Engineering Intelligence Agent
Ein vollständig autonomer KI-Agent, der den wöchentlichen Statusbericht meines Engineering-Teams zusammenstellt, visualisiert und ausliefert — jeden Montagmorgen mit Live-Daten aus vier internen Systemen, ganz ohne manuellen Aufwand.
- 4
- Live-Datenquellen
- ~2 Std.
- Eingespart pro Woche
- 11
- Berichtsabschnitte
- 100%
- Automatisiert
Statusberichte sind eine Steuer auf Engineering Manager
Jede Woche einen aussagekräftigen Statusbericht für ein technisches Team zu erstellen bedeutet, manuell Daten aus mehreren getrennten Systemen zu ziehen, sie konsistent zu formatieren und an Stakeholder zu verteilen — ein Prozess, der Stunden an Management-Zeit verschlingt, die besser in Mitarbeitende und Strategie investiert wäre.
Fragmentierte Datensammlung
Support-Ticket-Metriken, Projektfortschritt, abgeschlossene Aufgaben und Team-Narrative leben jeweils in getrennten Tools — was jede einzelne Woche manuelles Nachschlagen und Copy-Paste erfordert, um sie zu einer einzigen Ansicht zusammenzuführen.
Inkonsistente Formatierung
Manuelle Zusammenstellung bedeutet, dass die Qualität von Woche zu Woche variiert. Diagramme, DRI-Zuordnung und Drill-down-Details sind aufwändig zu erstellen und werden bei Zeitdruck leicht zurückgestellt.
Repetitive Arbeit mit geringem Hebel
Dieselben Abruf-, Berechnungs- und Formatierungsschritte wiederholen sich jede Woche — genau die Art von strukturiertem, vorhersehbarem Workflow, für die KI-Agenten gemacht sind, nicht Senior Manager.
So funktioniert es
Der Agent läuft über einen geplanten Trigger jeden Montagmorgen. Er orchestriert parallele Abfragen über vier Live-Datenquellen, aggregiert und normalisiert die Ergebnisse, erstellt einen strukturierten HTML-Bericht mit interaktiven Visualisierungen und liefert ihn über Slack und ein Cloud-Archiv aus — vollständig ohne menschliches Eingreifen.
Datenquellen
Support Ticketing System
Neu · Offen · Gelöst · Aufschlüsselung nach DRI
Project Management Platform
Portfolio · Aufgaben · Risikostatus · Fortschritt
Team Weekly Update Doc
Erfolge · Blocker · Ausblick
Identity & Profile System
Team-Fotos · Anzeigenamen · Titel
Claude Sonnet 4.6
Hyperagent Platform
- Aggregieren
- Normalisieren
- Zusammenfassen
Outputs
Interactive HTML Report
11 Abschnitte · Diagramme · Ausklappbare DRI-Details
Slack Summary
Kurzfassung + Berichtslink → Team-Channel
Cloud Archive
Versionierte HTML-Kopie → gemeinsames Laufwerk
Metrics History Doc
Wochenweise Trendverfolgung
Zweiphasige Montagsautomatisierung
9:00 Uhr PT — Der Agent prüft das gemeinsame Team-Update-Dokument und postet eine Slack-Erinnerung (mit direkten @-Erwähnungen) an alle, die ihren wöchentlichen Eintrag noch nicht eingereicht haben.
10:00 Uhr PT — Eine Stunde später läuft der vollständige Datenabruf, und der Bericht wird ausgeliefert. Die Lücke gibt Nachzüglern ein Zeitfenster, ihre Updates fertigzustellen, bevor die Daten gesperrt werden.
Was es funktionieren lässt
Der Agent ist nicht nur ein Datenabholer — er wendet technisches Urteilsvermögen an, um für jeden Abschnitt des Berichts die richtigen Informationen zu strukturieren, zu filtern und sichtbar zu machen, mit Zuverlässigkeit auf Produktionsniveau jede Woche.
Parallele Datenerfassung
Setzt gleichzeitige Subagenten ein, um jede Datenquelle simultan abzufragen, mit Paginierung für große Datensätze (über 12.000 Aufgaben-Datensätze). Jedes Teammitglied wird einzeln abgefragt, um API-Limits bei der Datensatzanzahl zu vermeiden.
Interaktive Visualisierungen
Rendert gestapelte und gruppierte Balkendiagramme mit beschrifteten Werten auf jedem Balken, vollständigen Namen auf den Y-Achsen und unterschiedlichen Diagrammtypen, optimiert für verschiedene Datenmuster (Ticket-Warteschlangen vs. Aufgabenaktivität).
Ausklappbares Drill-down
Jeder Teammitglied-Abschnitt nutzt native HTML-<details>-Elemente für progressive
Offenlegung — zusammenfassende Statistiken oben, vollständige Ticket- und Aufgabenlisten
einen Klick entfernt. Kein JavaScript erforderlich.
Persistente Wissensbasis
Pflegt strukturiertes Gedächtnis von Feldschemata, Filterregeln und Formatierungspräferenzen — sodass es nie bereits bekannten Kontext neu entdecken muss, und Regeländerungen automatisch in allen zukünftigen Läufen bestehen bleiben.
