Das Weft-Manifest

Eine Zahl: fünf

Nicht mehr als fünf fertige Ergebnisse oder offene Fragen warten gleichzeitig auf deine Entscheidung — zehn, wenn sich ein Team das Board teilt. Ist die Warteschlange voll, bekommt ein Agent, der etwas Neues anfangen will, stattdessen die Ansage: abschließen, kürzen oder zurückgegebene Arbeit übernehmen. Abschließen wird nie abgelehnt: Fertige Arbeit wird nie weggeworfen.

Das Limit ist absichtlich klein. In Kingmans Warteschlangenformel wächst die Wartezeit mit ρ/(1−ρ): Bei einem Reviewer, der 95 % der Zeit ausgelastet ist, wartet Arbeit 19-mal länger als bei einem, der die Hälfte der Zeit beschäftigt ist — bei gleicher Schwankung. Wie das Ziel von Google SRE, Toil unter 50 % der Arbeitszeit eines Engineers zu halten, ist fünf eine Zahl, die du brechen kannst — und bei der du siehst, dass du sie gebrochen hast.^7,8

Sieben Prinzipien

1. 01Arbeit ist nicht mehr knapp. Deine Entscheidung schon.

   Setz das harte Limit auf die Warteschlange vor der Person, die entscheidet, nicht auf die Spalte Doing. Ein untätiger Agent ist ein gesunder Agent; er wird nicht müde, und ob drei Aufgaben oder fünfzig, ist ihm gleich. Die Person, die seine Arbeit prüft, ist die eine Ressource, die Stück für Stück verbraucht wird.

2. 02Jedes „fertig“ sagt, worauf es beruht.

   Der Bericht eines Agenten ist ein Antrag, kein Beleg. In den Single-Control-Domänen von τ²-bench macht falscher Erfolg — der Agent sagt fertig, die Umgebung sagt etwas anderes — 45–48 % der Fehlschläge aus, und kein LLM-Judge, der den Trace des Agenten las, kam über einen AUROC von 0,65; ein Münzwurf erreicht 0,5. Deshalb liest das stärkste „fertig“ die Außenwelt: eine Seite, die antwortet, eine Datei mit passendem Hash, ein Objekt, das existiert. Arbeit, die nichts von dir brauchte, darf auf das Wort des Agenten hin geschlossen werden — und wird dann genau so angezeigt, nie als geprüft.⁴

3. 03Wer die Arbeit gemacht hat, zeichnet sie nicht ab.

   Geprüft und angenommen sind zwei verschiedene Status. Ein Server, der die Außenwelt neu gelesen hat, eine deterministische Prüfung oder ein Mensch kann Arbeit als geprüft markieren; der Agent, der sie gemacht hat, nicht. Die Annahme ist eine zweite, eigene Unterschrift. Bei allem Unumkehrbaren — Geld, einer Veröffentlichung, einer Nachricht an einen Kunden, allem Rechtlichen — bittet Weft den Agenten, anzuhalten und auf dich zu warten, und sobald dieser Halt gesetzt ist, kann kein Agent ihn aufheben oder die Aufgabe nach Done schieben.

4. 04Jede Aufgabe hat genau einen verantwortlichen Menschen.

   Einen Agenten kannst du nicht zur Rechenschaft ziehen; du kannst ihn nur beauftragen. Deshalb hat eine Aufgabe genau einen Verantwortlichen, der ein Mensch ist, und einen Delegierten, der beim Namen genannt wird: nicht „die KI“, sondern Claude Code, Cursor, ChatGPT oder Codex. Halte die Zahl der Delegierten klein. Anthropic selbst rät, Agenten-Teams mit drei bis fünf Mitgliedern zu beginnen, denn „three focused teammates often outperform five scattered ones“ (drei fokussierte Teammitglieder sind oft besser als fünf zerstreute).⁵

5. 05Am Limit umleiten — und nie eine Entscheidung vortäuschen.

   Ist die Warteschlange voll, sagt das System, was stattdessen zu tun ist, statt einen Fehler zu werfen. Verstummt ein Agent mitten in einer Aufgabe, verfällt sein Anspruch, und die Aufgabe geht für jemand anderen zurück aufs Board. Und solange du nicht entschieden hast, wartet die Arbeit auf dich: Schweigen ist keine Annahme, also wird nie etwas als angenommen markiert, nur weil Zeit vergangen ist.

6. 06Nichts wird stillschweigend übertragen.

