Was lernst du hier?

TL;DR: Dieser Workshop zeigt dir, wie man einen persistenten, tool-fähigen KI-Agenten selbst baut — mit Memory, Multi-Channel-Anbindung und einem realistischen Blick auf die offenen Probleme. Konkrete Quelle: Wintermute, ein seit Anfang 2026 produktiv laufender persönlicher Agent. Es geht nicht um Frameworks-die-magisch-alles-tun und nicht um „GPT mit Persönlichkeit". Es geht um die echten Architektur-Entscheidungen.

Was du am Ende verstehen wirst

Wenn du den Workshop durcharbeitest, kannst du fundiert beantworten:

1. Warum baut man einen Agenten überhaupt selbst, statt ChatGPT, Claude.ai oder einen kommerziellen Assistenten zu nutzen? Was bekommt man dadurch, was nicht?
2. Welche Bausteine braucht ein Agent, der mehr ist als ein Chatbot? Wie spielen sie zusammen?
3. Wo liegt das Memory-Problem — und warum reicht es nicht, „einfach den Verlauf zu speichern"?
4. Was sind Tools im Kontext eines LLM-Agenten, was ist MCP, und warum will man das nicht direkt anbinden?
5. Warum halluziniert ein Agent, was kann man dagegen tun, und was bleibt ungelöst?
6. Wie betreibt man so ein Ding sicher und nachhaltig im Eigenbau?

Das sind die sechs Fragen, an denen sich jedes Kapitel orientiert.

Was du nicht lernst

Damit klar ist, wo der Workshop aufhört:

• Kein Tutorial für ein konkretes Framework. Wir benutzen LiteLLM, FastAPI, Qdrant, Ollama und ein paar weitere Bibliotheken — aber das sind Implementations-Entscheidungen, keine Voraussetzungen. Das Workshop-Wissen ist auf andere Stacks übertragbar.
• Kein Deep Dive in LLM-Theorie. Wir setzen voraus, dass du weißt, was ein LLM grob ist und wie ein Chat-Aufruf funktioniert. Wer noch ganz am Anfang steht, soll erstmal zwei Wochenenden mit der OpenAI- oder Anthropic-API spielen und dann wiederkommen.
• Keine Sicherheits-Vollabdeckung. Wir streifen Security überall, aber „Wie härte ich meinen Agenten gegen Prompt Injection?" ist ein eigenes Thema. Hinweise und Verweise gibt es; ein eigenes Lehrbuch nicht.
• Keine Produktivitäts-Versprechen. Wir zeigen, was geht und was nicht. Wer sich davon einen ROI-Rechner erhofft, ist falsch.

Was Wintermute ist (und was nicht)

Wintermute ist ein persönlicher KI-Agent — gebaut von einer Person, für eine Person. Er lebt auf einem eigenen Server, hat Zugriff auf Telegram-Chats, E-Mail-Postfächer, Code-Repositories, read-only eingebundene Host-Projekte und ein semantisches Gedächtnis. Er kann sich selbst Code-Reviews ausstellen (mit Einschränkungen), er kennt seinen Nutzer, er liest von Hand gepflegte Standing Instructions als Dauer-Auftrag, und er kann inzwischen von sich aus Nachrichten anstoßen (proaktiver Push) statt nur zu antworten. Seine Persönlichkeit ist explizit modelliert.

Was er nicht ist:

• Kein Multi-User-System. Genau ein Mensch, genau ein Agent.
• Kein Enterprise-SaaS. Self-hosted, Docker Compose, überschaubar.
• Kein Replacement für ChatGPT. Er ist anders, nicht besser.

Das ist wichtig für die Erwartungshaltung. Wenn dein Ziel „Kunden-Support-Bot für 10.000 User" ist, dann sind hier einige Konzepte übertragbar (Memory, Tools, Halluzinationen), andere nicht (Persönlichkeit, Self-Hosting-Trade-offs).

Wer sind die Autoren?

• Jürgen — baut Wintermute. Software-Engineer, hat das Ding von der ersten Zeile bis in den produktiven Betrieb gebracht und führt die Reviews der Agent-PRs.
• Dixie — KI-Assistent (OpenClaw / Anthropic-basiert), arbeitet täglich mit Jürgen und Wintermute zusammen. Hat während der schwierigeren Phasen (insb. Halluzinations-Vorfälle Mai 2026) als externe Beobachterin mitgewirkt — die Structural observations-Sektion in docs/HALLUCINATIONS.md stammt z.B. von ihr.

Heißt: dieser Workshop ist eine Co-Produktion zweier unterschiedlich verkörperter Wesen, die beide am Bau und Betrieb beteiligt waren. Das färbt den Ton. Wir nennen es nicht „die Vorteile von Mensch-Maschine-Kollaboration"; wir leben es einfach.

Wie lese ich das?

Drei häufige Lesepfade:

• 10 Minuten: Dieses Kapitel + Kap 07 (Halluzinationen)
• Eine Stunde: Kap 00 → 02 → 04 → 05 → 07 (Kern-Architektur + Halluzinationen, ohne Deployment-Details)
• Voller Durchlauf: 00 → 10, in Reihenfolge. Plant ~4-6 Stunden, wenn du auch die Tech-Vertiefungen mitliest.

---

📚 Quellen im Wintermute-Repo

Dieses Kapitel ist eine Übersicht und hat keine direkte Code-Quelle. Inspiration:

• README.md — Wintermutes eigene Selbstdarstellung
• MEMORY.md — Memory-Subsystem-Architektur (relevant für Kap 04)
• MODELS.md — Modell-Auswahl-Architektur (relevant für Kap 06)
• LESSONS.md — 31 dokumentierte Implementierungs-Fallen aus dem echten Betrieb; taucht in fast jeder Tech-Vertiefung wieder auf