Wer einen KI-Coding-Agenten intensiv nutzt, ist zuerst nicht von der Intelligenz überrascht.
Sondern von dieser Frage:
„Wann geht das Ding eigentlich nach Hause?“
Tagsüber Recherche, abends Implementierung, nachts Tests, nach Mitternacht noch ein Bug. Am nächsten Morgen wird immer noch etwas repariert.
Ein menschliches Team bräuchte Nachtschichten, Zuschläge, Übergaben, Pausen und Personalplanung. Bei KI verschieben sich die Grenzen auf Tarif, Kontingent, Kontext, Tools und Systemzuverlässigkeit.
Dann passiert etwas noch Merkwürdigeres:
Ein Wochenkontingent kann in wenigen Tagen verschwinden.
Am Anfang wirkt es riesig. Kurz darauf sagt das System praktisch: „Für diese Woche war das genug Arbeit.“
Arbeitsrecht ist nicht verschwunden. Es heißt jetzt nur Nutzungslimit.
Mehr Kontingent, mehr Wünsche
Mit größerem Kontingent wird weniger gespart.
Arbeiten, die früher manuell erledigt wurden, gehen nun ebenfalls an die KI.
Aus einer kleinen Recherche wird:
Recherche→Implementierung→Test→Fix→Retest→Logprüfung→weiterer Fix.
Deshalb kann auch ein deutlich größeres Limit schnell aufgebraucht werden.
120 Artikel geschrieben, aber nur 116 auf der Website gefunden
Angenommen, die KI schreibt 120 Artikel und speichert alle 120. Nur 118 kommen auf die Warteliste zur Veröffentlichung, und nur 116 lassen sich auf der Website bestätigen.
Nebeneinander zeigen die Zahlen, wo man suchen muss: 2 blieben nach dem Speichern hängen, danach noch einmal 2. Das Schreiben kann durchaus geklappt haben. Das Speichern kann scheitern, Titel oder andere Angaben können abgelehnt werden, oder eine Übersetzung bleibt stecken. Ein Artikel kann sogar veröffentlicht sein, ohne in der Liste aufzutauchen.
Geschrieben 120 → gespeichert 120 → warten auf Veröffentlichung 118 → auf der Website bestätigt 116.
Das sind Beispielzahlen, kein Bericht über tatsächliche Ergebnisse. Auch die Zwischenstände zu zählen hilft, die fehlenden 4 zu finden. Fehler können passieren. Schlimmer ist, wenn die Arbeit spurlos verschwindet.
Gründlich nachdenken, wenn derselbe Fehler wiederkommt
Wenn gewöhnliche Änderungen vorankommen, bleibt man beim normalen Modus. Scheitert derselbe Schritt immer wieder, bittet man einen länger nachdenkenden Modus, mögliche Ursachen und die Reihenfolge der Reparaturen zu ordnen. Mit dem fertigen Plan geht es zurück zur normalen Arbeit.
Ein höherer Modus kann mehr Kontingent verbrauchen. Ich würde ihn lieber für „Warum lässt sich der Artikel nicht veröffentlichen?“ aufheben als für jede kleine Änderung. Für jeden Pflasterwechsel braucht man keinen spezialisierten Chirurgen. Wenn niemand weiß, wo operiert werden muss, hilft der Spezialist.
Nur die festhängenden Artikel erneut bearbeiten
Fehlt ein Artikel, notiert man seine ID und den Grund für den Stopp. Lässt sich der Vorgang sicher wiederholen, versucht man es erneut. Scheitert er wieder an derselben Stelle, schaut ein Mensch oder eine andere KI darauf. Man muss nicht alle Artikel neu schreiben.
Während das Kontingent zurückkommt, kann man Fehler und die Schritte zu ihrer Wiederholung sammeln. Stellt der Dienst seine Kapazität regelmäßig wieder her, liegen die wichtigen Probleme dann bereit. Zeitpunkt und Menge hängen vom Dienst ab.
Ist der Artikel angekommen?
Menschen entscheiden weiterhin, welche Artikel zuerst kommen, was vor der Veröffentlichung geprüft wird und was nicht automatisch erneut versucht werden darf.
Danach möchte ich erkennen können, welcher Artikel stehen geblieben ist, ohne den ganzen Tag auf den Bildschirm zu starren. Je schneller die KI schreibt, desto mehr fällt ein einzelner Artikel auf, der beim Speichern oder Veröffentlichen hängt.
„Die KI kann noch arbeiten. Aber wo ist dieser Artikel geblieben?“
Schreibt der Nachtschichtkollege denselben Artikel immer wieder neu, verschwenden wir Kontingent, nicht seinen Schlaf.
