Wie ich arbeite
Bevor ein Agent eine Aufgabe übernimmt, lege ich fest, was er darf, wann er stoppen muss und wie ich das Ergebnis prüfe. Hier stehen die Regeln, die Rollen und vier Entscheidungen, die nicht glatt gelaufen sind.
Leitplanken
- AuftragZiel, erlaubte Dateien und das Kommando, mit dem ich das Ergebnis prüfe.
- BrokerWählt Modell und Werkzeug nach Kosten, Kontingent und früheren Fehlern.
- AgentArbeitet in einer Sandbox ohne Schlüssel und ohne Root.
- HooksStoppen gefährliche Befehle, bevor sie laufen.
- ReviewZwei Modelle von zwei Anbietern. Ein BLOCK hält die Änderung auf.
- mainErst jetzt wird zusammengeführt. Veröffentlichungen gebe ich selbst frei.
- Regeln, die greifen
Ein Hook stoppt gefährliche Befehle.
Dafür nutze ich eigene Sicherheits-Hooks und ein Policy-Gate. Ein Hinweis im Prompt reicht mir nicht.
- Ich gebe frei
Veröffentlichungen, Löschungen und Nachrichten an andere Menschen brauchen meine Freigabe.
Änderungen dürfen Agenten vorbereiten und über das Review-Gate nach main bringen.
- So wenig Rechte wie nötig
Sandboxes bekommen keine Schlüssel, keinen Root-Zugriff und keinen Docker-Socket.
Ein Worker darf sich keine zusätzlichen Rechte nehmen. Braucht eine Sandbox etwas, ergänze ich gezielt Pakete oder erlaube ihr, bestimmte Dateien zu lesen. Geheimnisse dürfen nicht ins Repository und nicht in die Ausgabe.
- Reviews vor main
Zwei Modelle prüfen einen Commit, bevor er nach main kommt.
Die beiden Modelle kommen von unterschiedlichen Anbietern. Sind sie sich uneinig, schaut noch ein weiteres darauf. Bei einem BLOCK kommt die Änderung erst durch, wenn der Einwand geklärt ist.
- Nachvollziehbar
Ich protokolliere, was läuft, und halte Entscheidungen mit Datum fest.
Zu einer Entscheidung schreibe ich auf, was dazu geführt hat. Taucht ein Fehler wieder auf, mache ich daraus eine Regel mit einem Kommando zum Prüfen. Für die nächste Sitzung steht der Arbeitsstand in einer Übergabe.
- Kosten mit Deckel
Bezahlte Aufrufe haben feste Grenzen im Broker.
Beim Routing kommen Abonnements zuerst. Der Broker schaut, wie viel Kontingent noch übrig ist, und begrenzt bezahlte Aufrufe pro Tag und pro Abrechnungsfenster.
Grenze: Die Umgebungen für Reviews laufen noch ohne Sandbox auf Betriebssystem-Ebene. Darum muss ich mich noch kümmern.
Stand: November 2026
Agents Do, Humans Decide.
Rollen
- Routing
- Bevor ein Agent loslegt, wählt ein Broker Modell und Werkzeug aus. Er schaut auf Kosten, restliches Kontingent und frühere Fehler. Abonnements kommen zuerst. Ist ein Zugang ausgeschöpft, fällt er aus der Auswahl.
- Entscheidungen
- Routineentscheidungen treffen die Agenten selbst. Bei Entscheidungen mit größeren Folgen wägen mehrere Modelle in einem Council die Möglichkeiten ab und schreiben die Begründung auf.
- Übergaben
- Claude, Codex, Pi und Antigravity schreiben sich über ein MCP-Postfach. Wechselt das Werkzeug oder fängt eine neue Sitzung an, steht der bisherige Kontext in einem Übergabedokument.
$ review-gate --help
usage: review-gate [-h] [--repo REPO] [--sha SHA] [--default DEFAULT] …
Review an explicit commit and merge it into the default branch when approved.
Entscheidungen und was sie gekostet haben
Vier Fälle aus meiner eigenen Agentenplattform. Zu jedem steht, was ich entschieden habe, was ich verworfen habe und was es gekostet hat.
01Hinweise wurden ignoriert, also wurde Routing ein Hook
- Situation
- Mein wichtigstes Abo war fast aufgebraucht, während drei andere Zugänge kaum genutzt wurden. Der Router hatte passende Hinweise gegeben. Die Agenten haben sie fast immer ignoriert.
- Entscheidung
- Ein Hook verweigert bestimmte Aktionen im Haupt-Thread und nennt den Agenten, der sie übernehmen soll. Bevor die Regel live ging, habe ich sie gegen den echten Verlauf abgespielt.
- Verworfen
- Deutlichere Hinweise im Prompt. Und die erste, breitere Fassung der Regel: Im Replay hätte sie zwei Drittel der echten Aufrufe blockiert.
- Kosten
- Ein Gate mit Fehlalarmen bremst. Ich habe es zwischendurch abgeschaltet, und der Verbrauch ist binnen eines Tages stark gestiegen. Heute schaltet es sich nur ein, wenn das Wochenkontingent knapp wird.
02Alle Tests grün, der Watcher war tot
- Situation
- context-parachute sichert den Arbeitsstand, bevor das Kontextfenster eines Agenten voll ist. Nach einer Änderung lief der Watcher nicht mehr, ohne Fehlermeldung. Die Tests liefen trotzdem alle durch.
- Entscheidung
- Ein Test hatte die Fehlerausgabe verworfen, den Exit-Code ignoriert und leere Ausgabe als bestanden gezählt. Ich habe den Fehler behoben und Tests ergänzt, die „abgestürzt“ getrennt von „in Ordnung“ prüfen. Dazu kam ein Doctor-Check.
