Bevor sich dein KI-Engpass weiter verschlimmert: Was du jetzt tun solltest

Deine Entwickler haben Agenten laufen. Nicht nur einen Agenten, sondern mehrere, verteilt über das gesamte Team. Manche laufen in einem Terminal auf einem Laptop, manche sind in deine CI-Jobs eingebunden, und manche befinden sich in dem Programmierwerkzeug, das jeder Einzelne bevorzugt. Jeder wurde separat eingerichtet, von dem, der ihn brauchte, so, wie es in dieser Woche gerade passte.

Das ist der Zustand, in dem sich die meisten Teams gerade befinden. Das Programmieren ist schon seit einer Weile nicht mehr der langsame Teil. Was jetzt langsam ist, ist alles, was drum herum läuft – und worüber sich fast niemand die Zeit genommen hat, zu entscheiden, ist, wo das alles eigentlich läuft. Es hat sich standardmäßig angesammelt, ein Agent und ein CI-Job nach dem anderen. Niemand hat diese Anordnung gewählt. Es ist einfach gewachsen.

Die Ebene, von der du nicht wusstest, dass du sie wählst

Jedes Team, das Agenten einsetzt, steht auf einer Plattformebene: Das ist das Ding, das entscheidet, wo Agenten ausgeführt werden, welche Modelle sie verwenden, wie sie auf deine Infrastruktur zugreifen und wer sehen kann, was sie getan haben. Du nutzt eine davon, egal ob du sie dir ausgesucht hast oder nicht.

Es gibt zwei gängige Wege, wie man zu einer solchen Plattform kommt, ohne sie bewusst auszuwählen.

Die erste besteht darin, das zu erweitern, was du bereits hast. Agenten werden an dein bestehendes CI-System angehängt – dasselbe System, das deine Builds und Tests ausführt. Anfangs funktioniert das. Aber der CI-Anbieter hat dieses System entwickelt, um Pipelines auszuführen, nicht um ein Team von Agenten zu steuern, und es zu erweitern bedeutet, seine Annahmen zu übernehmen: die Modelle, die es als praktisch erachtet, die Rechenleistung, auf der es läuft, den erwarteten Bereitstellungspfad und seine Vorstellung davon, wie ein Agenten-Workflow aussehen sollte. Du hast diese Annahmen nicht hinterfragt. Sie waren Teil des Tools, das du bereits hattest.

Die zweite Möglichkeit ist, überhaupt nichts bewusst zu tun. Die Ebene setzt sich von selbst zusammen aus dem, was jeder Entwickler lokal eingerichtet hat: die Terminal-Konfiguration des einen, das Skript eines anderen, das CI-Experiment eines dritten. Es gibt keine einheitliche Ebene, sondern eher einen Haufen davon, und niemand hat den Überblick darüber.

Beides sind Entscheidungen. Keine davon wurde bewusst getroffen. Das ist das Problem. Die Plattformschicht wird so oder so festgelegt, und eine zu übernehmen ist nicht dasselbe wie sich für eine zu entscheiden.

Was die Ebene bestimmt

Eine Plattformschicht ist die Gesamtheit der Entscheidungen, die jedem Agenten zugrunde liegen, den dein Team ausführt: Welches Modell eine bestimmte Aufgabe löst, auf welcher Rechenumgebung der Agent läuft, wie er auf deinen Code und deine Infrastruktur zugreift und welche Spuren er hinterlässt. 

Ob du diese Ebene nun selbst gewählt oder geerbt hast – sie legt stillschweigend drei Dinge fest, die dir später wichtig sein werden. Es lohnt sich, sie konkret zu betrachten.

1. Welche Modelle kannst du nutzen

Frontier Labs verbrennt Geld, und seine Preise werden sich ändern. Wenn du deine Ebene an einen Anbieter bindest, musst du diese Änderung selbst auffangen. Eine Ebene, die es dir ermöglicht, jede Aufgabe auf das passende Modell auszurichten und den Anbieter zu wechseln, wenn sich die wirtschaftlichen Rahmenbedingungen ändern – ohne das, was darüber liegt, neu aufbauen zu müssen. Die meisten Aufgaben beim Programmieren benötigen ohnehin nicht das größte Modell, und ein kleineres, gut konfiguriertes Modell kostet weitaus weniger.

