Blog

Bauen Sie das BRAIN auf, bevor Sie mit Agentic loslegen

Dimitar Siljanovski
Veröffentlicht Jul 8, 20266min
Bauen Sie das BRAIN auf, bevor Sie mit Agentic loslegen

Im Moment reden alle bei Claude über „Loops“ und „Goals“. Bevor Sie sich mit langen Ausführungen austoben, sollten Sie erst einmal den Boden bereiten. Die Teams, die mit Agenten erfolgreich sind, haben nicht mit Agenten angefangen. Sie haben mit dem Kontext angefangen.

Die wichtigsten Erkenntnisse

  • Die Stufe, die dem Chaos beim Programmieren von KI ein Ende bereitet, ist DL3 – hier versteht die KI Ihr Projekt tatsächlich.

  • Das zu erreichen, ist eine Aufgabe: ein „BRAIN“ aufzubauen, einen einzigen gemeinsamen, versionierten Kontext, in den das gesamte Team Daten einspeist.

  • Fünf Schritte führen zum Ziel. Es ist der Schritt, der ein Team von 1,2-fach auf 2-fach bringt.

  • Das BRAIN ist die Voraussetzung für die Entwicklung von Handlungsfähigkeit, unabhängig davon, welches Modell man verwendet.

Das Tool war nie das Problem

Wenn die KI-Programmierung chaotisch verläuft, ist der erste Reflex, die Tools zu standardisieren. Gleiche IDE, dasselbe Modell, dieselbe Lizenz für alle. Wir haben es versucht. Das Chaos blieb bestehen.

Denn das Tool war nie der Maßstab für Fortschritt. Das ist die Auslieferung. Ein Team, das mit drei verschiedenen Editoren saubere Ergebnisse liefert, ist einem Team überlegen, das sich im perfekten Gleichschritt der Tool-Nutzung verliert. Die Lizenz, die man kauft, ist nicht die Variable, die darüber entscheidet, ob KI einem hilft oder einen in plausibel aussehendem Müll versenkt.

Also haben wir aufgehört, unsere Infrastruktur zu bewerten, und angefangen, unsere Projekte zu bewerten – insbesondere danach, wie gut jedes einzelne für lange „Loops“ und „Goals“ vorbereitet ist. Ein Agent, der zwanzig Minuten lang unbeaufsichtigt an einem Projekt arbeitet, das er nicht versteht, ist kein Gewinn. Er ist ein schnellerer Weg, Arbeit zu erzeugen, die man wegwerfen muss.

Nicht das Werkzeug war jemals der Maßstab für den Fortschritt, sondern die Umsetzung.

Warum DL3 das Ende des Chaos bedeutet

Ich bewerte die Lieferbereitschaft anhand von fünf Stufen. DL1 ist die individuelle Unterstützung. DL2 ist die Stufe, auf der sich die meisten Teams befinden: Hier hilft die KI jedem Entwickler in jeder Sitzung, ohne dass sich die Aufgaben summieren. Der Sprung, der das Chaos tatsächlich beendet, ist DL3: die Stufe, auf der die KI Ihr Projekt versteht.

DL1, Fähigkeit zur individuellen Eingabeaufforderung

Eine Person, eine Sitzung, kein gemeinsamer Arbeitsspeicher.

DL2 – hier stecken etwa 70 % der Teams fest

Die KI unterstützt jeden, jedoch nur pro Entwickler und pro Sitzung. Es wird nichts weitergegeben.

DL3: Die KI versteht Ihr Projekt

Ein gemeinsamer, versionierter Kontext. Hier endet das Chaos. Dies ist die Voraussetzung für eine vertrauenswürdige, agentische Umsetzung.

DL4 bis DL5: Agente-basierte Bereitstellung auf Basis dieses Kontexts

Lange Schleifen und Ziele, denen man tatsächlich vertrauen kann.

Man kann nicht von DL2 direkt zu Agenten springen. Ein Agent übernimmt den Kontext, den man ihm übergibt, und auf DL2 befindet sich dieser Kontext in verstreuten Köpfen und einmaligen Eingabeaufforderungen. Die gesamte Aufgabe auf DL3 besteht darin, dies durch den Aufbau einer einzigen Einheit zu beheben.

Die Aufgabe bei DL3 besteht darin, ein „BRAIN“ aufzubauen – einen gemeinsamen, versionierten Kontext, in den das gesamte Team Daten einspeist, damit die KI genau auf Ihr Projekt zugeschnitten ist.

In meinem Beispiel handelt es sich bei diesem „Gehirn“ um eine CLAUDE.md-Datei und einen übersichtlichen Ordner „.claude/“. Bei Ihnen könnten es „.cursor rules“ oder etwas anderes sein. Das Format ist nicht entscheidend. Entscheidend ist die Struktur dahinter.

