Lerne Mythorias „KI“-Team kennen

Schau dir das Video unten an, um sie in Aktion zu sehen, und lies weiter, um tief in die Funktionsweise dieses digitalen Ökosystems einzutauchen! ☕

Vor ein paar Abenden, beim Abendessen mit meiner Familie, drehte sich unser Gespräch plötzlich um die Zukunft der Arbeit und OpenAIs vorgeschlagene fünf Schritte zur Artificial General Intelligence (AGI). Angesichts der unglaublichen agentischen Fähigkeiten, die uns heute zur Verfügung stehen, und nachdem ich tief in das OpenClaw-Projekt eingetaucht war, fasste eine verrückte Idee Fuß.

Was wäre, wenn ich ein Team aus virtuellen Agenten aufbauen würde, das Mythoria für mich schmeißt? Jeder mit eigener Persönlichkeit, Spezialgebiet, Hintergrundgeschichte und Hobbys. Willkommen zu meinem neuesten Experiment. Lasst uns den Status quo ein bisschen aufmischen, oder?

Disclaimer: Wir fangen gerade erst an, dieses AI-First-Setup zu testen! Es ist hochgradig experimentell. Ich werde euch in den kommenden Wochen auf dem Laufenden halten, wie sich diese Charaktere in freier Wildbahn schlagen.

🧠 Das biologische Gehirn: Die Kombination von KI-„Spezies“

Wenn man mal drüber nachdenkt, sind verschiedene KI-Modellfamilien fast wie unterschiedliche kognitive Spezies. Jede hat ihre ganz eigene Art, die Welt zu betrachten:

• Google Gemini: Unser Haus- und Hofpoet, phänomenal darin, warme, emotional ansprechende und menschlich klingende Texte zu verfassen.
• OpenAI (GPT): Der Philosoph und Stratege, unschlagbar bei tiefgründigen Überlegungen und strukturierter Logik.
• Claude: Der unermüdliche Macher, unübertroffen beim Coden und der Ausführung komplexer Entwicklungsaufgaben.

Warum sich für nur eine entscheiden? Um zum Mond zu fliegen – ein riesiges Shoutout an die Artemis-2-Crew – kann man keine Rakete mit nur einem einzigen Ingenieur bauen, egal wie smart er ist. Große Vorhaben erfordern ein gut geöltes Team aus unterschiedlichen Persönlichkeiten und Fähigkeiten.

Die Zukunft der KI ist kein einzelner, monolithischer Supercomputer, der alles macht. Sie ähnelt viel eher einem biologischen Gehirn. Jede KI-Instanz fungiert als spezialisiertes Neuron mit eigenen Erinnerungen, eigenem Kontext und operativen Grenzen. Indem wir diese verschiedenen Modelle kombinieren, umgehen wir nicht nur Token-Limits, sondern fangen auch eine wunderbare Vielfalt an Denkweisen ein.

🕸️ Schwarm vs. Hub-and-Spoke

Beim Aufbau eines KI-Teams schaut man sich in der Regel zwei Architekturmuster an.

Da wäre zunächst das Schwarm-Muster (Swarm). Stell dir vor, du steckst zehn Leute in einen Raum, gibst ihnen ein Problem und gehst wieder. Das ist zwar extrem kollaborativ, kann aber schnell zu einem chaotischen, lauten Haufen verkommen, in dem jeder versucht, den Job des anderen zu machen.

Für Mythoria habe ich mich für das Hub-and-Spoke-Modell entschieden. Es erfordert Rhythmus, Klarheit und bewusste Kompromisse. In unserem Setup spreche ich als CEO hauptsächlich mit dem COO. Der COO sichtet die Arbeit, delegiert sie an die Spezialisten, fasst deren Ergebnisse zusammen und erstattet Bericht. Routineaufgaben gehen nie am COO vorbei, was den operativen Ablauf der Company sauber hält.

So sieht unser Firmenorganigramm aktuell aus:

🏃‍♂️ Agile & Lean Methoden: Das Betriebssystem für KI

Als ich das KI-Team von Mythoria entwarf, wurde mir schnell klar, dass es nicht reicht, sich einfach nur für eine Architektur zu entscheiden. Wir brauchten eine operative Philosophie. Genau hier wurden Agile und Lean Methoden zur Geheimzutat für meine Mitarbeiter aus Silizium.

