Arbeiten · IT Solutions
AI Operator
In ArbeitInternes Operator-Toolkit zur Orchestrierung von KI-Agenten über mehrere Runtimes — eine kohärente Steuerungsfläche.
- Rolle
- Interne Plattform
- Zeitraum
- 2025–2026
- Ergebnis
- Multi-Runtime-Orchestrierung
03 · AI Operator
Automatisierung im Dienst der Menschen.
Internes Operator-Toolkit zur Orchestrierung von KI-Agenten über mehrere Runtimes — eine kohärente Steuerungsfläche.
Herausforderung
Das Problem.
Agenten-Workloads laufen selten in nur einer Sprache oder Laufzeitumgebung. Ohne gemeinsame Operator-Schicht bauen Teams dieselben Steuerungen — Start, Stopp, Inspektion, Routing — für jede Oberfläche neu.
Gebraucht wurde ein Toolkit, das verständlich bleibt, wenn weitere Laufzeitumgebungen hinzukommen — statt einer Sammlung von Einmalskripten.
Ansatz
Wie wir vorgegangen sind.
01
Eine Operator-Oberfläche
Runtime-Unterschiede bleiben unter der Haube; Operatoren arbeiten über eine konsistente Schnittstelle.
02
Bewusst polyglott aufgebaut
Python-Kern, TypeScript-Oberflächen, Go-Services und nativer Client — jeweils dort, wo sie passen.
03
Beobachtbarkeit von Anfang an
Läufe, Fehler und Übergaben sind sichtbar, ohne an jeden Prozess einen Debugger zu hängen.
04
Für den internen Einsatz entwickelt
Zuerst für unsere eigenen Operatoren gebaut — Klarheit vor Formalitäten.
Was wir gebaut haben
Was wir geliefert haben.
Orchestrierungs-Kern
Koordination von Agent-Läufen über Python und benachbarte Runtimes auf einem gemeinsamen Steuerpfad.
Operator-Interface
TypeScript-Oberflächen für Inspektion, Routing und Steuerung im Alltag.
Service-Schicht
Go-Services für performancekritische Pfade und gemeinsame APIs.
Nativer Client
Swift-Client für Operator-Workflows, die auf dem Gerät ausgeführt werden sollen.
Interne Dokumentation
Runbooks und Präsentationsmaterial, damit das Toolkit über die Erstautoren hinaus nutzbar bleibt.
Architektur
System im Überblick.
Polyglottes Monorepo: Python für den Agent-Kern, TypeScript für Operator-UI und Tooling, Go für Service-Endpunkte, Swift für den nativen Client.
Gemeinsame Konventionen für Konfiguration und Logging halten den Stack bedienbar, wenn neue Runtimes hinzukommen.
Zahlen & Fakten
Auf einen Blick.
Python · TS · Go · Swift
Sprachen
Interne Operatoren
Fokus
Multi-Runtime-Agenten
Scope
In aktiver Entwicklung
Status
Was wir gelernt haben
Was wir mitnehmen.
- 01
Ein gemeinsames Operator-Vokabular zählt mehr als perfekte Abstraktion — Teams brauchen überall dieselben Verben.
- 02
Polyglott lohnt sich nur mit klaren Grenzen; sonst entstehen vier halbfertige Stacks.
- 03
Interne Tools gelingen, wenn Dokumentation Teil des Produkts ist — kein Nachtrag.
Nächste Schritte
Als Nächstes.
- Genauere Prüfung von Läufen und Replay-Funktionen für fehlgeschlagene Agentenabläufe.
- Unterstützung weiterer Laufzeitumgebungen, wo die Workloads im Produktivbetrieb dies erfordern.
- Strengere Zugriffskontrollen, wenn mehr Teams die Operator-Oberfläche teilen.
Im Gespräch bleiben