HERMES AGENT - ACONO Optimierung Kanban-Funktion durch Skills und Agent-Config
Hermes Agent enthält eine Kanban Funktion zur Koordination mehrerer KI-Agenten bereits im Auslieferungsstandard. Im Echtbetrieb bei ACONO beobachteten wir in unserer individuell konfigurierten Umgebung Herausforderungen bei Aufgabenbeschreibungen, Ergebnisübergaben und Review-Schleifen. Diese traten im Zusammenhang mit der verwendeten Umgebung, und im Zusammenspiel mit den abgebildeten Geschäftsprozessen und selbst entwickelten komplexen fachlichen Skills für die ausführenden Agenten (Worker) auf. Dieser Erfahrungsbericht zeigt, wie wir den Standard mit vier eigenen Markdown-Skills und angepassten Agentenprofilen für unsere spezifischen Anforderungen erweitert haben.
Der Beitrag richtet sich an Entwicklerinnen und Entwickler sowie technisch interessierte Anwender, die ihre eigene Hermes-Agent-Umgebung über den Standard hinaus erweitern und auf ihre anspruchsvollen, fachlich komplexen Anwendungsfälle und Geschäftsprozesse abstimmen möchten. Wir teilen hiermit unsere Erfahrungen mit der Hermes-Community, geben konkrete Anregungen für eigene Erweiterungen und möchten den Austausch über die Weiterentwicklung von Skills und Orchestrierungsverfahren fördern. Wenn ihr Erfahrungen aus anderen Anwendungsfällen einbringen möchtet oder Unterstützung bei der Umsetzung eurer Projekte mit Hermes Agent sucht, kommt gerne auf uns zu.
Einführung Hermes Agent Kanban Skill
Nutzung von mehreren Agents benötigt Kanban
Die einzelnen Hermes Agenten können recherchieren, Texte erstellen oder auch technische Aufgaben bearbeiten. Sobald mehrere Agenten zusammenarbeiten, braucht es klare Zuständigkeiten und verlässliche Übergaben. Sonst entstehen Rückfragen, doppelte Arbeit und endlose Korrekturschleifen, analog der Abstimmprozesse in echten Unternehmen.
Mittels Kanban-Funktion wird die Zusammenarbeit zwischen den Agents gesteuert, Nousresearch bringt hier bereits im Standard die Kanban-Funktionalität mit.
Gängig ist die Nutzung eines Orchestrators, sowie mehrere jeweils auf eine Aufgabe oder auf ein Aufgabengebiet spezialisierten Agents. Der Orchestrator weist dann den einzelnen Agents die Aufgaben zu, diese führen diese anhand ihres eigenen Skillsets aus, der Orchestrator übernimmt nur die übergreifende Steuerung.
Wie funktioniert der Hermes Kanban Skill?
Das Hermes Agent Set bringt bereits out-of-the-box Werkzeuge zur Steuerung des Kanban Prozesses sowie des Kanban Boards mit. Die gesamte Aufgabenverwaltung sowie die Fähigkeit des Reviews werden durch Hermes bereits im Standard bereitgestellt.
Die Ergebnisse aus den Aufgaben werden anhand des ursprünglichen Auftrages sowie der definierten Abnahmekriterien geprüft, es können auch Prüfnachweise verlangt werden.
Nach der Prüfung entscheidet der Orchestrator ob das Ergebnis die Qualitätskriterien erfüllt und abgenommen wird, oder ob weitere Korrekturen notwendig sind, die der jeweilige Agent durchzuführen hat. Weiter gibt es die Möglichkeit, bei Blockaden Entscheidungen des Nutzers anzufordern.
Somit bleiben Ausführung und Prüfung getrennt, ähnlich dem vier-Augen Prinzip in Unternehmen: Der Orchestrator übernimmt hier die Rolle des Task-Reviewers, und gibt an den ausführenden Agent klare Anweisungen zu den Anforderungen, wobei der Orchestrator nie das Ergebnis selbst verändert.
Für welche Use-Cases ist der Standard Skill ausreichend?
In unserem Umgebungen (mit unserer Konfiguration und Hardware) war der Standard Kanban-Skill insbesondere für einfache und klar abgegrenzte Aufgaben absolut ausreichend.