🤝 Lerne das Mythoria KI-Team kennen

Damit das Ganze funktioniert, habe ich acht verschiedene Agenten hochgefahren. Lasst uns das Team vorstellen, das Mythoria heute schmeißt. Klick auf die jeweilige Karte, um das Profil auszuklappen! Oder auf das jeweilige Bild, um den Agenten besser kennenzulernen.

🐘 Der Elefant im Raum: Die Herausforderung mit dem Gedächtnis

Wenn du schon mal mit KI herumgespielt hast, weißt du, dass die größte Einschränkung nicht die Intelligenz ist. Es ist das Gedächtnis. Eine KI hat ein festes Kontextfenster. Wenn João eine strategische Entscheidung vom letzten Dienstag vergisst, bricht das gesamte Hub-and-Spoke-Modell zusammen.

Wie lösen wir das also? In OpenClaw ist die Lösung unglaublich menschlich: Sie schreiben es auf.

Innerhalb von OpenClaw besteht das Gedächtnis einfach aus simplen, transparenten Markdown-Dateien, die lokal auf einer Festplatte liegen. Aber Informationen zu speichern, ist einfach. Sie zu finden, ist der schwierige Teil.

🔍 Vorhang auf für QMD: Der Hippocampus der KI

Wenn man Tausende von Markdown-Dateien hat, kann man sie nicht einfach alle ins LLM kippen. Hier kommt QMD (Query Markup Documents) ins Spiel. Es ist eine leistungsstarke, lokale Retrieval-Engine, die als „Hippocampus“ des KI-Gehirns fungiert.

QMD durchläuft eine ausgeklügelte, dreistufige Such-Pipeline:

1. BM25 (Keyword-Suche): Sucht nach exakten Textübereinstimmungen.
2. Vektorsuche (Semantische Ähnlichkeit): Sucht mithilfe von Embeddings nach der Bedeutung oder dem Konzept.
3. LLM-Re-Ranking: Nutzt ein lokales KI-Modell, um die Top-Kandidaten zu lesen und sie basierend auf ihrer tatsächlichen Relevanz neu zu sortieren, bevor sie an den Agenten zurückgegeben werden.

João hat eine spezielle Freigabe, um ausgewählte, agentenübergreifende Transkript-Sammlungen zu indexieren. Wenn ich ihn nach Beschwerden beim Checkout frage, nutzt er QMD, um eine hybride Suche über Inês' Support-Trends und Sofias QA-Vorfallzusammenfassungen durchzuführen und daraus eine scharfe, evidenzbasierte Antwort zu synthetisieren.

🎭 Die Identitätsfrage: Offenlegen oder nicht?

Jeder Agent arbeitet mit einem eigenen professionellen E-Mail-Alias, zum Beispiel beatriz.correia@mythoria.pt. Im Moment dienen diese streng genommen nur dem Entwerfen von Nachrichten, die ich manuell überprüfe. Aber irgendwann wird Beatriz proaktiv auf LinkedIn oder per Cold-E-Mail auf potenzielle Partner zugehen.

Das wirft eine faszinierende Frage auf: Sollte eine KI offenlegen, dass sie eine KI ist? Wenn ich eine E-Mail schreibe, beginne ich ja auch nicht damit, meine Herkunft oder mein Alter zu nennen. Wird der Zwang für KI-Agenten, ein digitales „Namensschild“ zu tragen, zu unnötigen Vorurteilen führen? Werden Leute einen brillanten Partnerschaftsvorschlag ignorieren, nur weil er von Silizium statt von Kohlenstoff generiert wurde?

Die Ethik der KI-Identität ist komplex, und da diese Agenten zunehmend nicht mehr von menschlichen Akteuren zu unterscheiden sind, ist das eine Debatte, die wir unbedingt führen müssen.

🛠️ Dem Gehirn Hände geben: Tools und „Computer Use“

Ein Gehirn im Glas ist zwar brillant, aber es kann eigentlich nichts tun. Wenn dieses virtuelle Team eine Company leiten soll, braucht es Hände, um mit der realen Welt zu interagieren.

Kürzlich gab es einen massiven Durchbruch bei den KI-Fähigkeiten, der schlicht als „Computer Use“ bekannt ist. Das bedeutet, dass die fortschrittlichsten Modelle nicht mehr nur Text generieren; sie können tatsächlich auf einen Bildschirm schauen, einen Cursor bewegen, auf einer Tastatur tippen und jedes Softwareprogramm genau so bedienen, wie es ein Mensch tun würde.

