Das können Sie danach
- Graph Engineering in einem Satz erklären und den Unterschied zu LangGraph benennen.
- Die CLAUDE.md oder AGENTS.md eines Agenten auf eine kurze Identitätsdatei kürzen.
- Einen Ablauf, den Ihr Team wiederholt, in einen Workflow mit Entscheidungen, Gates und Standards überführen.
- Die Nein-Pfade eines Workflows beweisen, indem Sie einen Fehler in einem Wegwerf-Task platzieren.
Das Wichtigste
- Graph Engineering bedeutet, ein Agentensystem als Graph zu entwerfen: Knoten erledigen die Arbeit, Kanten entscheiden, was als Nächstes läuft, und der Zustand wandert zwischen ihnen.
- Unsere Sicht: Der Graph ersetzt die Anweisungsdatei, die zu einer Identitätsdatei mit 8 Zeilen schrumpft.
- Der Ablauf wandert in Workflows aus Schritten, Entscheidungen und Gates, und die Regeln wandern in Standards, die im jeweiligen Schritt gelesen werden.
- Der Task hält den Zustand, sodass eine kurze Datei Arbeit über getrennte Sessions hinweg trägt.
- Das Wissen wächst, der Prompt nicht.
Das Problem: eine CLAUDE.md, die immer länger wird
Jedes Team, das einen KI-Coding-Agenten wie Claude Code einsetzt, pflegt eine Anweisungsdatei, und sie wächst nur. CLAUDE.md, AGENTS.md, .cursorrules. Sie beginnt mit zwanzig Zeilen: wer der Agent ist, wie das Repository aufgebaut ist, ein paar Regeln.
Dann kommen die Lektionen. Ein Bug, den der Agent verursacht hat, wird zur Regel. Manche Regeln gehören in einen Hook, nicht in eine Datei: siehe wie Sie verhindern, dass Claude Code Ihre Dateien löscht. Ein Ablauf, auf den sich das Team geeinigt hat, wird zum Absatz. Eine Routing-Tabelle taucht auf: „Bei Bugs dies tun, bei Features das“. Monate später ist die CLAUDE.md zu lang: Hunderte Zeilen, und der Agent befolgt einen Teil davon.
Das ist kein Bauchgefühl. Anthropics Best-Practices-Dokumentation zu Claude Code sagt es deutlich: Aufgeblähte CLAUDE.md-Dateien führen dazu, dass Claude Ihre eigentlichen Anweisungen ignoriert (Anthropic, Best practices for Claude Code(wird in einem neuen Tab geöffnet)).
Jede Zeile, die den Agenten besser machen soll, schwächt alle anderen Zeilen. Graph Engineering ist unser Weg aus dieser Falle.
Was ist Graph Engineering: die Definition und unsere Sicht
Graph Engineering bedeutet, ein Agentensystem als Graph zu entwerfen: Knoten erledigen die Arbeit, Kanten entscheiden, was als Nächstes läuft, und der Zustand wandert zwischen ihnen. Das ist die allgemeine Bedeutung, und wir haben den Begriff nicht erfunden. LangGraph ist eine Bibliothek, um solche Graphen zu bauen. Graph Engineering ist die Disziplin.

Unsere Sicht geht einen Schritt weiter. Der Graph ersetzt die Anweisungsdatei. Der Agent liest nie den ganzen Ablauf auf einmal. Er liest einen Schritt, erledigt genau diesen Schritt und geht weiter. Drei Dinge treten an die Stelle der langen Datei:
| Was ersetzt wird | Was an seine Stelle tritt | In einer Zeile |
|---|---|---|
| Die Anweisungsdatei | Eine Identitätsdatei mit 8 Zeilen | Wer der Agent ist, und „dem Schritt folgen, dann weitergehen“ |
| Die Absätze zu Abläufen | Workflows: ein Graph aus Schritten, Entscheidungen und Gates | Eine Anfrage kommt an einem Knoten herein, eine Entscheidung schickt sie auf den Pfad, der für sie zuständig ist |
| Die Absätze zu Regeln | Standards: einfache Markdown-Dateien, eine pro Thema | Der Agent, den ein Schritt startet, liest sie in diesem Schritt |
Der Satz, an dem die ganze Idee hängt: Das Wissen wächst, der Prompt nicht.
Wir betreiben diese Graphen als ConvOps(wird in einem neuen Tab geöffnet)-Workflows, und jedes Beispiel unten ist einer davon, gezeigt mit Demodaten.
Die fünf Bausteine des Graphen
Unsere Graphen haben fünf Arten von Bausteinen, und jeder streicht einen Abschnitt des alten Prompts.

