Die meisten Entwickler fragen noch, welcher KI-Coding-Agent der beste ist. Ich halte diese Frage bereits für überholt. Der Vorteil entsteht nicht durch die Wahl eines Agents, sondern dadurch, alle als System betreiben zu können. Deshalb habe ich meine Arch-Linux-Workstation um Agents herum neu entworfen.

Arch Linux nutze ich seit März 2002. Es lehrte mich, Umgebungen zu bauen statt sie nur zu konsumieren: verstehen, was läuft, wie jede Schicht zusammengesetzt ist und wo Abstraktionen anfangen und enden. Heute ist diese Haltung die Grundlage einer AI-native Workstation — kein Rechner mit angehängtem Chatbot, sondern eine Engineering-Plattform für menschliche Steuerung, parallele Ausführung und überprüfbare Ergebnisse.

Die Workstation wird zur Engineering-Organisation

Ich definiere Absicht, Grenzen und Akzeptanzkriterien. Agents untersuchen Repositories, ändern Dateien, führen Befehle aus und validieren ihre Arbeit. Der Entwickler entwirft zunehmend das System, das Änderungen produziert. Arch passt dazu, weil Pakete, Dienste, Shells, Rechte und Prozesse explizit und inspizierbar bleiben.

Eine Herde, kein Chatbot

Pacman, yay und mise verwalten die Werkzeuge; XFCE bleibt leicht; Bash und Kitty bilden die Kommandooberfläche. Claude Code, Codex, Cursor, OpenCode, Grok, GitHub Copilot, Pi und Hermes können im selben Betriebsmodell koexistieren. Autocomplete hilft schneller zu tippen. Ein Engineering-Agent bewegt ein Repository von einem verifizierten Zustand in den nächsten.

Isolation trennt System von Chaos

Mehrere Agents im selben Arbeitsverzeichnis sind keine Multi-Agent-Architektur. Das ist eine Race Condition mit Benutzeroberfläche. Git Worktrees geben jeder Aufgabe eine eigene Branch und Dateisystemansicht.

  • Aufgabe, Scope und Akzeptanzkriterien definieren.
  • Eigene Branch und Worktree anlegen.
  • Den Agent nur dort arbeiten lassen.
  • Tests, Linter und Builds ausführen.
  • Den Diff prüfen.
  • Menschen über Merge und Deployment entscheiden lassen.

Repository-Regeln definieren Befehle, Nachweise und Autoritätsgrenzen. Agents pushen nicht direkt nach main und deployen nicht autonom. Herdr stellt persistente Terminals bereit; Worktrees bestimmen, wo ein Agent handeln darf.

Verschiedene Agents, verschiedene Aufgaben

Claude Code übernimmt lange Implementierungen und breite Refactorings; Codex klar begrenzte Implementierung, Debugging, Tests und Reviews; Cursor und Copilot interaktive Editorarbeit; OpenCode providerunabhängige Abläufe; Grok aktuelle technische Recherche; Pi skriptbare Loops; Hermes autonome Hintergrundarbeit. Das sind Richtlinien, keine Identitäten.

Nicht das Modell ist der Burggraben, sondern der Harness

Zuverlässigkeit entsteht aus Repository-Anweisungen, Berechtigungen, isolierten Umgebungen, deterministischen Befehlen, Logs, Vorschauen und Review-, Merge- und Deployment-Gates. Die CLIs sind Arbeiter. Herdr ist die Runtime. Git liefert Zustand und Isolation. Die Architektur ist der Vertrag für Kontext, Ausführung, Validierung und Kontrolle.

Ein Entwickler, multipliziert

Es geht nicht um mehr Editorfenster. Unabhängige Engineering-Loops sollen weiterlaufen, während ich priorisiere, Ergebnisse prüfe und Architektur entscheide. Die Reihenfolge zählt: erst einen Agent zuverlässig machen, dann mehrere unabhängig, erst danach das System persistent. Die Workstation bleibt die Control Plane.

Die nächste Trennlinie

Eine AI-native Workstation muss definieren, wie Absicht formuliert, Kontext geladen, Handlung begrenzt, Abschluss bewiesen und menschliche Autorität erhalten wird. Ich will nicht nur etwas schneller Code tippen. Ich baue ein System, das weiterarbeitet, während ich auf der Ebene von Absicht, Architektur und Urteil handle. Bald nutzen alle KI. Der Unterschied liegt dann zwischen Menschen, die einen Agent prompten, und denen, die eine ganze künstliche Engineering-Organisation entwerfen, koordinieren und führen können.