Vom Monolithen zur agentischen Ausführungs-Schicht
Mein Setup für wiederkehrende KI-Automatisierungen – wie Morning-Briefings, Newsletter-Auswertungen oder Datenbank-Bereinigungen – bestand monatelang aus einem zentralen Monolithen. Das funktionierte zwar, war aber eine Black-Box: schwer zu durchschauen, unflexibel und riskant für das API-Budget.
Steuerung und Ausführung trennen
Die Lösung war die Aufspaltung in zwei strikt getrennte Rollen: Ein Steuerungs-Cockpit und einen agentischen Ausführungs-Arm.
Das Prinzip dahinter ist simpel: Das Cockpit ist die zentrale Oberfläche. Hier laufen Aufgaben zusammen und hier wird entschieden, was passieren soll. Der Ausführungs-Arm ist die Aktions-Schicht und kümmert sich autonom um das Wie. Aus Sicherheits- und Kostengründen läuft jeder LLM-Aufruf dieser Ausführungs-Schicht zwingend über ein Gateway mit einem harten Tagesbudget. Der Container selbst besitzt bewusst keine eigenen Master-Keys für APIs oder Datenbanken. Selbst wenn ein Agent unvorhergesehen agiert, bleiben die Kosten gedeckelt und die Infrastruktur sicher.
Der proaktive Freigabe-Loop
Durch die Trennung konnte ich die Automatisierung von "stur nach Zeitplan" auf "vorausschauend" umstellen. Ein täglicher Reflect-Lauf scannt nun die Wissensdatenbank, offene Aufgaben und Systemzustände. Darauf basierend schlägt das System dem Cockpit von sich aus konkrete Maßnahmen vor.
Ich sehe diese Vorschläge gebündelt und gebe sie mit einem Klick frei (oder lehne sie ab). Erst nach diesem Abnahme-Gate arbeitet ein Runner die Aufgabe ab und hinterlegt ein nachvollziehbares Arbeitslog. Aus einer Automatisierung, die einfach blind lief, wurde ein System, das mitdenkt – bei dem ich aber weiterhin die Hand am Steuer habe.
Zum Mitnehmen: * Human-in-the-loop: Riskante oder verändernde Aktionen sollten in Agenten-Setups immer eine explizite Freigabe-Schicht durchlaufen. * Kapselung: Die Trennung von Steuerung und Ausführung ermöglicht harte Budgets für autonome Worker, ohne dem System weitreichende Schlüssel anzuvertrauen. * Proaktiv statt reaktiv: Lasst das KI-System den Systemkontext scannen und Maßnahmen vorschlagen, statt nur auf manuelle Trigger zu warten.