Dominic Meiser · M.Sc. Mechatronik · Saarbrücken / Remote · Schwerpunkt: AI-Agent Engineering für messdatenbasierte Workflows
Fünf Fragen tauchen beim Arbeiten mit KI-Agenten immer wieder auf. Für jede habe ich etwas gebaut, und jede Antwort führt auf eine Projektseite mit Aufbau, Stand und Grenzen.
Die Reihenfolge ist eine Lesehilfe, keine Pipeline. Die Systeme sind unabhängig voneinander entstanden und tragen jeweils ihren eigenen Stand.
Neu seit September
OpenClaw läuft bei mir als zweite Schicht: andere Modellfamilie, eigene Agenten, Außenblick auf diese Website. Was es ist, was darauf läuft und wo die Grenzen liegen.
Zur Systemseite OpenClawHier ist der kurze Weg in die Dossiers: pro Projekt eine Zeile. Hinter jeder Route liegt eine vollständige Case Study mit Beleg und Grenze. Das Curriculum zähle ich hier nicht mit: Es ist ein Lernformat, kein Projekt, und hat eine eigene Seite.
steuert wiederkehrende Agentenarbeit, das Agenten-Gedächtnis hält Kontext über Sitzungen, die Kontrollschicht macht Läufe im nachvollziehbar, und die zeigt das Zusammenspiel.
Die Master-Thesis belegt die prüfende Methodik: Merkmalsauswahl, Signalanalyse und saubere Validierung auf echten Sensordaten.
übergibt Arbeit zwischen zwei Modellen, akzeptiert Änderungen nur mit messbarer Verbesserung, zeigt einen Wissensbestand in drei Ansichten, und macht das öffentliche Wiki befragbar.
Beschreibungen gegen die Atlas-Projekt-Dossiers gespiegelt · Stand 07.07.2026
Fünf Begriffe tauchen auf dieser Seite immer wieder auf. Hier steht zu jedem ein Satz, damit niemand raten muss.
Die Tool-Schnittstelle, über die Agenten kontrolliert handeln, statt frei im System zu wirken.
Grenzen, die ich gesetzt habe: Regeln, Prüfungen und Freigaben fangen riskante Aktionen ab, bevor sie passieren.
Diese Site ist eine offene, private Werkstatt: Arbeitsproben, Notizen und Raum für Austausch.
Die Projekte sind privat entstanden. Was sie zeigen, lässt sich trotzdem auf Aufgaben in einem Team übertragen. Sechs Felder, jeweils mit einer Stelle zum Nachprüfen.
Ich zerlege ein System in Schichten mit klaren Zuständigkeiten, von der Bedienfläche über die Aufgabenverteilung bis zu den Werkzeugen. Die Systemkarte zeigt, wie diese Schichten in der Werkstatt zusammenspielen.
Projekte: DCO, Systemkarte
Zum NachprüfenDie meisten Bausteine sind Python-Dienste mit FastAPI-Schnittstellen und MCP-Servern (MCP ist die Schnittstelle, über die Agenten Werkzeuge ansprechen).
Projekte: DCO, Agenten-Gedächtnis
Zum NachprüfenIch lasse Aufgaben über eine Warteschlange an Agenten-Sitzungen verteilen und hole vor kritischen Schritten eine Freigabe ein. Zwischen zwei Modellen übergebe ich Arbeit dateibasiert.
Projekte: DCO, dual-bridge
Zum NachprüfenIch halte Wissen über Sitzungen hinweg fest und mache es für Agenten wieder auffindbar, mit RAG (eine Suche über einen Index, deren Treffer der Agent als Kontext erhält).
Projekte: Agenten-Gedächtnis, living-vault
Zum NachprüfenNicht jedes Werkzeug bekommt Schreibrechte. Ein Hook blockiert bekannte gefährliche Kommandos, bevor sie laufen, und kritische Aktionen brauchen eine ausdrückliche Freigabe.
Projekte: DCO, Kontrollschicht
Zum NachprüfenDie Website prüft ihre Routen mit Tests, Agentenläufe lassen sich als Replay nachlesen, und jede Projektseite nennt, was ich nicht behaupte.
Projekte: Kontrollschicht, evolab
Zum NachprüfenZuletzt aktualisiert: · ein Projekt von Dominic Meiser