Wie viel Infrastruktur braucht ein AI Agent?

In den letzten sechs Monaten, als wir Dutzende Teams bei der Bewertung von „Agent-Einführung“ begleitet haben, hörten wir am häufigsten zwei Extreme: entweder sie kauften nur eine Modell-API und erwarteten, dass sie allein die Produktion bearbeitet; oder sie rollten Kubernetes + Vektordatenbank + drei MCP-Server + eine autonome Agent-Plattform aus — und drei Monate später pflegte niemand mehr etwas. Was die Lieferung wirklich blockiert, ist selten „das Modell ist nicht schlau genug“, sondern fehlende Abstimmung von Ausführungsumgebung, Verifikationskette und Kontext-Gateway. Dieser Artikel nutzt die Schichtlogik des Cloud-Mac-AI-Stacks, um „Wie viel Infrastruktur braucht ein AI Agent?“ in Entscheidungstabellen zu übersetzen — Sie können Ihre Teamgröße zuordnen, statt die Einkaufsliste aus fremden Architektur-Blogs zu kopieren. Die Schichten L0 bis L5 sind dabei keine Marketing-Schubladen, sondern eine gemeinsame Sprache zwischen Entwicklung, Platform und Budget.

1. Warum dieses Problem existiert: „kann chatten“ ≠ „kann liefern“

Seit „Agent“ überladen wurde, verwechseln viele Chat-Oberflächen mit Engineering-Agents. Chat braucht nur eine Modell-API; Engineering-Agents müssen mindestens das Repo lesen, Dateien bearbeiten, Befehle ausführen und objektive Verifikationssignale erhalten. Fehlt ein Teil, zeigt sich das so:

• Der Agent ändert Code, aber niemand weiß, ob Tests gelaufen sind — fehlendes L1 Fact (Runner-Ausführungsengine).
• Der Agent bearbeitet nur die geöffnete Datei; modulübergreifende Refactorings sind Raten — fehlendes L4 Context (MCP-Dreifach-Anbindung).
• Jedes Tool funktioniert einzeln, aber ein ganzes Issue braucht noch 40 Minuten Aufsicht — fehlendes L5 Workflow (OpenHands-Plattform).
• Auf einem Windows-Laptop soll Xcode bauen, aber der Agent hat keine legale Ausführungsoberfläche — fehlendes L0 echtes macOS (Cloud Mac vs. lokaler Mac).

Der alte Reflex lautet „stärkeres Modell kaufen“; der neue lautet Schicht für Schicht Ausführung und Verifikation ergänzen. Genau das fragen ZavCloud-Kunden beim Mieten eines Cloud Mac — nicht, ob der RAM Ollama trägt, sondern welche Rolle dieser Knoten im Stack spielt. Wer nur den Modellpreis vergleicht, übersieht oft, dass ein günstigeres API-Abo ohne L0 und L1 keine einzige mergebare Zeile Code mehr liefert als vorher.

2. Agent-Infrastruktur klassifizieren: sechs Schichten, nicht sechs Produkte

Wir nutzen L0–L5 (konsistent mit der Stack-Serie). Wichtig: Schichten sind Verantwortlichkeiten, keine Pflicht-Einkaufsliste. Solo-Entwickler können bei L3 stoppen; L2 Inference (Ollama) ist durchgehend optional.

Der Konflikt ist klar: Chat-Agents stoppen vor L3; Engineering-Agents brauchen mindestens L0+L3; mergebare Agents brauchen L1; skalierbare Agents diskutieren L4+L5. Viele Teams scheitern, weil sie Schichten überspringen — z. B. OpenHands vor Runner, sodass autonome Aufgaben Code ändern, ohne dass jemand einen grünen Build nachweist. Die Reihenfolge ist absichtlich: Jede Schicht beantwortet eine andere Frage — „Wo darf der Agent handeln?“, „Wer glaubt dem Ergebnis?“, „Woher kommt der Kontext?“, „Wer orchestriert mehrere Schritte?“

3. Kernvergleich: Solo / kleines Team / Engineering-Stufe

Einheitliche Spalten (wie in Tool-Vergleichsartikeln): Einstieg, Ausführung, Kontext, monatliche Kostenbandbreite, beste Passung.

