Engineering-Notizen
Seit 2023 dokumentieren wir hier, was in KI-Systemen wirklich funktioniert — mit Zahlen, Quellen und ehrlichen Grenzen.
Agenten handeln — also brauchen sie verwaltete Identitäten. Dieser Artikel definiert Agenten-Identität, betrachtet Microsoft Entra Agent ID und das MCP-Autorisierungsmodell und beschreibt Least Privilege an der Tool-Grenze, delegationsbewusste Audit-Trails und die Entdeckung von Schatten-Agenten — einschließlich der Grenzen jeder Kontrolle und der Control Planes, die wir als Nächstes erwarten.
GPT-5 ersetzt die Modellauswahl durch einen Echtzeit-Router, der pro Anfrage zwischen schnellem Pfad und Reasoning-Pfad wählt. Wir zeigen, wie der Router entscheidet, warum die API explizite Kontrollen behält, was die Startwoche über Vorhersagbarkeit gelehrt hat und wie sich die Evaluationspraxis ändern muss, wenn das Produkt ein Portfolio hinter einem Namen ist.
Deklarative Agenten spezialisieren Microsoft 365 Copilot über ein JSON-Manifest: Instruktionen, Wissensquellen und OpenAPI-Aktionen laufen vollständig auf Microsofts Orchestrator, ohne eigenes Hosting. Wir betrachten den Schema-Stand vom August 2025, die Governance im Microsoft 365 Admin Center, die Abrechnungsmodelle mit konkreten Preisen sowie die Fälle, in denen Custom Engine Agents mit eigenem Code die bessere Wahl bleiben.
Ein Leitfaden zum Retrieval-Stack, der 2025 zum Standard wurde: BM25 und dichte Vektoren, fusioniert per Reciprocal Rank Fusion und neu geordnet durch einen Cross-Encoder-Reranker. Wir behandeln die gemessenen Verbesserungen von Anthropic und Cohere, ein realistisches Latenzbudget, drei Reranker für die Produktion und die Frageklassen, die diese Baseline weiterhin nicht beantwortet.
Google hat das Agent2Agent-Protokoll (A2A) an die Linux Foundation übergeben. AWS, Cisco, Google, Microsoft, Salesforce, SAP und ServiceNow sind Gründungsmitglieder. Wir ordnen ein, was das Protokoll spezifiziert, was es bewusst offenlässt und warum neutrale Governance die Voraussetzung für Agenten-Interoperabilität über Organisationsgrenzen hinweg ist.
Agenten-Journeys enden an Systemen, gegen die Sie nicht in großem Umfang testen können: Zahlungsdienstleister, ERP-Backends, Partner-APIs. Wir übertragen Service-Virtualisierung auf Agenten — simulierte Gegenstellen hinter echten Verträgen, mit Zustand und Fehlerinjektion — und begründen, warum jedes simulierte Ergebnis ein explizites Label tragen muss. Mit geprüften Daten aus τ-bench, τ²-bench und Microcks 1.12.0.
Am 12. und 13. Juni 2025 veröffentlichten Cognition und Anthropic scheinbar gegensätzliche Empfehlungen zu Multi-Agenten-Systemen. Wir vergleichen 'Don't Build Multi-Agents' mit Anthropics Research-System-Post — 90,2 Prozent Verbesserung bei rund 15-fachen Token-Kosten — und leiten eine Entscheidungsregel ab: zerlegbare Breite parallelisieren, Arbeit mit geteiltem Kontext einsträngig halten.
Nicht mehr die Formulierung des Prompts entscheidet über Systemqualität, sondern der Inhalt des Kontextfensters. Der Artikel definiert Context Engineering Mitte 2025: was ins Fenster gelangt, wie Kompaktierung, Retrieval, Tool-Ergebnisse und Memory-Dateien wirken, warum beworbene Kontextlängen täuschen und wie messbare Token-Budgets Kontext zu einer planbaren Ingenieurgröße machen.
Claude Opus 4 und Claude Sonnet 4, veröffentlicht am 22. Mai 2025, verlängern den nutzbaren Coding-Horizont von Minuten auf Stunden: 72,5 % auf SWE-bench Verified, Extended Thinking mit Tool-Nutzung, Memory-Dateien und ein siebenstündiger autonomer Refactor bei Rakuten. Wir analysieren, was sich für Engineering-Teams ändert — und wo menschliches Review bleiben muss.
Die MCP-Spezifikationsrevision 2025-03-26 ersetzte den HTTP+SSE-Transport durch Streamable HTTP und ergänzte ein Autorisierungsframework auf Basis von OAuth 2.1. Wir zeichnen den Weg von lokalen stdio-Servern zu authentifizierten Remote-Endpunkten nach, betrachten die ersten Angebote von Cloudflare, GitHub und Stripe und beschreiben Integrationsmuster sowie offene Lücken für den Unternehmenseinsatz.
Am 9. April 2025 hat Google das Agent2Agent-Protokoll (A2A) mit über 50 Partnern angekündigt. Wir ordnen ein, was A2A spezifiziert — Agent Cards, Task-Lebenszyklen, Artefakte —, wie es Anthropics MCP ergänzt, was der Entwurf bewusst offenlässt und warum offene Governance darüber entscheidet, ob A2A zur Interoperabilitätsschicht für Multi-Agent-Systeme wird.
Agenten-Evaluation bedeutet 2025, Trajektorien und Tool-Aufrufe zu bewerten statt nur finale Antworten. Wir definieren Metriken auf Schrittebene, aufgabenspezifische Erfolgsprädikate und Zuverlässigkeitsmessung mit pass^k — gestützt auf τ-bench, WebArena, BFCL V3 und SWE-bench Verified. Und wir benennen offen, was Trajektorien-Evaluation nicht leistet und warum sie schwerer ist als RAG-Evaluation.