Aus unserer Strategie für ein kuratiertes Agent-Skills-Verzeichnis für TYPO3 ist eine vollständige Forschungsarbeit geworden. Agent Skills sind Wissenspakete für KI-Coding-Assistenten wie Claude Code; ein kuratiertes Verzeichnis würde solche Skills prüfen, bevor sie jemand installiert. Die Arbeit dazu haben wir gezielt auf ihre eigenen Schwächen geprüft und heute offen veröffentlicht. In diesem Artikel beschreiben wir vor allem die Methode dahinter und erklären, warum wir sie offenlegen.
Die vollständige Arbeit „Vertrauensinfrastruktur für KI-gestützte Softwareentwicklung“ ist ab sofort in unserer neuen Rubrik Forschung lesbar: elf Kapitel, Glossar, 27 geprüfte Quellen. Unter /forschung sammeln wir künftig Arbeiten, die über einen Blogartikel hinausgehen.
Warum eine Agentur Forschung betreibt
Wir bauen TYPO3-Projekte, und dafür müssen wir verstehen, wie sich KI-gestützte Entwicklung gerade verändert. Beides hängt immer stärker zusammen. Beim Entwurf der Strategie für ein kuratiertes Skills-Verzeichnis merkten wir schnell, dass die wirklich schwierigen Fragen gar nicht die Umsetzung betreffen, sondern die Struktur dahinter: Wie organisiert man Vertrauen in einem Ökosystem, in dem schon der reine Text einer Anleitung als Angriffsweg missbraucht werden kann ? Wann trägt sich so etwas wirtschaftlich? Und wem darf es gehören?
Um solche Fragen seriös zu beantworten, braucht es eine nachvollziehbare Methode. Wir haben die Strategie deshalb als Design-Science-Arbeit aufgebaut, ein Forschungsansatz, bei dem man etwas Konkretes entwirft und anschließend kritisch bewertet. Die Arbeit folgt dem Schema Problem, Anforderungen, Entwurf, Evaluation; jeder Schritt ist dokumentiert und mit Quellen belegt. Dabei ist auch etwas entstanden, das über TYPO3 hinaus nützlich ist: ein Anforderungskatalog und fünf Lehren aus 25 Jahren Registry-Geschichte, die sich auf andere Ökosysteme übertragen lassen.
Die Methode: erst breit recherchieren, dann die eigenen Schwächen suchen
Der Ablauf lässt sich in vier Schritten beschreiben:
Breit recherchieren
Zu Anforderungen verdichten
Adversarial prüfen
Korrigieren und offenlegen
Schritt 3 ist der wichtigste: Eine KI kann in kurzer Zeit eine überzeugende Strategie schreiben. Den eigentlichen Mehrwert bringt aber erst die anschließende kritische Prüfung, bei der dieselbe KI gezielt nach Fehlern im eigenen Entwurf sucht. Dieser Schritt hat unseren Entwurf am deutlichsten verbessert.
Was das Adversarial Review gefunden hat
Die Prüfung hat vier Probleme gefunden. Alle vier waren inhaltlich relevant und haben zu Änderungen am Entwurf geführt:
Prüfsiegel veralten mit jedem LTS-Zyklus
Ein Eigentumswiderspruch
Haftung ohne Vertrag
Der Betreiber als Engpass
Dass die Analyse einen Kapazitätsbedarf ergab, der die verfügbare Zeit um den Faktor 2,7 übersteigt, ist ein unbequemes, aber nützliches Ergebnis. Eine Strategie, die ihre Schwachstellen kennt und offen benennt, ist in der Praxis verlässlicher.
Drei Texte, drei Detailstufen
Wer tiefer einsteigen will, findet dasselbe Thema in drei Versionen:
Die Strategie
Die Kurzfassung
Die Forschungsarbeit
Wofür /forschung steht
In der neuen Rubrik legen wir offen, wie wir zu unseren Schlüssen kommen: mit Quellen, mit der Methode und mit den Grenzen, die dazugehören. Kundinnen und Kunden müssen uns damit nicht einfach glauben, sondern können unsere Argumente selbst nachprüfen.
Der offene Standard hinter Agent Skills und unser wachsender Katalog kuratierter Skills bleiben die praktische Seite dieser Arbeit. Die Forschung liefert die Grundlage, auf der wir beides weiterentwickeln.
Wenn Sie in der Arbeit einen Denkfehler finden, sagen Sie uns bitte Bescheid, am einfachsten über unser Kontaktformular. Solche Hinweise machen die Arbeit besser.
Fazit
Aus einer internen Strategie ist eine geprüfte Forschungsarbeit entstanden, und die kritische Prüfung hat den Entwurf an vier Stellen konkret verbessert. Dieser Ansatz hat sich für uns bewährt. Wir werden deshalb öfter so arbeiten und die Ergebnisse unter /forschung veröffentlichen.