KI-Agenten & Automatisierung: RAG, Workflows, Guides

"Ich habe auf der OpenAI-API ausgeliefert, möchte aber auch Claude und Gemini ausprobieren" — und schon verbringt man zwei Stunden damit, dieselbe Logik gegen drei verschiedene SDKs neu zu schreiben. Das Vercel AI SDK (seit 2026 schlicht "AI SDK") reduziert das auf "ein Import, eine Funktion, jeder Anbieter". Eine TypeScript-Open-Source-Bibliothek mit über 20 Millionen monatlichen Downloads; AI SDK 6 liefert Agents, MCP, Tool-Approval und DevTools und ist Stand 15. Mai 2026 der De-facto-Standard für eine einheitliche LLM-Schnittstelle. Wer 2026 LLMs aus einer Web-App oder einem Node.js-Projekt aufruft, für den ist das AI SDK der richtige Default, Punkt. Die einzigen Gründe, direkt gegen das OpenAI- oder Anthropic-SDK zu schreiben, sind eine bestehende Codebasis oder eine brandneue, anbieter-spezifische Funktion. Andernfalls liefert das AI SDK einfaches Wechseln, ein Drittel des Codes, Typsicherheit und React-Integration mit überwältigendem Vorteil. Dieser Artikel behandelt, was das AI SDK ist und warum man es einsetzt, einen 5-Minuten-Quickstart (von generateText zu streamText), strukturierte Ausgabe mit generateObject und Zod, Tool calling und Agents (das Herz von AI SDK 6 mit stopWhen, ToolLoopAgent, MCP), React-Integration mit useChat, Anbieterwechsel Claude/GPT/Gemini in 3 Zeilen sowie drei Stolperfallen in Produktion: Feature-Lücken zwischen Anbietern, Kosten bei Stream-Abbruch und Typ-Inferenz-Überlast.

Umgebungseinrichtung ist die Stelle, an der jeder Programmieranfänger steckenbleibt. 2026 ist generative KI (Claude Code, Codex, Cursor) für Routinearbeiten an der Infrastruktur tatsächlich brauchbar – lokale Umgebungseinrichtung, Dockerfile-Generierung, Terraform-Entwürfe, CI/CD-Pipelines. HashiCorp hat 2025 seinen offiziellen Terraform MCP Server veröffentlicht (seit Juni 2026 allgemein verfügbar), und Anthropic hat Agent Skills veröffentlicht, sodass Infrastruktur-Expertise bei Bedarf geladen werden kann. Aber „alles delegieren“ ist eine andere Frage: eine AWS-Monatsrechnung von 3.000 $, eine versehentlich öffentlich gemachte Produktions-DB, ein in GitHub committeter SSH-Schlüssel – alles Vorfälle, die passieren können, wenn man alles abgibt. Dieser Artikel teilt fünf sicher delegierbare Bereiche, drei „erst prüfen, dann vertrauen“-Risikozonen, vier nur-Mensch-Bereiche, einen vierschrittigen anfängersicheren Workflow und die neuesten 2026er Werkzeuge (Claude Code, MCP, Agent Skills) – fokussiert auf Fähigkeitsbewertung, nicht auf Karrierewirkung.

Im Februar 2026 überschritt Anysphere, das Unternehmen hinter Cursor, einen annualisierten wiederkehrenden Umsatz (ARR) von 2 Mrd. USD. Dieser Artikel erklärt, wie Cursor als VS-Code-Fork KI direkt in die Rendering-Ebene einbettet, welche sechs Kernfunktionen es bietet und worin es sich konkret von VS Code unterscheidet. Außerdem vergleicht er Cursor mit Windsurf, Zed, Claude Code und GitHub Copilot, stellt die Preisstruktur von The X Subscription vor und hilft bei der Entscheidung, wer wechseln sollte, Stand September 2026.

Kann man mit einem MCP-Server Geld verdienen? Ja, aber die MCP-Spezifikation hat keinen Standard für Preise, Zahlungen oder Nutzungsmessung, daher wird der Weg zur Bezahlung außerhalb von MCP gewählt. Die oft zitierte Zahl „weniger als 5 % von 12.000 Servern monetarisieren“ hat keinen nachweisbaren Urheber, deshalb verzichten wir darauf. Auf Grundlage unserer eigenen Zählung der offiziellen Registry (37.619 Server, Stand 30. September 2026), des Spezifikationstexts sowie der Bedingungen und Dokumentation von MCPize (20 % Gebühr), Apify Store (80 % des Umsatzes abzüglich Ausführungskosten) und Stripe behandeln wir vier Erlösmodelle, Gebühren und Auszahlungsbedingungen, die Prüfung genannter Erfolgsgeschichten, typische Fehlermuster und ein Playbook für Solo-Entwickler.

Am 25. November 2024 veröffentlichte Anthropic still und leise eine kleine Spezifikation namens „MCP“. Sechzehn Monate später liegen die monatlichen SDK-Downloads bei 97 Millionen (+4.750 %), mehr als 10.000 öffentliche Server sind im Einsatz, und OpenAI / Google / Microsoft / AWS haben es alle übernommen. Im Dezember 2025 übergab Anthropic das Eigentum an die Linux Foundation — MCP wurde zur gemeinsamen Branchen-Infrastruktur. Dieser Artikel erzählt die ganze Geschichte: Architektur, fünf sofort nutzbare Server, fünf Prüfpunkte vor der Installation samt Registrierung in Claude Code, ein Eigenbau in 30 Zeilen Python und die Kritikpunkte.