2. Wo es läuft

Eine geerbte Ebene läuft dort, wo der Anbieter sie betreibt – zu dessen Bedingungen. Eine bewusst gewählte Ebene läuft dort, wo sich deine Infrastruktur bereits befindet. Upsun Dispatch™ ist genau aus diesem Grund ein eigenständiges Produkt: Es benötigt keine Upsun Cloud, um deine Agenten und deinen Entwicklungslebenszyklus auszuführen. Du bringst deine eigene Lösung mit, anstatt die eines anderen zu übernehmen.

3. Was du sehen und steuern kannst

Das ist der Punkt, der am meisten schmerzt, wenn er fehlt. Agenten, die über Laptops und CI-Jobs verstreut sind, lassen niemanden den Überblick über das gesamte Unternehmen behalten: nicht, warum ein Agent Tausende von Dollar ausgegeben hat, nicht, was eine Änderung betroffen hat, nicht, wer sie genehmigt hat.

 Eine bewusst eingerichtete Ebene macht die Arbeit der Agenten beobachtbar und steuerbar – mit menschlichen Kontrollinstanzen, Kosten, die dem Workflow zugeordnet werden, der sie verursacht hat, und einem Prüfpfad aus Aufforderungen, Differenzen und Genehmigungen. Arbeit, die du nicht nachweisen kannst, ist eine Belastung, die mit jedem neuen Agenten wächst.

Wo die bereits vorhandene Ebene ausreicht

Nicht jedes Team muss diese Entscheidung schon jetzt treffen, und es lohnt sich, sich das ehrlich einzugestehen.

Wenn du ein Wegwerfprojekt, ein einmaliges internes Tool, eine lustige Webseite oder irgendetwas anderes programmiert hast, das du nicht weiter pflegen wirst, spielt der Code kaum eine Rolle – ebenso wenig wie die darunterliegende Ebene. Weise einfach einen Agenten darauf an und mach weiter. Das Gleiche gilt für ein Team, das noch am Anfang der KI-Einführung steht, hauptsächlich die Autovervollständigung nutzt, noch keine Agenten parallel laufen lässt und die Ausuferung noch nicht spürt. Es gibt nichts zu steuern, also erspart dir diese Entscheidung auch nichts.

Wie eine bewusste Entscheidung aussieht

Die bewusste Wahl der Ebene bedeutet, deine Agenten auf einer Plattform laufen zu lassen, die speziell für ihre Steuerung entwickelt wurde – und nicht auf etwas, das für eine andere Aufgabe gedacht ist und nur notdürftig angepasst wurde.

Genau das ist Upsun Dispatch: eine Plattform für gesteuerte Zusammenarbeit zwischen KI-Agenten und funktionsübergreifenden menschlichen Teams. Sie steht deinen Agenten und Modellen gegenüber, anstatt nur ein weiterer Agent im Haufen zu sein. Sie läuft eigenständig, dort, wo sich deine Infrastruktur bereits befindet, und lässt dich wählen, welches Modell welche Aufgabe übernimmt. Und sie bietet dir die Transparenz und Kontrolle, für die ein überlastetes CI-System nie ausgelegt war – basierend auf strukturierten Workflows, isolierten Sandboxes, menschlichen Kontrollinstanzen und einem lückenlosen Prüfpfad.

Der Punkt ist: Diese Ebene wurde von dir gezielt für diese Aufgabe ausgewählt, anstatt sie von einem Tool zu übernehmen, das zufällig schon da war.

