Dario Amodei sagte, dass ein milliardenschweres Ein-Personen-Unternehmen bis 2026 eine 70-80%ige Wahrscheinlichkeit hat, aufzutauchen. Er sagte dies auf der Bühne der Anthropic-Entwicklerkonferenz im letzten Jahr.
Matthew Gallagher hat es bewiesen, indem er Medvi gründete, ein KI-gesteuertes Telemedizinunternehmen, mit 20.000 $ und ohne Angestellte. Es erzielte im ersten Jahr einen Umsatz von 401 Millionen Dollar.
Gallaghers Stack bestand aus KI-Agenten, die miteinander kommunizierten. Wenn zwei nicht miteinander sprechen konnten, baute er weitere Agenten, um die Koordination zu übernehmen. Er testete die Prompts selbst und griff ein, wenn etwas kaputtging.
Alook (GitHub Repo) ist eine quelloffene, selbst gehostete Plattform, die deine Coding-Agenten in ein echtes Organigramm verwandelt.
Die Funktionsweise ist, dass du einen Agenten erstellst, ihm eine Rolle zuweist und ihm ein echtes E-Mail-Postfach gibst.
Agenten mailen sich gegenseitig und halten dich auf dem Laufenden. Sie laufen als tatsächliche Claude Code- oder OpenCode-Sitzungen auf deinem Rechner, mit vollem Zugriff auf deine Tools.
Ein Organigramm gibt jedem Agenten eine definierte Rolle und eine Berichtslinie. Sie koordinieren sich untereinander, ohne dass du eine einzige Nachricht weiterleiten oder die Verkabelung selbst reparieren musst.
Lass uns Alook von Grund auf einrichten, ein Organigramm mit vier Agenten erstellen und beobachten, was passiert, wenn ein echter Auftrag übergeben wird.
Einrichtung
Alook läuft als Daemon auf deinem eigenen Rechner, und dieser eine Befehl verbindet ihn:
1npx @alook/app onboard
Es erkennt, welche Coding-Agent-Laufzeitumgebung bereits installiert ist, Claude Code oder OpenCode, und stellt die Agentenfirma bereit.
Dadurch wird ein lokales Dashboard unter http://localhost:15210 geöffnet.
Von dort aus startest du mit einem leeren Organigramm oder einer der vorgefertigten Vorlagen von Alook, je nachdem, was deinem Projekt am nächsten kommt.
Jeder Agent im Diagramm ist eine echte Claude Code- oder OpenCode-Sitzung, die auf deinem Rechner läuft, mit vollem Zugriff auf die gleichen Tools, die du verwendest, und einem echten @alook.ai-Postfach.
Das Postfach ist die Koordinationsebene. Agenten mailen sich gegenseitig, genauso wie ein Team es tun würde, anstatt Daten durch einen von dir handverdrahteten Trigger zu leiten.
Das Unternehmen aufbauen
Competitive Intelligence bedeutet normalerweise, dass jemand eine Preisseite überprüft, Zahlen in eine Tabelle kopiert und dies am nächsten Tag wiederholt.
Wir werden das durch vier Agenten ersetzen, die einen Preis-Tracker bauen, ihn nach einem Zeitplan ausführen und dir eine E-Mail schicken, sobald sich etwas ändert.
Zuerst erstellen wir die Agenten nacheinander, weisen ihnen unterschiedliche Rollen zu und beanspruchen ihre echten @alook.ai-Postfächer:
- Atlas (CEO) ist der einzige Ansprechpartner für den Menschen. Er delegiert Aufgaben an Mara.
- Mara (PM) verwandelt Atlas' Vorgaben in Spezifikationen und leitet sie an Theo oder Ren weiter. Sie ist die alleinige Routerin im Diagramm.
- Theo (Ingenieur) entwickelt und pflegt die Scraper für Competitive Intelligence.
- Ren (Betrieb und Kundenkontakt) benachrichtigt den Menschen, wenn eine verfolgte Änderung erkannt wird.
Sobald die Agenten live sind, verdrahten wir die Berichtshierarchie: Atlas an Mara und Mara an Theo und Ren.
Theo und Ren kommunizieren nie miteinander oder direkt mit Atlas. Sie gehen nur über Mara.
