Claude Agent Teams: Eine GRENZE ist überschritten! (Claude Code Anleitung)

Wie hat es in Fropy geschafft, erst für den größten Kurseinbruch von Software in der Geschichte zu sorgen und jetzt nur 3 Wochen später weitere 15 Milliarden aus dem Cyburity Sektor auszuradieren. Bei Crowdstrike, Cloudflare und Octa haben jeweils 8% verloren, nur weil ein einziges KI Tool, ja, Clode Code jetzt autonom über 500 bisher unbekannte Sicherheitslücken in Open Source Projekten gefunden hat und JP morgen beziffert den Gesamtschand über 12 Monate mittlerweile auf rund 2 Billionen Dollar und nennt es den größten Kursrückgang außerhalb einer Rezession seit über 30 Jahren. auch während die meisten immer noch den Fehler machen, das einfach als KI Hype oder das Platz in einer Blase abzutun, die ja im Zweifel nur irgendwelche Entwickler oder Anleger interessieren sollte, verschiebt sich hier gerade etwas fundamentales in der Art und Weise, wie wir ganz grundlegend arbeiten und es geht um Agenten Teams und Clode Code. Ich werde dir gleich zeigen, warum KI Agenten gerade ihre finale Reife erreichen, warum Coding bald praktisch vollständig gelöst ist und als nächstes alle anderen Bereiche dran kommen, was das für dich und deine Arbeit bedeutet. So wiee eine ganz konkrete Schritt für Schritt Anleitung, wie du selbst Agententeams richtig nutzt, um massiv Zeit zu sparen und mehr Geld zu verdienen. Und wichtig, ich selbst beschäftige mich seit über 3 Jahren intensiv. Jeden Tag mit KI habe die marktführende Deutsche KI Beratungs und Implementierungsagentur Everlast AI aufgebaut. habe selbst mehrere AI SAS Unternehmen und vor allem ein starkes Team von mittlerweile über 30 Leuten und ich selbst habe vor über einem Jahr bereits als einer der wenigen vor sogenannten Agententeams und Agentenarmeen gewarnt. Der Grund war damals, dass riesige N8N Strukturen im Hype waren, jeder wollte irgendwie auf den Zug aufspringen. Doch am Ende wurden solche Lösungen nie im Unternehmen eingesetzt, da sie schlicht zu komplex und fehleranfällig waren. Ich war einer der ganz wenigen, die all das damals korrekterweise als Schwachsinn abgetan haben, nicht auf den Hype Trame aufgesprungen sind und sich auch gegen die völlig absurde Diskussion gestellt haben, dass die KI Blaseball platzen würde und all das kannst du transparent hier im Kanalverlauf für dich selbst nachprüfen. Ich sag dir das nämlich, damit du bei all dem Hype in der KI Welt wirklich ernst nehmen kannst, wenn ich dir jetzt gleich sage, dass wir gerade eine tatsächliche tektonische Verschiebung erleben und KI Agenten ihre finale Produktionsreife. erreichen. Fakt ist, dass die meisten davon nämlich immer noch nichts mitbekommen haben, während wir und unsere Kunden gerade selbst nachweisbar zahlreiche Stellen einspannen und am Ende des Videos wirst du wissen, warum und wie du es selbst für dich nutzen kannst, egal in welcher Position du dich gerade befindest. Doch bevor wir in die einzelnen Punkte reingehen, müssen wir kurz verstehen, was hier an den Märkten gerade wirklich passiert ist und was hinter diesem Crash wirklich steckt. Die Clote Cowork Skills und Plugins, über die wir bereits in den letzten Videos ausführlich gesprochen haben, haben Ende Januar den größten Software Ausverkauf der Geschichte ausgelöst mit fast 300 Milliarden Verlust an einem Tag, weil die Wall Street schlagartig begriffen hat, dass teure Spezialsoftware Lizenzen obsolet werden, wenn eine KI dieselbe Arbeit mit Open Source Plugins erledigen kann. Am 5. Februar gieß inopic dann Öl ins Feuer und veröffentlicht Clode Opus 4.6 mit nativen Agententeams, woraufhin Fortune titelt, dass Anthropics Clote ein Billionen schweren Ausverkauf ausgelöst hat und das neue Upgrade die Lage noch verschlimmern könnte. Doch der zweite Crash, der Cyb Security Crash ist aus meiner Sicht sogar noch aufschlussreicher, denn hier geht es nicht mehr nur um allgemeine Software Lizzenzen, sondern um eine Branche, in der hochspezialisierte menschliche Expertise bisher als unersetzlich und gab als letzte Bastion für Softwareentwickler galt. Am 20. Februar veröffentlicht in Propic Clode Code Security, ein Tool, das autonom ganze Codebasis auf Sicherheitslücken durchscannt, den Schwere Grad jeder einzelnen Schwachstellen bewertet, detaillierte Erklärungen generiert und sofort Patches vorschlägt. Im internen Test findet es Laut and Tropic über 500 bisher unbekannte Schwachstellen in Open Source Projekten, also Lücken, die kein menschlicher