Fünf Schritte zum Aufbau des BRAIN

01

Erstelle dir einen Überblick über den Aufbau des Gehirns, bevor du darüber schreibst

Erstellen Sie die Struktur zunächst in Ihrem Design-Tool und nehmen Sie sich dafür ausreichend Zeit. Sie werden mir dafür dankbar sein. Ein bewusst entworfenes Konzept ist besser als eines, das sich zufällig ergeben hat.

Erstellen Sie die Struktur zunächst in Ihrem Design-Tool und nehmen Sie sich dafür ausreichend Zeit. Sie werden mir dafür dankbar sein. Ein bewusst entworfenes Konzept ist besser als eines, das sich zufällig ergeben hat.

02

Legen Sie die wichtigsten Regeln fest: Sicherheit, Code-Stil, CI/CD, Ihr Stack

Trage die Dinge ein, die du bereits festgelegt hast, damit die KI nicht mehr darüber raten muss. Jede Regel, die du festlegst, ist eine Fehlerkategorie, die das Modell nicht mehr begehen kann.

Trage die Dinge ein, die du bereits festgelegt hast, damit die KI nicht mehr darüber raten muss. Jede Regel, die du festlegst, ist eine Fehlerkategorie, die das Modell nicht mehr begehen kann.

03

Eine Rückkopplungsschleife herstellen: Jede Korrektur gelangt ins Gehirn

Das ist Ihr Leitstern in der Entwicklung: eine gewissenhafte, disziplinierte Herangehensweise bei jeder einzelnen Sitzung. Eine Korrektur, die Sie einmal vornehmen, aber nicht festhalten, ist eine Korrektur, die Sie hundertmal vornehmen werden.

Das ist Ihr Leitstern in der Entwicklung: eine gewissenhafte, disziplinierte Herangehensweise bei jeder einzelnen Sitzung. Eine Korrektur, die Sie einmal vornehmen, aber nicht festhalten, ist eine Korrektur, die Sie hundertmal vornehmen werden.

04

Überprüfen Sie jede Änderung wie Produktionscode

Eine falsche Regel verbreitet sich schneller als eine fehlende, daher durchläuft sie denselben Prozess: Pull-Request, Prüfer, das ganze Programm. Das Gehirn ist die Produktion.

Eine falsche Regel verbreitet sich schneller als eine fehlende, daher durchläuft sie denselben Prozess: Pull-Request, Prüfer, das ganze Programm. Das Gehirn ist die Produktion.

05

Schneide ihn regelmäßig zurück

Entferne alles Überflüssige, damit das Gehirn scharfsinnig und auf dem neuesten Stand bleibt und klein genug ist, damit das Modell es weiterhin verarbeiten kann. Ein überladener Kontext ist ein ignorierter Kontext.

Entferne alles Überflüssige, damit das Gehirn scharfsinnig und auf dem neuesten Stand bleibt und klein genug ist, damit das Modell es weiterhin verarbeiten kann. Ein überladener Kontext ist ein ignorierter Kontext.

Wo DL4-Teams ins Stocken geraten

Die Teams, die bei DL4 ins Stocken geraten, sind diejenigen, die Programmierer aufgebaut und dabei den „Conductor“ sowie die Governance übersprungen haben. Sie haben sechzehn Agenten, die Code schreiben, und nichts, was diese verwaltet, sodass die Geschwindigkeit zwar steigt, das Vertrauen jedoch sinkt – und sie rollen das Ganze still und leise wieder zurück.

Hier ist der Kompromiss, den die Demos übersehen: Eine Flotte verstärkt alles, was man ihr gibt. Eine gute Regel verbreitet sich sofort auf sechzehn Agenten. Eine schlechte ebenso. Ohne die Lernschleife und die Überprüfungsinstanz aus DL3 skalieren Sie nicht die Bereitstellung – Sie skalieren Ihre schlechteste Annahme um das Sechzehnfache.

Der Kompromiss, den niemand erwähnt

Hier ist der Teil, den der Hype auslässt. Ein starkes gemeinsames Gedächtnis ist das, was einen von 1,2-fach auf 2-fach bringt, aber wenn man sich allein auf den zusammengesetzten Kontext verlässt, hört man langsam auf, ihn zu hinterfragen. Das Gedächtnis speichert, wie man Dinge getan hat, was still und leise dazu führt, dass man sie immer so tut. Das ist großartig für die Konsistenz, untergräbt aber still und leise die Erfindungsgabe.

Behandle die Schritte 4 und 5 als unverzichtbar, nicht als optionale Grundvoraussetzung. Die Überprüfungssperre verhindert, dass sich eine schlechte Regel über alle Sitzungen hinweg ausbreitet. Das Ausdünnen verhindert, dass das „gemeinsame Gehirn“ zu einem Dogma erstarrt. Ein „gemeinsames Gehirn“, das du nie hinterfragst, besteht lediglich aus den Annahmen von gestern, die mit Maschinen-Geschwindigkeit ablaufen.

Bei1,2x stagnieren die individuellen Fähigkeiten im Umgang mit Prompts. 2x ist das, was ein gemeinsames, versioniertes Gehirn erschließt.

