01
Architektur-Erosion durch
Werkzeug-Schwerkraft
Eine Architektur erodiert durch tausend Mikroentscheidungen, wenn sie nicht in jedem operativen Schritt aktiv durchgesetzt wird.
Scope-Steckbrief Wie ich mit AI arbeite. Der ehrliche Reifegrad einer eigenen AI-Arbeitsweise, geprüft am Bau von sem-agentic — getrennt vom Commercial-Beweis, den das System selbst liefert. Belegt ist: Eigener Reifegrad-Tracker, wiederholt re-auditiert. Sieben dokumentierte Engineering-Patterns aus dem Augur-Projekt. Dual-Tool-Arbeitsweise (Claude Chat + Claude Code) mit klarer Rollentrennung. Nicht belegt ist: Vollständige Agentic-System-Architektur (aktuell 2/20 — bewusst niedrig). Organisationsweite Skalierung dieser Arbeitsweise. Externe Validierung des Reifegrad-Rasters.
AI-Engineering-Praxis
Wie ich mit AI arbeite
Der ehrliche Reifegrad einer eigenen AI-Arbeitsweise, geprüft am Bau von sem-agentic — getrennt vom Commercial-Beweis, den das System selbst liefert.
- Zielsetzung
-
Die eigene AI-Engineering-Praxis so ehrlich tracken wie ein Geschäftskennzahl.
sem-agentic (Augur) war der Testfall, an dem ich meine eigene Arbeitsweise mit AI-Tools geprüft habe: nicht nur ob ein System entsteht, sondern wie diszipliniert der Weg dahin war. Das Ergebnis ist ein Reifegrad-Tracker, kein Hochglanz-Portfolio.
- Vorgehen
-
Zwei Werkzeuge, zwei Rollen: Claude Chat für Strategie und Sparring, Claude Code für Architektur und Umsetzung.
Re-Audit gegen ein festes Reifegrad-Raster (Engineering Discipline, Knowledge & Workspace, Agentic System Architecture, Quality & Observability), Stand nach jeder wesentlichen Aktualisierung neu datiert. Niedrige Felder sind Entscheidung, nicht Versäumnis: umgesetzt wurde, was den Punkt beweist, nicht was die Tabelle füllt.
- Warum das eine eigene Seite ist
-
Kampagnensteuerung und AI-Arbeitsweise sind zwei verschiedene Beweise.
sem-agentic als Commercial-Case zeigt, was das System für Google-Ads-Kampagnensteuerung leistet. Diese Seite zeigt etwas anderes: wie ich als Führungskraft mit AI-Tools selbst arbeite und daraus für Organisationen lerne, die dieselbe Transformation vor sich haben.
Belegt
- Eigener Reifegrad-Tracker, wiederholt re-auditiert
- Sieben dokumentierte Engineering-Patterns aus dem Augur-Projekt
- Dual-Tool-Arbeitsweise (Claude Chat + Claude Code) mit klarer Rollentrennung
Nicht belegt · ausgeklammert
- Vollständige Agentic-System-Architektur (aktuell 2/20 — bewusst niedrig)
- Organisationsweite Skalierung dieser Arbeitsweise
- Externe Validierung des Reifegrad-Rasters
Im Engineering gelernt
Sieben Patterns aus 2 Wochen Augur-Projekt.
Pitfalls werden nicht vorab katalogisiert, sondern beim Engineering gesammelt. Pro Tag 30–60 Min Reflexion, verdichtet zu sieben übergreifenden Patterns. Jedes Pattern aus mindestens zwei unabhängigen Beobachtungen.
Architektur-Erosion durch
02
Senior-Aufmerksamkeit als
Schärfungs-Instrument
Senior-Sponsoren entscheiden nicht Inhalte, sondern stellen an den richtigen Stellen die richtige Frage.
03
Sprachliche Skizze ≠
operative Realität
Was im Plan klar klingt, ist im Team noch nicht definiert. Konkretion erzwingen, bevor Mehrarbeit beginnt.
04
Eval-Disziplin gegen
das eigene Wunschergebnis
Ohne harte Messgrößen entscheidet die letzte Output-Inspektion. Und die ist immer durch das eigene Wunschergebnis gefärbt.
05
Lernkultur statt Fehlerkultur
Eine Org lernt nicht durch Workshops, sondern durch dauerhafte Verankerung an der Stelle, wo die nächste Entscheidung fällt.
06
Pattern-Wiederverwendung
und Library-Effekt
Die wertvollste Investition ist nicht das nächste Tool, sondern eine Library aus internen Mustern, die als IP behandelt wird.
07
Operationalisierbarkeit und
Operator-Empathie
Marketing-AI scheitert nicht am Modell, sondern an der Bedienbarkeit für die Person, die es täglich nutzen muss.
Working Organization: wie ich mit AI-Tools arbeite und wie ich meinen
eigenen Reifegrad dabei ehrlich nachhalte. Stand 01.06.2026.
working organization
Karsten
senior · approval · vp-story owner
claude chat
Strategy & Sparring
VP-Story Material
Reflection & Memory
Documents & Visuals
claude code
Code-Stand prüfen
Architektur-Skizze
Services entwickeln
ADRs & Tests
ai engineering practices · reifegrad
Die niedrigen Felder sind kein Versäumnis, sondern eine Entscheidung: umgesetzt wurde, was den Punkt beweist, nicht was die Tabelle füllt. Ein ehrlicher Stand sagt mehr als ein geschönter.
0 not present 1 aware 2 repeatable 3 defined 4 managed 5 optim.
A · engineering discipline 15/20
stage-1/2 build 3
pre-flight audit 4
discrepancy-driven 4
hard-fail senior 4
B · knowledge & workspace 16/30
cross-chat memory 2
conversation recall 2
audit + re-audit 3
reusable prompts 3
shared workspace 4
tiered knowledge 3
C · agentic system architecture 2/20
skills-system 1
goal-setter 1
background-routines 0
mcp-integration 0
D · quality & observability 5/20
eval-driven ci 2
observability+cost 2
a/b prompt-testing 0
self-maintenance 1
shared workspace · 15 ADRs
project.mdstatus.mdadrs/ ·15reflections/audit.mdbacklog.md
tools & plattformen
claude.ai · claude code · github · localhost:5678 · browser
The Agentic Blueprint, Erkenntnisse aus dem Engineering, im Browser gerendert
mit PDF.js. Wird beim ersten Tab-Wechsel nachgeladen (~19 MB).
PDF wird geladen…
Das eigentliche Thema ist nicht der Code. Es ist, was die Entwicklung über das Führen einer Organisation durch Agentic AI lehrt: Der Engpass sitzt nicht im Modell, sondern in den hundert Entscheidungen, die das System an Menschen zurückgibt. Wer für das Ergebnis geradesteht, entscheidet diese Phase. Das System kann Arbeit erzeugen. Verantwortung bleibt beim Menschen.
Der Commercial-Beweis dazu: sem-agentic — Google-Ads-SEM-Kampagnensteuerung →