Security Researcher vorher entdeckt hatte. Mieter, der steht für Model Evaluation and Threat Research. Eine unabhängige AI Sicherheitsorganisation misst mit dem sogenannten Time Horizon Benchmark, wie lange ein KI-Agent autonom an Software Aufgaben arbeiten kann, bevor er scheitert oder menschliche Hilfe braucht. Wobei die über 228 Aufgaben für menschliche Experten mit rund 5 Jahren Berufserfahrung zwischen einer Minute und mehr als 8 Stunden dauern. Dieser Chart hier zeigt, das als Chat GBT Ende 2022 erscheint, liegt der 50% Horizont, also die Aufgabenddauer, bei der ein Agent die Hälfte der Aufgaben löst bei etwa 30 Sekunden. GBT4 erreicht dann im März 2023 bereits 5,4 Minuten. Clot Opus 4.5 schafft im November dann 320 Minuten. Clot Opus 4.6 liegt jetzt bei 870 Minuten. Das ist eine Verdopplung der autonomen Arbeitsfähigkeit. Also alle 122 Tage, sprich alle 4er Monate, wenn man diese Kurve nun extra poliert, erreichen KI-Agenten 2027 die Fähigkeit, einen vollständigen 8 Stunden Arbeitstag autonom durchzuarbeiten. Wichtig, die Benchmark zeigt, wie lange ein Mensch äquivalent für diese Aufgaben brauchen würde. Sprich, ein Mensch müsste 8 Stunden arbeiten. Die KI schafft das in der Regel deutlich schneller und Mieter selbst schreibt, dass ihre aktuelle Aufgabensammlung nun nahezu gesättigt ist. Der Benchmark kann die Fähigkeit der neuesten Modelle kaum noch messen, weil die Agenten schlicht so gut geworden sind. Schau mal, was Boris Journey Head of Clot Code bei Anthropic vor wenigen Tagen selbst gesagt hat. Also 100% meines Codes wird von Clod Code geschrieben. Seit November habe ich keine einzige Zeile mehr von Hand bearbeitet. Jeden Tag schicke ich 10, 20, 30 Pull Requests ab. Im Moment habe ich also etwa fünf Agenten am laufen. Jetzt beim Aufnehmen? Ja, ja, ja. Vermissen Sie das Coden? Programmieren hat mir noch nie so viel Spaß gemacht wie heute, weil ich mich nicht mehr um all die Details kümmern muss. Die Ingenieursproduktivität stieg um 200%. Sollte ich Programmieren lernen? In ein bis zwei Jahren ist Programmieren gelöst. Stell dir eine Welt vor, in der jeder programmieren kann. Jeder kann einfach Software bauen. Ja, Coding ist also praktisch gelöst und die Zahlen stützen genau das. Clode Code ist heute für 4% aller öffentlichen GitHub Commits verantwortlich und 135 Com Tag und Semian Analysis prognostiziert, dass diese Zahl bis Ende 2026 auf über 20% steigen wird. Boris Journey prognostiziert sogar, dass der Titel Softwareentwickler verschwinden und durch Bilder das beste deutsche Äquivalentwer wahrscheinlich Architekt ersetzt wird und dass das für viele schmerzhaft sein wird. Doch was viele dabei übersehen, Coding ist nur der Anfang und zwar aus zwei Gründen. Erstens, weil Mathematik die ultimative Asymptote für alles andere ist. Die KI Forschungsorganisation Ipoch AI hat 17 Benchmarks aus den Bereichen Mathematik, Coding, Reasoning und anderen Disziplinen verglichen und festgestellt, dass die Modell Rankings über nahezu alle Benchmarks hinweg bemerkenswert konsistent sind mit einer medianen Rangkorrelation von 0,73. Das bedeutet einfach gesagt, es gibt offenbar eine gemeinsame Fähigkeitssachse und Mathematik wirkt wie die Asymptote dieser Achse. Also je näher ein Modell an echte mathematische Präzision kommt, desto mehr ziehen Coding, Reasoning und alle anderen Fähigkeiten hinterher. Also, wenn Coding gelöst wird, dann verbessert sich die zugrundeende Fähigkeit, die auch alles andere besser macht. Letztlich basiert so gut wie jeder Job hinter dem Bildschirm auf Code und zweitens macht Software Engineering laut Anthropics eigene Auswertung heute rund 50% aller agentischen Toolaufrufe auf ihrer API aus, aber sie sehen bereits wachsende Nutzung in anderen Branchen. Coding ist also der Bereich, der zuerst wegfällt, weil er am einfachsten zu messen und zu automatisieren ist. Doch dieselben Fähigkeiten, die Coding lösen kann, werden als nächstes Legal, Finance, Datenanalyse und jede andere Wissensarbeit durchdringen. Und genau das ist deine Chance. Egal, was du jetzt gerade machst und in welcher Branche du tätig bist, es gab nie einen besseren Zeitpunkt unternehmerisch tätig zu sein, als jetzt da dir mit Clote Code praktisch die gesamte Welt zu füßen liegt. Gary TEO von Y Combinator kommentiert all diese Entwicklung mit nur vier Worten: "Wir sind so früh und er hat absolut recht damit. Aber lass mich dir nun zeigen, was genau diese Agententeams sind, wie sie sich von der normalen