Teams
KI-Subagenten. Jede Aufgabe bekommt einen eigenen, kurzlebigen Branch in einem eigenen Arbeitsverzeichnis (Git-Worktree). Das gemeinsame Hauptverzeichnis bleibt unberührt.
Entwicklung
CloudManager ist eine Plattform, mit der Server, Anwendungen, Backups und Sicherheit für eigene Produkte und für Kunden betrieben werden. Gebaut wird sie von einer einzelnen Person, in einer Entwicklungsumgebung, in der eine KI einen großen Teil der Umsetzung übernimmt und der Mensch über Umfang, Freigaben und Eingriffe entscheidet. Hier steht, wie das konkret aussieht.
01 · GitLab & CI/CD
Quellcode, Issues, Roadmap und Pipelines liegen in einem selbst betriebenen GitLab. Es ist die einzige maßgebliche Quelle; ein öffentlicher Spiegel wird automatisch nachgezogen.
02 · Claude Code als Arbeitsumgebung
Die Entwicklung läuft in Claude Code, der Kommandozeilen-Umgebung von Anthropic. Gearbeitet wird nach vier Rollen:
KI-Subagenten. Jede Aufgabe bekommt einen eigenen, kurzlebigen Branch in einem eigenen Arbeitsverzeichnis (Git-Worktree). Das gemeinsame Hauptverzeichnis bleibt unberührt.
Ein eigener Prüf-Agent, der vor dem Zusammenführen die kombinierte Änderung aller parallelen Stränge ansieht: Widersprüche, doppelte Logik, Prüfungen, die gar nicht greifen können.
Die Hauptsitzung. Nur sie führt auf main zusammen, vergibt Versionen und Migrationsnummern und erstellt Releases.
Ein Mensch. Er entscheidet über Umfang, Freigaben und jeden Eingriff an Servern.
Die Trennung ist technisch abgesichert: Ein Hook in
Claude Code blockt jeden Versuch eines Subagenten, auf
main zu committen, zu mergen oder zu pushen.
03 · Skills, Subagenten, Plugins, Hooks
Die Werkzeuge sind in einem eigenen Plugin-Marktplatz gebündelt. Das zentrale Plugin enthält:
main, Sperre gegen endlose Wartebefehle, Aufräumen nachweislich erledigter Branches nach dem Zusammenführen, ein Lagebild beim Sitzungsstart und eine Erinnerung an den Sitzungsabschluss. Die Hooks haben eigene Tests.
Zahlen gelten für den 02.10.2026 und ändern sich laufend.
04 · Token sparen
KI-Entwicklung kostet Rechenzeit, und die größte Kostenquelle ist nicht die Antwort, sondern der Kontext, der bei jedem Schritt neu gelesen wird. Die Regeln dazu:
05 · Lokale LLMs
Dafür läuft ein lokal betriebenes Sprachmodell (Ollama, Modell mit 14 Milliarden Parametern, im eigenen Netz). Was davon im Einsatz ist und was nicht, steht hier getrennt:
Die automatischen Analyse-Routinen von CloudManager laufen primär über das lokale Modell. Fällt es aus, gibt es einen Alarm; ein Ausweichen auf einen Cloud-Anbieter ist nur möglich, wenn es dafür ausdrücklich freigeschaltet ist. Vor automatischen Updates prüft zuerst ein Regelwerk; bei breiteren Updates (Host-Pakete insgesamt, Container-Images) bewertet das lokale Modell das Risiko zusätzlich anhand des Host-Zustands. Reine Sicherheitspatches laufen nur über die Regeln, damit eine Lücke nicht auf ein Modell wartet. Ist die Modell-Bewertung vorgesehen und bleibt sie aus, passiert nichts automatisch.
Lange Test-, Build- und Pipeline-Ausgaben kann das lokale Modell verdichten, bevor die Entwicklungs-KI sie liest; Geheimnisse werden vorher maskiert, fällt das Modell aus, geht die Originalausgabe durch. Ein kleines Werkzeug schärft eine Aufgabe mit bis zu vier Rückfragen zu einem knappen Auftrag. Beides ist noch kein Routinebetrieb: im Nutzungsprotokoll steht bisher ein einziger Eintrag.
Das Verdichten der Berichte der Subagenten selbst, nicht nur der Werkzeug-Ausgaben, ist vorgesehen und noch nicht gebaut.
Bewusst nicht: Das lokale Modell trifft keine Sicherheits-, Review- oder Freigabe-Urteile. Es fasst zusammen; entschieden wird woanders.
06 · Qualitäts-Gates & Freigaben
Kontakt
Wie das im Detail aussieht, zeige ich gern am laufenden System, auch an den Stellen, an denen es noch nicht rund läuft.