01 DIE GESCHICHTE
Kein Demo. Keine Folien. Laufender Code.
Ich habe zu oft gesehen, wie beeindruckende Dashboards nur Marketing waren:
Zahlen ohne Substanz dahinter. Deshalb ist die Regel bei allem, was ich baue,
einfach: jede Behauptung muss sich im Code nachvollziehen lassen. Zwei Systeme
laufen aktuell durchgehend und zeigen genau das, für Unternehmen heißt das:
prüfbare Ergebnisse statt Versprechen.
Vier Begriffe tauchen in der KI-Welt gerade überall auf: LLM, RAG, Agenten und MCP.
Kurz erklärt, und wo ATLAS jeweils steht:
LLM (Denken)
Das Sprachmodell selbst: erkennt Muster, formuliert Antworten, schreibt Code. ATLAS routet automatisch zwischen mehreren Modellen, lokal und in der Cloud, je nach Aufgabe.
RAG (Prüfen)
Bevor eine Behauptung als Antwort gilt, wird sie an echten Quellen abgeglichen. ATLAS hat dafür einen eigenen Research-Agenten und ein geteiltes Wissen-Gedächtnis.
Agenten (Handeln)
Das Modell führt Aufgaben selbst aus, statt nur Text vorzuschlagen. Bei ATLAS übernimmt eine autonome Pipeline aus spezialisierten Agenten, jeder mit klar abgegrenzter Aufgabe.
MCP (Verbinden)
Der Standard, über den KI-Systeme mit externen Werkzeugen sprechen. ATLAS nutzt ihn heute schon intern, mehr dazu in der Roadmap.
Die meisten Projekte bleiben bei einer einzelnen Ebene stehen. ATLAS deckt alle vier
gleichzeitig ab, vom Denken bis zum Verbinden mit der Außenwelt.
Eine aktuelle Analyse von Mitarbeiterbewertungen zeigt: die Stimmung gegenüber KI am
Arbeitsplatz kippt spürbar ins Negative, nicht wegen der Technologie selbst, sondern
wegen schlechter Einführung. Genau daraus ist ein Stufenmodell entstanden, an dem ich
mich beim Bauen orientiere: acht Ebenen, vom Fundament bis zur Weiterentwicklung, jede
baut auf der vorigen auf.
Klare Grenzen zwischen den Teilen (Fundament)
Jeder Teil hat eine klar abgegrenzte Aufgabe und einen sauberen Weg, wie Daten dazwischen fließen. Kein Teil, der heimlich alles gleichzeitig macht.
Geordnete Übergaben (Mechanik)
Wenn ein Teil des Systems einem anderen eine Aufgabe übergibt, passiert das nach festen Regeln, nicht zufällig oder stillschweigend.
Ein Gedächtnis, das wirklich hilft (Erinnerung)
Wissen wird nicht nur gespeichert, sondern beim nächsten Mal auch tatsächlich wiedergefunden und genutzt, über einzelne Gespräche hinweg.
Werkzeuge statt nur Worte (Hände)
Das System schlägt nicht nur Text vor, sondern greift selbst auf externe Programme und Dienste zu, um Dinge wirklich zu erledigen.
Nichts geht ungeprüft durch (Immunsystem)
Jede Änderung und jede Behauptung wird vor der Freigabe geprüft, wie ein Immunsystem, das erkennt, was nicht passt.
Vom Vorschlag zur echten Umsetzung (Ausführung)
Nicht nur Ideen skizzieren, sondern tatsächlich lauffähigen Code schreiben, der die Aufgabe wirklich löst.
Auch ohne technischen Hintergrund bedienbar (Steuerung)
Eine Oberfläche, die verständlich bleibt, nicht nur eine Kommandozeile für Insider.
Wird besser, nicht nur größer (Weiterentwicklung)
Das System lernt aus eigenen Ergebnissen und passt sich an, statt nur mechanisch dieselben Schritte zu wiederholen.
Kein Selbstzweck, sondern eine bewusste Haltung: Geschwindigkeit ohne Kontrolle nutzt
niemandem, beides zusammen schon.