Dies ist der Schritt vor der agentischen Entwicklung

Unabhängig vom Modell – und ja, mein Beispiel läuft auf CLAUDE.md – ist dies die Arbeit, die du leistest, bevor du zu „Loops“ und „Goals“ greifst. Es ist nicht glamourös. Es wird kein Trend werden. Es ist der Unterschied zwischen einem Agenten, der das Wissen deines Teams vermehrt, und einem, der selbstbewusst denselben Fehler zwanzig Mal ausführt, während du zu Mittag isst.

So steigst du von 1,2-facher auf 2-fache Effizienz. Nicht, indem du ein besseres Tool kaufst. Sondern indem du den Kontext schaffst, der jedes Tool an dein Projekt anpasst.

Nur die Teams, die das BRAIN als Erste entwickelt haben, sind für die agentische Entwicklung bereit.

Häufig gestellte Fragen

Das BRAIN ist ein gemeinsamer, versionierter Kontext, den Ihr gesamtes Team mit Daten versorgt: eine CLAUDE.md-Datei, ein .claude/Ordner, eine .cursorrules-Datei oder etwas Gleichwertiges. Es enthält Ihre wichtigsten Regeln (Sicherheit, Codestil, CI/CD, Stack) sowie die Korrekturen aus jeder Sitzung, sodass die KI sich an Ihr Projekt anpasst, anstatt Vermutungen anzustellen. Es ist das Artefakt, das ein Team auf DL3 bringt.

DL3 ist die Bereitstellungsstufe, auf der die KI Ihr Projekt tatsächlich versteht. DL1 umfasst individuelle Eingabeaufforderungen; DL2 – auf dieser Stufe befinden sich etwa 70 % der Teams – bedeutet, dass die KI jeden Entwickler einzeln und pro Sitzung unterstützt, ohne dass sich die Informationen summieren. DL3 ist der Sprung, der dem Chaos ein Ende bereitet, da er den verstreuten, im Kopf befindlichen Kontext durch ein gemeinsames, versioniertes „Gehirn“ ersetzt. Es ist zudem die Voraussetzung für eine vertrauenswürdige, eigenständige Umsetzung.

Denn nicht das Tool war jemals der Maßstab für Fortschritt, sondern die Lieferung. Die Standardisierung der IDE, des Modells und der Lizenz ist zwar der übliche erste Reflex, beseitigt das Chaos jedoch nicht. Was das Chaos beseitigt, ist ein gemeinsamer Kontext. Ein Team kann über verschiedene Tools hinweg reibungslos liefern, wenn alle denselben Denkansatz verfolgen; identische Tools ohne gemeinsamen Kontext führen dennoch zu Abweichungen.

Dies ist der Schritt, der ein Team von etwa dem 1,2-Fachen auf das 2-Fache bringt. Die individuellen Fähigkeiten eines Einzelnen erreichen früh ein Plateau; der nächste Fortschritt ergibt sich aus der Bündelung des Teamwissens in einem gemeinsamen, versionierten Kontext. Beachten Sie jedoch den Kompromiss: Sich allein auf den kumulativen Kontext zu verlassen, kann neues Denken unterdrücken, weshalb das Überprüfen und Ausdünnen des Wissens unumgänglich ist.

Nein. Das hier gezeigte Beispiel verwendet CLAUDE.md, aber der Ansatz ist modellunabhängig. Ganz gleich, ob Sie Claude, Cursor, Copilot oder ein anderes Modell verwenden – die Vorgehensweise ist dieselbe: Erstellen Sie einen einzigen gemeinsamen Kontext, definieren Sie Ihre kritischen Regeln, richten Sie eine Rückkopplungsschleife ein, steuern Sie Änderungen wie bei Produktionscode und führen Sie regelmäßig eine Bereinigung durch.

Das Gehirn speichert, wie man Dinge bisher gemacht hat – und das kann sich unbemerkt zu einer festen Gewohnheit entwickeln: Das ist zwar gut für die Konsistenz, schadet aber der Innovation, wenn man es nicht im Auge behält. Ein überladenes Gehirn wird zudem vom Modell nicht mehr richtig interpretiert. Deshalb sind die letzten beiden Schritte so wichtig: Überprüfen Sie jede Änderung wie Produktionscode, damit sich keine falsche Regel ausbreiten kann, und bereinigen Sie das System regelmäßig, damit der Kontext klar, aktuell und überschaubar bleibt.

Dimitar Siljanovski

CEO & Founder, Intertec.io

Dimitar ist Gründer und CEO von Intertec, einem Unternehmen für maßgeschneiderte Softwareentwicklung, das in der DACH-Region tätig ist. Er schreibt über KI in der Softwareentwicklung, Context Engineering sowie die Kluft zwischen KI-Hype und der Realität im produktiven Einsatz.

Sprechen wir über Ihr Projekt

Legacy-Modernisierung, individuelle Entwicklung oder KI, wir helfen Unternehmen, Software zu liefern, die echte geschäftliche Ergebnisse bringt.

Alle Beiträge anzeigen