schreiben. Jede Stufe bekommt eine kurze Anleitung mit den nötigen Eingaben und einem benannten Ergebnis. Der Schreibstil liegt bei den dauerhaften Vorgaben, Recherche und Entwurf beim jeweiligen Vortrag. Sie kann die Zwischenergebnisse öffnen und ändern, bevor die nächste Stufe darauf aufbaut.
Diese Ordnung greift einen Gedanken aus Jake Van Cliefs und David McDermotts Interpretable Context Methodology auf: Dateien und Ordner machen einen mehrstufigen Arbeitsablauf lesbar und bearbeitbar. Ein Agent kann dabei verschiedene Rollen nacheinander übernehmen. Innerhalb einer Stufe lassen sich geeignete Teilaufgaben an zusätzliche Agenten vergeben. Für ihren Vortrag entscheidet Anne sich bei der Materialsammlung für zwei parallele Aufträge.
Ein Helfer sucht Branchenbeispiele mit Quellen, ein zweiter wertet die Rückmeldungen zum letzten Vortrag aus. Beide erhalten dieselbe Fragestellung und Zielgruppe, dazu die für ihren Auftrag nötigen Unterlagen. Die Ergebnisse landen in getrennten Dateien. Anne beauftragt den koordinierenden Agenten, daraus eine Gliederung vorzuschlagen und jede Kernaussage mit ihrer Quelle zu verbinden.
Eine Recherche liefert ein interessantes Beispiel, dessen Zahlen sich nicht belegen lassen. Der koordinierende Agent hält die Lücke fest. Für die freigegebene Gliederung wird das Beispiel vorerst weggelassen. Anne korrigiert außerdem die Gewichtung: Die offene Frage aus den Rückmeldungen gehört an den Anfang. Erst diese freigegebene Fassung geht an den Schreibagenten. Er verfasst den Vortragsentwurf aus Gliederung, belegten Quellen und Annes Schreibstil und markiert die Stellen, an denen ihm etwas fehlt.
Sie verbindet Aufträge, passende Informationen, Tools und Ergebnisse: Was darf schon starten? Was wartet? Wer führt zusammen? Wann muss nachgefragt oder beendet werden? Ein fester Ablauf kann diese Reihenfolge vorgeben. Ein koordinierender Agent kann die Aufteilung auch während der Arbeit anpassen – innerhalb der vereinbarten Grenzen.
Damit Anne beim nächsten Vortrag daran anknüpfen kann, beschließt sie sechs Vereinbarungen; ihr Helfer schreibt sie in die Hausordnung:
Ergebnis und Prüfung vorab klären
Jeder Auftrag nennt Eingaben, Ergebnisdatei und Prüfkriterien. „Recherche erledigt“ reicht Anne erst, wenn die verlangten Beispiele und überprüfbaren Quellen vorliegen. Eine Rückmeldung des Agenten ist noch keine Abnahme.
So viel Kontext wie nötig, so wenig wie möglich
Zum Einstieg gibt es einen Wegweiser und die Unterlagen für genau diese Aufgabe. Weitere Quellen liest der Agent bei Bedarf nach. Das Begrenzen ist eine Kernaufgabe von Context Design: Liegt zu viel gleichzeitig vor, kann Wichtiges untergehen, und Lücken werden mit plausibel klingenden Angaben gefüllt. Dauerhafte Regeln, aktuelles Arbeitsmaterial und zitierte Fremdtexte bleiben unterscheidbar, damit Anne im Ergebnis erkennt, worauf es beruht.
Unabhängige Arbeit sinnvoll verteilen
Branchenrecherche und Rückmeldungsanalyse können parallel laufen. Die Gliederung braucht ihre Ergebnisse. Bei kleinen Aufgaben genügt oft ein Agent; zusätzliche Übergaben kosten Zeit und können Informationen verlieren.
Eine verantwortliche Stelle führt zusammen
Teilaufträge schreiben in eigene Dateien. Für die gemeinsame Fassung ist ein Agent zuständig; er prüft Lücken und Widersprüche. Die Übersicht unterscheidet beauftragte, laufende, blockierte und geprüfte Arbeit.
Bei Fehlern gezielt weiterarbeiten
Für die Recherche setzt Anne einen Zeitrahmen. Fehlen dann Quellen, bekommt sie den Zwischenstand und die offene Frage. Nach einer Unterbrechung wird geprüft, was tatsächlich gespeichert oder ausgeführt wurde, bevor eine Aktion wiederholt wird.
Befugnisse ausdrücklich vergeben
Der Agent bekommt die Zugänge, die sein Auftrag braucht. Anne legt fest, welche Entscheidungen sie selbst trifft und welche der Agent übernehmen darf. Bewährte Abläufe kann sie gezielt erweitern; die Freigabe und ihre Grenzen werden festgehalten.
Bei mir arbeiten mehrere Agenten im selben Arbeitsbereich, manchmal gleichzeitig. Tragfähig wurde das mit drei Regeln: Für jede Datei ist ein Agent zuständig. Solange er daran arbeitet, halten sich die anderen heraus. Jeder sichert nur seine eigenen Dateien in der gemeinsamen Versionsverwaltung, in der jede Änderung nachvollziehbar bleibt. Und wer etwas offen lässt, schreibt die Übergabe auf. So sehe ich, wer was geändert hat, und die Ergebnisse lassen sich zusammenführen.