OCC AI-OS
aktiv
OpenClaw · Claude · LLMs · Multi-Agenten-Betriebssystem
Ein KI-System, das Aufgaben nicht nur vorschlägt, sondern selbstständig plant, umsetzt, prüft und bei Bedarf korrigiert, mit einem Menschen, der jederzeit eingreifen kann.
Keine einzelne Pipeline, kein einzelnes Tool: ein ganzes Betriebssystem für
KI-Agenten. ATLAS ist modular aufgebaut, mit eigenem Backend, Web-Oberfläche,
Blockchain-Audit-Trail, geteiltem Agenten-Gedächtnis und einer eigenen
Evolutions-Engine für Code. Jede Komponente funktioniert eigenständig, alle
zusammen ergeben eine Plattform, die autonom entwickelt, protokolliert,
simuliert und sich selbst überwacht, ohne dass ein Mensch jeden Schritt
absegnen muss.
Core
Zentrales Backend mit Task-Pipeline, LLM-Routing, API-Server und geschütztem Kernbereich (Ring-0).
Fälschungssicherer Nachweis
Jede Änderung wird kryptographisch signiert und lässt sich im Nachhinein nicht mehr unbemerkt verändern, egal ob durch das System selbst oder von außen. Technisch umgesetzt über eine eigene, selbst gebaute Chain (Atlas-Chain, ed25519-signiert, 93 automatisierte Tests) statt eines einfachen Log-Files, das man stillschweigend editieren könnte.
Systeminterne Ressource (ATC)
ATC ist kein Finanzprodukt und kein System zum Geldverdienen, sondern bildet einen technischen Aufwand innerhalb von ATLAS ab: Schreibaktionen auf der Chain benötigen ATC als interne Gas-Einheit, wodurch jede protokollierte Aktion mit einem echten, messbaren Aufwand verknüpft ist statt kostenlos zu bleiben. Geplant, noch nicht live: Staking und Slashing als Bewertungsmechanismus für die Verlässlichkeit einzelner Agenten.
Simulation
Multi-Agenten-Evolutions-Arena, in der konkurrierende KI-Agenten Code gegeneinander antreten lassen und sich weiterentwickeln.
UI-Code (User Interface Coding)
Eigene Web-IDE mit Task-Visualisierung, Chat, Editor und Live-Metriken.
HEAVY CONTEXT MANAGER
aktiv
SQLite · Knowledge-Graph · Kiwix · Multi-Agenten-Gedächtnis
Ein gemeinsames Gedächtnis für mehrere KI-Werkzeuge gleichzeitig, damit Wissen aus einem Gespräch auch im nächsten noch verfügbar ist, statt jedes Mal bei null anzufangen.
Das Fundament, auf dem die anderen Projekte erst aufbauen konnten
(intern ATLAS HCM genannt): ein geteiltes Gedächtnis zwischen mehreren
KI-Agenten über einen eigenen Knowledge-Graph, damit Wissen nicht in
einzelnen Sitzungen verloren geht. Jeder Agent kann Entscheidungen, Ideen
und Kontext ablegen und wiederfinden, unabhängig davon, welches Werkzeug
oder welche Oberfläche gerade genutzt wird. Ohne diese gemeinsame Datenbank
wären die anderen Projekte, die nachträglich entstanden sind, in dieser
Form nicht möglich gewesen.
Geteilter Knowledge-Graph
SQLite mit Volltextsuche, generisches Datenmodell ohne feste Schema-Grenzen, erweiterbar ohne aufwendige Migration.
Mehrere Anbindungen
Verbunden mit OpenClaw und den Chat-Threads, jeweils mit eigener Kennzeichnung der Herkunft statt vermischtem Wissen.
Lokales Wissen (Kiwix)
Rund 50 GB Offline-Kopie der englischen Wikipedia als kostenlose erste Quelle, bevor überhaupt eine kostenpflichtige Cloud-Suche nötig wird.
Bewusste Schreibgrenze
Schreibender Zugriff ist nach einem früheren Vorfall mit unzuverlässigen Einträgen bewusst eingeschränkt, nicht jeder Agent darf ungeprüft neues Wissen ablegen.
