Irgendwo in eurer Firma gibt es eine Prompt-Datei, die so endet:
“WICHTIG: Niemals Dateien in /billing ändern. Nicht ohne Freigabe mergen. Kosten niedrig halten.”
Jemand hat das nach einem Vorfall geschrieben. Jemand anderes hat nach dem nächsten Vorfall eine Zeile ergänzt. Niemand reviewt es, niemand testet es, und der Agent hält sich meistens daran.
Meistens ist keine Regel. Meistens ist ein Wunsch.
Regeln gehören nicht ins Modell
Ein Prompt ist ein Vorschlag an ein System, das sich sehr gut überzeugen lässt. Ein langes Ticket, eine verwirrende Fehlermeldung, ein hilfsbereiter Kommentar im Code, und der Vorschlag verliert.
Euer Team läuft auch nicht auf Vorschlägen. Branch Protection ist keine höfliche Bitte, nicht auf main zu pushen. Sie wird von etwas durchgesetzt, dem egal ist, wie überzeugend ihr seid.
Ein KI-Teammitglied braucht dasselbe: eine Policy, die außerhalb des Modells liegt, entscheidet, bevor das Modell handelt, und von den verantwortlichen Menschen gelesen, getestet und geändert werden kann.
So funktioniert kanman. Der Coding-Agent entscheidet nie, was er darf. Das entscheidet die Policy.
Drei Befugnisstufen
Jede Entscheidung, die ich treffe, fällt in eine von drei Stufen. Welche, legt eine feste Tabelle fest, nicht mein Urteil im Moment.
Auto. Ich mache es einfach. Akzeptanzkriterien schreiben, eine Priorität innerhalb ihres Bands setzen, ein Duplikat verlinken, einen hängenden Lauf anstoßen.
Notify. Ich mache es und sage euch Bescheid. Ein Duplikat schließen, ein Epic aufteilen, eine Story pausieren, die immer wieder scheitert.
Escalate. Ich frage vorher. Scope erweitern, Arbeit abbrechen, alles, was die Sicherheit betrifft, Produktionsdaten anfassen, über Budget gehen, etwas widersprechen, das ihr entschieden habt.
Risiko kann eine Entscheidung nur nach oben schieben, nie nach unten. Eine nicht umkehrbare Änderung mit großem Wirkungsradius wird eskaliert, auch wenn ihre Art normalerweise automatisch läuft. Alles, was die Tabelle nicht kennt, landet bei Notify.
Wenn ich eskaliere, schicke ich euch keine nackte Frage. Ihr bekommt meine Empfehlung und zwei bis vier konkrete Optionen, in der Entscheidungs-Inbox oder direkt in Slack. Antworten ist ein Klick. Mehr dazu in der Doku zu Entscheidungen.
Presets statt fünfzig Regler
Eine vollständige Policy hat viele Einstellungen. Niemand will vor der ersten Story fünfzig Regler justieren.
Deshalb gibt es fünf Presets:
- Trial für die erste Pilotwoche, auf Repos, die noch keine Akzeptanz-Specs haben.
- Focused arbeitet nur an Stories, die Menschen angelegt haben.
- Balanced ist der Standard, bei dem die meisten Teams landen.
- Autonomous zieht mehr Arbeit parallel und fragt seltener.
- Hardening schaltet Wartungsarbeit ein, an der kurzen Leine.
Presets ändern nur die Persönlichkeit eures KI-Teammitglieds: Parallelität, wie oft Wartungsarbeit startet, Takt. Die Sicherheitsregler - Sandbox, Outcome-Gate, Rollback - sind für alle gleich. Kein Preset lockert sie. Die einzige Ausnahme ist Trial, und das steht auf jedem Evidence Pack, das dabei entsteht.
Ändert ihr einen einzigen Wert, zeigt euer Team “Custom (basierend auf Balanced)”. Ihr wisst immer, wo ihr gestartet seid und was ihr geändert habt. Die Policy-Referenz listet jede Einstellung.
Budgets mit hartem Stopp
“Kosten niedrig halten” ist der Wunsch. Ein Budget ist die Regel.
Ihr setzt ein Budget pro Lauf und pro Team. Erreicht ein Lauf sein Limit, stoppt er und fragt: Budget für diesen Lauf erhöhen oder abbrechen. Er macht nicht still weiter, weil er doch fast fertig war.
Außerdem wähle ich das Modell nach Komplexität. Ein trivialer Fix läuft auf einem kleinen Modell mit kurzem Turn-Budget. Eine komplexe Änderung bekommt das Flaggschiff-Modell und muss Ansätze vergleichen, bevor sie plant. Dieses Routing spart mehr Geld als jede Menge “bitte sei effizient” in einem Prompt.
Eine Ausnahme ist Absicht: Expedite- und Incident-Arbeit - ein roter main-Branch, ein Ausfall, ein Security-Fix - wird nie von einem Budget gestoppt. Ihr wollt kein KI-Teammitglied, das Produktion kaputt liegen lässt, um ein paar Euro zu sparen. Die Seite zu Budgets erklärt die Details.
Das Audit-Log ist der Punkt
Jede Entscheidung, jede Freigabe, jeder Lauf und alle Kosten landen in einem Audit-Log. Wer hat entschieden, mit welcher Befugnis, auf welche Empfehlung hin, und was hat es gekostet. Ihr könnt es exportieren.
Klingt nach Compliance-Theater. Ist es nicht. Es ist das, was einer Engineering-Leitung überhaupt erst erlaubt, Ja zu einem KI-Teammitglied zu sagen. “Wir haben es probiert, lief gut” übersteht den ersten Vorfall nicht. “Hier steht genau, was es gemacht hat und wer es freigegeben hat” schon.
Schreibt die Regeln einmal
Hört auf, eine Prompt-Datei voller Großbuchstaben zu pflegen.
Entscheidet, was euer KI-Teammitglied anfassen, ausgeben und mergen darf. Schreibt es einmal auf, in einer Policy, die jedes Mal durchgesetzt wird. Und verwendet eure Aufmerksamkeit dann auf die Entscheidungen, die euch wirklich brauchen.
Ihr entscheidet, wie viel es entscheidet.
Ihr wollt ein KI-Teammitglied, das sich an eure Regeln hält, weil es muss, und nicht, weil ihr nett gefragt habt? kanman - Pilot ab 5.000 € für 6 Wochen, Team 990 € pro KI-Team und Monat.
Marco Kerwitz
Founder of kanman.ai