Risikoübersicht & KTLO-Trennung
Trennt automatisch laufenden Betriebsaufwand (Keep-the-Lights-On) vom aktiven Projektportfolio. Zeigt einen Risiko-Tracker, der Projekte nach erreichtem Ergebnis unterscheidet — nicht nur nach Lifecycle-Phase — sodass sich nichts hinter einem „Abgeschlossen"-Label verstecken kann.
Integration der Team-Identität
Zieht Live-Profilfotos in voller Auflösung aus den Slack-Profilen des Teams, rendert einen menschlichen Team-Streifen mit dem Manager visuell hervorgehoben und ordnet jeden einzelnen Berichtspunkt dem zuständigen Teammitglied zu.
Was sich dadurch geändert hat
Messbare Ergebnisse nach dem Übergang von manueller Berichterstattung zu vollständig automatisierter wöchentlicher Zustellung.
- ~2 Std.
- Manager-Zeit pro Woche zurückgewonnen
- 52×
- Berichte pro Jahr, termingerecht ausgeliefert
- 4
- Live-Systeme in einem einzigen Lauf abgefragt
- 100%
- Formatkonsistenz
Unter der Haube
Die technischen Entscheidungen, die den Agenten produktionsreif machen — nicht nur eine einmalige Demo — und ihn befähigen, jede Woche unbeaufsichtigt mit realen Daten-Sonderfällen umzugehen.
// Agentische Architektur
- Benannter, persistenter Agent mit versionierter Identität — Skills, Erinnerungen und Formatierungsregeln überstehen wöchentliche Läufe ohne erneutes Prompten
- Orchestrator-plus-Subagent-Muster — der übergeordnete Agent koordiniert; spezialisierte Subagenten übernehmen die parallele Datenabfrage unabhängig voneinander
- Jeder Subagent schreibt Rohdaten und aggregierte Ergebnisse in JSON-Dateien auf die Festplatte; der Orchestrator liest diese für eine präzise Befüllung der ausklappbaren Details, um Genauigkeitsverluste durch reine Prosa-Zusammenfassungen zu vermeiden
- Modulare, skill-basierte Architektur — wiederverwendbare, versionierte Skripte für Ticket-Zusammenfassung, Projektaggregation und HTML-Zusammenstellung; unabhängig aktualisierbar
// Data Engineering
- Native API-Filtersyntax (keine Formel-Strings), um stille Fehlermuster bei Tabellen mit über 12.000 Datensätzen zu vermeiden, die unabhängig von der Formel alle Datensätze zurückgeben
- Cursor-basiertes, paginiertes Abrufen mit maximalen Seitengrößen für zuverlässige Massenabfragen
- Serverseitige Feldprojektion, um Token-Limit-Überschreitungen bei breiten Datentabellen mit über 50 Feldern pro Datensatz zu verhindern
- Clientseitige Datums- und Mitarbeiterfilterung für Felder, die von der nativen Filter-API nicht unterstützt werden
- Warteschlangenbasierte Filterung bei allen Ticket-Abfragen erzwungen — verhindert eine rund 2-fache Überzählung bei ungefilterten Ergebnissen
// Berichtserstellung
- Vollständiges HTML/CSS von Grund auf geschrieben — volle Kontrolle über Layout, Interaktion und visuelle Hierarchie; keine Abhängigkeit von Template-Engine oder CMS
- Chart.js v4 mit Datalabels-Plugin für annotierte Balkendiagramme — alle Balken zeigen numerische Werte, vollständige Namen auf allen Achsen, kein Abschneiden von Beschriftungen
- Unterschiedliche Diagrammtypen je Datenmuster: gruppierte Balken für Vergleiche von erstellten vs. abgeschlossenen Aufgaben, gestapelte Balken für Warteschlangen- und Portfolio-Zusammensetzung
- Native HTML-Details/Summary-Elemente für ausklappbare Drill-downs ohne JavaScript — funktioniert in jedem E-Mail-Client und jeder geteilten Link-Ansicht
// Terminierung & Auslieferung
- Zwei geplante Aufrufe pro Woche im iCal-RRULE-Format — die bewusste einstündige Lücke zwischen Erinnerung und Bericht ist eine Produktentscheidung, keine Einschränkung
- Quartalsbericht-Variante, ausgelöst 10 Tage nach jedem Abschluss des Geschäftsquartals — derselbe Agent, eigener Zeitplan und eigenes Ausgabetemplate
- Drei Zustellkanäle pro Lauf: Slack-Channel-Post (kurze Zusammenfassung zuerst, Link danach), Cloud-Laufwerk-Archiv (versioniertes HTML), persistentes Metrik-Verlaufsdokument
- Wochenweises Metrik-Tracking-Dokument, das bei jedem Lauf automatisch für die Trendanalyse über die Zeit aktualisiert wird
Damit gebaut
Eine Kombination aus KI-Infrastruktur, Integrations-APIs und Frontend-Bibliotheken, die in Produktion zusammenarbeiten.
KI- / Agenten-Schicht
- Anthropic Claude Sonnet 4.6
- Hyperagent Platform
- Orchestrator + Subagent Pattern
- Persistent Skills & Memory
Datenquellen & Integrationen
- Airtable (Project Management)
- Airtable (Support Ticketing)
- Google Drive API
- Slack Web API
Berichtsdarstellung
- HTML / CSS
- Chart.js v4
- chartjs-plugin-datalabels v2
- Google Fonts — Inter
Terminierung & Auslieferung
- iCal RRULE Scheduling
- Slack Bot Delivery
- Google Drive Archival