| Baustein | Was er ist | Was er im Prompt ersetzt |
|---|---|---|
| Schritt (Knoten) | Eine Arbeitseinheit mit eigenen Anweisungen: planen, bauen, Tests ausführen, prüfen | „Immer erst planen, dann programmieren, dann ...“ |
| Entscheidung | Ein Knoten mit mehreren Kanten. Er leitet eine Anfrage auf den Pfad, der für sie zuständig ist, zum Beispiel Feature oder Bug | Die Routing-Tabelle |
| Gate | Ein Schritt, der ohne ausdrückliches Ja oder Nein nicht weitergeht. Unsere Gate-Schritte weisen den Agenten an, anzuhalten und eine Person zu fragen. Ein Nein schickt die Arbeit in einen Korrekturschritt | „Vor dem ... immer fragen“ |
| Standard | Eine Markdown-Datei in standards/, gelesen von dem Agenten, den der Schritt startet | In den Prompt kopierte Regeln |
| Zustand | Der Task, sein aktueller Schritt und die Notiz, die jeder Schritt darauf hinterlässt | In jeder Session alles neu erklären |
Warum heißt das Engineering? Weil die Arbeit darin besteht, Knoten und Kanten zu wählen. Wo eine Anfrage hereinkommt. Welche Entscheidung sie wohin schickt. Welcher Agent welche Standards liest. Wo ein Mensch Ja sagen muss. Schritte hinterlassen Notizen am Task, sodass der Zustand jede Session überdauert.
Ein Durchlauf, Schritt für Schritt: ein Task, drei Sessions
Das kleinste Beispiel zeigt die ganze Idee: Ein Task durchläuft drei Sessions, die ihn nie gemeinsam sehen, und die Anweisungsdatei sagt nirgends, wie. Nehmen wir Brightloom, ein fiktives Team aus vier Personen, das eine Kursbuchungs-App für Yogastudios baut. Die komplette Anweisungsdatei ihres Agenten, mit den Tool-Namen in einfachen Worten:
# Who you are
You are the team's co-worker in this repo. The task system is your task list and your memory.
# How you work
1. Every request becomes a task: search first, then create one if none exists.
2. The task carries a workflow. Read the current step, do exactly what it says, then advance. Repeat until the workflow completes.
Nichts über Planung, Tests, Freigaben oder das Fortsetzen. Eine Anfrage kommt herein: „Die Stornierungsbedingungen in die Buchungsbestätigung per E-Mail aufnehmen.“ Der Agent legt den Task an, und der Workflow mit sechs Schritten hängt sich von selbst an: Intake (Aufnahme), Analyze (Analyse, Freigabe), Implement (Umsetzung), Verify (Prüfung, Freigabe), Capture Learnings (Erkenntnisse festhalten), Complete (Abschluss).

| Session | Eingabe | Was der Agent tut | Wo er anhält |
|---|---|---|---|
| 1 | Die Anfrage | Intake, dann ein Plan: emails/booking_confirmed.html bearbeiten, einen Absatz hinzufügen, die Vorschau prüfen | Analyze-Gate |
| Mensch | Gibt außerhalb der Session des Agenten frei | ||
| 2 | „Weiter, wo wir aufgehört haben.“ | Findet den offenen Task, nimmt die Änderung vor, schreibt einen Prüfbericht: Die Vorschau wird angezeigt, der Absatz ist da | Verify-Gate |
| Mensch | Gibt frei | ||
| 3 | „Weiter, wo wir aufgehört haben.“ | Schreibt die Lernnotiz „E-Mail-Vorlagen liegen in emails/“, schließt den Task | Complete, 6 von 6 |
Keine Session hält den Zustand. Jede neue übersetzt „weitermachen“ in: den aktiven Task finden, seinen Schritt lesen, diesen Schritt erledigen. Die Identitätsdatei sagt nirgends, wie, weil der Task bereits weiß, wo er steht.
Ein Graph, gebaut im Gespräch
Wir bauen Graphen, indem wir sie beschreiben, nicht indem wir sie programmieren. Die Leiterin von Brightloom beschreibt den Ablauf des Teams in einem einzigen Gespräch: Eine Entscheidung trennt Features und Bugs, ein Planer schreibt einen Plan, der auf Freigabe wartet, Bugs beginnen mit einem fehlschlagenden Test, und alles endet in einem gemeinsamen Block aus Build, Tests und einem Code-Review, das die Arbeit bei einem Nein zurückschickt. Der Agent macht aus dieser Beschreibung die Workflows.