Arbeitsweise unterscheiden und wie du sie verwendest anhand eines ganz konkreten Beispiels. Also stell dir Code Code vor wie einen digitalen Mitarbeiter und diesem digitalen Mitarbeiter, den gibst du eine Aufgabe. Je nach Komplexität und Umfang dieser Aufgabe wählst du eine andere Spielart bzw. einen anderen Modus von Clode. Und das was jetzt neu ist bzw. Also was wir uns anschauen, das sind die Agent Teams und wie du diese richtig nutzt, insbesondere jetzt im Kontrast zum Standardmodus und den Subagents, die es ja bereits auch schon etwas länger gibt. Dabei ist zunächst wichtig zu verstehen, dass all diese Modi im wesentlichen Funktionen sind für das KI Modell, also das OPPOS Modell oder das Son Modell von Anopic. Und dieses Modell hat in einer Session, in deinem Terminal in der Regel Zugriff auf verschiedene ja Funktionen wie Tools, Skills, darüber haben wir schon gesprochen, Plugins, die mehrere Skills und MCP Konnektoren und so weiter und Prompts bündeln sowie Agents. Und das, was wir uns jetzt hier ganz besonders anschauen, das sind eben die Agents als Teil deines Clode Workspaces und vor allem wann du diese Agents Subagents jetzt eben entsprechend verwendest. Und hier kommt es auf Kontext und Session Management an und da wird's wirklich relevant für alle, also nicht nur für Entwickler, denn Enhropic selbst sagt ja, dass die LM Leistung abnimmt, wenn sich der Kontext füllt und wenn das Kontextfenster voll wird, dann könnte Claude anfangen frühere Anweisung zu vergessen oder Fehler zu machen. Und sie sagen selbst, dass das Kontextfenster die wichtigste Ressource ist, die verwaltet werden muss. Und genau darum geht es. Du kannst gezielt dein Kontext verwalten mit Subagents und Agent Teams. Ja, und standardmäßig hast du eben ein Kontextfenster von etwa 200.000 Tokens. Ja, es gibt mittlerweile auch eine Million Token Kontextfenster. Das macht aber kaum einer, weil es halt einfach super super teuer ist. Ja, die verbotene Frucht Opus mit einer Million Kontextfenster macht so gut wie niemand aktuell und demnach ist der Standardmodus bzw. die Subagents das erste, was wir uns anschauen müssen und diese laufen beide in einer Session. Das ist zunächst einmal wichtig. Jetzt gerade, wenn wir uns die Subagents anschauen, denn wie funktionieren die Subagents? Im Wesentlichen hast du deinen zentralen Agenten hervorgehend aus dem Chat. Ja, und wenn du Subagents nutzt, dann kannst du dir das wie ein Rechercheteam oder ein Design Team, das werden wir gleich auch umsetzen. Also, wir bauen gleich ein Agententeam für eine Designaufgabe. Also, sagen wir, einer recherchiert Informationen für das Design, einer erstellt das Design und einer kontrolliert beispielsweise das Design. Das ist zumindest die Aufgabe, die du dir vorstellst. Und bei den Subagents läuft es so, dass wir immer diesen Lead Agenten haben und dieser delegiert die Aufgabe lediglich nach unten und die einzelnen Subagents untereinander können eben nicht kommunizieren. Also es findet keine Kommunikation unter den Subagents statt und jeder Subagent erhält jedoch ein eigenes Kontextfenster. Das bedeutet, wenn wir im normalen Chat mal davon ausgehen, wir haben eine einfache, komplexe Aufgabe wie Webrecherche fünf mal mit 75 000 Token, Referenzdateien 9000 Token, Design Versuche 10.000, Agent Anforderen haben wir noch mal 20.000 Token, dann hast du noch 114 000 Token, schon 47% des gesamten Kontextfensters aufgebraucht und kommst dementsprechend immer schnell an deine Limits und nach ein zwei Aufgaben hast du dann sofort ein Qualitätsverlust. Bei den Subagents sieht das jetzt fundamental anders aus. Und zwar könntest du hier die exakt gleiche Aufgabe über 20 mal ausführen bei der gleichen Qualität. Warum? Das habe ich gerade erklärt. Weil diese Subagents jeweils ein eigenes Kontextfenster haben. Also auf gut Deutsch gesagt, der Anführer, der Koordinator gibt die Aufgabe weiter und die anderen Agenten, die bekommen ein eigenes Kontextfenster. Diese produzieren dann eben ein Ergebnis. Dieses Ergebnis senden Sie zurück an den Lead Agent und danach wird das Kontextfenster gekillt. Also der Agent ist dann weg und hat nichts mehr zu tun mit dem zentralen Chat. Also in der Praxis, ne, der Lead Agent sieht, okay, ich muss drei Sachen parallel herausfinden. Er startet dann seine Subents, diese arbeiten parallel, liefern die Ergebnisse zurück und der Lead Agent fasst dann am Ende die Ergebnisse zusammen und danach sind die Subagents wieder weg. Ja, bei den