Diese umfassen beispielsweise kurze Recherchen, oder die Erstellung einzelner und einfacher Texte oder überschaubare Dateiänderungen. Die Stärke des Skills ist insbesondere die Abarbeitung von einfachen Aufgaben mit wenigen Abhängigkeiten und eindeutigen Kriterien zum Task-Review.
Ein typisches Beispiel ist ein Agent, dessen fachlicher Skill in einer einzelnen SKILL.md beschrieben ist, und welcher den Auftrag ohne zusätzliche, voneinander abhängige Teilprozesse autonom ausführen kann. Bei solchen Aufgaben benötigten wir in unseren Tests keine ergänzenden Übergabe- und Review-Regeln. Bei unseren umfangreicheren Skills mit mehreren abhängigen Arbeitsschritten und teilweise voneinander abhängigen Skills erwiesen sich zusätzliche Vorgaben dagegen als hilfreich.
Leistungsfähige Cloud-Modelle, können die zuverlässige Ausführung solcher Aufgaben unterstützen. Entscheidend bleiben jedoch das konkret eingesetzte Modell, die verwendeten Skills, der Komplexität, die Hardwarekomponenten auf welchen Hermes ausgeführt wird, die Konfiguration und die Aufgabenstellung.
Die Nutzung eines Cloud-Modells garantiert unserer Erfahrung nach keinen fehlerfreien Ablauf. Auch die genannte Anzahl der Markdown-Dateien pro Skill ist dabei nur als Anhaltspunkt zu verstehen: Auch eine einzelne Datei kann komplexe Anforderungen enthalten. Zusätzliche Orchestrierungsregeln werden vor allem dann sinnvoll, wenn mehrere Agenten, abhängige Arbeitsschritte, umfangreiche Liefergegenstände oder besondere Nachweispflichten (wie z.B. im regulierten Bereich) zusammenkommen.
Unser Erfahrungsbericht und unser Use-Case zielt daher insbesondere auf Anwender welche aufgrund ihrer komplexen Geschäftsprozesse eine stärkere Individualisierung von Hermes Agents suchen, und die Möglichkeiten einer eigenen Orchestrierung ausloten möchten.
Welche Probleme traten in unseren Umgebungen auf?
Tätigkeitsübergänge zwischen den Agents
Die Grenzen des Hermes-Agent-Standards liegen vor allem in der verbindlichen Vorbereitung und den Übergängen zwischen den einzelnen Agenten. Der von uns initial verwendete Standard-Review setzte voraus, dass ein Auftrag mit brauchbaren Abnahmekriterien vorliegt. Eine vergleichbar detaillierte Vorgabe dafür, wie jeder Auftrag vor der Delegation beschrieben werden muss, fehlte in dem initialen Ablauf, ist aus unserer Sicht jedoch essentiell notwendig um eine hohe Review-Qualität zu gewährleisten.
Unsere vier Markdown-Skills schließen diese Lücke: Sie standardisieren Ziel, Aufgabentyp, Zuständigkeit, Änderungsziele, Ausgabeort, Umfang, Ausschlüsse, Kontext, Abhängigkeiten und geltende Berechtigungen. Der ausführende Agent erhält damit einen klar abgegrenzten Auftrag statt einer offenen Aufgabenbeschreibung, deren Bedeutung er selbst interpretieren muss.
Abnahmekriterien für komplexe Aufgaben
In unseren Umgebungen haben wir komplexe Skillsets mit teilweise mehr als 30 markdown-Files pro Skill erstellt, was in der Durchführung bereits eine hohe Komplexität bedingt.
Besonders weit geht daher unsere Definition der Abnahmekriterien. Allgemeine Anforderungen wie „gründlich recherchieren", „professionell schreiben" oder „Datei sauber aktualisieren" werden durch überprüfbare Bedingungen ersetzt, welche explizit auf die gewünschten Ergebnisse zielen.
Kriterien benennen beispielsweise bei Textabhängigen Aufgaben die Anzahl, Format, Länge, konkrete Inhalte, Speicherort, Quellenqualität oder Aktualität. Ein unbeteiligter und neutraler Dritter ("Task-Reviewer") soll jedes Kriterium mit Ja oder Nein beantworten können, ohne Rückfrage - wir setzen also die Maßstäbe eines Auditors auch in der Verwendung unserer Bot-Ergebnisse an.