Dieses Setup vermeidet die Erstellung eines chaotischen KI-Gruppenchats, in dem jeder Agent durcheinanderredet und den Kontext verliert.
Theos Aufgabe betrifft die verfolgten Seiten der Wettbewerber, daher braucht er eine Möglichkeit, sie zuverlässig zu scrapen und zu planen.
Also haben wir ihm Zugriff auf die Bright Data CLI gegeben, die es ihm ermöglicht, jede Website zu scrapen, bei Bedarf benutzerdefinierte Scraper bereitzustellen … und dabei IP-Sperren und CAPTCHAs zu vermeiden, die jeden Agenten treffen, der in echtem Maßstab scrapt.
Um einen benutzerdefinierten Scraper für jede Website zu erstellen, kannst du die Seite in einfachem Englisch beschreiben, und er erstellt den Scraper, der strukturierte Daten zurückgibt:
Jetzt wollen wir sehen, wie unsere KI-Firma die eigentliche Aufgabe bewältigt.
Das Unternehmen führen
Wie oben erwähnt, müssen wir nicht jeden Agenten selbst verwalten. Stattdessen sprechen wir einfach mit Atlas, dem CEO, und lassen das Organigramm den Rest erledigen.
Wir bitten ihn, die Preise auf railway.app/pricing zu verfolgen.
Atlas antwortet im Chat, und hinter dieser Antwort informiert er Mara per E-Mail, und der Thread wird im selben Fenster angezeigt:
Mara verwandelt die Vorgabe in eine Spezifikation und übergibt sie an Theo.
Die Spezifikation umfasst einen Scraper für die Seite, zeitgestempelte Schnappschüsse, Erkennung von Änderungen, eine tägliche Ausführung und einen Bericht, den wir tatsächlich lesen können.
Theo bestätigt die Spezifikation per E-Mail, genauso wie Mara und Atlas, baut sie dann mit der Bright Data CLI und meldet sich zurück, sobald sie läuft.
Dies ist der Scraper, den Theo gerade gebaut hat, der im Dashboard von Bright Data sitzt:
Es ist ein echter benutzerdefinierter Scraper, den der Agent selbst bereitgestellt hat, indem er die angegebene Website verstanden hat, kein einmaliger CLI-Aufruf, der nach der Ausführung verschwindet. Du kannst ihn von demselben Bildschirm aus manuell auslösen oder direkt über die API aufrufen:
Mara leitet den Build-Up an Atlas weiter, und Atlas informiert uns im selben Chat:
Das Unternehmen läuft ohne dich
Sobald Theo bestätigt, dass der Build live ist, ist die Aufgabe noch nicht erledigt. Der Zeitplan muss noch laufen, und jemand muss noch beobachten, was er findet.
Der Agent fügt den Scraper eigenständig als wiederkehrende Aufgabe um 9 Uhr zum Firmenkalender hinzu.
Das ist Rens Aufgabe. Er beobachtet die Ausgabe des Trackers, und sobald sich der Preis auf der Seite tatsächlich ändert, sendet er eine Nachricht.
Die gesamte Schleife läuft unbeaufsichtigt.
Wir haben Atlas eine Vorgabe gegeben, und die Organisation hat einen Scraper bereitgestellt, ihn geplant und jemanden damit beauftragt, die Ausgabe zu beobachten – ohne weitere Eingaben von uns.
Probier es selbst aus
Jeder Agent in dieser Anleitung lief als Claude Code, aber Codex und OpenCode funktionieren genauso, da Alook es dir ermöglicht, deinen eigenen Agenten mitzubringen und dem von dir gewählten eine Rolle, ein Postfach und eine Laufzeitumgebung zu geben, die aktiv bleibt.
Jede abgeschlossene Aufgabe baut Kontext für die nächste auf, sodass die Agenten das Unternehmen nicht bei jedem Durchlauf von Grund auf neu lernen müssen.
Jede E-Mail zwischen ihnen wird auf die gleiche Weise protokolliert, sodass du genau nachvollziehen kannst, wie eine Entscheidung getroffen wurde.
Hier ist das Github-Repo von Alook →
Und hier ist die Bright Data CLI →
(Vergiss nicht, sie zu starren 🌟)
Prost! :)