Wer von einer Pauschale auf nutzungsbasierte Abrechnung wechselt, dessen KI-Rechnung kann je nach Nutzung stark schwanken. Dieser Artikel berechnet die Wirkung von drei Hebeln — Prompt-Caching, Modellwahl und Ausgabe-Budget — aus den Stückpreisen und Multiplikatoren der offiziellen Preislisten von Anthropic und OpenAI. Der Cache-Lesepreis hängt vom Modell ab: Bei GPT-6.1 Sol, Opus 5.5 und Sonnet 5.5 beträgt er 0,05× des normalen Eingabepreises; bei Claude lohnt sich der 5-Minuten-Cache nach einem Lesevorgang, der 1-Stunden-Cache nach zweien. Zehnmal einen Präfix mit 100 000 Tokens an Opus 5.5 zu senden, senkt die Eingabekosten von 4,00 $ auf 0,68 $. Von Opus 5.5 zu Haiku 5.5 sinkt der Stückpreis auf 1/40 (bei Prompts bis 100 000 Tokens), und die Ausgabe kostet 5× die Eingabe. Was warten kann, kostet per Batch die Hälfte. Außerdem: Kontext-Management mit /compact, die Multi-Agent-Falle mit 15× Tokens, Abrechnungs-Alarme und sieben Verschwendungsmuster.

Viele vermuten, dass Erfahrene mit Routinearbeit zuerst betroffen sind, doch die Daten sagen das Gegenteil. Der Aufsatz „Canaries in the Coal Mine?“ des Digital Economy Lab in Stanford (erste Fassung August 2025, überarbeitet August 2026) zeigt: Die Beschäftigung von 22- bis 25-Jährigen in KI-exponierten Berufen liegt 19 % unter dem Wert bei gleichem Tempo wie weniger exponierte Altersgenossen, während 35- bis 49-Jährige in denselben Berufen um etwa 10 % wuchsen. Der Rückgang entsteht durch weniger Einstellungen, nicht durch Entlassungen. Wir ordnen Primärdaten, Erklärungen, Gegenargumente und Strategien für Einsteiger, Erfahrene und Unternehmen ein.

Im Februar 2025 prägte Andrej Karpathy den Begriff „Vibe Coding“ — der KI sagen, was sie tun soll, und den generierten Code gar nicht erst lesen. Ein Jahr später schlägt er selbst eine Umbenennung in „Agentic Engineering“ vor, während Sicherheitsstudien zeigen, dass LLMs in 45 % der Aufgaben die unsichere Schreibweise wählen und CVEs aus KI-generiertem Code von Januar bis März 2026 etwa um das Sechsfache stiegen. Dieser Artikel erklärt die Definition, den typischen Workflow, die führenden Tools (Claude Code, Cursor, Codex CLI, Lovable, v0, Bolt.new, Devin), die harten Zahlen zur Schattenseite und die „Vibe & Verify“-Regeln, mit denen man den Stil produktiv und sicher einsetzt.

2026 ist die Diskussion um KI-Agenten von „einem Super-Agenten“ zu „einem Team mit Rollen“ gekippt. Dieser Artikel klärt, was ein Multi-Agenten-System wirklich ist, stellt die fünf Architekturmuster (Orchestrator-Worker, Handoff, hierarchisch, Peer-to-Peer, Pipeline) vor, vergleicht vier zentrale Frameworks (Claude Agent SDK, OpenAI Agents SDK, LangGraph, Strands), zeigt reale Einsätze (Anthropic Research, Claude Code, Devin, Cursor), die Kostenrealität von etwa dem 15-Fachen der Tokens eines Chats — und liefert eine klare Entscheidungsregel, wann Single reicht und wann Multi gerechtfertigt ist.

Anthropic Claude Opus 4.7 und OpenAI GPT-5.5 wurden im April 2026 im Abstand einer Woche veröffentlicht. Dieser Artikel vergleicht beide Flaggschiffe direkt anhand offizieller Benchmarks (SWE-bench Pro/Verified, Terminal-Bench 2.0, OSWorld, GPQA Diamond), erläutert die reale Kostenlücke (in einem Drittvergleich gab GPT ~72 % weniger Output-Tokens aus), kartiert Stärken und Schwächen und liefert eine konkrete Auswahlhilfe nach Anwendungsfall — von Coding über Agenten bis hin zur Geschäftsautomatisierung.

Der Schwerpunkt hat sich vom Prompt Engineering zum Harness Engineering verlagert — das neue Schlachtfeld der KI-Agenten-Ära. Dieser Artikel erklärt, was Harness Engineering wirklich ist, wie es sich vom Prompt Engineering unterscheidet, die sechs Komponenten (Tool-Definition, Kontextmanagement, Memory, Loop, Guardrails, Output-UX), einen direkten Vergleich von Claude Code, Cursor, Codex CLI und Devin sowie eine praktische Design-Checkliste — die Grundlage, die du brauchst, um KI-Agenten ernsthaft zu nutzen oder zu bauen.

Prüfen Sie getrennt, ob CLAUDE.md, Cursor Rules oder AGENTS.md nicht geladen oder zwar geladen, aber nicht befolgt werden. Der Artikel erklärt die erneute Einfügung von CLAUDE.md nach der Verdichtung, Längenempfehlungen und Ladegrenzen sowie die Bedingungen, unter denen AGENTS.md direkt geladen wird. Beispiele zeigen, wie Sie nicht befolgte Regeln prüfbar umformulieren, dazu Rolle und Grenzen von Hooks, CI, KI-Reviews und Skills.