Die Anforderungen werden vor der Ausführung festgelegt und bleiben der Maßstab für die Abnahme. Zusätzliche Wünsche dürfen nicht nachträglich als Fehler des ausführenden Agenten behandelt werden: Erfüllt das Ergebnis die vereinbarten Kriterien und ist dennoch unbrauchbar, unterscheiden wir ausdrücklich zwischen einem Ausführungsfehler und einer fehlerhaften Spezifikation. Auch Übergaben zwischen den Agents, Prüftiefe der Ergebnisse und Ausnahmefälle für Prüfungen sind bei uns detaillierter als im Standard Kanban-Skill geregelt. Jeder Worker liefert eine strukturierte Rückmeldung mit Ergebnis, absoluten Dateipfaden, Selbstprüfung, konkreten Belegen und offenen Entscheidungen in den Task für den Orchestrator.
Wir unterschieden hier zusätzlich zwischen der Aufgabengröße und Komplexität, um die Angemessenheit des Reviews sicherzustellen: Für kleine Aufgaben gelten kurze Formate, anspruchsvolle Arbeiten erhalten ausführlichere Spezifikationen und Prüfungen. Fehlende Dateien lösen sofort eine Rückfrage beim Ersteller aus, statt eine ungezielte Suche oder einen Ersatzauftrag. Später beobachtbare Ergebnisse werden als Nachkontrolle mit Verantwortlichem und Zeitpunkt behandelt. Korrekturrunden, Plan-Korrekturen und Neustarts werden begrenzt und nachvollziehbar gezählt.
Der Mehrwert der ACONO Hermes Orchestrierung besteht damit in einem durchgängigen Arbeitsrahmen: Aufbauend auf den vorhandenen Kanban- und Review-Funktionen haben wir Beauftragung, Übergabe und Abnahme für unsere Prozesse konkretisiert; unsere Ergänzung regelt zusätzlich, wie diese Arbeit eindeutig beauftragt, nachvollziehbar übergeben und unter Sicherstellung der Verhältnismäßigkeit abgenommen wird.
Problemlösung durch ACONO eigene Hermes Orchestrierung
Einführung in das Zusammenspiel der ACONO Kanban Skills
Da wir während unseres Einsatzes in verschiedenen Hermes Umgebungen auf die oben genannten Probleme gestoßen sind, haben wir bei der ACONO einen eigenen Kanban Prozess entwickelt.
Umgesetzt wurde dieser mittels verschiedener ACONO eigener Skills, sowohl für Kanban selber, als auch einer Anpassung der Agent-Profile, der sogenannten souls.
Hermes Agent sowie der Kanban Skill stammen von Nous Research, die nachfolgend dargestellten Abläufe und Fähigkeiten wurden durch die ACONO Advisory entwickelt, um unsere eigene Hermes Agent Umgebung zu optimieren, diese sind keine Standardfunktionalitäten des Projektes sowie der Out-of-the-Box Lösung. Für uns waren insbesondere die Triggerpunkte entscheidend, welche Aktionen welche Regeln auslösen, wann der Agent stoppen muss und wann er weiterarbeiten darf, sowie die Unterscheidung zwischen verschiedenen Steuerungsbedarfen anhand der Aufgabengröße und Aufgabenkomplexität.
Je nach Agent-Typ sowie dessen Spezialisierung ergaben sich zusätzliche Steuerungs- und Informationsbedarfe, die anschließend in der jeweiligen soul.md des Agents erfasst wurden. Die neue ACONO eigene Orchestrierung funktioniert somit im Zusammenspiel der neuen übergreifenden Skills, sowie der individuellen Soul-Dateien der Agents.
Nachfolgend sind die vier verschiedenen ACONO eigenen Skills sowie das Zusammenspiel dargestellt:
Agentenkonfiguration mittels Markdown-files erhöht die Nachvollziehbarkeit
Agent Memory vs hard-coded Markdown
Markdown eignet sich für Arbeitsanweisungen, weil die User von Agentsystemen die Dateien lesen, vergleichen und gezielt ändern können. Darüber hinaus ist die Nachvollziehbarkeit für Auditoren gegeben, welche insbesondere im professionellen Einsatz z.B. bei Banken oder anderen regulierten Unternehmen wichtig ist. Hermes verbindet gespeicherte Erfahrungen mit wiederverwendbaren Skills. Für unsere verbindlichen Prozessregeln setzen wir auf explizit gepflegte Markdown-Dateien, deren Inhalte wir unabhängig vom individuellen Lernverlauf prüfen, versionieren und freigeben können, somit können wir hiermit auch Auditanforderungen abbilden oder regulierte Prozesse gleichbleibend durchführen.
