Individuelle Skills, Plugins, Marketplaces & Agents

Im Detail

Was diese Leistung umfasst

Häufige Fragen

Was Kund:innen vorab wissen wollen

1. 01 Was ist der Unterschied zwischen Skill, Plugin und Agent?

   Die drei Begriffe bauen aufeinander auf. Ein Skill ist ein wiederverwendbarer Prompt samt zugehörigem Tool-Set für einen klar abgegrenzten Task — etwa „Release-Notes aus den letzten Commits erstellen". Ein Plugin bündelt mehrere Skills zusammen mit Hooks und gegebenenfalls MCP-Servern für ein größeres, zusammenhängendes Aufgabenfeld. Ein Agent schließlich ist ein autonom oder semi-autonom laufendes System, das eigene Entscheidungen trifft und dabei Skills und Plugins als Werkzeuge nutzt, um ein Ziel zu erreichen. Vereinfacht: Der Skill ist das einzelne Werkzeug, das Plugin der Werkzeugkasten, der Agent der Handwerker, der sie einsetzt. Wer diese Ebenen von Beginn an sauber trennt, baut Erweiterungen, die wartbar bleiben, sich testen lassen und im Unternehmen wiederverwendbar sind — statt monolithischer Konstrukte, die nur ihre ursprünglichen Autoren verstehen und die bei der ersten Änderung brechen.

2. 02 Brauche ich einen eigenen Agent-Marktplatz?

   Das hängt davon ab, wie viele Teams parallel arbeiten. Für ein einzelnes Team genügt zunächst eine geteilte Sammlung von Skills im Repository. Sobald jedoch mehrere Teams gleichzeitig mit Claude Code oder vergleichbaren Plattformen arbeiten, wird ein interner Marktplatz zur effizientesten Lösung: Er bietet zentrale Versionierung, sodass alle dieselben geprüften Versionen nutzen, eine Code-Review-Pipeline für neue Skills, damit Qualität und Sicherheit gewahrt bleiben, und ein granulares Permission-Modell, das steuert, wer welche Erweiterung mit welchen Rechten einsetzen darf. Die naheliegende Alternative — jede Abteilung baut und pflegt ihr Eigenes — funktioniert erfahrungsgemäß ein paar Monate gut und skaliert dann nicht mehr: Es entstehen Doppelarbeit, inkonsistente Sicherheitsstandards und Wissenssilos. Der richtige Zeitpunkt für einen Marktplatz ist deshalb meist früher, als man zunächst denkt — idealerweise bevor die ersten Insellösungen entstanden sind.

3. 03 Wie sicher sind Multi-Agent-Systeme?

   Multi-Agent-Systeme sind für den produktiven Einsatz sicher genug, wenn drei Regeln von Beginn an in die Architektur eingebaut sind. Erstens erhält jeder Agent ein striktes Permission-Profil, das genau definiert, auf welche Systeme und Operationen er zugreifen darf — nach dem Prinzip der minimalen Rechte. Zweitens erfordern kritische oder irreversible Aktionen eine ausdrückliche Human-in-the-Loop-Bestätigung, sodass ein Mensch die Kontrolle über folgenreiche Schritte behält. Drittens wird jede Agent-Aktion vollständig protokolliert und auditierbar gemacht, damit im Nachhinein nachvollziehbar ist, was wann warum geschehen ist. Entscheidend ist, dass diese Leitplanken nicht nachträglich angeschraubt, sondern fester Bestandteil des Entwurfs der Multi-Agent-Architektur und ihrer Orchestrierung sind — inklusive der kontrollierten Tool- und MCP-Integration. Sicherheit, die erst hinterher ergänzt wird, lässt fast immer Lücken; Sicherheit, die Teil des Designs ist, trägt im produktiven Betrieb.

4. 04 Was ist Harness-Design und warum entscheidet es über die Qualität eines Agenten?

   Als „Harness" bezeichnet man das Gerüst um ein Sprachmodell herum: alles, was bestimmt, welche Informationen das Modell bei jedem Schritt sieht, welche Werkzeuge es nutzen darf, wie seine Ausgaben geprüft und zurückgeführt werden und wann es stoppt. Die Erfahrung aus produktiven Agenten zeigt, dass die Qualität weit mehr vom Harness abhängt als vom gewählten Modell: Zwei Systeme mit demselben Modell können sich wie Tag und Nacht verhalten, je nachdem, wie sorgfältig ihr Kontext, ihre Werkzeuge und ihre Rückkopplungsschleifen gestaltet sind. Gutes Harness-Design heißt konkret, dem Modell in jedem Schritt genau den relevanten Kontext zu geben — nicht zu viel, nicht zu wenig —, Werkzeuge klar und fehlertolerant zu definieren, Ergebnisse zu validieren, bevor sie weiterverwendet werden, und eindeutige Abbruch- und Eskalationskriterien zu setzen. Weil sich hier der größte Hebel für Verlässlichkeit verbirgt, ist das Harness der eigentliche Gegenstand der Ingenieursarbeit bei Agenten — nicht das Modell, das man ohnehin nur begrenzt beeinflussen kann.

5. 05 Wie funktioniert Multi-Agent-Orchestrierung?

   Bei der Multi-Agent-Orchestrierung wird eine große Aufgabe nicht von einem einzelnen Agenten bewältigt, sondern von mehreren spezialisierten Agenten, die zusammenarbeiten. Ein verbreitetes Muster ist Orchestrator-Worker: Ein koordinierender Agent zerlegt die Aufgabe, verteilt die Teile an spezialisierte Worker-Agenten — etwa einen für Recherche, einen für Analyse, einen für die Umsetzung — und führt deren Ergebnisse wieder zusammen. Der Vorteil: Jeder Agent erhält einen klar umrissenen Kontext und ein enges Werkzeug-Set, was ihn zuverlässiger und leichter überprüfbar macht als einen Alleskönner; zudem lassen sich unabhängige Teilaufgaben parallel bearbeiten. Der Preis sind zusätzliche Komplexität in der Koordination und die Notwendigkeit, den Informationsfluss zwischen den Agenten sauber zu gestalten. Entscheidend für den produktiven Einsatz sind dieselben Leitplanken wie bei einzelnen Agenten, nur konsequenter: klare Permission-Profile je Agent, Human-in-the-Loop an den kritischen Übergängen und eine durchgängige Protokollierung, damit auch in einem verteilten System nachvollziehbar bleibt, wer was warum getan hat. Diese Orchestrierung sauber zu entwerfen ist der Kern, wenn aus einzelnen Agenten ein verlässliches System werden soll.

Häufig kombiniert mit

Verwandte Leistungen

Zum Weiterlesen

Passende Ratgeber

• Pattern12-Factor-Agents: KI-Agenten, die in Produktion haltenBeeindruckende Demo, aber im Alltag unzuverlässig? Die 12-Factor-Prinzipien zeigen, was einen KI-Agenten vom Prototyp zum produktionsreifen System macht.→