Ein Versuch über 30 Tage: Ein Arbeiter-Agent entwickelt das Thema Application-Integration jeden Tag einen Schritt weiter, ein Aufseher-Agent prüft das Ergebnis gegen Messwerte und entscheidet über weiter, umsteuern oder abbrechen. Feste Notfallregeln im Code fangen Budget, Stillstand und fehlerhafte Prototypen ab. Unumkehrbares bleibt beim Menschen. Der Artikel zeigt Aufbau, Messwerte und das laufende Tagebuch.
Inhalt 12 Abschnitte

30 Tage, zwei KI-Agenten, ein Thema: Vom 14. November bis 14. Dezember 2026 führen Agenten ein Projekt allein weiter, und ein Aufseher entscheidet nur nach Zahlen.
Auf einen Blick
- Der Versuch läuft 30 Tage ohne Eingriff. Jeden Morgen um 10:15 Uhr startet ein Tageslauf, dienstags um 19:30 Uhr folgt ein Wochenbericht.
- Zwei Rollen teilen die Arbeit. Der Arbeiter recherchiert, prüft Annahmen und baut kleine Prototypen; der Aufseher liest nur und entscheidet.
- Messwerte ersetzen das Bauchgefühl. Belegte Fragen, erreichbare Quellen und bestandene Prototyp-Prüfungen zählt ein Skript, kein Sprachmodell.
- Das Budget schaltet selbst herunter. Steigt der Verbrauch, übernehmen günstigere Modelle, bei Knappheit pausiert der Versuch.
Worum es geht: Anwendungen verbinden
Das Thema heisst Application-Integration. Eine Web-Präsentation mit Handy-Fernbedienung soll dort laufen, wo Teams ohnehin arbeiten: in Microsoft Teams, Zoom, SharePoint oder als installierbare Web-App auf dem iPhone. Eine erste Recherche hat 17 Ziele bewertet und fünf vorne gesehen: Progressive Web App, Teams, Apple Kurzbefehle, SharePoint-Einbettung und Zoom. Offen blieben zehn Fragen, etwa ob Meeting-Apps auf Teams Rooms laufen oder welche Domains Google Meet zum Einbetten verlangt.
Deshalb eignet sich das Thema für den Versuch. Jede offene Frage lässt sich mit einer Quelle beantworten, und jeder Prototyp lässt sich maschinell prüfen. Microsoft beschreibt zum Beispiel genau, welche Berechtigung eine App für die gemeinsame Bühne im Meeting braucht (Teams-Doku, Meeting-Bühne).
So arbeiten Arbeiter und Aufseher
- 1Verbrauch messenWochenstand des Abos und eigene BuchhaltungWoche endet dienstags 20:00
- 2Stufe wählenGrün, Gelb oder Rot bestimmt die Modelle
- 3Nächsten Schritt abarbeitenQuelle prüfen, Annahme testen, Prototyp bauenSchreibt nur in zwei Ordner
- 4Messwerte neu zählenQuellen abrufen, Prototypen prüfen
- 5EntscheidenWeiter, umsteuern oder abbrechen, mit BegründungLiest nur
- 6Rapport schreibenTagebuch ergänzen, Seite neu bauen
Dabei folgt der Aufbau einem bekannten Muster. Anthropic nennt es Evaluator-Optimizer: Ein Modell erzeugt, ein zweites bewertet, und die Schleife läuft weiter (Anthropic, Building effective agents). Neu ist hier nur die Regel, dass der Aufseher seine Entscheidung an gezählten Werten festmacht.
Zudem laufen beide Agenten headless, also ohne Bildschirm und ohne Rückfrage (Claude Code, Headless-Modus). Der Arbeiter darf lesen, im Web suchen und schreiben, aber nur in seinen Entwurfsordner und in einen Laborordner. Der Aufseher darf nur lesen. Werkzeuge für Befehle auf dem Rechner bekommt keiner von beiden.
Die Messwerte
Damit der Aufseher nicht nach Eindruck urteilt, zählt ein Skript vor seiner Entscheidung alles nach. Ein Sprachmodell kann behaupten, eine Frage sei geklärt. Gezählt wird sie erst, wenn die genannte Quelle tatsächlich abrufbar ist.
| Messwert | Wie das Skript misst | Warum er zählt |
|---|---|---|
Belegte Fragen |
Status „belegt“ oder „widerlegt“ und mindestens eine abrufbare Quelle |
Jede geklärte Frage senkt das Risiko einer Fehlentscheidung |
Erreichbare Quellen |
Abruf jeder genannten Adresse, Antwort unter 400 |
Tote Links sind keine Belege |
Prototypen grün |
Abruf mit Status 200, alle geforderten Elemente vorhanden, Suchmaschinen ausgeschlossen |
Ein Artefakt zählt erst, wenn es läuft |
Fortschritt |
Belegte Fragen plus zweimal grüne Prototypen, verglichen mit dem Vortag |
Zeigt Stillstand, bevor er teuer wird |
Verbrauch |
Kosten der Läufe dieser Woche und Wochenstand des Abos |
Hält Platz für andere Arbeit frei |
Daher bleibt dem Aufseher eine kleine, klare Aufgabe: der Aufseher entscheidet nach Zahlen und begründet in zwei Sätzen.
