<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Ai-Agents on René Zander | KI-Automatisierungsberater</title><link>https://renezander.com/de/tags/ai-agents/</link><description>Recent content in Ai-Agents on René Zander | KI-Automatisierungsberater</description><generator>Hugo</generator><language>de</language><lastBuildDate>Fri, 10 Apr 2026 08:00:00 +0200</lastBuildDate><atom:link href="https://renezander.com/de/tags/ai-agents/index.xml" rel="self" type="application/rss+xml"/><item><title>Production AI Agent Architecture: Patterns, die im echten Betrieb halten</title><link>https://renezander.com/de/guides/production-ai-agent-architecture/</link><pubDate>Fri, 10 Apr 2026 08:00:00 +0200</pubDate><guid>https://renezander.com/de/guides/production-ai-agent-architecture/</guid><description>&lt;p>Die meisten Agent-Tutorials enden bei &amp;ldquo;das Modell ruft Tools in einer Schleife, fertig&amp;rdquo;. Das funktioniert für eine Demo. Es bricht beim ersten 500er eines Tools zusammen, beim ersten Nutzer, der etwas Off-Script fragt, oder spätestens, wenn die Token-Rechnung in einem einzelnen Task über 20 Dollar geht. Production AI Agent Architecture ist der Satz Patterns, der diese Schleife am Leben hält, wenn die Realität zuschlägt.&lt;/p>
&lt;p>Ich betreibe gerade 10 Agenten in Produktion. Bash-Skripte, die &lt;code>claude -p&lt;/code> aufrufen, per systemd-Timer geplant, Ergebnisse landen in Telegram. Nichts Spektakuläres. Sie liefern jeden Tag, weil die Architektur um die Schleife herum langweilig und bewusst aufgebaut ist. Dieser Guide ist genau dieses Playbook: die Patterns, die Must-haves, die Anti-Patterns und klare Empfehlungen, was wann sinnvoll ist.&lt;/p></description></item><item><title>GitHub Issue Management mit KI: Claude-gestütztes Triage, das funktioniert</title><link>https://renezander.com/de/blog/github-issue-management-ai/</link><pubDate>Thu, 09 Apr 2026 14:00:00 +0200</pubDate><guid>https://renezander.com/de/blog/github-issue-management-ai/</guid><description>&lt;p>Maintainer shippen keine Software am Dienstagmorgen. Sie triagieren. Sie lesen ein neues Issue, prüfen, ob es ein Duplikat von etwas ist, das vor drei Wochen eingereicht wurde, entscheiden, ob es ein Bug oder eine Frage ist, wählen eine Priorität, vergeben zwei oder drei Labels und schreiben manchmal einen höflichen Kommentar, der nach einem Repro fragt. Dann machen sie das beim nächsten Issue in der Queue genauso. Die Arbeit ist reiner Admin und frisst auf jedem aktiven Repo jede Woche echte Stunden.&lt;/p></description></item><item><title>KI-gestütztes GitHub-Issue-Triage mit FixClaw: Human in the Loop</title><link>https://renezander.com/de/guides/fixclaw-ai-github-triage/</link><pubDate>Sat, 28 Mar 2026 14:00:00 +0100</pubDate><guid>https://renezander.com/de/guides/fixclaw-ai-github-triage/</guid><description>&lt;p>Open-Source-Maintainer brennen nicht durch das Schreiben von Code aus. Sie brennen an der Inbox aus. Hundert offene Issues, die Hälfte Duplikate, ein Drittel ohne Stack-Trace, und irgendwo dazwischen der eine echte Bug, der morgen einen zahlenden Nutzer trifft. FixClaw ist ein &lt;strong>KI-Tool für GitHub-Issue-Triage&lt;/strong>, das diese Last abnimmt, ohne Ihnen die Kontrolle aus der Hand zu nehmen.&lt;/p>
&lt;p>Das hier ist eine Produkt-Landingpage, kein Tutorial. Wer ein eigenes Triage-System von Grund auf bauen will, springt nach unten zu den verwandten Leitfäden. Wer &lt;strong>GitHub-Issue-Automatisierung&lt;/strong> sucht, die sich liest wie ein hilfreicher Junior-Maintainer und vor jedem Post auf die Freigabe wartet, liest weiter.&lt;/p></description></item></channel></rss>