1995 war meine Vorstellung von "Automatisierung", die richtige autoexec.bat zu schreiben, damit mein 386SX die richtigen Treiber lud, genug Speicher freigab und mich in Wolfenstein 3D booten ließ. Ich wusste nicht, dass ich lernte, Computer zu orchestrieren. Ich dachte, ich versuchte zu spielen.
Dreißig Jahre Scripten um das Urteil herum
Der eigentliche Trick damals war, die Konfiguration des seriellen Kabels für die erste Version von Warcraft hinzubekommen. Serial-Link-Multiplayer, zwei Rechner, zwei Freunde, ein Nachmittag. Was mich wirklich umgehauen hat, war Norton Commander über ein serielles Kabel: man konnte Dateien von einem Computer zum anderen über die Leitung kopieren. Eine frühe Form von FTP, im Grunde, Jahre bevor ich wusste, was FTP war.
Dann kam Linux, und der Orchestrierungs-Instinkt bekam ein echtes Ventil. Ich lernte Perl, dann bash, und fing mit dem Offensichtlichen an: Backup-Scripts, Update-Routinen, den Pflichten, die am Freitag niemand machen wollte. Dann Monitoring. Dann Self-Healing-Routinen, die denselben Fehler um 3 Uhr morgens zum dritten Mal fingen und einfach behoben. Eine der prägendsten Aufgaben war, ein internes Deployment-System für ein 20-köpfiges Entwicklerteam zu bauen. Das war auf SVN, möglicherweise CVS, Jahre bevor es git gab. Branch-Merging, dev- und live-Pushes. Ein ordentlicher "git workflow", bevor "git workflow" ein Begriff war.
Die Mauer, die nicht weichen wollte
Jedes Jahr wurden die Scripts schlauer. Aber sie stießen immer an dieselbe Mauer: sobald eine Aufgabe Urteilsvermögen verlangte, musste ein Mensch einschreiten.
Man konnte das Backup automatisieren, aber nicht die Entscheidung, was gesichert werden soll, wenn der Speicher knapp wird. Man konnte das Deployment automatisieren, aber nicht die Frage "rollen wir zurück?". Rechnungsverarbeitung? Teile davon konnte man scripten. Nicht den Teil, wo man eine E-Mail liest, entscheidet, ob es wirklich eine Rechnung ist, den Lieferanten zuordnet und sie gegen das richtige Konto abgleicht.
Die Mauer ist weg
Als ich zum ersten Mal Claude Code benutzte — den Coding-Agent, der auf dem eigenen Rechner läuft — wusste ich, dass wir eine Grenze überschritten hatten. Keinen Chatbot prompten. Einen Agenten programmieren. Ihm Werkzeuge geben, ein Gedächtnis und die Fähigkeit, selbst zu entscheiden, was er als Nächstes tut.
Ich betreibe heute KI-Agenten, die die Arbeit machen, die die alten Scripts nie konnten. Vigil, mein CI/CD-Agent, prüft jedes Repository, von dem wir abhängen, auf Updates, zieht sie in unsere Codebase, löst Merge-Konflikte unterwegs und hat jeden Morgen einen Pull Request auf meinem Schreibtisch bereit. Ich reviewe, ich merge, ich mache weiter. Auf der Finanzseite liest ein anderer Agent meinen Posteingang, pickt die Rechnungen heraus, lädt sie in unsere Buchhaltungssoftware hoch und gleicht sie über API mit den Daten unseres Abrechnungssystems ab. Das war jahrelang einer der größten Energieverbraucher meiner Woche. Jetzt passiert es, während ich schlafe.
Die Werkzeuge sind jetzt die Arbeit
Das sind keine Laborversuche. Sie laufen jeden Tag. Und hier ist, was ich herausgefunden habe, und warum sich das wie ein Karriere-Kulminationsmoment anfühlt: Werkzeuge für KI-Agenten zu bauen ist dieselbe Disziplin wie Werkzeuge für Systemautomatisierung zu bauen. Dieselben Instinkte, dieselbe Geduld mit den Edge Cases, die einem das Wochenende kosten. Die Agenten sind gut, sogar sehr gut, aber sie werden dramatisch besser, wenn man ihnen die richtigen Werkzeuge und die richtige Umgebung gibt. Das ist ein Engineering-Job, kein Prompt-Writing-Job.
Das Model Context Protocol (MCP) ist der Ort, wohin derzeit die meiste meiner Energie fließt. Es ist die saubere Art, Werkzeuge zu bauen, die Agenten entdecken, verstehen und benutzen können. Intelligente Werkzeuge sind dort, wo der Produktivitäts-Sprung lebt: Werkzeuge, die mehrere verwandte Aktionen in einem Aufruf erledigen, mit guten Inputs und sauberen Outputs. Ein dummes Werkzeug, das nur einen API-Endpunkt wrappt, ist ein mittelmäßiges Geschenk für einen Agenten. Ein Werkzeug, das weiß, wie es prüft, handelt, verifiziert und zurückmeldet, in einem Zug, ist ein Force Multiplier.
Gleiches Handwerk, neues Substrat
Meine Karriere war Systems Engineering, Netzwerk und Code, aufeinandergestapelt. Ich habe Jahrzehnte damit verbracht zu lernen, wie man Maschinen mehr Arbeit übernehmen lässt, damit Menschen sich auf das konzentrieren können, was wirklich Menschen braucht. Es zeigt sich: genau diese Fähigkeiten sind es, die KI-Agenten effektiv machen. Das Substrat hat sich geändert. Das Handwerk nicht.
Was für eine Zeit, das zu machen
Dreißig Jahre, in denen ich um die Urteilsmauer herumgescriptet habe, und die Mauer ist endlich gewichen. Die Agenten, die ich heute betreibe, leisten die Arbeit, die die 3-Uhr-morgens-Self-Healing-Routinen von 2005 nie erreichten. Gleiche Instinkte, neues Substrat. Ich wünschte, ich könnte zurückgehen und meinem 386SX-Ich erzählen, wohin das alles führen würde.