Agententeams ist das nun fundamental anders, denn tatsächlich erhält nicht wie bei den Subagents, die alle in der gleichen Session laufen, handelt sich bei Agenten Teams um mehrere Codecode Instanzen, die miteinander arbeiten können. Das heißt, jede Instanz erhält eine eigene Session und ein eigenes Kontextfenster und vor allem interagieren diese auch untereinander. Das heißt, der Lead Agent, der spawnt in dem Fall auch wieder seine Subents, nur können diese auch eben entsprechend untereinander kommunizieren und bleiben danach persistent aktiv und werden danach nicht wieder gelöscht. Das läuft dann übrigens im Hintergrund ab. Das heißt, der Lead Agent, der erstellt eine Liste von Aufgaben und die einzelnen Agenten, die picken sich eine dieser Aufgaben raus und tauschen sich entsprechend untereinander aus. Dies ist natürlich eine vereinfachte Darstellung von mir. Die tatsächliche Darstellung von den Thropic, die sieht so aus, aber im Kern ist es genau das Prinzip, dass ich gerade eben beschrieben habe. Und das führt eben dazu, dass du dazu unbegrenzt Kontext nutzen kannst, da du eben drei komplett separate Instanzen laufen lässt, aber du hast eben auch dreimal die Kosten dabei. Schauen wir uns das an einem konkreten Beispiel an, wie das in der Praxis funktioniert. Und zwar hat Google vor wenigen Wochen das Paper Banana Papier veröffentlicht. Hier geht es um wissenschaftliche Illustrationen. Das Problem war nämlich, dass KI bisher zwar Papers schon schreiben konnte, Experimente durchführen konnte, Literatur reviewen konnte, aber sie konnte keine Diagramme zeichnen, die an die Qualität von Menschen herankommen. Die Frage, die sich Google also gestellt hat, ist, was wäre, wenn wir nicht einen Prompt einfach nur an Nano Banana als Image Generator geben, sondern wie eine Designagentur agieren? Und dabei ist dann eine Pipeline aus fünf Agenten entstanden. Ein Agent zuständig für die Eingabe, einer für Retrieval, einer für das Planen, einer zum Stylen, also zum wirklichen Designen und das war jetzt eben der Knackpunkt und da kommen Agent Teams ins Spiel, der Kritiker. Und man hat eben festgestellt, dass dieses Agententeam Menschen mit 72,7% in einem Blindtest schlägt und in nur 6,6% der Fälle hat das Agententeam gegenüber den Menschen verloren. 20,7 % war es unentschieden und die entscheidende Erkenntnis des Papers war die Iteration zwischen Kritiker und Designagent, der das Design immer wieder kritisiert und abgeglichen hat. Hier sehen wir ein Ergebnis von nur 45,1 ohne Kritik. Bei nur einer Runde Kritik sind wir schon bei 51,7 und bei drei Runden Kritik schon bei 60,4. Das heißt, es gibt messbar bessere Resultate, wenn man mit einem Agententeam arbeitet, anstatt mit nur mit einfachen Prompt. Und das kannst du dir anhand dieses Beispiels aus dem Paper auch schon einfach anschauen. Also hier haben wir die menschliche Benchmark in der Darstellung einer wissenschaftlichen Illustration. Das hier ist Nano Banana Pro ohne Agententeam. Und hier unten siehst du jetzt eben das Ergebnis von dem Paper Banana Team. Und da Paper Banana eben kein öffentlich zugängliches Tool von Google ist und dass du einfach PDF-Dateien hochladen kannst und Visualisierung und komplexe Infografiken hältst, bauen wir genau das jetzt als Agent Team nach. Also wie funktioniert das jetzt? Grundsätzlich ist das zunächst einfach. Du könntest plot einfach sagen, ich möchte ein Agententeam erstellen für Paper Banana, für eine Designaufgabe. Und das ist auch genauso denkbar einfach. Also Propic schreibt das selbst, ne? Create an Agent Team. Erstelle ein Agent Team und dann wird ein Agent Team erstellt. Zunächst einmal musst du dies jedoch in deiner Setting. Hinterlegen. Und das Problem dabei, wenn man das einfach so macht, ist du hast wenig Einfluss darauf, was die einzelnen Agenten machen und der Leite Agent koordiniert einfach alles. Genau. Das kannst du jedoch lösen mit T-Max. Wie nutzt du T-Max? Ich habe dir die einfache Installationsanleitung sowie auch alle weiteren Ressourcen aus dem Video findest du kostenfrei in unserer School Community kannst du noch mal alles downloaden und anschauen die Präsentation sowie auch all die Commands. Das heißt, du musst einfach nur einmal über Homebrux installieren, dann Clode Code öffnen und so weiter. Das sollte eh alles klar sein und dann letztlich nur noch diesen Command hier einfügen, ja, um deine Settings djason einmal entsprechend zu updaten und standardmäßig TMX zu öffnen. Wenn du das gemacht