In einem späteren Gespräch bittet die Leiterin um ein Standards-Review nach den Tests. Der Agent fügt es als kleinen Sub-Workflow mit eigener Korrekturschleife hinzu, erreicht über eine Entscheidung, und der Task, der es hinzufügt, durchläuft den neuen Schritt, bevor er geschlossen wird. Der Graph wächst. Die Identitätsdatei ändert sich um keine einzige Zeile. Lehren landen auf dieselbe Weise: Jede geht in den Schritt oder Standard, der sie gebraucht hat. Genau dieser Loop steckt dahinter, wie wir ein selbstverbesserndes KI-System aufbauen.

Dann läuft ein Feature durch: „Eine Warteliste für volle Kurse hinzufügen.“
| Schritt | Wer | Ergebnis | Gate |
|---|---|---|---|
| Triage: Feature oder Bug | Entscheidung | Feature-Pfad | automatisch |
| Feature planen | planner | join_waitlist(class_id, member), Reihenfolge nach Eingang, Nachrücken bei Stornierung, 5 Tests | Ja eines Menschen |
| Build, dann Tests ausführen | developer, dann die Hauptsession | waitlist.py und 5 Tests, 5 bestanden | Notiz |
| Standards-Gate, Standards-Review | standards-reviewer | Geprüft gegen standards/testing.md: 0 Befunde | Ja eines Menschen |
| Code-Review, Runde 1 | code-reviewer | „test_full_class_goes_to_waitlist füllt den Kurs nie vorher, besteht also bei einem leeren Kurs“ | Nein eines Menschen |
| Review-Befunde beheben | developer | Füllt den Kurs bis zu seiner Kapazität von 12, bevor jemand beitritt | Notiz |
| Tests, Standards, Code-Review Runde 2 | Hauptsession, standards-reviewer, code-reviewer | 5 bestanden, Standards erfüllt, keine Befunde | Ja eines Menschen |
| Fertig | Task abgeschlossen |
Auf das Nein kommt es an. Der Reviewer entdeckt einen Test, der nichts beweist, ein Mensch stimmt zu, und der Graph schickt die Arbeit zur Korrektur, dann zu den Tests, dann zu einem zweiten Review. Niemand hat „wenn das Review scheitert, zurückgehen“ in einen Prompt geschrieben. Es ist eine Kante.
Was schiefgeht: Übergaben und ungetestete Nein-Pfade
Ein Graph holt den Ablauf aus dem Prompt. Übergaben oder ungetestete Pfade macht er nicht von allein sicher. Wir sind auf beides gestoßen.
Der nächste Agent liest die Notizen nicht. Nach „Feature planen“ startet der Entwickler-Agent nur mit seinem Briefing. Der freigegebene Plan liegt als Schrittnotiz am Task, die er nie öffnet, und eine neue Session sieht nur kurze Vorschauen der neuesten Notizen. Die Regel, nach der wir heute arbeiten: Die Hauptsession übernimmt den freigegebenen Plan und die offenen Befunde in das Briefing des nächsten Agenten. Die Notiz bleibt als Nachweis am Task, und das Briefing enthält, was der nächste Schritt braucht.
Ein Nein-Pfad, den nie jemand gegangen ist, ist unbewiesen. Unsere erste Review-Schleife bestand die Validierung ohne Befund, doch das erste echte Nein konnte die Rückkante nicht nehmen. Eine saubere Validierung beweist die Form, nicht den Pfad.
Die Regel: Platzieren Sie einen Fehler in einem Wegwerf-Task und verfolgen Sie, wie der Nein-Pfad vollständig durchläuft. Bei Brightloom heißt das: eine Funktion ohne Test. Das Standards-Review findet sie, die Korrektur ergänzt den Test, die erneute Prüfung besteht, und der Wegwerf-Task wird abgebrochen.
Wann sich Graph Engineering lohnt
Für einmalige Arbeit ist ein Graph Overhead, bei allem, was das Team wiederholt, zahlt er sich aus.