Externe Doku-Suche (DeepWiki)
Eine separate, selbst gehostete DeepWiki-Instanz liefert kurze Dokumentations-Auszüge zu bekannten Drittbibliotheken wie FastAPI oder Redis, bevor ein Cloud-Modell befragt wird. Kein Teil des Knowledge-Graphs selbst, sondern ein eigenständiges Werkzeug daneben.
AI MARKET ANALYSIS
live
LLMs · Multi-Agenten · Markt-Analyse-Forschung
Ein Forschungssystem, das zeigt, wie sich automatisierte Marktanalyse in der Praxis schlägt, mit nachvollziehbaren Ergebnissen statt Bauchgefühl, rein simuliert, ohne echtes Kapital.
Der Beweis, dass ATLAS nicht nur Code schreiben kann, sondern reale Datenströme
auswerten: ein privates Forschungssystem, das echte Marktdaten in Echtzeit
beobachtet und per Mustererkennung eigene Analyse-Signale bildet. Statt eines
einzigen Modells laufen inzwischen sechs Varianten parallel gegeneinander, damit
echte Ergebnisse zeigen, was funktioniert, nicht Bauchgefühl. Ein eigenes
Dashboard zeigt jede simulierte Positionsänderung und jedes verworfene Signal
samt Grund.
Fixer Stop
Kalibriertes Signal-Gate
ATR-Trailing-Stop
4h-Bestätigung
Marktangst-Pause
Termin-Pause
Rein privates Forschungsprojekt: kein Finanzprodukt, keine Anlageberatung,
kein Angebot an Dritte, ausschließlich simuliertes Kapital.
6 Varianten
Sechs parallele Analyse-Varianten, jede mit eigenem simulierten Kapital, gegeneinander im Vergleich.
Mustererkennung
k-Nearest-Neighbor-Musteranalyse auf echten Binance-Kerzendaten, keine simulierten Kurse.
Live-Dashboard
Portfolio-Simulation, Marktregime-Auswertung und verworfene Signale samt Begründung, in Echtzeit.
Kein Echtgeld
Reine Simulation mit echten Marktdaten, kein echtes Geld im Risiko, keine Anlageberatung.
Risikomanagement
Die eingesetzte Positionsgröße sinkt automatisch nach aufeinanderfolgenden Verlusten und erholt sich schrittweise, ergänzt um einen Marktzyklus-Filter für historisch überhitzte Phasen und eine Variante, die neue Positionen bei extremer Marktangst (Fear-and-Greed-Index) komplett pausiert. Ein gestaffelter Trailing-Stop schützt zusätzlich bereits erwirtschaftete Gewinne ab einem definierten Portfolio-Höchststand, unabhängig von der laufenden Verlustabsicherung.
Belastbarkeitscheck
Statt einer einzelnen Kennzahl zeigt eine Simulation über tausend mögliche Verläufe, wie stabil ein Ergebnis wirklich ist.
Nachvollziehbare Entscheidungen
Zu jeder ausgeführten Position gehören Signal, Marktkontext und Ergebnis sichtbar zusammengeführt, keine Blackbox. Ein gezielter Check deckte zudem auf, dass ein Teil der Entscheidungen auf noch unvollständigen Daten lief, und wurde behoben. Eine spätere Vorher-Nachher-Auswertung bestätigte ehrlich, dass die bereinigten Ergebnisse schwächer, aber realistischer ausfielen als vorher, ohne den eigenen Fehler zu beschönigen.
FORGE AI
aktiv
Ollama · ChromaDB · React · Persona-System
Mehrere KI-Charaktere gleichzeitig befragen und gegeneinander diskutieren lassen, um zu einem Thema verschiedene fachliche Blickwinkel zu bekommen statt nur eine einzelne Meinung.