hast, dann nimmst du dir einmal diesen Command hier und startest die Tarx Session. Und ich habe mir jetzt auch schon mal ein Ordner hier erstellt für das Paper Banana Projekt. Das werde ich dir auch mit zur Verfügung stellen mit diesem Video. Aber um das Konzept zu verstehen, macht Sinn, dass du das einmal hier mitmachst, ja, wenn du willst. Und dann öffne ich jetzt Clo. Ja, mit Dangerously Skip Permissions. Also er wird gleich vollautonom alles durcharbeiten. Und jetzt bevor wir aber loslegen, ist es wichtig zunächst noch mal die richtigen Modelle auszuwählen. Insbesondere da wir ja bereits festgestellt haben, dass das ganze unfassbar Token intensiv ist, willst du natürlich jetzt maximal effizient die Modelle einsetzen und deswegen macht's jetzt auch keinen Sinn Opus 4.6 im 1 Millionen Token Kontext Fenster zu verwenden. Und wichtig ist eben du kannst auch den Reasoning Effort mit einstellen und das machen wir jetzt noch einmal und zwar als Default macht es Sinn. Das wird nämlich der Lead Agent sein, das Opus 4.6 Modell zu wählen und wir können aber nur noch mal den Effort, ne, auf low, medium oder high effort einstellen und als Standard macht es Sinn zunächst mal den low effort einzustellen. Und wenn du dann merkst, hey, das reicht nicht, ich brauche da vielleicht noch mal ein bisschen stärkeres Modell, dann stellst du erst hoch, aber für den Start reicht in der Regel Law Effort. Ja, und jetzt bist du theoretisch ready. Du könntest jetzt einfach sagen, erstelle ein Team von vier Agenten und leg los. Ja, aber Enhropic sagt selbst: "Nutze das Sonnet Modell für jedes Teammitglied und dies würde eben auch noch mal eine große Menge von Talken einsparen, ne? Also das Sonic Modell für die einzelnen Teammates zu verwenden. Das wird häufig übersehen und was jetzt Sinn macht, zunächst einmal zu überlegen, wie gehen wir hier vor bei der Aufgabe und im Kern orientieren wir uns sehr stark an dem Paper. Also das heißt, wir haben den Lead Agent, der koordiniert nur und implementiert nichts." Also das ist grundsätzlich so, aber das ist auch die Empfehlung von Anropic, dem Lead Agent das explizit zu sagen, ne? dass er nicht selbst implementiert. Dann haben wir einen Researcher, ein Visualizer, dem geben wir Zugriff auf die Nano Banana API. Der generiert dann Bilder jeweils in zwei Ordnern, Version 1, Version 2 für Iterationsschleifen. Und dann haben wir hier zuletzt noch mal den Kritiker, der Review Dokumente erstellt und das Ganze verfeinert. Dies ist jetzt im Grunde genommen der gesamte Ablauf. In der Praxis läuft das dann alles über den Prompt. Also du erstelltst zunächst diese Ordnerstruktur. Das Prinzip ist bei mir zunächst wie folgt. Ich habe hier ein Input Ordner und hier lade ich PDF-Dateien hoch. In dem Fall habe ich jetzt das Ixy Paper von Professor Dr. Markus Hutter hochgeladen und wie du siehst ein Paper, welches keinerlei Visualisierung enthält und eben rein auf mathematischen Formeln basiert und dann haben wir ein Output Ordner. Dorf wird der Designer gleich seine Designs letztlich reinladen. Und hier habe ich schon mal das Prompt Template vorbereitet, denn im Grunde funktioniert es in der Praxis dann genauso. Du überlegst dir den Kontext, dafür haben wir zunächst einmal das Paper Banana Paper hier allerdings nicht als PDF, sondern als Markdown Datei, so dass es eben auch wieder kontexte effizienter ist und vor allem auch besser verarbeitet werden kann. von den Agenten und dann habe ich noch den API Guide auch im Markegeben für Nano Banana. Das funktioniert ganz einfach. Dazu öffnest du einfach die Nano Banana Website von Google und klickst einfach auf Seite als Markdown kopieren und speicherst dir das im Ordner. Und wie wir eben gelernt haben, die Teammates arbeiten ja unabhängig voneinander und haben jeweils ihr eigenes Kontextfenser und den ihre eigene Session. Das bedeutet, wenn du jetzt vorher im Chat etwas geschrieben hast, dann wissen die Agenten davon nichts. Und demnach ist die Empfehlung von dem Thropic eben die Agents fokussiert zu spawnen und eventuell Kontext über die cloud.md Datei mitzugeben, sowie insbesondere der Prompt, weil der Prompt das einzige ist, was injiziert wird in jeden einzelnen Agenten als Kontext. Und in diesem Initialprompt geben wir demnach alles mit. Du bist ja Teamliedad eines Agentams namens Paper Banana. Dein Ziel ist ein wissenschaftliches Paper zu lesen, die wichtigsten visualisierbaren Findings zu extrahieren. Also wir nehmen wirklich alle möglichen