Zwei Monate lang habe ich keine einzige Funktion meines Produkts ausgeliefert.
OwlMeans ist eine KI-Entwicklungspipeline: Du beschreibst, was du willst, in Form von User Stories, und ein Team spezialisierter KI-Rollen macht daraus vollständige Anwendungen, die wirklich dir gehören. Genau das soll ich bauen. Und von Mitte April bis Mitte Juni habe ich es kaum angefasst.
Ich steckte nicht fest. Ich habe nicht pivotiert. Ich habe einen bewussten Umweg gemacht, um zuerst etwas anderes zu bauen: ein agentisches Betriebssystem für das Unternehmen selbst. Ein einziger Ort, an dem ich Entwicklung, Strategie und Marketing betreibe — dieselbe Arbeit, die ich jede Woche mache — bei der die Agenten das Schwere stemmen und für mich kaum Mehraufwand bleibt.
Ich bereue keinen einzigen Tag davon. Hier ist, was ich gebaut habe, warum ich es gebaut habe und warum ich glaube, dass die Struktur weitaus mehr zählt als das Werkzeug, auf dem du sie betreibst.
Warum ich mich vom Produkt abgewandt habe
Hier kommt der unbequeme Teil. Ich baue ein Unternehmen, dessen ganzes Versprechen lautet: Entkomme dem Chaos, das KI-Programmierung hinterlässt — besitze Software, die du wirklich warten kannst. Und währenddessen führte ich das Unternehmen selbst wie einen Haufen zusammenhangloser, schnell zusammengeschusterter Skripte.
Die Strategie lag an einem Ort. Die Markennotizen an einem anderen. Die Website an einem dritten. Marketingtexte wurden jedes Mal von Grund auf neu geschrieben, weil sich nichts merkte, was wir schon entschieden hatten. Jedes Gespräch mit einem KI-Assistenten begann kalt — ich erklärte aufs Neue, wer wir sind, was wir verkaufen, was wir öffentlich nicht sagen, was sich letzten Monat geändert hat. Der Agent war klug. Der Agent vergaß auch alles in dem Moment, in dem ich das Fenster schloss.
Das ist das schmutzige Geheimnis der Arbeit mit Coding-Agenten heute, und die Forschung bestätigt es unverblümt: Werkzeuge wie Claude Code haben kein echtes dauerhaftes Gedächtnis — Kontinuität existiert nur, wenn du sie selbst aus „strukturierter Dokumentation aufbaust, nicht aus dem internen Gedächtnis des Modells“. Das klügste Modell der Welt wacht trotzdem zu Beginn jeder Sitzung mit Amnesie auf.
Das Problem, das ich fürs Unternehmen lösen musste, war also dasselbe, das ich im Produkt für Kunden löse: einen brillanten, aber vergesslichen Generator in etwas mit Struktur, Gedächtnis und Disziplin zu verwandeln. Ich beschloss, es zuerst für mich selbst zu lösen. Wenn es funktioniert, verstehe ich mein eigenes Produkt besser. Wenn nicht, lerne ich das lieber auf eigene Kosten als auf die eines Kunden.
Was ich tatsächlich gebaut habe
Keine App. Keine Plattform mit Login-Bildschirm. Eine Struktur — einen Ordner aus schlichten Markdown-Dateien, die jeder fähige Agent lesen und auf deren Grundlage er handeln kann. Darin sitzen drei Schichten.
Ein Wiki, das sich aufbaut. Jede Tatsache über das Unternehmen lebt in versioniertem Markdown: Strategie, Markenstimme, die Namensregeln, Kundenpersonas, Rechtliches, Produktpositionierung. Wenn ich etwas lerne, wird es einmal aufgeschrieben. Beim nächsten Mal, wenn irgendein Agent an irgendetwas arbeitet, ist dieses Wissen schon im Raum. Nichts wird von Grund auf neu hergeleitet. Das Wiki wird jede Woche klüger, ohne dass ich es als lästige Pflicht pflege — es wächst als Nebeneffekt der Arbeit.
Skills, die dem Agenten beibringen, wie ich arbeite. Ein Skill ist bloß eine Markdown-Datei, die einen wiederholbaren Arbeitsablauf beschreibt — wie man einen Artikel recherchiert und schreibt, wie man Website und Wiki synchron hält, wie man Rechtsdokumente aktualisiert, wie man eine erschöpfende Recherche durchführt. Ich habe inzwischen sechsundzwanzig davon. Sie lernen in dem Sinn dazu, der zählt: Wenn ich den Agenten korrigiere, fließt die Korrektur zurück in den Skill oder ins Gedächtnis, und der Fehler kommt nicht wieder. Genau das hat die Branche dieses Jahr begriffen — „Context Engineering ist das Entscheidende“, also die Information rund um den Prompt zu strukturieren, statt am Prompt selbst zu feilen.
