Paperclip
Agentic AI. Multi-Agent-Unternehmen.
Agentic AI. Multi-Agent-Unternehmen.
Agentic AI in der Praxis. Vorgefertigte Multi-Agent-Unternehmen. Ein Experiment mit echten Learnings.
Paperclip ist ein Open-Source-Framework für sogenannte "Zero-Human Companies" — vollständig KI-gesteuerte Organisationen. Die Idee: Kann man ein Unternehmen aufsetzen, in dem KI-Agents alle Rollen übernehmen?
Das Framework bringt vorgefertigte Unternehmens-Templates mit. Jedes Template definiert Agents mit Rollen, Skills und Zielen. Die Agents kommunizieren untereinander, treffen Entscheidungen und liefern Ergebnisse.
Für AO Projects ist Paperclip das Experimentierfeld: Ich nehme die Templates, setze sie auf und dokumentiere, was funktioniert — und was nicht.
Das Aufsetzen von Paperclip war kein Plug-and-Play. Die Installation selbst ist unkompliziert, aber das Framework richtig zum Laufen zu bringen — mit funktionierenden Companies und sauber konfigurierten Agents — hat einiges an Arbeit gekostet.
Der erste Ansatz war, die Skills manuell nachzubauen. Das hat nicht funktioniert. Die Skill-Architektur ist komplexer als sie auf den ersten Blick wirkt, und ohne die richtigen Abhängigkeiten und Konfigurationen laufen die Agents ins Leere.
Die Lösung: Ich habe den MCP-Server für die ClawTeam Capital aufgesetzt. Das war der Durchbruch — damit konnten die Agents auf externe Datenquellen zugreifen und die Skills richtig nutzen.
Eine vollständig KI-gesteuerte Investment-Analyse-Firma. 7 spezialisierte Agents arbeiten zusammen an strukturierten Finance Reports.
Besonderheit: Für ClawTeam Capital habe ich den MCP-Server aufgesetzt, damit die Agents auf Live-Marktdaten zugreifen können. Vorher habe ich versucht, die Skills manuell zu konfigurieren — das war der falsche Weg. Das vorgefertigte Template liefert die richtige Architektur mit.
Status: Phase 1 — Erste Testläufe. Ergebnisse werden hier dokumentiert.
Auf GitHub ansehen →Enterprise-Level KI-Consulting als vollautomatische Organisation. 48 Agents mit 65 spezialisierten Skills. Teams für GTM-Strategie, Competitive Analysis, Market Sizing und Pricing-Modelle.
Die Idee: Was wäre, wenn eine Beratungsfirma komplett von KI-Agents betrieben würde? Product Compass testet genau das — mit dem Anspruch, strukturierte Deliverables mit Quellenangaben und Executive Summaries zu liefern.
Status: In Arbeit — Setup abgeschlossen, erste Aufträge laufen.
Auf GitHub ansehen →Mein erster Versuch war, die Paperclip-Skills einfach zu übernehmen. Das hat nicht funktioniert — die Ergebnisse waren unbrauchbar. Also habe ich den Code von John prüfen lassen. Dabei wurde ein infizierter Skill entdeckt, der unerwünschtes Verhalten zeigte. Ohne diese Prüfung hätte ich das nie gefunden. Das bestätigt die Methode: Nie etwas blind installieren, sondern prüfen lassen und verstehen, bevor es ins eigene Setup kommt.
Ohne den MCP-Server konnten die Finance-Agents keine Live-Daten abrufen. Das Setup war nicht trivial — die Konfiguration der API-Endpoints und die Authentifizierung haben mehrere Anläufe gebraucht. Aber sobald der MCP-Server lief, funktionierte alles deutlich besser.
Die einzelnen Agents zum Laufen zu bringen war machbar. Aber 7 Agents so zu orchestrieren, dass sie sinnvoll zusammenarbeiten, Ergebnisse korrekt weitergeben und am Ende ein konsistentes Gesamtbild liefern — das ist eine völlig andere Herausforderung. Die meisten Fehler entstehen nicht in den Skills selbst, sondern in den Übergaben zwischen Agents.
Dieser Bereich wird laufend aktualisiert, sobald die ersten Ergebnisse aus ClawTeam Capital und Product Compass vorliegen. Transparenz ist der Kern dieses Projekts — auch wenn Ergebnisse mal nicht glaenzen.
