Agenten werden gerade billiger, mächtiger und gleichzeitig anstrengender zu führen. Servus, ich bin Lissy, und heute ist Freitag. Also nicht jede Meldung, sondern die Frage: Was heißt diese KI-Woche für jemanden, der wirklich Arbeit mit Agenten erledigen will? Die kurze Antwort: Modellqualität allein reicht nicht mehr. Du brauchst eine Kostenrechnung, eine Laufumgebung, eine Koordinationsschicht und einen Test, der dir sagt, ob der Agent Arbeit abnimmt oder neue Kontrollarbeit erzeugt.
Der schärfste Aufhänger kommt heute von CodePress. Auf Hacker News lautet der Claim: Sie sparen mehr als fünfzigtausend Dollar pro Monat an Inferenzkosten, weil ihre Cloud-Agenten unter der Haube Claude Code oder Codex CLI nutzen und damit bestehende Abos ausreizen. Das ist eine Gründerbehauptung, keine geprüfte Bilanz. Trotzdem ist der Punkt interessant, weil er die Agentenökonomie ziemlich nüchtern macht. Wenn ein Unternehmen schon Claude oder Codex bezahlt, wirkt eine zweite tokenbasierte Agentenplattform schnell wie doppelt kassiert. CodePress verkauft darum weniger ein neues Modell, eher die Betriebsschicht: Start aus Slack, GitHub, Sentry oder Zeitplänen, gemeinsame Cloud-Umgebungen, Unternehmenskontext und Pull Requests zurück ins Team.
Der Unternehmer-Hebel daran ist nicht: Such dir den billigsten Tokenpreis. Der Hebel ist: Rechne pro erledigter Aufgabe. Ein billiger Lauf ohne geprüften Pull Request bleibt teuer. Ein teurerer Lauf mit sauberer Übergabe kann billiger sein. Deshalb würde ich diese Woche keinen neuen Agentendienst nach Demo-Video bewerten. Ich würde drei echte Aufgaben nehmen: ein kleines Sentry-Problem, einen Dokumentationsfix und eine interne Mini-App. Dann misst du: menschliche Minuten bis zur Übergabe, Agentenkosten, Review-Kommentare und ob der Pull Request ohne Nacharbeit durchgeht. Wenn einer dieser Werte fehlt, hast du keine Kostenkontrolle. Du hast nur ein hübsches Dashboard mit Preisen.
Das zweite Signal ist OtoDock. Der Gründer beschreibt es als selbst gehostetes Company OS für Claude Code und Codex Agenten. Die Agenten laufen als persistente Prozesse auf dem eigenen Server, mit eigenen Arbeitsbereichen, Speicher, Zeitplänen und Sandboxen. Laut GitHub ist Self-hosting bis zu fünf Nutzer kostenlos. Spannend sind die Details: Docker Compose, Netzwerkisolation über pasta, bubblewrap, eigene Tools, Telefonie über Twilio oder Asterisk, Dokumentbearbeitung über Collabora. Das klingt erst einmal nach Bastelkeller. Aber genau so sehen viele ernsthafte Produktkategorien am Anfang aus.
Was mir daran gefällt: Die Frage verschiebt sich von Welches Modell ist schlauer? zu Wo darf der Agent überhaupt handeln? Ein Agent, der Kundendaten sieht, Rechnungen anfasst oder Telefonate führen kann, gehört nicht als lose Browser-Session irgendwo auf einen Laptop. Er braucht Rollen, Dateien, Grenzen, Logs und einen Ort, an dem man ihn stoppen kann. Self-hosting ist dabei kein romantischer Reflex. Bei sensiblen Workflows ist es manchmal schlicht kontrollierbarer.
Der Test ist simpel. Wenn du morgen einen Agenten einsetzen willst, schreib auf, welche Systeme er anfassen darf: GitHub, Kalender, Telefon, Kundendatenbank. Dann prüf, ob du seine Umgebung löschen, wiederherstellen und protokollieren kannst. Wenn das nicht geht, ist der Agent für Spielereien okay, aber nicht für echte Betriebsarbeit. Mei, weniger sexy als ein Benchmark. Aber solche Kontrollpunkte entscheiden, ob Automatisierung bleibt oder wieder abgeschaltet wird.
Natively bringt den menschlichsten Fehler der Woche. Der Gründer schreibt, er habe über fünf Projekte verteilt mehr Agenten als menschliche Reports. Dann fingen diese Agenten an, über seine E-Mail zusammenzuarbeiten. Ergebnis: mehr als fünfhundert ungelesene Mails in einem einzigen Thread. Aus dieser Überforderung wurde Natively, eine MIT-lizenzierte Kommunikationsschicht mit Direktnachrichten, Gruppen und Ankündigungen für Agenten.
Das klingt lustig, bis man merkt, wie real das Problem ist. E-Mail ist für Menschen gebaut. Menschen lesen Kontext und ignorieren Rauschen. Agenten machen daraus schnell Protokollmüll. Wenn fünf Agenten Status, Rückfragen und Zwischenergebnisse über denselben menschlichen Posteingang schicken, wird der Mensch zum Router. Dann spart KI keine Arbeit. Sie verlegt Arbeit auf die Person, die eigentlich entlastet werden sollte.
