Wie eine agentische Forschungspipeline in der Praxis aussieht

In einem früheren Beitrag habe ich drei Säulen beschrieben, die eine agentenbereite Umgebung definieren: Gedächtnis, Feedback-Schleifen und eine Kontextkarte. Dieser Beitrag war konzeptionell. Dieser hier ist praktisch. Wir haben kürzlich eine Studie über saisonale Muster bei börsennotierten Schweizer Immobilien durchgeführt. Fünfzehn Jahre Daten, zweiundachtzig Vehikel, sechs statistische Tests, Diagramme in drei Sprachen, ein kompiliertes PDF. Es dauerte weniger als eine Stunde aktiver Arbeit. So hat jede Säule dies ermöglicht.

Was forschungstauglicher Output bedeutet

Zunächst eine Anmerkung zu dem, was die Pipeline produziert. Das ist wichtig, weil der Massstab bestimmt, ob das System nützlich ist.

Das Ergebnis ist ein fertiges Forschungsdokument. Daten aus einer strukturierten Datenbank extrahiert. Statistische Analyse über sechs Methoden. Diagramme in drei Sprachen generiert. Ein kompiliertes PDF mit Referenzen, Methodik und sauberem Design.

Das Ergebnis ist reproduzierbar, mehrsprachig und gut gestaltet. Die Art von Arbeit, die früher ein Forschungsteam mehrere Wochen beschäftigt hat.

Gedächtnis: Nichts wird zweimal gelöst

Gedächtnis bedeutet, dass das System nie bei Null anfängt.

Jedes vergangene Projekt hinterlässt wiederverwendbare Komponenten: Datenbankverbindungen, Ausgabeformate, Visualisierungsstandards. Die Saisonalitätsstudie verwendete Bausteine, die Monate zuvor erstellt wurden. Jedes Projekt macht das nächste schneller. Das ist Zinseszins, angewandt auf Infrastruktur.

Dasselbe gilt für Daten. Das System verbindet sich mit fünfzehn Jahren täglicher Preise, Nettoinventarwerte, Dividendentermine und Fondsmerkmale. Alles strukturiert. Alles in Sekunden abfragbar.

Ein leistungsfähiges Modell ohne strukturierte Daten produziert generischen Output. Gedächtnis ist das, was Agenten etwas Reales gibt, womit sie arbeiten können.

Das Prinzip für jede Organisation: Erfassen Sie, was Sie aufbauen. Machen Sie vergangene Arbeit abrufbar. Jedes gelöste Problem sollte das nächste günstiger machen.

Feedback-Schleifen: Verifizierung ohne Überwachung

Feedback-Schleifen ermöglichen es dem System, seine eigene Arbeit zu überprüfen.

In der Saisonalitätsstudie validiert die Pipeline die Ergebnisse in jeder Phase. Die Datenextraktion wird gegen erwartete Formate geprüft. Statistische Ergebnisse werden methodenübergreifend gegenverifiziert. Diagramme werden aus validierten Daten generiert, nicht aus Roheingaben.

Ohne diese Schleifen wird Geschwindigkeit zur Belastung. Ein Agent, der schnell Output produziert, aber ihn nicht verifizieren kann, schafft mehr Probleme als er löst.

Das Prinzip: Bauen Sie Verifizierung in den Prozess ein, nicht danach. Wenn ein Mensch jeden Zwischenoutput überprüfen muss, haben Sie kein System gebaut. Sie haben einen schnelleren Weg geschaffen, mehr Arbeit zu erzeugen.

Kontextkarte: Das System weiss, wo es suchen muss

Eine Kontextkarte bedeutet, dass das System Ihre Organisation versteht, ohne dass man ihm alles auf einmal sagen muss.

Wenn eine Anweisung lautet „analysiere monatliche Renditen über alle börsennotierten Vehikel", weiss das System, was das bedeutet. Es findet die richtigen Daten, wendet die richtigen Konventionen an, formatiert nach den richtigen Standards. Nicht wegen einer riesigen Anweisungsdatei, sondern weil die Umgebung navigierbar ist.

Stellen Sie es sich wie ein gut organisiertes Büro vor. Ein neuer Mitarbeiter braucht kein tausendseitiges Handbuch — er muss wissen, wo die Dinge sind. Dasselbe gilt für Agenten.

Das Prinzip: Machen Sie Ihr Wissen auffindbar. Ein Agent sollte, wie ein neuer Kollege, zur richtigen Information navigieren können, ohne jemanden fragen zu müssen.

Was der Mensch tut

Ich habe die Forschungsfrage beschrieben. Den Blickwinkel gewählt. Die statistischen Entscheidungen überprüft, die Rahmung angepasst, bei Bedarf einen zweiten Durchgang geleitet.

Das System übernahm Extraktion, Berechnung, Formatierung und Kompilierung. Mehrere Agenten arbeiteten parallel, während ich an etwas anderem arbeitete.

Die menschliche Rolle verschiebt sich vom Produzieren zum Dirigieren. Weniger Code schreiben, mehr die Umgebung gestalten, in der Arbeit erledigt wird. Der Forscher wird schneller — nicht wegen des Modells, sondern weil die Infrastruktur bereits vorhanden ist.

Drei Fragen, die es wert sind, gestellt zu werden

Jede Organisation wird Zugang zu denselben Modellen haben. Was sie unterscheidet, ist das, was diese Modelle vorfinden, wenn sie ankommen.

Erinnert sich Ihr System an das, was es bereits gebaut hat? Kann es seinen eigenen Output verifizieren? Kann es finden, was es braucht, ohne jemanden zu fragen?

Wenn die Antwort auf eine dieser Fragen Nein lautet, ist die Einschränkung nicht das Modell. Es ist die Umgebung.

Die vollständige Saisonalitätsstudie finden Sie hier.