Dies hat jedoch neben der Nachvollziehbarkeit mehrere Nachteile:
1) Skalierung: Hermes Agent kann aus Erfahrungen lernen und daraus wiederverwendbare Skills entwickeln. Werden unternehmensspezifische Prozessregeln jedoch ausschließlich im individuellen Agentenverlauf aufgebaut, müssen diese bei neuen oder temporären Agenten übernommen oder erneut vermittelt werden, was in unserem Use-Case manuelle Kapazitäten gebunden hätte. Für unsere verbindlichen Kanban-Regeln nutzen wir deshalb zentral gepflegte Markdown-Dateien, die wir mehreren Agenten bereitstellen und nachvollziehbar aktualisieren können.
2) Flexibilität & Regeltreue: Im Prozess sollte der Agent den Regeln folgen. Das Memory entwickelt sich jedoch stetig weiter, auch im Kontext der Aufgaben. Mit dem Kanban Prozess soll jedoch ein übergreifender Prozess des Unternehmens gesteuert werden, der verbindlich einzuhalten ist. Unserer Erfahrung nach ist das Verhalten von zwei identischen Agents mit unterschiedlichen Modellen stark unterschiedlich. Da das Memory von den Verhaltensweisen des Agents lernt, könnten es hier bei zwei Agents aufgrund ihrer bisherigen modellbedingten Abweichungen auch zu abweichenden Kanban-Prozessen führen. Hier besteht das Risiko, dass z.B. zwei verschiedene Agents eine Software entwickeln, jedoch mit abweichenden Vorgehensweisen in Durchführung und Testing vor Rückabe zum Review, was wieder zur Mehraufwand und erhöhter Steuerung in der Orchestrierung führt.
3) Dokumentation: Das Auslesen der individuellen Memory-Files der Agents funktioniert, und kann auch mittels einem Dokumentations-Bot automatisiert werden, erfordert jedoch zusätzlichen Aufwand und ggf. Cron-Jobs zur regelmäßigen Dokumentation. Insbesondere im regulierten Umfeld oder bei dynamischem Konfigurationsänderungen erhöht sich hier wieder der Aufwand der manuellen Nutzereingriffe in das System.
Rollenregeln vs Abläufe
Wir trennen Rollenregeln von wiederverwendbaren Abläufen. Die Rollenbeschreibung legt fest, wofür ein Agent im Rahmen seiner Tätigkeit und seiner fachlichen Spezialisierung verantwortlich ist und welche Berechtigungen gelten. Ein Agent kann über mehrere fachliche Spezialisierungen verfügen, welche ihm mittels Skills mitgegeben werden.
Prozessanweisungen beschreiben Spezifikation, Ausführung, Übergabe, Prüfung und Eskalation der Tasks. Diese Trennung erleichtert die Pflege der ACONO Orchestrierung.
Beispiel: Eine Änderung am Prüfverfahren ("TASK_REVIEW") muss nicht in jeder Rollenbeschreibung vollständig wiederholt werden, da diese übergreifend im Skill beschrieben ist und für alle Agents gleichzeitig gilt. Gleichzeitig darf die Agenten-Konfiguration keine widersprüchlichen Vorgaben enthalten, die Agent Konfigurationen müssen somit sowohl auf das übergreifende Verfahren abgestimmt werden, als auch auf die fachlichen Skills der Agents.
Beispiel: Wenn eine Regel eigenständige Korrekturen erlaubt und eine andere für jede Blockade eine neue Zustimmung verlangt, muss der Agent den Konflikt interpretieren, und gegebenenfalls unter Einbeziehung anderer Agents (z.B. Software-Agent zur Konfig-Anpassung) lösen. Diese Abstimmungen zwischen den Agents kostet nicht nur Tokens, sondern insbesondere Ausführungszeit und können im Extremfall auch die Ausführung verhindern, indem es zu unlösbaren Blockaden bei Tasks kommt.