Findings aus diesem Paper, dann mit der Nano Banana Pro API Bilder zu generieren und diese dann iterativ durch einen Kritik Visualisierer zu verfeinern. Und hier geben wir ihm noch die Best Practices mit, also, dass er für die Teammates das Modell Sonnet verwenden soll, um die Tokens eben entsprechend effizient zu halten. Und auch noch mal die Erklärung, ne, deine Teammates erben nicht deine Konversationsstorie. Das ist aber wie gesagt nur relevant, wenn wir jetzt vorher schon etwas geschrieben hätten. Also das Paper liegt wie gesagt im Input Ordner. Das einzige was du, wenn du diesen Prozess hier selbstlich übernehmen möchtest, dann musst du lediglich im Prompt Template einmal hier unten den Pfad zu der PDF einsetzen. Also in dem Fall würde ich einfach den Pfad hier kopieren und diesen hier einfügen. Das ist demnach das einzige, ja, was du machen brauchst. Und dann kannst du dir den ganzen Prompt hier für Paper Banana kopieren und dann im Terminal einfügen. Und nun können wir auch mitverfolgen, was der Lead Agent hier macht. Und das ist jetzt eben der Vorteil an T-Max, dass wir nicht eben alles in einem Terminal Fenster sehen und gar keinen Einfluss darauf haben, was die einzelnen Agenten jetzt machen, sondern hier rechts sehe ich jetzt eben auch den Teamlead Agent und was er gerade treibt. Und jetzt hat er gerade auch die nächsten Agents gespawnt. Das heißt, hier oben haben wir jetzt einmal den Teamlead, dann haben wir den Researcher, wir haben den Kritiker und wir haben den ja Visualizer. Und nun könnte ich also den einzelnen Agenten noch mal Anweisung geben oder z.B. auch Fragen wie den Kritiker, so wie es dann aktueller Stand und das gleiche könn ich dann auch den Researcher fragen. So und der Kritiker schreibt beispielsweise, ich bin der Kritik Agent im Paper Banana Team und warte aktuell auf den Abschluss von Iteration 1 und der Researcher sagt ne Tag 1 ist bereits vollständig abgeschlossen. Ich habe das I Paper von Markus Sutter gelesen und acht visualisierbare Findings gefunden. Das ist schon mal spannend und die hat er gespeichert in outputfindings.m. Da könnten wir jetzt auch schon mal reinschauen und der andere ist jetzt hier gerade auch schon am Erstellen der Proms für die einzelnen Infografiken. Und hier sehen wir jetzt auch schon mal, was er sich halt herausgeprägt hat. Die Intelligenz Hierarchie vom Kristall zum KI System. Bin ich gespannt, wie er das visualisiert. Solomonov Vorhersage, Solomonovs Konvergenz und ja, viele weitere. Dann können wir jetzt mal schauen, wie es bei dem Visualizer aussieht, ob er schon angefangen hat. Also er hat schon Fortschritte gemacht, er hat schon die Promps erkannt. So, er sagt jetzt der API Key fehlt. Das kann eigentlich nicht sein. Also, das hat geklappt. Das muss ich jetzt natürlich ausblenden. Aber hier sieht man auch wieder, dass es halt ganz gut ist, dass man mit den einzelnen Agenten chatten kann, weil ich ihm jetzt eben auch schnellen Wegel sagen konnte, ja, der Key ist schon vorhanden. Also schau da noch mal genau nach und jetzt erstellt er drauf. Los. So, der Kritiker wartet immer noch. Die Outputverzeichne sind noch leer. Ich habe meinem Teamliedad Bescheid gegeben, dass er mich benachrichtigen soll, sobald die Iteration abgeschlossen ist. Und der Visualizer scheint jetzt aber in jedem Fall Fortschritte zu machen, denn ich habe schon gesehen, hier finden Sie jetzt bereits die ersten Bilder und jetzt wird Bild für Bild hereingeladen in unsere Pipeline. Ja, das theoretische Maximum vom Kristall zum ja, KI System. Das sieht doch schon richtig ordentlich aus. Also Bild für Bild wird jetzt gerade fleißig generiert. Die Ergebnisse sind jetzt schon beeindruckend und ich spüle jetzt mal ein bisschen vor und dann gehen wir zum Ergebnis. So, ich schreib ich noch mal ein ist auch spannend, weil er hat ja acht Promps, acht Findings gehabt. Jetzt hat er die acht Bilder erstellt in Version 1 Ordner, also genau wie wir es ja auch von der Pipeline haben wollten. Und jetzt schaltet sich der Kritiker ein. Das sehen wir jetzt hier. Ich habe alle acht Bilder gesehen. Jetzt schreibe ich eine detaillierte Bewertung und die verfeinerten Prompts. Ja, und das war ja genau die Stärke aus dem Paper Banana Paper, was letztlich diese 72,7% ja Gewinnrate gebracht hat, ja, für dieses Designagentam. So, wir schauen uns jetzt mal das Ergebnis an. Der würde gleich noch eine finale Iterationsschleife machen. Ich spare jetzt dann an der Stelle aber mal die