Die Lektion ist ziemlich praktisch: Bau nicht zuerst mehr Agenten. Bau zuerst die Übergabe. Wer startet eine Aufgabe? Wo landet ein Zwischenergebnis? Wann muss ein Mensch entscheiden? Welche Meldung verdient deine Aufmerksamkeit? Für eine Zwölf-Personen-Agentur kann das heißen: Ein Agent darf Kundenmails vorsortieren, aber nur Eskalationen gehen an die Projektleitung. Für einen SaaS-Gründer mit zwei Entwicklern heißt es vielleicht: Agenten kommentieren Tickets untereinander, öffnen aber erst bei grünen Tests einen Pull Request. Ohne solche Regeln wird aus KI-Teamarbeit sehr schnell digitales Stimmengewirr.
Parallel dazu kommen die Plattformen nach. Cognition stellt SWE-2 vor und spricht von einem besseren Verhältnis aus Leistung und Kosten. Interessant sind weniger die Rankings. Im Blog beschreibt Cognition, wie SWE-2 einen fehlenden MCP-Zugang umgeht, indem es Informationen aus Slack-Historie rekonstruiert, und Hypothesen neu herleitet. Genau solche Verifikation ist bei Agenten wertvoll. Ein Modell, das Rückfragen ernst nimmt und Umwege findet, spart Review-Zeit.
OpenAI schiebt mit der Agents API in eine ähnliche Richtung, allerdings aus Plattformperspektive: Sandboxes, Tools, MCP-Verbindungen, Orchestrierung, Tracing und Zustandsverwaltung. Das ist kein einzelnes Endnutzer-Feature, eher ein Baukasten für Entwickler, die Agenten nicht per Klebeband aus Prompts und Webhooks zusammensetzen wollen. Zusammen mit CodePress, OtoDock und Type.com sieht man: Der Wettbewerb wandert in die Schicht zwischen Modell und Arbeit. Dort liegen Kosten, Rechte, Kontext und Übergabe.
Trotzdem sollte man sich nicht einreden, dass bessere Modelle den ganzen Betriebsaufwand wegzaubern. Sie reduzieren Fehler an manchen Stellen und erzeugen neue Möglichkeiten an anderen. Aber bei Zugriff auf Slack, GitHub, Sentry und interne Daten reicht Modellvertrauen nicht. Du brauchst ein Prüfprotokoll: Was war der Auftrag? Welche Tools wurden genutzt? Welche Quellen standen dahinter? Welcher Mensch hat die Änderung übernommen? Wenn du diese Fragen nicht beantworten kannst, ist das Modell vielleicht beeindruckend, aber dein Betrieb bleibt blind.
Zum Schluss noch zwei kleinere Signale, die gut zum Freitag passen. Bee lässt dich Google Calendar und Google Tasks per iMessage oder WhatsApp steuern. Google bringt Gemini als Windows-App. Beides wirkt im Vergleich zu Agentenplattformen klein. Aber es zeigt, wohin gute Automatisierung oft geht: Sie taucht dort auf, wo Arbeit ohnehin passiert. Im Messenger, im Kalender, im Betriebssystem, in Slack oder in GitHub. Niemand will noch ein weiteres Cockpit pflegen, wenn der eigentliche Engpass das Wechseln zwischen Systemen ist.
Meine Testkarte für nächste Woche wäre deshalb nicht: Installier fünf neue KI-Tools. Sie wäre viel bodenständiger. Such dir einen wiederkehrenden Arbeitsablauf mit klarer Übergabe. Zum Beispiel: Kundenfrage kommt rein, relevante Daten werden gesucht, Antwortentwurf entsteht, ein Mensch prüft, dann geht die Antwort raus. Minimaler Aufbau: ein Eingangskanal, ein Agent, ein Log, eine menschliche Entscheidung und ein Kostenfeld. Erfolg heißt: mindestens drei von zehn Aufgaben landen mit weniger Sucharbeit in einem prüfbaren Zustand. Abbruch heißt: Nachfragen und Aufräumen kosten mehr Zeit als vorher.
Das ist vielleicht die unbequemste Erkenntnis dieser Woche: Agenten werden nicht automatisch produktiv, sobald sie schlauer werden. Produktiv werden sie, wenn jemand die langweiligen Schnittstellen ernst nimmt. Kosten, Umgebung, Kommunikation, Übergabe. Genau dort entsteht der Unterschied zwischen netter Demo und Arbeit, die morgen wirklich vom Tisch ist.
Worauf ich heute komme: Die Gewinner der nächsten Agentenrunde bauen wahrscheinlich nicht das lauteste Modell, sondern die sauberste Betriebsschicht. Wer Agenten nutzt, sollte fragen, ob Aufgabe, Kosten, Kontrolle und Übergabe messbar sind. Wenn euch das hilft, nehmt eine echte Aufgabe aus eurem Alltag und prüft sie mit dieser Testkarte. Eure Erfahrungen könnt ihr mir gerne schicken, die Adresse steht in den Shownotes. Danke fürs Zuhören, habt ein schönes Wochenende, und Pfiat euch, eure Lissy.