Verbesserungen durch die ACONO Orchestrierung in Hermes
Nachfolgend ist die ACONO Hermes Orchestrierung (Stand Oktober 2026) dargestellt. Neben den Grundlagen wird nachfolgend beschrieben warum wir die Orchestrierung wie dargestellt aufgebaut haben, und welche Erfahrungen wir in verschiedenen Hermes Umgebungen gemacht haben, welche in die Orchestrierung eingeflossen sind:
Kanban Anpassungen im Soul.md des Workers
Obwohl die Orchestrierung für alle Agents gleich ist, haben wir bei unterschiedlichen Agent-Typen sowie insbesondere Modellabhängig unterschiedliche Steuerungsbedarfe. Diese unterschieden sich insbesondere in dem Detailgrad der benötigten Anweisungen im soul.md des Agents.
Der Review-Prozess selber ist fest im Review-Skill verankert.
Mittels der detaillierten Agent-abhängigen Beschreibung des Review-Prozesses im Profil ist es uns gelungen die Abbruch- und Blockadequote der Kanban tasks im Review deutlich zu senken, auch vorherige Endlosschleife im Review zwischen Orchestrator und Agent konnten durch verbesserte Anweisungen im Profil größtenteils unterbunden werden.
Hintergrund in der Anpassung der Profile war, dass gleiche Aufgaben zu unterschiedlichen Zeitpunkten durch den Worker unterschiedlich im Kanbanprozess ausgeführt wurden, teils mit individueller Prozessinterpretierung, trotz gleicher Modellnutzung. Die Nutzung von auf unsere Prozesse optimierten soul.md hat die Durchlaufzeiten sowie die Erfolgsquoten in unseren eigenen Umgebungen und Use-Cases verbessert.
Auswirkungen von hochkomplexen Skills auf die Orchestrierung
Die ausführenden Agenten verwenden passende Skills für ihre Fachaufgaben. Ein redaktioneller Auftrag kann Recherche, Texterstellung und sprachliche Überarbeitung verbinden, teilweise auch mehrfach - d.h. es können z.B. mehrere Überarbeitungsskills in Reihe geschalten sein. Eine technische Aufgabe kann Entwicklung und relevante Tests umfassen. Ein gemeinsamer Übergabeprozess sorgt anschließend dafür, dass Ergebnisse vergleichbar werden.
Insbesondere sobald komplexere Skills mit >30 oder >50 Vorgabefiles verwendet werden, benötigt der Worker präzise Vorgaben zum Kanban-Prozess, um auch bei mehrfachen Skilldurchläufen gleiche Ergebnisse zu erhalten, sowie die Ausführung der Durchläufe stabil zu gewährleisten.
Bei der Durchführung von komplexen Prozessen mit großen und umfangreichen fachlichen Skills (sowie der Verwendung mehrere voneinander abhängiger Skills) sind trotz übergreifendem Kanban-Verfahren folgende Probleme aufgetreten:
1) Falsche Ergebnisse
2) Falsche Behauptungen des Agents ("Datei gespeichert", "File geändert")
3) Alle Schritte erledigt (obwohl wesentliche Elemente gefehlt hatten)
Im Ergebnis litt die Steuerbarkeit dahinter, da es zu Problemen zwischen Agents und Orchestrator kam - bis hin zur vollständigen Blockade von Kanban Tasks ("Kanban-Deadlock").
Der Agent nennt das Ergebnis, vollständige Speicherpfade, Prüfbelege und offene Punkte. Behauptungen wie „Datei gespeichert" reichen nicht. Der angegebene Pfad muss tatsächlich auf das vereinbarte Ergebnis verweisen.
Für kleine Aufgaben genügt eine kompakte Rückmeldung; umfangreiche Arbeiten benötigen entsprechend mehr Nachweise. Diese Abstufung spart unnötige Ausgabe, ohne die Nachvollziehbarkeit aufzugeben.
Dies führt zu zweit Erkenntnissen:
1.) Mit zunehmender Komplexität unserer fachlichen Skills beobachteten wir einen erhöhten Bedarf an Orchestrierungsregeln. Bei unseren umfangreichen eigens entwickelten Skills mit teilweise mehr als 30 Markdown-Dateien erwiesen sich die zusätzlichen Orchestrierungsregeln als hilfreich.
2.) Es gibt keine "one-fits-all" Lösung für Anforderung. Es braucht eine Abstufung, und ein individuelles Handling beim Agent.