Token. Das reicht in jeden Fall für das Video. Also schauen wir an, was der Kritiker gemacht hat. Das war Version 1 und dies ist Version 2. Also man sieht, er hat schon ganz klar weitere Anpassungen und Verbesserung gefunden und das Ergebnis wurde definitiv besser. Das ist Version 1 von Image 2 und das ist Version 2. Ja, also sieht auch auf jeden Fall deutlich ordentlicher strukturierter aus, ne, für das Paper. So, und jetzt geht's hier in jeden Fall von Bild zu wild auch. Ja, und auch hier, ich kommentiere jetzt hier nicht mal jedes einzelne Bild und du siehst ja schon, was hier denkbar ist. Also, wir haben h im Endeffekt ein voll autonomes Design Team. Also denk hier an Marketing Pipelines, Creative Pipelines, Design Pipelines, natürlich Coding Aufgaben, das brauche ich an der Stelle eh nicht erwähnen. Ja, all das ist entsprechend lösbar und der nächste Schritt und so baust du dir da wirklich deine KI Team, deine KI Armee auf, wenn du all das, was wir jetzt gemacht haben in einen Skill gießt, der dann wiederum fest verankert in deinem Workspace ist und so ist im Endeffekt dann dein Design, dein persönliches ja Paper Banana Agent Team ist dann im Endeffekt in einem Skill. Ja, diesen Skill rufst du über ein Command immer wieder auf und so kannst du dann deine Agent Teams eben auch standardisieren und sogar mit anderen im Unternehmen teilen. Also, du hast jetzt gelernt, was Subagents und Agenten Teams sind, wann du was brauchst und wie du sie konkret nutzt, um beispielsweise deine Designs, Recherchen oder Coding Aufgaben zu automatisieren. Damit bist du nun locker 99% der Menschen weit voraus und trägst praktisch den Ring der Macht in deiner Hand. Daher möchte ich dir nun noch ein paar persönliche Gedanken teilen, was jetzt für Unternehmen wichtig ist und wie die Zukunft aussehen wird. Das erste, was ich nämlich gerade fundamental verändert, ist die Rolle von User Interfaces. Andrew Kapuffy, einer der einflussreichsten KI Forscher der Welt, hat das kürzlich als der komische Tod von Nutzeroberflächen beschrieben und seine Kernaussage dabei ist, Agenten sind blind für dein schönes Userinface. Die leben nur in der Kommandozeile, wie wir heute gesehen haben, nicht auf der Oberfläche. Wenn KI Agent also zunehmt zu den primären Nutzern oder Zugriffslern von Software werden, dann wird dein aufwendig ja desiges Frontend oder gar veraltetes Frontend komplett irrelevant sein, weil Agenten über API kommunizieren, nicht über Buttons. Wir sehen ja das selbst täglich bei unseren Kunden. Geschäftsführer schreiben nur noch mit ihren Agenten natürlich DSGVO konform und nicht so wie mein Beispiel für dieses Video hier und können dann ihr gesamtes Unternehmen sicher über Chats z.B. über Teams, Slack oder eben direkt über ein Corporate LM steuern und Aufgaben delegieren, Dashboards erstellen lassen und brauchen dafür nicht mehr in aufwendig programmierten z.B. Controlling Dashboards herumklicken. Kapfi sagt explizit 2025 bis 2035 ist das Jahrzehnt der Agenten. Und die wichtigste Grundlage dafür ist jetzt Kompatibilität deiner Infrastruktur. Und das ist das zweite. Wenn du in deinem Unternehmen veraltete Software hast, die auf vielen manuellen Klicks basiert und keine Schnittstellen für Agenten bietet, dann musst du jetzt dringend handeln, da du ansonsten massiv den Anschluss verlieren wirst. Wenn dein Wettbewerber ein KI Agent in Minuten an sein CRM, seine Buchhaltung oder seinen Kundenservice anbinden kann, nur weil er saubere API hat und strukturierte Daten und du Monate brauchst, um überhaupt eine Antwort von deinem IT-Dienstleister zu erhalten. Und das sage ich so, weil wir immer wieder Interessenten auch bei uns in den Erstgesprächen haben, für die das Realität ist, dann ist das ab sofort ein existenzielles Geschäftsproblem, wo es vor ein zwei Jahren noch man noch sagen konnte, ja, lass uns das vielleicht mal ein Pilotprojekt machen. ist ab sofort existenziell, denn es muss letztendlich nur ein zwei Player im Markt geben, die diese Möglichkeiten, die ja gerade schon da sind, wirklich in vollem Umfang nutzen und du verlierst schlicht den Anschluss. Und das Dritte ist, jede einzelne Stelle muss hinterfragt werden. Faustregel, die ich mittlerweile an den Tag lege, ist alles, was du einem neuen Mitarbeiter durch Checklisten, SOPs und Handbücher beibringen musst hinter dem Bildschirm, ja, ist heute einfacher einem KI Agenten beizubringen und schneller automatisiert über Subagents, Agententeams oder Skills. Wie