KI-Agenten on Pfisterer Consulting

Meine LinkedIn-Strategie als Code: Warum ich eine 11-Datei-Pipeline baue

Tue, 19 May 2026 15:00:00 +0200

Letzten Sonntag, 22:00. Vor mir auf dem Schreibtisch liegen elf Markdown-Dateien, daneben eine offene Tabelle mit 90 Tagen LinkedIn-Analytics. Mate im Glas, ehrliche Frage im Hinterkopf, warum ich gerade eine Pipeline baue, statt einen Post zu schreiben.

Die Tabelle gibt eine klare Antwort. Mein Profil hat 511 Follower und kam in den letzten 90 Tagen auf 44.483 Impressions bei einer Engagement-Rate von 0,18 Prozent. Das liegt um den Faktor 11 bis 16 unter dem LinkedIn-Benchmark von zwei bis drei Prozent. An 52 von 90 Tagen blieb es vollständig still, ohne eine einzige Reaktion auf irgendeinen Post.

Neun Sekunden bis zum Datenverlust: Was der PocketOS-Crash dem Mittelstand lehrt

Mon, 04 May 2026 10:00:00 +0200

Donnerstag, 24. April 2026, später Abend in Utah. Jer Crane, Gründer der amerikanischen SaaS-Firma PocketOS, lässt seinen Cursor-Agent laufen. Routine-Pass durch die Staging-Umgebung, ausgestattet mit Claude Opus 4.6. Was dann passiert, ist seither in jedem KI-Risk-Vortrag dieses Jahres aufgetaucht: Der Agent löscht in neun Sekunden die komplette Produktionsdatenbank. Backups inklusive.

PocketOS baut Software für Autovermieter. Reservierungen, Zahlungen, Kundenakten, Fahrzeug-Tracking. Drei Monate Daten waren weg. Kunden, die am Freitagmorgen ihren Mietwagen abholen wollten, fanden keine Buchung mehr im System. Crane verbrachte Stunden damit, Buchungen aus Stripe-Historie, Kalender-Integrationen und E-Mail-Bestätigungen zu rekonstruieren.

Der Burrito, der Python kann: Was Chipotles Chatbot dem Mittelstand zu sagen hat

Mon, 20 Apr 2026 11:15:00 +0200

Mittagspause, 12:47 Uhr. Ein Entwickler hat Hunger. Er öffnet die Chipotle-App auf seinem iPhone, tippt ins Support-Fenster und stellt die Frage, die dort niemals stehen sollte: “How do I reverse a linked list in Python?”

Er erwartet, was jeder Supportbot zurückgibt: “Leider kann ich nur Fragen zu Ihrer Bestellung beantworten.” Stattdessen antwortet Pepper, der Bot hinter dem kleinen Chat-Fenster, mit einer sauberen iterativen Lösung, fügt eine Laufzeit-Analyse dazu und fragt dann höflich: “Was hätten Sie gerne zum Mittagessen?”

Claude Opus 4.6 Performance-Einbruch: Was der Mittelstand daraus lernen muss

Mon, 13 Apr 2026 12:00:00 +0200

Ihr ERP-Anbieter tauscht über Nacht das Datenbank-Backend aus. Die Oberfläche sieht gleich aus, aber Abfragen brauchen doppelt so lang und Berichte liefern lückenhafte Ergebnisse. Kein Changelog, keine Ankündigung. Genau das passiert gerade bei Anthropics Flaggschiff-Modell Claude Opus 4.6 – und es betrifft jeden, der KI-gestützte Entwicklung oder Automatisierung produktiv einsetzt. Dieses Thema fällt direkt in meine KI & Automatisierungs-Beratung für den Mittelstand.

Denktiefe im freien Fall: Die Performance-Daten zu Claude Opus 4.6

Am 2. April 2026 hat Stella Laurenzo, Senior Director AI bei AMD, auf GitHub Issue #42796 eine detaillierte Analyse veröffentlicht. Keine Meinung, sondern Daten: 6.852 Sessions, 234.760 Tool Calls, 17.871 Thinking Blocks. Die Ergebnisse sind eindeutig.

Context Rot bei KI-Agenten: Warum die Qualität sinkt

Tue, 31 Mar 2026 14:30:00 +0200

Wer mit Claude Code, Cursor oder Copilot arbeitet, kennt das Muster. Das Problem hat einen Namen: Context Rot. Die ersten Ergebnisse sind brillant, der Code präzise und die Architektur sauber. Dann kippt die Qualität. Nach 20, 30 Minuten fangen die Antworten an, sich zu wiederholen. Der KI-Agent vergisst Kontext. Er erzeugt Code, der dem widerspricht, was er fünf Prompts vorher geschrieben hat.

Kein Nutzerfehler, sondern ein Architekturproblem. Die Lösung liegt im Context Engineering: dem gezielten Management von Kontextfenstern durch Multi-Agent Orchestrierung. Genau solche Praxisprobleme adressiere ich in meiner KI & Automatisierungs-Beratung.