← Projekte

Agent Engineering

KI-Agenten und Wissenssysteme

Ich konzipiere und programmiere KI-Agenten, die Werkzeuge nutzen, Daten prüfen und über Sitzungen hinweg verlässlich Kontext bewahren. Dabei arbeite ich mit OpenClaw und den Ökosystemen von Anthropic, OpenAI und Google.

OpenClaw Claude Claude Code GPT Codex Gemini Google AI Firecrawl
Zur Wissensarchitektur
OpenClaw Logo mit dem Schriftzug The AI that actually does things
01 OpenClaw als Basis eines praktischen Agenten-Setups

Plattformübergreifend

Ein Ziel, mehrere Agenten-Ökosysteme.

Gute Agentenarchitektur hängt nicht an einem einzigen Modell. Ich verbinde Modelle, Werkzeuge, Datenquellen und klare Berechtigungen so, dass der Ablauf nachvollziehbar und austauschbar bleibt.

01

Claude + Claude Code

Anthropic

Für dialogbasierte Analyse, anspruchsvolle Entwicklungsarbeit und Agenten-Workflows direkt am Code.

02

GPT + Codex

OpenAI

Für multimodale Aufgaben, strukturierte Automatisierung und selbstständige Arbeit in realen Entwicklungsumgebungen.

03

Gemini + Google AI

Google

Für lange Kontexte, Recherche und die Anbindung an das Google-Ökosystem. Entscheidend ist immer der konkrete Anwendungsfall.

Webdaten werden zum Werkzeug.

Für Recherche- und Monitoring-Aufgaben setze ich Firecrawl als Crawler ein. Agenten können damit Websites finden, dynamische Inhalte auslesen und Ergebnisse strukturiert weiterverarbeiten.

Finden

Search entdeckt relevante Quellen für Marktbeobachtung, Unternehmenssignale und technische Recherche.

Extrahieren

Scrape und Crawl lesen auch JavaScript-Inhalte aus und liefern Markdown, Links oder strukturiertes JSON.

Weiterverarbeiten

Die Ergebnisse fließen kontrolliert in Agenten, Datenbanken und nachvollziehbare Rechercheabläufe.

Rechercheausschnitt zur Planung eines Firecrawl-basierten Account Radars
Vollständigen Rechercheausschnitt anzeigen
Rechercheausschnitt aus der Planung eines B2B Account Radars. Preise und Tarife: Stand 23.07.2026. Sie dokumentieren die damalige Recherche und sind keine aktuelle Preisangabe.

Ein Agent braucht mehr als einen langen Prompt.

Mich interessiert besonders, wie Agenten Wissen verlässlich aufbauen, wiederfinden und für Menschen überprüfbar halten. Dafür trenne ich Arbeitsgedächtnis, fachliche Daten und menschenlesbare Dokumentation.

Ebene 01

OpenClaw Memory

Das Langzeitgedächtnis für dauerhafte Regeln, Entscheidungen, Learnings und Zusagen. Es hält fest, wie und warum der Agent arbeitet.

Ebene 02

Datenbanken und Vektoren

Strukturierte Daten bleiben die fachliche Wahrheit. Für semantische Suche und relevante Zusammenhänge beschäftige ich mich mit Vektordatenbanken wie Pinecone.

Ebene 03

Obsidian

Die menschenlesbare Nachschlageschicht für Systemwissen, Projektnotizen und Zusammenhänge. Sie macht Wissen transparent, ohne die Datenbank zu ersetzen.

Obsidian Logo
Menschenlesbares Wissen
Pinecone Logo
Semantische Suche in Vektoren

Zusammenarbeit

Arbeiten Sie an einem ähnlichen KI-System?

Ich tausche mich gern mit Fachkollegen, Recruitern und Entscheidern über Agenten, Memory, Wissensarchitektur und konkrete Projekte aus.

Projekt besprechen