Zum Inhalt springen
EN DE
Kontakt

Agentic Engineering

Es hieß: nicht machbar. Also prüfte ich es 1.000 Stunden lang.

Heute baut, testet und liefert eine Flotte von KI-Agenten Software auf Enterprise-Niveau. Für meine Unternehmen und für Kunden. Zu einem Bruchteil der Kosten eines klassischen Entwicklerteams.

Die Vorgeschichte

Warum ein SEO-Gründer in Software ging

Timothy Scherman at his desk with a headset

Hier habe ich die meisten der 1.000 Stunden verbracht

Als SEO-Agentur standen wir plötzlich in einem Markt, in dem Kunden kündigten. KI sollte alles lösen, und viele Kunden wollten die Dinge selbst machen. Ich wollte wettbewerbsfähig bleiben und neue Geschäftsfelder erschließen. Deshalb entschied ich mich, in Software zu gehen und alles darüber zu lernen.

Also stellte ich mehrere Vollzeitentwickler ein. Fullstack-Entwickler mit 15 Jahren Berufserfahrung. Mehr als zwölf Monate versuchten wir gemeinsam, eine Software zu entwickeln. Es ging langsam voran. Die Entwickler nutzten KI, aber nicht so, wie man KI einsetzen sollte. Das wusste ich. Hier und da etwas Code-Vervollständigung, dazu sehr viel Handarbeit.

Ich beschrieb die Arbeitsweise und die Geschwindigkeit, die ich mir vorstellte. Die Antwort: So ist das nicht machbar.

Ich sah das anders. In den folgenden zwölf Monaten steckte ich Hunderte Stunden, insgesamt rund tausend, in Recherche und praktische Anwendung. Ich wollte eine Frage beantworten: Stimmt das?

Es stimmt nicht. Es gibt Wege. Und sie beruhen auf Prinzipien der Software-Architektur, die seit Jahrzehnten in alten Büchern stehen.

So sieht ein Lauf aus

Aufgabe rein, getestete Software raus

Ich habe praktisch jedes agentische Entwicklungssystem am Markt ausprobiert. Geblieben bin ich bei meinem eigenen Setup. Es ist nicht für jeden das perfekte Setup. Es ist das perfekte Setup für mein Ziel: Software auf Enterprise-Niveau, schnell, ohne Abstriche bei der Qualitätskontrolle.

Vereinfachte Darstellung eines typischen Laufs. Tool- und Modellnamen gekürzt.

Prinzipien

Alte Bücher, neue Belegschaft

Nichts davon ist Magie. Es ist klassisches Software-Engineering, von Maschinen durchgesetzt statt von Menschen erhofft.

Deep Modules

Ein Modul ist tief, wenn seine Schnittstelle viel kleiner ist als das, was es verbirgt. Agenten arbeiten gut in klaren Grenzen und schlecht im Durcheinander. Die Idee stammt aus John Ousterhouts „A Philosophy of Software Design“ und davor von David Parnas aus dem Jahr 1972.

Von außen getestet

Jedes Modul wird über seine öffentliche Schnittstelle getestet, so wie ein Nutzer oder ein anderes System es aufruft. Bei kritischen Modulen gibt es die Tests vor dem Code. An einem fehlgeschlagenen Test kann sich kein Agent vorbeireden.

Gates, die kein Agent umgeht

Geschwindigkeit entsteht nicht dadurch, dass man die Qualitätskontrolle auslässt. Sie entsteht, wenn man die Qualitätskontrolle automatisiert und der KI als Leitplanke vorsetzt, die sie nicht umgehen kann: statische Analyse, Architekturregeln, CI.

Viele Modelle, ein Prozess

Ich arbeite mit den Frontier-Modellen von Anthropic, OpenAI und Google gleichzeitig. Das Modell eines Labors baut, das Modell eines anderen Labors prüft, ein drittes kontrolliert jeden kritischen Befund gegen. Sie finden gegenseitig ihre Fehler.

Orchestrierung im großen Maßstab

Ein Dispatcher teilt die Arbeit in unabhängige Pakete und startet für jedes Paket einen Worker. An großen Aufträgen arbeiten Hunderte Agenten mit. Nichts wird zusammengeführt, solange nicht jedes Gate grün ist.

Gemeinsames Gedächtnis, geschriebene Regeln

Alle Agenten lesen aus einem gemeinsamen Gedächtnis und folgen einem versionierten Regelwerk. Was ein Agent am Montag lernt, weiß am Dienstag jeder Agent.

Sicherheit als Standard

Ein Guard blockiert katastrophale Befehle, bevor sie laufen. Ein Gatekeeper prüft jeden externen Inhalt auf Prompt Injection, bevor ein Agent ihn lesen darf.

