Menschen denken, KI erledigt den Rest — KI-Agenten mit einem Wissensgraphen koordinieren

Menschen denken, KI erledigt den Rest — KI-Agenten mit einem Wissensgraphen koordinieren

Ein KI-Assistent ist einfach. Ein Team von Agenten, die parallel arbeiten, braucht mehr: ein gemeinsames Gedächtnis, das jeder Agent und jeder Mensch liest und beschreibt. Diese einstündige Live-Session zeigt, wie ein Wissensgraph zu diesem Gedächtnis wird — sodass Menschen auf der konzeptionellen Ebene bleiben und die Agenten den Rest erledigen. Wir zeigen es an unserer eigenen Lieferung, mit einer offenen Vorlage, die Sie forken und selbst nutzen können.

Das Problem mit mehr als einem Agenten

Ein KI-Assistent in einem Gespräch ist einfach: Beide sehen denselben Verlauf. Lassen Sie drei parallel laufen, und dieser gemeinsame Verlauf ist weg. Ein Agent weiß nicht, was ein anderer vor einer Stunde geändert hat; der Agent von morgen weiß nicht, was heute entschieden wurde. Der Mensch in der Mitte wird zum Nachrichtenbus, der Kontext von einem Fenster ins nächste wiederholt — das Gegenteil von Arbeit auf der konzeptionellen Ebene.

Längere Prompts und gemeinsame Notizdateien helfen eine Weile, dann verfallen sie. Was funktioniert, ist ein gemeinsames Gedächtnis, das:

• jeder Beteiligte, Mensch oder Agent, liest und beschreibt,
• den Unterschied zwischen einem Konzept, einem Plan, einer Entscheidung und einem Urteil kennt,
• und Fragen beantworten kann wie „Was wartet noch auf ein Review?“, ohne dass jemand alles durchlesen muss.

Warum ein Wissensgraph

Ein Wissensgraph hält genau das: typisierte Dinge — Konzepte, Arbeitspakete, Entscheidungen, Tests, Ergebnisse — und die Beziehungen zwischen ihnen. Agenten verbinden sich über MCP mit ihm, bekommen dort ihre Anweisungen und schreiben ihre Ergebnisse zurück. Fragen, die sonst einen Nachmittag mit Tickets, Chatverläufen und Logdateien bedeuten, werden zu einem Gang über den Graphen: Was hat dieses Release behoben, und was hat es kaputt gemacht? Von welchen Entscheidungen hängt diese Änderung ab? Wo muss noch ein Mensch hinschauen?

Dokumente und Retrieval liefern weiterhin die Tiefe. Der Graph liefert das vernetzte Bild, mit dem viele Agenten an derselben Sache arbeiten können, ohne dass ein Mensch den Kontext zwischen ihnen weiterreicht.

Zwei Eigenschaften tragen den Großteil der Disziplin:

• ein Gate an jedem Arbeitspaket — eine Zeile, die die Bedingung nennt, unter der es geschlossen wird, prüfbar von jemandem, der die Arbeit nicht selbst gemacht hat;
• ein Review-Budget (none, glance oder judgment) — schon bei der Planung festgelegt, damit menschliche Aufmerksamkeit dorthin geht, wo sie zählt, und nirgendwo sonst.

Ein durchgespieltes Beispiel: Wie wir unser eigenes Produkt entwickeln

Wir nutzen dieses Muster für die Entwicklung unserer eigenen Plattform, Metapad. Seit Januar haben wir mehr als 330 Versionen gebaut — mehr als eine pro Kalendertag, jede gefolgt von einem vollständigen Regressionslauf. KI-Agenten schreiben die Arbeitspakete, den Code und die Tests, mergen, bauen, werten den Regressionslauf aus und schreiben die Dokumentation, mehrere gleichzeitig. Ein Mensch steigt nur dort ins Detail hinab, wo vorab entschieden wurde, dass ein Mensch hinschauen muss. Wir haben die Geschichte in unserem Blog beschrieben.

Die Struktur dahinter ist als offene Vorlage verfügbar: Delivery OS — Phasen, Konzepte und Umsetzungspläne; Arbeitspakete und Releases; Testszenarien, Tests und Testläufe. Sie ist nicht an Software gebunden: Bei transentis nutzen wir dasselbe Muster, um Inhalte zu erstellen, Unternehmensmodelle und digitale Zwillinge zu bauen und Angebote und Projekte zu steuern.

Probieren Sie es vorher aus. Delivery OS ist öffentlich — hier öffnen. Seine Beschreibung ist der vollständige Leitfaden, und ein kleines Demoprojekt (eine App für Veranstaltungstickets) zeigt jeden Typ im Einsatz. Forken Sie es und verbinden Sie Ihren eigenen KI-Assistenten über MCP; vorbereiten müssen Sie nichts — aber wenn Sie mit einer Frage aus Ihrer eigenen Arbeit kommen, umso besser.