Jedes Projekt angebunden. Mehr als zwanzig unserer Code-Repositories hängen am Workspace, darunter OwlMeans Common — das gemeinsame TypeScript-Fundament und die Projektstruktur, auf denen unsere Coding-Agenten aufbauen. So läuft dieselbe Disziplin von einer Strategienotiz bis tief in den Quellcode. Ich kann den Agenten auf jedes Repo richten, fragen, was sich zwischen zwei Daten geändert hat, und bekomme eine schriftliche Zusammenfassung — oder mache aus dieser Zusammenfassung direkt einen Release-Beitrag.
Über diesen drei Schichten sitzt eine Pipeline. Eine Idee geht hinein; der Agent recherchiert sie gegen lebende Quellen, verfasst den Text in unserer Stimme, erzeugt die Bilder und — auf mein Signal — veröffentlicht ihn im Blog, der selbst nur Teil des Website-Quellcodes ist. Der Artikel, den du gerade liest, ist durch diese Pipeline gelaufen. Ich habe die Idee in wenigen Sätzen diktiert. Alles andere, einschließlich der Recherche-Links oben, hat der Agent zusammengetragen.
Wie alle anderen das lösen — und warum ich einen anderen Weg ging
Ich bin nicht der Einzige, der versucht, ein Geschäft auf KI-Agenten aufzubauen. Aber fast alle tun es auf eine von drei Arten, und jede hat dieselbe Lücke.
Der blanke Agent. Die meisten öffnen einfach einen Coding-Agenten und tippen los. Das ist wirklich gut. Es ist auch vergesslich — der ganze Grund, warum Leute aufwendige „Second-Brain“-Setups niederschreiben, ist, dass das Werkzeug zwischen Sitzungen vergisst und du dein Leben damit verbringst, den Kontext neu zu erklären. Du bekommst einen brillanten Praktikanten, der sich keine einzige Notiz macht.
Ein anderer Coding-Agent. Die Open-Source-Welt hat inzwischen ausgezeichnete Alternativen — OpenCode unterstützt über fünfundsiebzig Modellanbieter, Aider ist der git-native Terminal-Favorit mit über vierzigtausend Sternen, Cline lebt in deinem Editor, OpenHands läuft vollständig autonom in einer Sandbox. Sie alle sind modellunabhängig, und ein Wechsel zu ihnen kann deine Modellrechnung um rund sechzig Prozent senken. Aber sieh dir an, was sie sind: Coding-Agenten. Einen gegen einen anderen zu tauschen, wechselt den Motor. Keiner von ihnen reicht dir eine Unternehmens-Wissensdatenbank, eine Marken-Disziplinschicht oder eine Content-Pipeline. Der Agent war nie das Schwere.
Ein Multi-Agenten-Framework. Dann gibt es noch Orchestrierung — Hermes und seinesgleichen, wo ein Leitagent eine Aufgabe zerlegt und spezialisierte Worker erzeugt, die typisierte Ergebnisse zurückreichen. Mächtig, um Agenten an einer einzelnen komplexen Aufgabe zu koordinieren. Aber es ist ein Motor, den du immer noch selbst verkabeln musst, und er zielt auf Aufgabenausführung, nicht darauf, der Ort zu sein, an dem dein ganzes Unternehmen lebt. Für deine Strategienotizen oder deine Website tut er nichts.
Selbst die beeindruckendsten „Wir betreiben unsere Agentur auf Claude“-Berichte, die ich fand — ein Chief-of-Staff-Eingangsagent, Werbekonto-Monitore, natürlichsprachliche Abfragen über die eigenen Daten, drei Jahre Best Practices in einen Transkriptions-Bot eingespeist — sind mit Bergen von maßgeschneidertem Integrationskleber zusammengebaut, und der Autor nennt sich selbst noch „zu 0,01 % am Ziel“.
Das ist es, was mich alle drei Ansätze gelehrt haben: Der Wert lag nie im Agenten. Der Agent ist heute Massenware — du kannst ihn morgen austauschen. Der Wert liegt in der Struktur, die ihn umgibt. Im Wiki, das sich erinnert. In den Skills, die kodieren, wie du arbeitest. In den Verbindungen zwischen deinem Wissen, deinem Code und deiner öffentlichen Website. Diese Struktur habe ich gebaut, und sie ist reiner Text. Sie gehört keinem einzelnen Werkzeug.
