Arbeiten mit KI-Agenten: Regeln, Prüfungen, Gedächtnis

Ergebnis

Entstanden ist ein fester Rahmen für die Arbeit mit Claude: Betriebsregeln für eine Agenten-Firma, eine Vorstufe mit Prüfungen an den kritischen Stellen, ein gemeinsamer Wissensgraph, Schleifen aus Bauen und unabhängiger Kritik und ein Gedächtnis aus gelernten Lektionen. Ob die Vorstufe Kosten spart, wird gemessen, nicht angenommen. Ein Ergebnis dazu nennt diese Seite erst, wenn es vorliegt.

Ausgangslage

Wer täglich mit KI-Agenten arbeitet, stößt immer wieder auf dieselben Fragen: Welches Modell braucht eine Aufgabe wirklich? Ist ein Befehl riskant? Ist „fertig“ belegt? Trägt die Recherche die Aussage? Dazu soll das Wissen über Projekte und Entscheidungen auf allen Geräten gleich verfügbar sein, und Fehler sollen sich nicht wiederholen.

Was gebaut wurde

Diese Arbeitsweise ist ein eigenes Projekt. Sie ordnet die Arbeit mit Claude in einen festen Rahmen aus fünf Teilen.

Betriebsregeln für Agenten. In Paperclip arbeiten Agenten in Rollen wie in einer kleinen Firma. Eine gemeinsame Regeldatei hängt an jedem Agenten. Sie regelt den sparsamen Einsatz großer Modelle, kurze Berichte und drei Stufen für Rückfragen an mich: sofort bei Sicherheitsfragen, als Entscheidungsvorlage bei Freigaben, gesammelt im Tagesbericht für alles andere. Die Regeldatei behält mir neue Agenten, neue Dienste und Plattform-Updates vor; Ausnahmen gebe ich einzeln frei.

Eine Vorstufe mit Prüfungen. Vor der eigentlichen Arbeit steht ein schnelles Entscheidungsmodell, Jev von TypeSafe. Es erzeugt keinen Text, sondern knappe Urteile: Ja oder Nein, eine Auswahl, eine Stufe. Eingebunden ist es über einen eigenen MCP-Server auf Cloudflare Workers. Er bietet Prüfungen an vier Stellen:

• Einordnung jeder nicht-trivialen Anfrage, mit Empfehlung für Modell und Aufwand,
• Prüfung vor riskanten Aktionen wie Löschen, Überschreiben, Veröffentlichen oder Deployen,
• Fertig-Prüfung, bevor eine Arbeit als erledigt gilt,
• Recherche-Prüfung, bevor recherchierte Fakten als gesichert erscheinen.

Die Vorstufe berät nur. Schlägt ein Aufruf fehl, wird das gesagt und normal weitergearbeitet, ein Urteil wird nie erfunden. Ob sie unterm Strich Kosten spart, wird in einem Vergleich mit und ohne Vorstufe gemessen.

Ein gemeinsamer Wissensgraph. Dauerhafte Fakten liegen an einer Stelle und sind in jeder Umgebung abrufbar. Rückmeldungen zu den Urteilen der Vorstufe werden protokolliert und dienen dazu, die Schwellenwerte nachzustellen.

Bauen und Kritik im Wechsel. Eine Arbeit wird in kleine Teile zerlegt. Ein Builder baut jeden Teil, danach prüfen drei Kritiker mit frischem Kontext: einer gegen den Auftrag, einer gegen die Gestaltungsregeln, einer im Vergleich mit einer konkreten Referenz. Alle drei müssen zustimmen. Eine feste Rundenzahl gibt es nicht. Bei KI-Filmen kostet jede Runde Geld, deshalb gilt dort ein Budgetrahmen, und den Ton beurteile ich, weil die Kritiker nicht hören können.

Gelernte Lektionen als Gedächtnis. Rückmeldungen aus Projekten hält Claude Code als kurze Notiz fest: was passiert ist, warum, und wie es künftig gemacht wird. Beispiele:

• Ein Musikbett, das laut Vorgabe sehr leise unter der Stimme liegt, wirkt wie nicht vorhanden. Künftig wird das vorab gesagt und eine hörbare zweite Mischung mitgeliefert.
• Ein neues Video bekommt ein neues Skript und eine neue Stimme, statt Sätze aus einem früheren Spot zu übernehmen.
• Aussagen über einen Auftraggeber stammen nur aus dessen eigenen Angaben.
• Bei einem Museumsprojekt ließ sich klares Glas nicht per Photogrammetrie erfassen. Der Ersatzweg ist für künftige Glasobjekte notiert.