- Verworfen
- Die Suche in den Sitzungsprotokollen. Damit habe ich angefangen und nichts gefunden, weil Hook-Fehler, die nicht blockieren, dort gar nicht landen. Erst der direkte Aufruf des Hooks hat den Fehler gezeigt.
- Kosten
- Ob das Wiederaufsetzen nach einer Komprimierung im echten Betrieb funktioniert, ist bisher nur mit Testdaten geprüft.
03Mein Router war schlechter als eine feste Reihenfolge
- Situation
- Der Router sortierte Zugänge nach ihrer Erfolgsquote. Neue Zugänge ohne Historie verloren deshalb immer gegen bewährte, und bezahltes Kontingent blieb liegen.
- Entscheidung
- Jeder Zugang ohne Lauf in den letzten 24 Stunden kommt zuerst dran, und ein kleines Modell bekommt einen festen Anteil der Aufgaben. Danach habe ich den Router gegen eine feste Reihenfolge gemessen.
- Verworfen
- Weiter nur nach Erfolgsquote zu sortieren und der eigenen Konstruktion zu glauben.
- Kosten
- In der Messung lag der Router knapp unter der festen Reihenfolge. Das steht so in meiner Auswertung. Ob das liegengebliebene Kontingent jetzt wirklich genutzt wird, habe ich noch nicht gemessen.
04Ein Worker hat sudo benutzt
- Situation
- Ein delegierter Worker hat per sudo ein Systempaket installiert, weil ihm ein Werkzeug fehlte.
- Entscheidung
- Jeder Worker läuft seitdem mit no-new-privs, sudo schlägt dort fehl. Fehlt ein Werkzeug, meldet er das. Sandboxes bekommen keine SSH-Schlüssel, kein Root, keinen Docker-Socket und kein Home-Verzeichnis.
- Verworfen
- Die Sandbox zu erweitern, bis die Aufgabe hineinpasst. Braucht eine Aufgabe mehr, bekommt das Image ein festgelegtes Paket oder einen einzelnen Ordner zum Lesen.
- Kosten
- Die strengere Prüfung hatte einen Fehlalarm, der einen Builder fünf Aufrufe gekostet hat, und ein Review hat später eine Umgehung gefunden. Beides ist behoben und hat Tests. Die Umgebungen für Reviews laufen noch ohne Sandbox auf Betriebssystem-Ebene.
$ less docs/failures.md
## ps alias faked a dead-process diagnosis
Symptom: `ps` returned nothing with exit 0, and a whole false root cause
("the processes died with the terminal") was built on that silence.
Rule that prevents it: For process conclusions use /usr/bin/ps (or unalias
ps first). Prove the probe on a known-live PID ($$) before trusting an
empty result.
Check: test -n "$(/usr/bin/ps -p $$ -o pid=)"
Womit ich gearbeitet habe
Seit 2008: erst Qualitätssicherung und Systemadministration, später DevOps, Cloud-Plattformen und KI-Agenten.
- Qualitätssicherung
- Ich habe Testpläne geschrieben, Lasttests laufen lassen und Software beim Kunden ausgeliefert.
- Systemadministration
- Ich habe Linux-Systeme und virtuelle Maschinen am Laufen gehalten und sie mit Nagios und Icinga überwacht.
- Telefonie und Integration
- Ich habe SIP und CTI an Kollaborationsplattformen angebunden.
- DevOps
- Ich habe Systeme von Docker Swarm auf Kubernetes umgestellt und die Abläufe mit Terraform, Ansible und CI/CD automatisiert.
- Observability
- Mit Prometheus, Grafana und ELK habe ich im Blick behalten, wie die Systeme laufen.
- Secrets und Zugriff
- Ich habe Geheimnisse mit HashiCorp Vault verwaltet und den Zugriff über Reverse Proxies geregelt.
- Cloud-Architektur
- Ich entwerfe Plattformen auf Azure und arbeite mit AKS, Infrastructure as Code und GitOps.
- Dokumentation (DocOps)
- Ich pflege Wikis und Runbooks und halte Entscheidungen mit Datum fest.
- Kostenkontrolle (FinOps)
- Ich lege Budgets fest, die begrenzen, was Modellaufrufe kosten dürfen.
- Sicherheit im Alltag (DevSecOps)
- Ich baue Guard-Hooks ein und lasse Änderungen prüfen, bevor sie nach main kommen.
- KI-Agenten
- Ich verteile Aufgaben an Agenten und prüfe die Ergebnisse. Bei größeren Entscheidungen wägen mehrere Modelle ab.
Stand: November 2026
Wo die Grenzen liegen
- Die Umgebung habe ich für mich gebaut. Ob sie in einem Team oder für Auftraggeber funktioniert, habe ich nicht geprüft.
- Auch ein Review kann einen Fehler übersehen. Tests und meine eigene Prüfung bleiben nötig.
- Wenn das Policy-Gate selbst einen Fehler hat, schreibt es ihn ins Protokoll. Die Aktion kann dann trotzdem durchgehen.
- Ob ich damit Kosten spare, kann ich nicht mit Messungen belegen.
- Nach einem Werkzeug-Update hat ein Guard einmal nichts mehr getan. Das blieb so, bis ich den Fehler gefunden und behoben hatte.
Azure · AKS · Bicep · Terraform · Azure DevOps · ArgoCD · Kubernetes · Docker · Linux · Python · TypeScript · MCP
Zu den ArbeitenSchreib mir, wenn du dich dazu austauschen willst.