| Situation | Bessere Wahl |
|---|---|
| Einmalige Skripte, Erkundung, eine schnelle Frage | Ein einfacher Prompt |
| Ein Ablauf, den das Team wiederholt: Features, Bugs, Releases, Reviews | Ein Graph. Jede Wiederholung durchläuft dieselben Schritte |
| Mehrere Personen oder Agenten, die dieselbe Art von Arbeit erledigen | Ein Graph. Der Ablauf liegt an einem Ort, nicht in der Datei jeder einzelnen Person |
| Arbeit, die das Ja eines Menschen braucht, bevor es weitergeht | Ein Graph mit Gates. Ein Gate ist ein Knoten, also wartet es bei jedem Durchlauf auf eine Freigabe |
| Eine Anweisungsdatei mit mehr als einigen hundert Zeilen | Ein Graph. Zuerst den Ablauf auslagern, dann die Regeln |
Ist Ihre Datei bereits über diesen Punkt hinaus, führt CLAUDE.md zu lang? Was Sie streichen und wohin es gehört durch die Prüfung Zeile für Zeile.
Um Graph Engineering an einem Ablauf auszuprobieren, den Ihr Team wiederholt, verbinden Sie Ihren Agenten mit ConvOps(wird in einem neuen Tab geöffnet), beschreiben Sie den Ablauf und lassen Sie Ihren nächsten Task durch den Workflow laufen, den er daraus baut. Einen Graphen, der nach Zeitplan läuft, ohne dass ihn jemand startet, sehen Sie in unserer Anleitung, wie wir SEO-Experimente mit Claude Code durchführen, oder in einer selbstheilenden Website-Schleife, in der jeder Bug einen eigenen Lauf in einer isolierten Umgebung bekommt. Wie ein ganzes Unternehmen auf diesen Graphen läuft, lesen Sie in unserer Anleitung, wie wir unser Unternehmen mit Workflows führen, die sich erinnern. Weitere Tools, die Agenten-Workflows ausführen, finden Sie im Verzeichnis für KI-Agenten-Orchestrierung.
Häufige Fragen
Was ist Graph Engineering?
Graph Engineering bedeutet, ein KI-Agentensystem als Graph zu entwerfen: Knoten erledigen die Arbeit, Kanten entscheiden, was als Nächstes läuft, und der Zustand wandert zwischen ihnen. In ConvOps ist der Graph eine Reihe von Workflows, die der Agent Schritt für Schritt durchläuft, sodass die Anweisungsdatei auf eine Identitätsdatei mit 8 Zeilen schrumpfen kann, während der Ablauf im Graphen liegt.
Ist Graph Engineering dasselbe wie LangGraph?
Nein. LangGraph ist eine Bibliothek, um Agentengraphen im Code zu bauen, und Graph Engineering ist die Disziplin, sie zu entwerfen. Mit ConvOps ist der Graph eine Reihe von Workflows, die der Agent über seine Task-Tools durchläuft, ohne Graph-Code im Repository. Die Designentscheidungen sind in beiden Fällen dieselben: wo eine Anfrage hereinkommt, welche Entscheidung sie weiterleitet und wo die Arbeit für ein Ja anhält.
Was tue ich, wenn meine CLAUDE.md zu lang ist?
Lagern Sie den Ablauf aus, nicht nur die Regeln. Sortieren Sie die Datei in drei Stapel: Wer der Agent ist, bleibt; alles mit einer Arbeitsreihenfolge wird zu einem Workflow-Schritt, einer Entscheidung oder einem Gate; und jede Regel wird zu einer Standards-Datei. In ConvOps halten die Workflows die Schritte, sodass jede neue Lektion in einen Schritt oder einen Standard geht statt in die Datei.
Verschwindet die CLAUDE.md- oder AGENTS.md-Datei?
Nein. Sie schrumpft zu einer Identitätsdatei: wer der Agent ist, dass jede Anfrage zu einem Task wird und dass er dem aktuellen Schritt folgt und dann weitergeht. In dem Setup, das diese Anleitung zeigt, sind das 8 Zeilen, und sie ändern sich nicht, wenn der Graph wächst, weil neue Abläufe in Workflows und neue Regeln in Standards gehen.
Was hält den Agenten davon ab, ein Gate zu überspringen?
Der Workflow. Ein Gate-Schritt kann ohne ausdrückliches Ja oder Nein nicht weitergehen, und in ConvOps weisen die eigenen Anweisungen des Gate-Schritts den Agenten an, anzuhalten und eine Person zu fragen. Die Identitätsdatei muss nie „vor dem Deployment immer fragen“ enthalten, weil der Halt genau an dem Schritt sitzt, an dem er gilt.
Brauchen die Agenten eigene Anweisungen?
Ja, kurze. Jede Rolle (planner, developer, code-reviewer, standards-reviewer) hat eine Agentendatei mit wenigen Zeilen, die sagt, was sie tut, und sie auf standards/ verweist. Der Workflow-Schritt entscheidet, welche Rolle läuft, sodass die Rollendateien klein bleiben und der Ablauf im Graphen bleibt.
