<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Agents on René Zander | KI-Automatisierungsberater</title><link>https://renezander.com/de/tags/agents/</link><description>Recent content in Agents on René Zander | KI-Automatisierungsberater</description><generator>Hugo</generator><language>de</language><lastBuildDate>Thu, 30 Apr 2026 08:00:00 +0000</lastBuildDate><atom:link href="https://renezander.com/de/tags/agents/index.xml" rel="self" type="application/rss+xml"/><item><title>Was das Anthropic-Postmortem vom 23. April über deine Agent-Pipeline verrät</title><link>https://renezander.com/de/blog/anthropic-three-bugs-every-agent-harness-ships/</link><pubDate>Thu, 30 Apr 2026 08:00:00 +0000</pubDate><guid>https://renezander.com/de/blog/anthropic-three-bugs-every-agent-harness-ships/</guid><description>&lt;p>Letzte Woche kam das Postmortem zu Claude Code vom 23. April. Drei Bugs, zwei Monate gemindert ausgespielter Qualität, ein Usage-Limit-Reset für alle Pro-Abonnent:innen.&lt;/p>
&lt;p>Ich habe es zweimal gelesen. Beim zweiten Durchgang fing ich an, Notizen für meine eigene Agent-Pipeline zu machen.&lt;/p>
&lt;p>Für ein Unternehmen dieser Größe ist das Postmortem ungewöhnlich offen. Und es liest sich wie eine Checkliste der Fehlerbilder, die jedes Team mit produktiven KI-Agents irgendwann trifft. Lohnt sich, das Ganze als gratis Engineering-Review zu nehmen.&lt;/p></description></item><item><title>Claude Extended Thinking: budget_tokens, Output-Token-Abrechnung, echte Kosten</title><link>https://renezander.com/de/blog/claude-extended-thinking/</link><pubDate>Fri, 27 Mar 2026 10:00:00 +0100</pubDate><guid>https://renezander.com/de/blog/claude-extended-thinking/</guid><description>&lt;p>Das erste Mal, als ich Claude Extended Thinking für einen echten Agent aktiviert habe, ging der Lauf von 4 Sekunden auf 47. Der Output war besser. Die Rechnung schlechter. Dieser Tradeoff ist die ganze Geschichte.&lt;/p>
&lt;p>Claude Extended Thinking lässt Opus oder Sonnet einen Block sichtbarer Reasoning-Tokens vor der finalen Antwort erzeugen. Sie geben ein Budget, das Modell verbraucht es beim Nachdenken, und Sie zahlen für jeden Thinking-Token zum Output-Satz. Der Vorteil: messbare Qualitätsgewinne bei Multi-Step-Problemen. Der Nachteil: Latenz und Kosten, die mit dem Budget skalieren.&lt;/p></description></item></channel></rss>