Ein drittes, kleineres Projekt daneben: ein privates Experimentiersystem für
charakterbasierte KI-Profile aus frei verfügbaren Quellen, mit eigener
Web-Oberfläche statt nur Kommandozeile. Drei Bereiche greifen ineinander:
einzelne Profile im direkten Gespräch, mehrere Profile gemeinsam auf einer
Arbeitsfläche, und im Hintergrund ein eigenes Organisationsmodell, das Rollen,
Zuständigkeiten und Entscheidungen strukturiert festhält.
Chat mit Personas
Fachliche Perspektiven
Mehrere eigenständige Profile lassen sich zu einem Thema befragen, um unterschiedliche fachliche Einschätzungen einzuholen und gegeneinander zu diskutieren, jedes mit eigenem System-Prompt und eigenen Modellparametern.
Klare Abgrenzung
Jede Antwort ist als Repräsentation gekennzeichnet, nie als die reale Person selbst. Themen außerhalb der belegten Quellen werden offen als Einschätzung markiert, nicht als Tatsache.
Bearbeiten & neu anlegen
Bestehende Profile lassen sich direkt im Browser anpassen, komplett neue lassen sich frei erstellen, inklusive eigenem System-Prompt und Modellparametern.
Prüf-Warteschlange
Neue Quellen landen erst in einer Warteschlange zur menschlichen Prüfung, bevor sie aktiv in ein Profil einfließen.
Roundtable
Arbeitsfläche
Frei verkabelbare Arbeitsfläche: Fragen, Profile, Diskussionen und Zusammenfassungen lassen sich wie Bausteine miteinander verbinden, ähnlich einem Node-Graph-Werkzeug.
Diskussion & Synthese
Mehrere Profile lassen sich zu einer gemeinsamen Diskussion oder einer zusammenfassenden Synthese verkabeln, statt nur einzeln befragt zu werden.
Organisation
Rollen & Zuständigkeiten
Ein eigenes Organisationsmodell bildet Abteilungen, Rollen und Zuständigkeiten strukturiert ab, inklusive nachvollziehbarer Freigabe-Regeln für Entscheidungen.
Entscheidungs-Protokoll
Getroffene Entscheidungen werden mit Begründung festgehalten, nicht nur das Ergebnis, und nur akzeptiert, wenn die handelnde Instanz die dafür nötige Rolle auch tatsächlich innehat.
THREADS AI
aktiv
opencode · Tavily · React · Multi-Modell-Routing
Ein eigener, datenschutzbewusster Chat mit KI, wahlweise komplett lokal oder in der Cloud, mit echter Websuche und einer Verlaufsverwaltung wie in einem professionellen Postfach.
Ein viertes, kleineres System daneben: eine eigene Chat-Oberfläche für
wiederkehrende Recherche- und Gesprächsverläufe, aufgebaut auf einer
bestehenden Agenten-Laufzeit statt einem komplett selbst geschriebenen
Backend. Jeder Verlauf läuft als eigene, isolierte Sitzung mit freier
Modellwahl zwischen mehreren Cloud-Anbietern und lokal laufenden
Ollama-Modellen. Eine echte Websuche liefert bei Bedarf zunächst eine reine
Trefferliste, erst danach folgt auf Wunsch das Gespräch dazu, wahlweise mit
vertiefter Recherche über mehrere Quellen hinweg. Ein eigener
Sicherheitsdurchgang deckte dabei auf, dass die genutzte Agenten-Laufzeit
standardmäßig ungesandboxten Zugriff auf Kommandozeile und Dateisystem sowie
ungefilterten Schreibzugriff auf das geteilte Wissensgedächtnis hatte,
inzwischen gezielt deaktiviert.
Isolierte Sitzungen
Jeder Gesprächsverlauf läuft als eigene Sitzung ohne Vermischung mit anderen Verläufen, mit freier Wahl zwischen mehreren Cloud-Modellen und lokal laufenden Ollama-Modellen.
Websuche & vertiefte Recherche
Eine Suche liefert zunächst eine reine Trefferliste wie bei einer klassischen Suchmaschine, mit einer zusätzlichen Option für eine tiefere Recherche über mehrere Quellen hinweg vor der eigentlichen Antwort.