Das Büro, das sich erinnert
Anne öffnet einen ihrer eingerichteten KI-Helfer und schreibt: „Mach den Wochenrückblick.“ Mehr braucht es nicht. Die Hausordnung liest er beim Start selbst, die passende Aufgabenkarte findet er über das Kartenverzeichnis, und die nötigen Dateien stehen in seinem Zugriff.
Im Entwurf stehen die erledigten Aufgaben mit Links zu ihren Ergebnissen. Die Entscheidung vom Dienstag ist noch offen. Bei der Vortragsvorbereitung ist zu sehen, welche Unterlagen schon geprüft sind und wer als Nächstes damit arbeitet. Anne gleicht die Übersicht mit den Projektunterlagen ab und korrigiert eine Aufgabe, die voreilig als erledigt markiert wurde.
Die Korrektur trägt der Agent im Projektstand nach und legt sie Anne zur Freigabe vor. Für den nächsten Wochenrückblick schlägt er ein Prüfkriterium vor: Jede erledigte Aufgabe verweist auf ein vorhandenes Ergebnis. Anne gibt es frei, der Agent ergänzt die Aufgabenkarte. Beim nächsten Durchlauf vergleicht sie, ob es hilft. Ihr Arbeitsraum enthält jetzt Unterlagen, Anweisungen und überprüfbare Zwischenstände. Sie kann ihn mit einem anderen geeigneten Agenten weiterführen, und jede Korrektur macht ihn genauer.
Teil 2 erzählt, wie aus diesem Arbeitsraum eine ganze Woche wird: E-Mail, Kalender und Veröffentlichungen mit klaren Freigaben. Wenn du eine Nachricht möchtest, sobald die Geschichte online ist: schreib mir „Teil 2“.
Übersetzungstafel
Die wichtigsten Begriffe und ihre Entsprechung im Alpha-Starter. Der Starter stellt Dateien und Arbeitsanweisungen bereit. Agent-Software, Ausführung, Tools und technische Freigaben werden zusätzlich eingerichtet.
| In Annes Büro | Fachbegriff | Im Starter |
|---|---|---|
| Einarbeitungsmappe | Wissensablage; ausgewählte Inhalte werden Kontext | 01-ausrichtung/, CONTEXT.md |
| Stand der Dinge, Übergabe | Status, Handoff | STATUS.md |
| Hausordnung an der Tür | Agent-Schnittstelle | AGENT-INTERFACE.md |
| Einstieg in die Hausordnung | Produktbezogene Anweisungsdateien | AGENTS.md, CLAUDE.md; keine ausführbare Integration |
| Helfer führt einen Auftrag aus | Agent: Modell, Tools und Steuerung der Arbeitsschritte | Separat eingerichtete Agent-Software |
| Informationen für die aktuelle Antwort | Kontextfenster | begrenzt je Modell |
| Aufgabenkarte: Anleitung, die der Agent liest | Skill | skills/…/SKILL.md |
| Kartenverzeichnis | Skill-Registry | skills/REGISTRY.json |
| Werkzeug und Schlüssel: Funktion, die der Agent aufruft, und die Erlaubnis dafür | Tool und Berechtigung | Der Starter beschreibt die vereinbarten Grenzen; Funktionen und Zugänge richtest du in der Agent-Software ein |
| Auszug aus der Mappe | Kontext-Bundle | scripts/build_agent_context.py |
| Vereinbarte Freigaben | Menschliche Freigabepunkte | _core/human-gates.md beschreibt die Regeln; technische Durchsetzung separat |
| Schutzklassen | Datenklassifikation S0–S3 | _core/data-policy.md |
Fachliche Grundlagen und Produktdokumentation
Stand 24. September 2026. Anne ist fiktiv; die gezeigten Abläufe sind Beispiele, keine gemessenen Erfolgsnachweise.
- Van Clief & McDermott: Interpretable Context Methodology – dateibasierte Arbeitsstufen mit bearbeitbaren Zwischenständen. Ein Ansatz für passende Abläufe; komplexe Nebenläufigkeit braucht weitere Koordination.
- Anthropic: Context Engineering – Informationen gezielt laden, verdichten und erneut abrufen.
- Anthropic: Multi-Agent Research System – Delegation, Zusammenführung und Bewertung am Beispiel von Recherche.
- Anthropic: Managed Agents – dauerhafter Arbeitsverlauf, Agent-Steuerung und Ausführungsumgebung als getrennte Bestandteile.
- Agent Skills – Format und Aufbau: Anweisungen, Vorlagen, Referenzmaterial und optionale Hilfsprogramme als wiederverwendbares Paket für Agenten.
- Produkte: Claude Code, Codex, Hermes Agent und OpenClaw. Der verfügbare Funktionsumfang hängt von Version und Einrichtung ab.
Deine Antworten als Start-Prompt
Mit deinen Antworten kannst du schon heute deinen Arbeitsraum für Agents einrichten, mit dem Starter und deinem eigenen KI-Helfer. MoselMinds entwickelt gerade eine Lösung, die deinen Arbeitsraum für die Orchestrierung deiner KI-Agenten interaktiv mit dir und für dich einrichtet: Sie stellt dir die Fragen, legt die Dateien an und schlägt die Rollen vor. Wer das aus eigener Perspektive mitentwickeln möchte, schreibt uns eine E-Mail mit dem Betreff „Einrichtung“.