Verbrauch: der Versuch schaltet selbst herunter
Der Versuch teilt sich das Wochenkontingent des Abos mit aller anderen Arbeit. Er darf es deshalb nie aufbrauchen. Das Skript liest den Wochenstand aus den Statusmeldungen der Läufe und führt zusätzlich ein eigenes Konto gegen ein kleines Versuchsbudget.
| Stufe | Wann | Arbeiter | Aufseher |
|---|---|---|---|
Grün |
Abo unter 60 %, Versuchsbudget unter 50 % |
Sonnet 5.5 |
Fable 5.2 |
Gelb |
Abo 60 bis 80 %, Budget 50 bis 80 % |
Haiku 5.5, sammelt und sortiert |
Sonnet 5.5 |
Rot |
Abo oder Budget über 80 % |
kurzer Haiku-Lauf, ordnet das Journal |
keiner, nur die Regeln |
Pause |
Abo ab 90 % oder Budget aufgebraucht |
ruht bis Dienstag 20:00 |
keiner |
Notfallregeln im Code
Einige Entscheidungen überlässt das Skript keinem Modell. Sie stehen fest im Code und gelten auch dann, wenn der Aufseher anders urteilen würde.
- Budget überschritten: eine Stufe tiefer oder Pause bis zum Wochenwechsel.
- Drei Tage ohne Fortschritt: Die Richtung wechselt, zum Beispiel von der Recherche zu einem Prototyp.
- Prototyp-Prüfung rot: Das Skript spielt den Laborordner aus der Sicherung vom Morgen zurück.
- Unumkehrbares: Geld, Konten, Veröffentlichungen und Änderungen an Servern schlägt der Agent nur vor. Ein Mensch entscheidet, der Versuch läuft ohne diese Schritte weiter.
Stand der Messwerte
Gezählt am 20.11.2026, Tag 7 von 30.
| Messwert | Stand | Was das bedeutet |
|---|---|---|
Belegte Fragen |
3 von 11 |
Mit abrufbarer Primärquelle beantwortet |
Erreichbare Quellen |
12 von 12 |
Belege, die beim Nachzählen antworteten |
Prototypen grün |
0 von 0 |
Laufen, ausgeschlossen von Suchmaschinen, alle Elemente da |
Fortschrittswert |
3 |
Belegte Fragen plus zweimal grüne Prototypen |
Versuchsbudget der Woche |
7 % |
Eigenes Konto, Woche endet dienstags 20:00 |
Wochenstand des Abos |
34 % |
Gemeldet von der CLI, gilt für alle Arbeit |
| Offene Frage zu Beginn | Stand |
|---|---|
| Laufen Dritt-Meeting-Apps (Bühne/Seitenpanel) auf Teams Rooms für Windows? | belegt (Bühne (meetingStage) auf Teams-Room-Clients laut Herstellerdoku nicht unterstützt …) |
| Welche frame-ancestors-Domains verlangt Google Meet für Add-ons? | offen |
| Welche frame-ancestors-Domains verlangt Webex für Embedded Apps? | offen |
| Welche frame-ancestors-Domains verlangt Miro für Apps? | offen |
| Wie betten Mural, Notion und Confluence fremde Seiten ein (Iframe, Makro, Einschränkungen)? | offen |
| Sind Aufgabenbereiche von PowerPoint-Add-ins im Präsentationsmodus sichtbar? | offen |
| Funktionieren Kamera/QR-Scan in einer iOS-Standalone-PWA (Home-Bildschirm)? | offen |
| Lässt sich Siri ohne native App nutzen (Kurzbefehle mit HTTP-Aktion)? | belegt (Siri-Start per Kurzbefehl belegt.) |
| Gibt es einen Cast-Sender (Chromecast) für Web-Apps auf iOS? | offen |
| Laufen Zoom Apps auf Zoom Rooms? | belegt (Ja, auf Shared Zoom Rooms (Touchgeräte) mit Zoom Apps SDK 0.16.8+ und Rooms-Client …) |
| Welche SharePoint-Hostnamen gehören in frame-ancestors für das Embed-Webpart? | offen |
Wochenberichte
Woche bis 17.11.2026: 4 Tagesläufe; Stand 2 von 11 Fragen belegt, 0 Prototypen grün, Fortschrittswert 2. Entscheidungen: Weiter 4×. Stufen: Gelb, Grün; Versuchsbudget der Woche zu 8 % genutzt.
Tagebuch
20.11.2026 · Tag 7
- Erreicht: Die Google-Meet-Doku nennt keine frame-ancestors-Domain; sie regelt die Einbettung nur über die im Add-on eingetragenen eigenen Herkunftsadressen, daher bleibt die Frage offen.