Was es mir bringt
Der Umweg hat sich schneller bezahlt gemacht, als ich erwartet hatte.
- Wissen baut sich auf, statt zu verdampfen. Jede Entscheidung, jeder Pivot und jede Kundenerkenntnis landet im Wiki, sobald sie entsteht. Ich fange nie wieder kalt an.
- Es gibt keine Lücke zwischen Denken und Veröffentlichen. Dasselbe Hirn, das die Strategie hält, schreibt den Blogbeitrag und aktualisiert die Website. Kein Copy-and-paste, kein Kontextwechsel, kein „lass mich das Unternehmen noch mal erklären“.
- Disziplin wird erzwungen, nicht erinnert. Unsere Namensregeln und die Aussagen, die wir öffentlich machen dürfen, sind in die Skills eingebacken. Der Agent rutscht nicht aus und verwendet keinen internen Namen in einem kundengerichteten Beitrag, weil die Struktur es nicht zulässt.
- Die Arbeit, vor der ich mich gefürchtet habe, läuft jetzt nebenbei. Release-Notes, Recherche, Marketingtexte — die Dinge, die sich früher stapelten, weil sie ein Kontext-LadeRitual brauchten — kosten jetzt einen Satz Absicht.
Wie schwer ist das Aufsetzen
Das ist der Teil, der mich am meisten überrascht hat: Es ist fast alles Text.
Der Einstiegspunkt ist eine einzige CLAUDE.md-Datei, die der Agent als Erstes liest, in jeder Sitzung, als Grundwahrheit — das ist ein dokumentiertes, natives Verhalten, kein Hack. Skills sind Ordner mit einer Markdown-Datei darin; kein Code nötig. Das Wiki ist Markdown. Deine Repositories anzubinden ist eine Sache von Symlinks — nichts wird verschoben, nichts kopiert. Und weil alles schlichte Dateien sind, funktioniert dieselbe Struktur auch für GitHub Copilot: Ich halte einen Spiegel der Anweisungen dort, wo Copilot sie liest, sodass der Agent an meinem Code genau demselben Drehbuch folgt wie der Agent an meiner Strategie.
Ich betreibe meine heute auf Claude Code. Aber nichts an der Struktur ist daran gebunden. Richte Copilot, Cursor, OpenCode oder ein lokales Modell auf dieselben Ordner, und das Unternehmen läuft genauso weiter — weil das Unternehmen in den Dateien lebt, nicht im Agenten.
Ich baue es dir
Ich habe es für mich gebaut. Ich baue es auch für dich.
Wenn du ein Unternehmen auf KI-Agenten betreibst und dieselbe Reibung spürst — jede Sitzung beginnt kalt, das Wissen steckt in deinem Kopf fest, deine Werkzeuge und deine Strategie und dein Marketing leben in getrennten Welten —, dann ist genau das das Problem, das diese Struktur löst. OwlMeans bietet jetzt an, ein komplettes agentisches Betriebssystem für dein Unternehmen aufzusetzen:
- Auf den Agenten und Modellen, die du schon nutzt. Claude, Copilot, Cursor, OpenCode, ein selbstgehostetes Open-Weight-Modell — die Struktur ist von Grund auf agentenunabhängig. Wir stimmen sie auf deinen Stack ab, nicht umgekehrt.
- Selbstlernend vom ersten Tag an. Dein Wiki beginnt sofort, sich aufzubauen; die Skills kodieren, wie dein Team tatsächlich arbeitet, und werden mit jeder Korrektur schärfer.
- Alles integriert. Entwicklung, Strategie, Content und deine öffentliche Website hören auf, getrennte Aufgaben zu sein, und werden zu einem zusammenhängenden System.
- Dir gehörend. Es sind schlichte Dateien in deinen Repositories. Kein Lock-in, keine Plattform, von der du abhängst, nichts zu mieten. Dasselbe Prinzip wie bei unserem Produkt: Du behältst, was wir bauen.
Ich habe zwei Monate damit verbracht, mir selbst zu beweisen, dass die Struktur das Werkzeug schlägt. Die zwei Monate kannst du dir sparen.
OwlMeans ist eine KI-Entwicklungspipeline: Beschreibe, was du willst, in Form von User Stories und erhalte vollständige Anwendungen, Chatbots, KI-Agenten und Datenpipelines — typisiert, SSO-bereit und deins, um mit jedem Agenten weiterzubauen. Willst du dasselbe agentische Betriebssystem am Steuer deines Unternehmens? Sprechen wir →