gesagt, vor ein zwei Jahren ging das noch nicht, zumindest nicht wirklich skalierbar und auch nicht wirklich sinnvoll. Ab sofort ist das aber möglich. Dari Omodi, der CEO von Tropic selbst warnt, dass KI die Hälfte aller Einstiegspositionen im Bürobereich in ein bis 5 Jahren eliminieren könnte. Und ganz ehrlich, nach all dem, was ich jeden Tag sehe und nutze, halte ich das nicht für übertrieben. Ganz im Gegenteil, ich halte es noch für konservativ. Ich selbst konnte bereits mehrere Vollzeitstellen einsparen. Das ist keine Übertreibung und der einzige Grund, weshalb man das noch nicht auf dem Arbeitsmarkt sieht, ist schlicht. Der sogenannte Integration Lag spricht die großen Unternehmen, die Konzerne, die haben die Tools und die Möglichkeiten, die es aktuell gibt, schlicht noch nicht integriert, aber all wird jetzt nach und nach eingeführt. Ja, und wohin das alles führt, darauf möchte ich dir jetzt zum Schluss noch einen kurzen übergeordneten Ausblick geben. Erstens, der nächste logische Schritt sind natürlich Agenten, die dir nicht Aufgaben automatisieren, sondern selbst wirtschaftlich tätig sind. Es gibt ein konkretes Projekt namens web4.ai, das gerade eine Infrastruktur baut, in der Agenten eigene Wallets besitzen, mit Stable Coins bezahlen, sich selbst upgraden, wenn bessere Modelle erscheinen und eigenständig Kinderagenten starten, wenn es profitabel ist. Wohl bemerkt, das sind alles gerade noch Experimente. Nichts dafür n wirklich schon wirtschaftlich. Parallel dazu gibt es jetzt aber auch mit Clawwork, ja, ein Projekt der Universität Hong Kong. KI-Agenten starten dort mit 10$, verdienen Geld durch echte Aufgaben aus 44 Berufsfeldern und das beste Modell erwirtschaftet bereits$ in 7 Stunden. Das kannst du alles auf GitHub übrigens einsehen. Also, das ist absehbar, da geht die Reise hin. Und zweitens, Open Source hult guterweise massiv auf. Laut aktuellen Daten von A1C sind vier der fünf meist genutzten Modelle nach Tokenverbrauch mittlerweile Openweight Modelle, die zusammenrund 45% des Marktes ausmachen bei einem Bruchteil der Kosten. Und das ist entscheidend. Denn für viele Unternehmen, gerade in der EU ist es keine Option alles über amerikanische Cloudanbieter laufen zu lassen, so wie wir das heute gemacht haben. Die Zukunft liegt in EU-Konformen selbstgehorseten Open Source Lösungen, die auf eigener Infrastruktur laufen. DSGVO konform sind unabhängig und ohne Abhängigkeit von einem einzigen Anbieter. Wir bei Everlast sind da übrigens selbst mittendrin und implementieren genau solche Lösungen gerade regelmäßig bei unseren Kunden. Und drittens, und das ist für mich die übergeordnete Vision hinter allem. Steve Yy, ein ehemaliger Softwareentwickler von Google und Amazon, der vor allem für seine interessanten Blogpost bekannt ist, hat mit über 40 Enhropic Mitarbeitern gesprochen und beschreibt deren Arbeitsweise als Hind, also einen Bienenschwamm, in dem Informationen in Echtzeit fließen und Produkte in Tagen statt Quartalen von der Idee zum Lounge kommen. Also genau das, was wir gerade in der Realität sehen. Und genau das ist auch die Zielvision, die ich für jedes Unternehmen sehe. Du brauchst diesen Echtzeitaustausch von Informationen wie ein Bienenschwarm. Agenten, die permanent für dich arbeitenergebnisse teilen und sich gegenseitig verbessern. Spricht, du brauchst dann keine Meetings oder Schulung mehr, in denen Informationen ausgetauscht werden, sondern Echtzeitaktualisierung von Learnings im Unternehmen und automatische Evolution der internen Standards über die Agenten deiner Mitarbeiter. Unternehmen, die das nicht schaffen, werden im KI Zeitalter schlicht nicht mehr überlebensfähig sein. So, nun interessiert mich deine Meinung zu all dem. Wie blickst du auf diese ganzen Entwicklung und vor allem wie planst du selbst Agententeams und Clode Code für dich zu nutzen? Lass mich übrigens auch wissen, ob dich noch mal ein ausführliches Tutorial zu Clode Code interessieren würde, da wir heute natürlich bereits relativ tief im Thema eingestiegen sind, aber da ich bisher noch kein Video dieser Art gesehen habe auch nicht international, war es mir wichtig, mal all diese Gedanken zusammen zu teilen mit Praxisbezug. Und wenn du jetzt anfangen willst, deine eigenen Systeme zu bauen, aber glaubst, da brauchst du vielleicht noch mal so ein paar Grundlagen, da habe ich dir ein ausführliches Video aufgenommen, das findest du jetzt hier. Freue mich in jeden Fall von dir zu lesen, von dir zu hören.