Die Engine kümmert sich um das „Wie“, der Server entscheidet, „was erlaubt und was aufgezeichnet wird“ — AI-Codierung wird vertrauenswürdig.
Liest Code, bearbeitet Dateien, führt Tests aus, committet und eröffnet MRs in einer echten Repository-Arbeitsumgebung — echte Dateien, echte Diffs und echte Branches, statt einer AI, die „ich habe es gemacht“ erzählt.
Code-Indexierung, ein Scope-Graph und Workspace-Erkennung unterstützen aufgabengreifende Aufgaben; ein Kontext-Bündel (Rollenrestriktionen + Arbeitsauftrags-Spezifikation/Plan/AC + Modell-Routing) wird pro Aufgabe materialisiert und injiziert.
Angetrieben von Desktop und Sandbox über ein verwaltetes Protokoll: langlebige Sitzungen, Echtzeit-Ereignisstreaming sowie Berechtigungs- und Freigabe-Karten. Das native integrierte Login ist vollständig gesperrt, und der verwaltete Einstiegspunkt bindet an die Unternehmensidentität.
Sub-Agenten starten je nach Aufgabenkomplexität parallel oder verschachtelt, aber jeder Sub-Agent muss vor seinem ersten Start eine Zustimmungsbestätigung auf Engine-Ebene passieren — „ob Sub-Agent-Zusammenarbeit eingesetzt wird“ wird zu einer Entscheidung, die das Unternehmen bestätigen kann.
Jede Sitzung ist an ein Identitäts-Subjekt (Issuer / Mandant / Benutzer) gebunden, mit Fail-Closed bei mandantenübergreifendem Zugriff; Engine-Aktionen laufen in einer eingeschränkten Sandbox, und Mandanten einer Installation sind füreinander unsichtbar.
Die Engine hält keine Modellanbieter-Schlüssel — sie erhält kurzlebige Sitzungs-Tickets vom Server, die über ein Engine-Gateway an das echte Modell weitergeleitet werden. Der echte Schlüssel verlässt nie den Server-Prozessspeicher.
Ein textbasiertes Primärmodell kann trotzdem sehen und hören: Bilder werden von einem Hilfs-Vision-Modell in Beschreibungen umgewandelt, und Stimme läuft über die eingebaute Stimm-Laufzeit der Engine. Modell-Routing wird immer serverseitig entschieden.
Arbeitsaufträge, Wissen, Anhänge und Nachrichten gelangen über einen einzigen Standard-MCP-Ausgang in die Engine — Geschäftsfähigkeiten sind nicht über die Engine-Seite verstreut, und Anmeldeinformationen werden nie an Clients weitergegeben.
Repositories mit Hooks oder Konfiguration werden standardmäßig nicht zur Ausführung geladen (das Folder-Trust-Gate). Ein Patch-Ledger plus Quellengleichheitsprüfungen können jederzeit beantworten: Woher kommt dieser Code, was wurde geändert, und kann er zurückgerollt werden.
Das AI-Entwicklungsteam erledigt Arbeitsaufträge in echten Repositories — kein simulierter Fortschritt, sondern echte Bearbeitungen, echte Tests und echte Commits.
Triage → Spezifikation → Plan → AC; das Kontextpaket wird materialisiert und mit jeder Aufgabe in die Engine injiziert.
In der Executor-Sandbox: clone → Code lesen → Dateien bearbeiten → Tests ausführen.
Echte Browser-Screenshots + ein Vision-Modell, das das Rendering beurteilt — kein jsdom-Raten.
Branch pushen → MR eröffnen → Code-Review → Merge-Gate → Arbeitsauftrag zurückschreiben.
Vereinbaren Sie eine Demo und sehen Sie, wie ein Arbeitsauftrag von der AI in einem echten Repository vollständig erledigt und als mergbarer MR zurückgegeben wird.