Was du jetzt einrichten solltest

Die Ebene wird so oder so festgelegt. Die einzige Frage ist, ob du sie selbst festlegst oder übernimmst. Jetzt eine Entscheidung zu treffen, ist kostengünstig und reversibel. Du stellst eine ausgewählte Plattformebene unter deine Agent-Arbeit, solange der Umfang noch klein genug ist, um ihn umzulenken. Eine zu übernehmen und später wieder rückgängig zu machen, ist weder günstig noch reversibel: Du stellst Agent-Workflows, auf die sich dein gesamtes Team mittlerweile verlässt, auf eine neue Plattform um – und zwar unter den Modellen, Rechen- und Bereitstellungsannahmen eines Anbieters, der diese Entscheidungen für dich getroffen hat.

Der einfachste Weg, diese bewusste Entscheidung in die Tat umzusetzen, besteht darin, einen Workflow auf einer Ebene auszuführen, die du tatsächlich selbst ausgewählt hast.  
 

Erstelle einen Arbeitsbereich in Upsun Dispatch und führe darin einen Workflow aus. Du wirst bei deiner eigenen Arbeit sehen, was es bedeutet, die Ebene selbst zu kontrollieren, anstatt sie zu übernehmen.

Häufig gestellte Fragen (FAQs)

Was ist eine Plattformebene für KI-Agenten?
Es ist die Gesamtheit der Entscheidungen, die jedem Agenten zugrunde liegen, den dein Team ausführt: Welches Modell eine Aufgabe bearbeitet, auf welcher Rechenumgebung der Agent läuft, wie er auf deinen Code und deine Infrastruktur zugreift und welche Protokolle er hinterlässt. Jedes Team, das Agenten einsetzt, hat eine solche Ebene – egal, ob es diese bewusst ausgewählt hat oder sie durch die Erweiterung seiner CI oder durch die Anhäufung von Konfigurationen auf verschiedenen Laptops übernommen hat.

Kann ich KI-Agenten einfach auf meiner bestehenden CI-Pipeline laufen lassen?
Das geht, und viele Teams tun es auch, aber CI-Systeme wurden dafür entwickelt, Pipelines auszuführen, nicht um ein Team von Agenten zu steuern. Eine Erweiterung der CI bedeutet, deren Annahmen bezüglich Modellen, Rechenleistung und Bereitstellung zu übernehmen, und sie war nie dafür ausgelegt, dir Kostenzuordnung, manuelle Genehmigungsschritte oder einen Prüfpfad über alle Agenten hinweg zu bieten. Am Anfang funktioniert das noch, wird aber mit zunehmender Nutzung der Agenten immer schwieriger rückgängig zu machen.

Warum spielt es eine Rolle, welches Modell meine Agenten nutzen? Die Preise für
Frontier-Modelle ändern sich häufig, und wenn du deine Konfiguration an einen Anbieter bindest, musst du diese Änderungen direkt verkraften. Eine Ebene, die es dir ermöglicht, jede Aufgabe einem geeigneten Modell zuzuordnen und den Anbieter zu wechseln, wenn sich die wirtschaftlichen Rahmenbedingungen ändern, vermeidet später kostspielige Neuaufbauten. Die meisten Aufgaben zum Programmieren benötigen nicht das größte und teuerste Modell.

Brauche ich Upsun Cloud, um Upsun Dispatch zu nutzen?
Nein. Upsun Dispatch ist ein eigenständiges Produkt. Es steuert deine Agenten und den Entwicklungslebenszyklus, ohne dass Upsun Cloud erforderlich ist – es läuft also dort, wo sich deine Infrastruktur bereits befindet, anstatt dich auf einen bestimmten Host zu zwingen.

Wann reicht eine bereits vorhandene Plattformschicht aus?
Bei Wegwerfprojekten, einmaligen internen Tools oder allem, was du nicht weiter pflegen wirst, spielt die darunterliegende Schicht kaum eine Rolle. Das Gleiche gilt für Teams, die noch am Anfang der KI-Einführung stehen und hauptsächlich die Autovervollständigung nutzen, ohne Agenten bereits parallel auszuführen. Wenn es nichts zu steuern gibt, bringt dir diese Entscheidung noch keinen Vorteil.