Agenda

• 5 Min — Zwei Ebenen der Arbeit. Wo Menschen am meisten beitragen und KI am wenigsten, wo KI inzwischen schneller und gründlicher ist als wir — und der eine Pfeil zurück nach oben.
• 10 Min — Warum Agenten ein gemeinsames Gedächtnis brauchen. Was kaputtgeht, wenn Agenten parallel arbeiten, und was ein Wissensgraph halten muss, um das zu lösen: Konzepte, Entscheidungen, Arbeitspakete, Urteile — dazu Gates und Review-Budgets.
• 25 Min — Ein Release, live. Auf einem Fork von Delivery OS, mit einem über MCP verbundenen KI-Agenten: Aus einer Idee wird ein Konzept, aus dem Konzept werden Arbeitspakete mit Gates und Review-Budgets, die Arbeitspakete werden in ein Release eingeplant, ein Review läuft als Galerie, und ein Regressionslauf wird erfasst — mit dem, was er behoben und kaputt gemacht hat. Das Publikum entscheidet, was wir planen.
• 10 Min — Über Software hinaus. Ein Graph pro Projekt, geforkt aus einer Vorlage, und Agenten, die über mehrere Graphen hinweg arbeiten — für Inhalte, Unternehmensmodelle, Angebote und Projekte. Das Muster passt zu vielen Teams, die Veränderung liefern.
• 10 Min — Fragen und Ausblick. Ihre Fragen zum Muster, zum Graphen und zu den Agenten — und was es braucht, das für Ihr eigenes Team aufzusetzen.

Für wen die Session gedacht ist

• CTOs, Engineering Leads und Produktverantwortliche, die KI-Agenten in ihre Teams holen und wollen, dass sie wie Kollegen arbeiten — nicht wie Werkzeuge, denen ein Mensch den Kontext weiterreichen muss.
• KI-Praktikerinnen und -Praktiker, die mit Claude Code, MCP oder anderen Agenten-Werkzeugen arbeiten und ein funktionierendes Beispiel für Agenten mit einem gemeinsamen Gedächtnis suchen.
• Delivery Manager, Product Owner und PMO-Verantwortliche, die sehen wollen, was geplant, erledigt und bei wem offen ist — in einem Bild statt verteilt auf Ticket-Werkzeug, CI-Dashboard und Chatverlauf.
• Transformations- und Operating-Model-Verantwortliche, deren „Lieferung“ gar keine Software ist und die sehen wollen, wie sich das Muster überträgt.
• Modellierungspraktikerinnen und -praktiker — Unternehmensarchitekten, Business Engineers, Knowledge Engineers —, die einen Lieferprozess als berechenbaren Wissensgraphen modelliert sehen wollen.

Was Sie mitnehmen

• Ein Muster für die Koordination von Agenten — was ein gemeinsames Gedächtnis halten muss, damit mehrere Agenten und Menschen an derselben Sache arbeiten können.
• Eine klare Grenze zwischen den Ebenen — was Menschen weiter tun sollten und was sich heute schon an Agenten abgeben lässt.
• Das Budget menschlicher Aufmerksamkeit — warum der Engpass oft nicht die KI ist, sondern der Mensch, der sie prüft, und wie man das Release für Release einplant.
• Eine offene Vorlage und einen ersten Schritt — Delivery OS zum Forken und eine konkrete Vorstellung, mit welchem Projekt Sie beginnen und wie Sie Ihre Agenten anbinden.

Praktisches

• Dauer: 1 Stunde
• Format: Virtuell (Zoom — Link nach der Anmeldung)
• Kosten: kostenlos
• Termine:
  • Deutsch — Donnerstag, 17. Dezember 2026, 16:00 Uhr MEZ
• Was Sie mitbringen: ein Stück Arbeit, das Ihr Team liefert und das Sie gern so geplant sehen würden. Wir nehmen Vorschläge aus dem Publikum auf und planen eines live.

Ihr Gastgeber

Dr. Oliver Grasl — Gründer und Managing Partner von transentis

Oliver arbeitet seit über 25 Jahren an Unternehmenstransformationen und bringt Business Engineering, Operations Research & Analytics darauf an, wie Unternehmen tatsächlich laufen. Er ist der Architekt von Metapad — und der eine Mensch auf der konzeptionellen Ebene in dem Prozess, um den es in dieser Session geht.

Seine Leidenschaft ist es, Modelle zu bauen, die menschliche und maschinelle Intelligenz zusammenbringen — berechenbare Wissensgraphen, die Komplexität in Klarheit überführen und Veränderung steuerbar machen. Die Lieferung seines eigenen Teams auf einem solchen Graphen zu führen, ist der direkteste Test dieser Idee, den er kennt.