Themen-Übersicht auf Wunsch
Eine unabhängig erzeugte, strukturierte Übersicht zu einer Suche entsteht in einer eigenen, isolierten Hilfs-Sitzung, die den restlichen Gesprächsverlauf nicht sieht.
Sicherheitsgehärtet
Ein eigener Sicherheitsdurchgang fand und schloss unsandboxten Kommandozeilen- und Dateizugriff sowie ungefilterten Schreibzugriff auf das geteilte Wissensgedächtnis, ohne die eigentliche Funktion einzuschränken.
Papierkorb & Archiv
Löschen ist über einen 30-Tage-Papierkorb reversibel, Verläufe lassen sich farblich markieren, als Markdown herunterladen oder dauerhaft nach Kategorie in einem geteilten Wissensspeicher sichern.
Ausblenden per Code
Einzelne Verläufe und der Papierkorb lassen sich zusätzlich per Zahlencode ausblenden, als reiner Sichtschutz für die private Nutzung, keine echte Verschlüsselung.
Gelesen & ungelesen
Neue Antworten in einem Verlauf werden wie in einem E-Mail-Postfach fett hervorgehoben, bis der Verlauf tatsächlich geöffnet wurde.
Mehrere Profile in einem Verlauf
Einzelne Profile aus Forge AI lassen sich direkt in einen Gesprächsverlauf einladen und gezielt per Namen ansprechen, ihre Antworten erscheinen farblich abgesetzt im selben Verlauf statt in einem separaten Fenster.
Anonyme Sitzungen
Ein eigener Modus für Gespräche, die nicht dauerhaft im Verlauf auftauchen sollen, mit automatischer Löschung nach 24 Stunden.
Lokal oder Cloud, kein Zwang
LLM-Anfragen laufen zuerst über lokale Modelle (Ollama), Cloud-Provider
wie OpenRouter oder Groq sind nur der Fallback, wenn lokal nicht reicht.
Vor jedem Cloud-Aufruf scannt ein eigener Filter den Prompt auf Secrets
und API-Keys und blockiert den Versand, statt sie mitzuschicken.
Qualität vor Tempo
Jede Ausgabe durchläuft ein Quality-Gate, bevor ein Task als
abgeschlossen gilt: abgebrochene, hohle oder wiederholte Antworten
werden erkannt und aussortiert. Das Brainstorming-Tool und ein eigener
Research-Agent gründen Ideen zusätzlich auf echten externen Quellen
(GitHub, HuggingFace, Websuche) statt auf reiner Annahme.
42 Dienste, eine Aufgabe pro Dienst
Task-Verarbeitung, Qualitätsprüfung, Architektur-Analyse, Recherche
und mehr laufen als eigenständige Hintergrunddienste im Dauerbetrieb,
nicht als ein einzelnes Skript. Jeder Dienst hat eine einzige, klar
abgegrenzte Aufgabe.
Beide Systeme sind kein einmaliger Launch, sondern ein fortlaufender Prozess:
Signale werden nachweisbar verbessert, Fehler werden gefunden und behoben,
jede Entscheidung wird dokumentiert. Genau das ist der Teil der Arbeit, der in
einem Screenshot nie zu sehen ist, für ein Unternehmen aber den Unterschied
zwischen einem Prototyp und einem verlässlichen System ausmacht.
98 Tage liegen zwischen dem ersten Commit von ATLAS OCC und heute: über 107.000
Zeilen Code in 399 Dateien, über 3.000 automatisierte Tests, mehrere
eigenständige Teilsysteme statt einzelner Anwendungslogik (Multi-Agenten-
Architektur, eigenes Blockchain-Modul mit kryptographischer Signierung,
dynamisches Multi-Provider-KI-Routing). Allein die Entwicklung in Claude Code
schöpft dabei das monatliche Sonnet-Kontingent des genutzten Abos regelmäßig aus
(geschätzt rund 10 Millionen Tokens pro Woche), ohne weitere eingesetzte
Werkzeuge mitgerechnet. Ein Projekt dieser Größenordnung würde in klassischer
Einzelentwicklung typischerweise mehrere Jahre beanspruchen.