   Die Woche ist die Einheit der Planung: Zu Beginn einer Woche verpflichteten sich Menschen mit 62,9 % höherer Wahrscheinlichkeit als an einem gewöhnlichen Tag auf ein Ziel, zu Beginn eines Monats mit 23,6 % höherer. Eine Woche endet mit einer Entscheidung über jede unfertige Aufgabe — mit einem konkreten nächsten Schritt weitermachen, aufteilen, zurückgeben oder streichen — statt mit einem stillen Verschieben in die nächste Woche.⁶

7. 07Die Entscheidung überdauert die Session.

   Kein KI-Client gibt sein Gedächtnis an andere weiter, und das ist richtig so. Was eine Session überdauert, ist also das, was außerhalb von ihr aufgeschrieben wurde: keine Akte über dich, sondern die Geschichte der Arbeit — wie eine Aufgabe ausging, was entschieden wurde und warum. Auch das Gedächtnis muss vergessen: Eine veraltete Notiz wird Agenten nicht mehr mitgegeben.

Prüf dein Board damit

Ein Manifest ohne Maßstab ist ein Poster. Diese sieben Fragen an einen beliebigen Task-Manager zu stellen dauert etwa fünf Minuten. Wo Weft eine Eigenschaft noch nicht für alle Nutzer erfüllt, bekommt es einen Strich, keinen Haken.

✓ funktioniert heute · — teilweise oder noch nicht eingeschaltet · ✗ nicht vorhanden

Was wir zählen und was nicht

Velocity, Story Points, Burndown, Auslastung, die Zahl angelegter Aufgaben und die Zahl der KI-Aufrufe gibt es in diesem Produkt nicht. Sie messen eine Ressource, die nicht mehr knapp ist, und sie belohnen Lärm.

Ein Gefühl von Tempo ist auch keine Messung. In der METR-Studie mit erfahrenen Open-Source-Entwicklern, die Tools von Anfang 2025 nutzten, glaubten diese, KI habe sie 20 % schneller gemacht; gemessen waren sie 19 % langsamer.⁹

Es lohnt sich, vier Dinge zu zählen: wie lange das älteste Element schon auf dich wartet; die Zeit von „der Agent ist bereit“ bis „du hast entschieden“; den Anteil der Arbeit, der beim ersten Mal angenommen wird, getrennt nach Ausführendem; und die Minuten deiner Aufmerksamkeit pro angenommenem Ergebnis. Das Letzte ist der einzige ehrliche Test dafür, ob sich KI auszahlt. Weft erfasst, was jede davon braucht — wer welche Arbeit gemacht hat, wann sie bereit war und was du entschieden hast — und zeigt, wie viel auf dich wartet.

Wo die Methode bricht

Manche Arbeit hat keine ausführbare Prüfung. Einen Brief an einen Investor oder ein Positioning Statement kann kein Server verifizieren, und dort fällt die Methode ehrlicherweise auf ein gewöhnliches Board mit einem Reviewer und jeweils einer solchen Aufgabe zurück. Ein Framework, das mehr verspricht, als es prüfen kann, bricht genau dort, wo sich jemand darauf verlassen hat.

Eine begutachtete Studie zum richtigen Limit für Arbeit, die Agenten erledigen, gibt es noch nicht. Fünf ist unser Standardwert, kein Befund. Wir haben mit drei angefangen und das Limit nach den ersten Wochen echter Nutzung angehoben: Ein Drittel der Ablehnungen kam, als nur drei oder vier Punkte warteten, und die wurden in einem Durchgang abgearbeitet. Review könnte auch günstiger werden: GDPval selbst stellt fest, dass die Prüfzeit sinkt, wenn sich Fachleute an die Arbeit gewöhnen. Wird Prüfen je günstig und zuverlässig, sollte das Limit wachsen — darum ist jeder Schwellenwert hier ein Standardwert, den wir voraussichtlich überarbeiten werden, keine Überzeugung.³

Quellen

1. 2026 Software Engineering Benchmarks Report — LinearB, 2026
2. The Acceleration Whiplash — Faros AI, 12 April 2026
3. GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks — OpenAI, arXiv:2510.04374, 5 October 2025
4. From Confident Closing to Silent Failure — arXiv:2606.09863, 1 June 2026
5. Orchestrate teams of Claude Code sessions — Choose an appropriate team size — Anthropic, retrieved 22 October 2026
6. The Fresh Start Effect: Temporal Landmarks Motivate Aspirational Behavior — Dai, Milkman, Riis — Management Science 60(10), 2014
7. The single server queue in heavy traffic — J. F. C. Kingman — Proceedings of the Cambridge Philosophical Society, 1961
8. Site Reliability Engineering, Chapter 5: Eliminating Toil — Google, 2016
9. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity — METR, 10 July 2025