Die Freigabe gehört dem Menschen

Staging läuft vollständig autonom. Der Schritt in die Produktion gehört einem Menschen. Autonomie ist ein Regler je Modul, kein Schalter für das Unternehmen.

Auf den Schultern anderer

Gelernt habe ich von Menschen, die teilen

Ich habe es mir selbst beigebracht, aber nicht allein. Zwei Menschen haben mein Setup stärker geprägt als alle anderen. Matt Pocock zeigt, wie Deep Modules und testgetriebenes Arbeiten Agenten zuverlässig machen. Kun Chen baut offene Tools zum Orchestrieren und Überwachen von Agenten, die ich täglich nutze. Das Fundament unter beiden ist älter als jedes Sprachmodell: Ousterhout, Parnas, Fowler, Beck.

Das Feld bewegt sich schnell. Ein Workflow, der vor einem Monat funktionierte, kann heute veraltet sein. Ich ersetze meine Workflows ständig, und das bleibt so.

Was wir gebaut haben

Erster Kunde: unsere eigene Agentur

Bevor ich etwas verkaufe, nutze ich es selbst. Wir haben praktisch alles gebaut, was unsere Agentur braucht: mehr als 40 verbundene Systeme und Services, die alle miteinander sprechen.

Marketing & Content

Eine SEO-Suite. Eine Content Factory, die nach festen Regeln schreibt und veröffentlicht. Ein monatlicher Radar über alle Kunden. Seiten für die KI-Suche. Und eine Pipeline, die aus Text fertige WordPress-Seiten macht.

Buchhaltung

Vorbereitende Monatsbuchhaltung, Belegerkennung mit sauberen Exporten für den Steuerberater, Lohnverteilung und Rechnungsstellung. Meist, ohne dass ein Mensch eine Datei anfasst.

Recherche

Tiefenchecks mit neun Agenten parallel. Rechtsrecherche, die sich selbst aktuell hält. Markt- und Trendmonitore. Scanner, die mich benachrichtigen, wenn etwas zu meinen Kriterien passt.

Vertrieb

Eine eigene E-Signatur. Ein Coach, der jedes Verkaufsgespräch auswertet und Tipps schickt. Ein KI-Rollenspieltrainer für Telefon- und Abschlussgespräche. Geprüfte Lead-Importe.

Betrieb

Zeiterfassung und Budgets, ein Zugangsportal, ein Aufgabenboard, eine Wissensdatenbank, ein Whiteboard, Offline-Spracherkennung, ein Posteingang, der sich selbst sortiert. Sie haben einen Stapel Abos ersetzt.

Infrastruktur & Sicherheit

Automatische Deployments nach grünen Checks, Monitoring, Consent-Management, der Guard und der Gatekeeper. Eine zweistellige Zahl von Servern mit dedizierten Kernen, die meisten in Deutschland, einige im übrigen Europa und in den USA.

Virtuelle Mitarbeiter

Kollegen, die in Slack wohnen

Auf diesen Systemen haben wir Agenten mit Namen, Aufgabe und Zeitplan gebaut. Das Team schreibt ihnen wie jedem anderen Kollegen.

SEO

Daniel

Crawlt jede Woche alle Kundendomains, beobachtet die Veröffentlichungen der Wettbewerber, führt Audits durch, findet Themen und schreibt Artikel.

Finanzen

Emma

Findet und erstellt Rechnungen, bereitet Zahlungserinnerungen vor, zieht Zeiterfassungsdaten und verschickt Briefe.

Google Ads

Lukas

Prüft Konten und plant Kampagnen nach einem festen Regelwerk. Seine Wissensbasis enthält 15 Bücher und rund 2.150 Quellen.

Kundenprojekte

Dieselbe Methode, andere Branchen

Immobilien

Ein eigenes CRM, das ein Standardprodukt ersetzt hat

Objekte, Anfragen, verknüpfte E-Mails und Veröffentlichung auf den großen Immobilienportalen. Erst die Spezifikation, erst die Tests, Autonomiestufen je Modul. Mehr als 1.700 automatisierte Tests sichern die Anwendung.

Immobilien

Änderungswünsche, die sich selbst vorsortieren

Ein Agent macht aus jeder neuen Anfrage einen Aufgabenentwurf. Ein Mensch gibt ihn mit einem Klick frei.

Versicherung

Agentisches Publishing für ein Beratungsunternehmen

Ein Webseiten-Relaunch mit automatisierter Publishing-Pipeline, ein Tarifverzeichnis, das ein Agent pflegt, und ein Themenradar für Finanzen und Versicherung.

Brauchen Sie Software, die so gebaut ist?

Sagen Sie mir, was die Software können soll. Ich sage Ihnen ehrlich, ob mein Setup dafür das richtige ist.