Hardware: Wenn L0 und L1 eine Maschine teilen (üblich), gilt diese Tabelle — RAM stößt vor dem CPU-Modell an die Decke, weil Agent, Runner und optional Ollama um Unified Memory konkurrieren:

4. Szenario-Matrix

Schnelle Triage mit „Wenn Sie X sind, wählen Sie Y“:

5. Empfohlene Stacks: drei Copy-Paste-Rezepte

Stack A · Schnellster Solo-Start (innerhalb 1 Tag)

L0  Lokales MacBook oder Cloud Mac nach Tag
L3  Claude Code (Installationshandbuch)
Modell  Anthropic-API-Abo

Überspringen: Runner, MCP, Vektordatenbank, K8s

Stack B · Kleines Team mergebar (1–2 Wochen)

L0  Cloud Mac M4 16GB Always-on-Knoten
L1  GitHub Actions selbst gehosteter Runner (lohnt sich?)
L3  Claude Code + Team-CLAUDE.md
L4  GitHub MCP read-only (issue-getrieben)

Optional L2: Ollama 7B für private Entwürfe, nicht im kritischen Pfad

Stack C · Engineering autonome Lieferung (1 Monat+)

L0  Cloud Mac M4 24GB+
L1  Runner · ein Job ein Workspace
L3  Claude Code
L4  MCP-Dreifach-Anbindung + CodeGraph
L5  OpenHands (zuerst Sandbox-Repo)
Orchestrierung  OpenClaw Trigger + Audit (optional)

Rote Linie: Prod-API / Runner-Credentials nie in MCP (Berechtigungsleitfaden)

6. Typische Fehler: fünf Tabus

1. Modell-API als vollständige Infrastruktur behandeln. API löst „denken“, nicht „tun“ und „verifizieren“.
2. L5-Repo-Schreibzugriff ohne Runner öffnen. Autonomer Agent ohne Fact-Schicht ist blindes Schreiben — Rollback-Kosten extrem.
3. Am ersten Tag Vektordatenbank + RAG-Plattform bauen. Die meisten Code-Agent-Engpässe sind symbolischer Kontext (CodeGraph), nicht Embedding-Suche.
4. VM unter Windows als macOS-CI vortäuschen. Signierung, Notarisierung und Gerätetests brauchen echtes Apple Silicon.
5. Fremde Voll-Einkaufsliste übernehmen. Zuerst Ausführungsgrenze schreiben, Schichten inkrementell ergänzen; Stack-Tiefe ≠ Teamgröße.

7. Rollout: 7-Schritte-Checkliste

1. Ausführungsgrenze definieren — Erlaubte Agent-Aktionen auflisten: welche Verzeichnisse, Shell, Prod-Trigger.
2. L0 bestätigen — Xcode / Notarisierung braucht macOS; Mieten vs. Kaufen evaluieren.
3. L3 Coding-Agent hinzufügen — Zuerst einzelne Datei, ein Repo; CLAUDE.md / Team-Prompt-Normen schreiben.
4. L1 Runner aufsetzen — macOS- und Linux-Jobs trennen; Secrets von Agent-Tokens trennen.
5. L4 MCP bei Bedarf — Standard read-only; Schreibzugriff über kurzlebigen Token auf separatem Service.
6. L5 evaluieren — Zwei Wochen noch manuelles Verketten → OpenHands-Workflow-Schicht.
7. Audit und rote Linien — Jede autonome Aufgabe auf PR + CI-Run-ID abbilden; vierteljährliche Berechtigungsmatrix prüfen.

FAQ

Fazit

Wie viel Infrastruktur ein AI Agent braucht, hängt davon ab, wo die Ausführungsgrenze endet — nicht von der Modell-Rangliste. Solo: L3 reicht zum Start; Organisationen, die mergen müssen, ergänzen L1; große Repos L4; unbeaufsichtigte Lieferung L5. Beim Kauf von Cloud Mac oder Mac mini fragen Sie, ob die Maschine „Ausführungsoberfläche“, „Verifikationsoberfläche“ oder „Inference-Oberfläche“ ist — das schlägt TOPS-Zahlen. Wer diese Zuordnung einmal schriftlich festhält, spart sich später teure Umplanungen, wenn der nächste Modellwechsel ansteht.