- Entschieden: Weiter: Score bleibt 3, keine neue Frage belegt; F2 ehrlich als offen gemeldet, Tagesnotiz deckt den Bericht. Zweiter Tag ohne Fortschritt, Quellen 12 von 12 erreichbar. (Aufseher: Fable 5.2)
- Verbrauch: Stufe Grün
19.11.2026 · Tag 6
- Erreicht: Apple-Doku belegt den Freigabedialog beim Ausführen eines Kurzbefehls (Einmal/Immer/Nicht erlauben); zum gesperrten Gerät und zur Erstfreigabe bei Netzaufrufen sagt sie nichts.
- Entschieden: Weiter: Score bleibt 3, Quellen 10/10 erreichbar. F8 deckt sich mit dem Tagesprotokoll, Restpunkte sind ehrlich als offen markiert; kein neuer Beleg, nur Präzisierung. (Aufseher: Fable 5.2)
- Verbrauch: Stufe Grün
18.11.2026 · Tag 5
- Erreicht: Die Zoom-Doku belegt, dass Zoom Apps auf Zoom-Rooms-Touchgeräten laufen können, aber nur, wenn die App die Oberfläche „Rooms“ ausdrücklich aktiviert.
- Entschieden: Weiter: Score 2 auf 3, Quellen 8 von 8 erreichbar. F10 stimmt mit den wörtlichen Zitaten der Herstellerdoku überein, Unbelegtes ist als offen markiert. (Aufseher: Fable 5.2)
- Verbrauch: Stufe Grün
17.11.2026 · Tag 4
- Erreicht: Herstellerzitat zu Teams-Bühne und Rooms wörtlich bestätigt, Siri-Kurzbefehl-Zitat bestätigt, eine frühere HomePod-Einschränkung als nicht belegt korrigiert.
- Entschieden: Weiter: Die Stichprobe stimmt: Die Zitate zu F1 und F8 stehen wörtlich in den Belegen, und die unbelegte HomePod-Aussage wurde gestrichen. Der Score bleibt bei 2, die Qualität stieg aber. (Aufseher: Sonnet 5.5)
- Verbrauch: Stufe Gelb
16.11.2026 · Tag 3
- Erreicht: Kamera-Scan in der iPhone-Web-App ist nicht verlässlich belegt und der Barcode-Detektor in Safari nur hinter einem Schalter; Siri-Steuerung per Kurzbefehl ohne eigene App ist dagegen belegt.
- Entschieden: Weiter: Score 1→2, 7 von 7 Quellen erreichbar; F8 deckt sich in der Stichprobe mit den Belegen. Siri-Teil nur aus Suchtreffer-Zusammenfassung, Wortlaut ungeprüft. (Aufseher: Fable 5.2)
- Verbrauch: Stufe Grün
15.11.2026 · Tag 2
- Erreicht: Die Microsoft-Doku schliesst Teams-Room-Clients für die Meeting-Bühne aus; die Frage zu Kamera/QR in der iPhone-Web-App ist weiter offen, aber enger eingegrenzt.
- Entschieden: Weiter: Score 0 auf 1: F1 ist mit wörtlichem Zitat der Herstellerdoku belegt, 5 von 5 Quellen erreichbar. Seitenpanel auf Raumgeräten bleibt offen, kein Prototyp. (Aufseher: Fable 5.2)
- Verbrauch: Stufe Grün
14.11.2026 · Tag 1
- Erreicht: Primärseite zu Teams-Meeting-Apps geprüft: keine Aussage zu Teams Rooms, F1 bleibt offen; SharePoint-Doku nennt keine Hostnamen, F11 wird als falsch gestellt markiert.
- Entschieden: Weiter: Es wurde keine Frage als belegt gemeldet (fragen_belegt bleibt 0), also gibt es nichts abzulehnen. Der Bericht ist ehrlich: Unbelegtes wird als unbelegt geführt. (Aufseher: Sonnet 5.5)
- Verbrauch: Stufe Gelb
Einordnung: Was das für Teams mit KI-Agenten heisst
Wer Agenten länger allein arbeiten lässt, braucht drei Dinge vorab: messbare Ziele, harte Grenzen für Werkzeuge und Schreibrechte, und ein Budget mit Abschaltung. Ein zweiter Agent als Prüfer hilft nur, wenn er an Zahlen gebunden ist; sonst bestätigen sich zwei Modelle gegenseitig. Der Aufwand dafür liegt bei einem Skript und einer Handvoll Regeln. Teuer wird es erst, wenn diese Regeln fehlen und ein Agent tagelang im Kreis läuft.
Fazit
Der Versuch prüft eine einfache Frage: Kommt ein Projekt voran, wenn ein Mensch nur noch den Rapport liest? Die Antwort steht ab heute täglich im Tagebuch oben. Am 14. Dezember 2026 folgt der Abschlussbericht mit allen Messwerten.
Passend dazu: Fable 5.2 im Praxistest als Orchestrator.
Quellen: Anthropic, Building effective agents, Claude Code, Headless-Modus, Microsoft, Apps für die Meeting-Bühne in Teams (alle abgerufen am 14. November 2026), eigene Messung aus den Läufen. Foto: sarangib / Pixabay. Stand: 20. November 2026.
Geschrieben von Andreas Brauckmann · So arbeitet die Redaktion
Änderungshistorie
- — Artikel veröffentlicht.