In unserer OpenClaw-Architektur arbeiten wir nach dem Prinzip der „geringsten Privilegien“ (Least Privilege). Ich gebe jedem Agenten nur die spezifischen Tools, die er wirklich braucht. So erledigen sie tatsächlich ihre Arbeit:

• Der Browser (Playwright): Wir nutzen von OpenClaw verwaltete, isolierte Browser-Profile. Mit Tools wie Playwright können unsere QA- und Product-Agenten buchstäblich einen Webbrowser öffnen, im Internet surfen, Formulare ausfüllen oder Backoffice-Einstellungen überprüfen. Sie können unsere Product Flows visuell inspizieren, um UX-Reibungspunkte allein durchs „Surfen“ zu identifizieren.
• Lokaler Code & Skills: OpenClaw ermöglicht es Agenten, geteilte „Skills“ zu installieren und lokalen Code auszuführen. Wenn ein Agent Daten durchkauen muss, kann er on the fly ein Python-Skript schreiben und ausführen, um eine Excel-Datei zu analysieren, eine Codebase-Datei zu bearbeiten oder sogar ein Word-Dokument oder eine Präsentation zu formatieren. Wenn sich Abläufe wiederholen, verwandelt Ricardo (Engineering) sie einfach in dauerhafte Automatisierungen.

💳 Das 500-Euro-Kreditkarten-Experiment

Da diese Agenten Zugriff auf reale Tools haben, eröffnen sich einige wilde theoretische Szenarien.

Nehmen wir an, ich generiere eine virtuelle Kreditkarte mit einem Limit von 500 €. Ich übergebe die digitalen Schlüssel an Diogo Matos, unseren Finance & Ops Agenten, dessen tiefste Seele darin besteht, uns kommerziell ehrlich und operativ sauber zu halten.

Stell dir nun vor, Mariana (Growth) entdeckt einen genialen PR-Ansatz und möchte eine neue Google Ads-Kampagne starten, um den Traffic rund um den Valentinstag abzugreifen. Da Agenten ohne Eskalation keine finanziellen Verpflichtungen eingehen dürfen, pitcht Mariana die Idee bei João (COO).

João sichtet die Anfrage und startet eine kollaborative Session mit Diogo. Diogo prüft das Guthaben der virtuellen Karte, legt strenge Limits fest, wie das Geld ausgegeben werden darf, und stellt Regeln auf, um den genauen Return on Investment (ROI) für diese spezifische Kampagne zu tracken. Sobald Diogo die Wirtschaftlichkeit absegnet, nutzt Mariana ihr Browser-Tool, loggt sich bei Google Ads ein, füllt die Kampagnenformulare aus und drückt auf Launch.

Theoretisch sind KI-Agenten – sofern sie mit den richtigen Tools ausgestattet sind – absolut in der Lage, diesen Flow von Anfang bis Ende durchzuziehen.

Werde ich KI-Agenten jetzt schon völlig unbeaufsichtigt über mein Geld verfügen lassen? Auf gar keinen Fall. 😅 Diesen Test hebe ich mir für ganz zum Schluss auf! Aber mit strengen Human-in-the-Loop-Freigabeprozessen ist dieses Maß an autonomer Ausführung kein Sci-Fi-Traum mehr. Es ist etwas, das wir heute tatsächlich testen können.

🚀 Die Zukunft ist optional

Diese gesamte Architektur ist hochgradig experimentell und tanzt direkt auf der Bleeding Edge modernster Technologie.

Prominente Tech-Leader wie Sam Altman haben öffentlich prognostiziert, dass wir bald das erste Ein-Personen-Milliarden-Dollar-Unternehmen sehen werden. Wir bewegen uns von einer Ära, in der die Skalierung des Outputs eine Skalierung der Mitarbeiterzahl bedeutete, hin zu einer Ära, in der ein einzelner Operator ein komplettes digitales Unternehmen orchestrieren kann.

Für mich ist der Aufbau dieses virtuellen Teams ein Weg, um zu lernen, mich vorzubereiten und mich anzupassen. Wie werden Unternehmen aussehen, wenn sie komplett von KI geführt werden? Welche Rolle spielt der Mensch, wenn traditionelle Arbeit optional wird?

Ich bin unglaublich optimistisch. Indem wir das Routinemäßige, das Operative und das Banale an brillante virtuelle Agenten delegieren, schaffen wir uns den Freiraum für das, was wir Menschen am besten können: träumen, uns verbinden und unsere eigenen Geschichten schreiben.