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 rate limit.
0. Entscheidend ist der Durchsatz, nicht die Arbeitszeit
„Die KI hat zwölf Stunden gearbeitet“ klingt wie eine menschliche Zwölf-Stunden-Schicht.
Sinnvoller ist es zu messen:
- abgeschlossene Untersuchungen
- geänderte Dateien
- ausgeführte Tests
- gelöste Störungen
- Ergebnisse in Produktion
- festhängende Ergebnisse
KI kann Suchen, Vergleichen, Ändern und Testen sehr schnell wiederholen. Wichtig ist wie viel nützliche Arbeit die gesamte Pipeline tatsächlich durchläuft.
1. Das Merkwürdige am 24/7-Betrieb ist nicht billige Nachtarbeit
Menschlicher 24/7-Betrieb braucht Schichten, Zuschläge, Übergaben und Ausfallreserven.
KI läuft meist unter denselben Produktgrenzen bei Tag und Nacht.
Das Besondere ist nicht, dass sie nachts arbeitet.
Sondern dass dieselbe Einheit ohne Schichtwechsel weiterarbeiten kann.
Fehler entstehen eher durch fehlenden Kontext, falsche Annahmen, Tool-Ausfälle oder unklare Spezifikationen.
2. Größere Limits erzeugen mehr Nachfrage
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.
Das ist nicht zwingend Kapazitätsmangel.
Mehr Angebot erzeugt mehr Nachfrage nach KI-Arbeit.
3. Regelmäßige Erholung macht Wartezeit zum Puffer
Während der Wartezeit kann man:
- neue Störungen sammeln
- Reproduktionsschritte ordnen
- Logs sammeln
- Ursachen gruppieren
- den nächsten Batch priorisieren
Sobald das Kontingent zurück ist, wird alles gebündelt verarbeitet.
Aus Echtzeit-Chat wird eine Batch-Fabrik.
4. Premium-Modi eignen sich als Eskalationsstufe
Hochwertige Reasoning-Modi können viel Kontingent verbrauchen.
Richtig eingesetzt sind sie trotzdem effizient.
Bei echten Blockaden eignen sie sich für:
- Root-Cause-Analyse
- Abhängigkeitskarten
- Reparaturreihenfolge
- Rückfallprävention
- Monitoring-Design
Also für Planung unter Unsicherheit.
Routine: Normalmodus. Blockade: eskalieren. Diagnose und Plan: Premium. Umsetzung: zurück in den Normalmodus.
5. Je schneller die KI, desto stärker wandert der Engpass
Eine typische Pipeline:
Generierung → Speicherung → Transformation → Veröffentlichung → Produktion → Verifikation.
Eine instabile Stufe kann alle Geschwindigkeitsgewinne davor zunichtemachen.
100 erzeugt, 99 veröffentlicht: eins wird Bestand.
Wenn das regelmäßig passiert, ist es ein Yield-Problem.
6. „Der Artikel ist nicht erschienen“ bedeutet nicht automatisch Generierungsfehler
Mögliche Fehlerstellen:
- Speicherung
- Metadaten
- Lokalisierung
- Publishing-Queue
- Deployment
- Verifikation
- Listenansicht
Deshalb braucht jede Stufe Zähler.
Erzeugt 120 → gespeichert 120 → eingereiht 118 → verifiziert 116
Die vier verschwundenen Einträge werden sichtbar.
Fehler sind erlaubt. Lautloses Verschwinden nicht.
7. Eine 24/7-KI-Fabrik braucht automatische Wiederherstellung
Idealer Ablauf:
- fehlendes Ergebnis erkennen
- ID isolieren
- Fehler klassifizieren
- sicher erneut versuchen
- nur Wiederholungsfehler eskalieren
Nicht alles neu starten.
Nur das Defekte erneut verarbeiten.
8. Die menschliche Rolle wird kleiner, verschwindet aber nicht
Menschen entscheiden weiterhin:
- was wichtig ist
- welche Fehlerrate akzeptabel ist
- was nicht automatisiert werden soll
- wann Qualität vor Geschwindigkeit geht
- welche Probleme Premium-Reasoning verdienen
Die Rolle wird zum Designer der Produktionslinie.
9. Gefährlich ist nicht, dass die KI zu viel arbeitet
Verschwendung entsteht, wenn viel Kontingent verbraucht wird und Ergebnisse:
- unterwegs verschwinden
- nie Produktion erreichen
- unsichtbar fehlschlagen
- denselben Bug wiederholen
- Premium-Modi für Kleinkram verbrauchen
Die bessere Regel:
Routine billig und schnell; Premium für harte Engpässe; Fehler sichtbar; automatische Wiederherstellung wo möglich.
Dann nutzt man nicht mehr nur KI.
Man entwirft eine Fabrik, in der KI arbeiten kann.