Fazit zur Komplexität:
-> Im Ergebnis wurden somit je nach Anforderung unterschiedliche Abstufungen des Anforderungsprozesses für die ACONO Orchestrierung definiert (kleine oder große Anforderungen, mit jeweils unterschiedlichen Vorgehensweisen), sowie die Quality-Gates beiderseitig (sowohl am Agent, als auch in der Orchestrierung) präzisiert, um einen verbesserten Task-Durchlauf zu gewährleisten.
ACONO trennt Steuerung von Liefergegenständen
Das ACONO Kanban-Aufgabenboard zeigt lediglich Zuständigkeit, Bearbeitungsstatus, Blockaden und Ergebnisverweise. Details wie Artikel, Berichte und andere Liefergegenstände speichern wir in zuvor festgelegten Ausgabeordnern, im Task Board verbleiben lediglich Verweise auf den Ergebnisspeicherort. Dadurch wird beim Aufruf des Boards weniger Kontext geladen.
Die Speicherung der Arbeitsergebnisse erfolgt nach festen Verfahren:
Gibt ein fachlicher Skill einen eigenen Ordner vor, hat dieser Vorrang vor dem allgemeinen Standard. Bestehende Projektdateien werden weiterhin am beauftragten Projektort geändert. Der Ausgabeordner ersetzt also kein Repository.
Im Kanban stehen maximal kurze Zusammenfassungen sowie absolute Dateipfade zu den erstellen Files statt vollständiger Dokumente. Dadurch bleibt die Karte übersichtlich., und zugleich lassen sich Ergebnisse unabhängig vom Board lesen und weiterverwenden - es können somit z.B. nach Fileerstellung und Freigabe andere Workflowengines wie n8n auf die Files zugreifen.
Das Kanban-Board sowie die einzelnen Tasks sind in unserer ACONO-Konfiguration reine Steuerungselemente, und vollständig von den Liefergegenständen abgetrennt. Diese Maßnahme hat auch zu einer Reduzierung der Fehlerquoten geführt, da insbesondere bei der Verarbeitung von größeren Texten Task-Abbrüche oder Task-Blockaden sowie Performancethemen aufgetreten sind.
Lösung des Problems der ungültigen Ergebnispfade im Kanban
Ein besonders wichtiger Verbesserungsbereich betrifft das Auftreten von ungültigen Ergebnispfade, welche unserer Erfahrung nach stark modellabhängig auftreten.
Meldet ein Agent einen Platzhalter oder eine nicht erreichbare Datei, darf die Koordination nicht im gesamten Dateisystem suchen. Sie fragt sofort beim ausführenden Agenten nach dem tatsächlichen absoluten Pfad und einem Existenzbeleg. Hintergrund ist unsere Erfahrung dass wenn der Orchestrator selbstständig sucht, der Orchestrator unnötig für weitere Aufgaben blockiert wird, während der Worker im idle ist, und die Anfrage schneller lösen kann. In einzelnen beobachteten Durchläufen suchte der Orchestrator bei fehlenden Ergebnispfaden wiederholt in mehreren Verzeichnissen. Eine mehrfache Durchführung der Suche kann je nach Umfang zeit- und tokenintensiv werden.
Bis zur Antwort des Workers erfolgen keine weiteren Schritte für diesen Auftrag durch den Orchestrator: kein Abschluss, kein Ersatzauftrag und keine zusätzliche Delegation. Ist der Worker-Agent nicht erreichbar, wird der Task als Blockade gemeldet.
Mit dieser Regel verhindert die ACONO Orchestrierung dauerhafte Suchschleifen und parallele Neuerstellungen. Außerdem bleibt die Verantwortung dort, wo das Ergebnis erzeugt werden sollte - beim Worker Agent.
Verbesserter Umgang mit Abweichungen und Korrekturzyklen
Die Ergebnisprüfung in der ACONO Hermes Orchestrierung orientiert sich an der vereinbarten Spezifikation, welche vorher durch den Orchestrator erstellt wurde.
Ausführungsfehler führen zu einer konkreten Abweichungsliste. Eine fehlerhafte Aufgabenbeschreibung wird dagegen korrigiert, statt den ausführenden Agenten für fehlende Anforderungen verantwortlich zu machen, was ansonsten zu Abbrüchen oder exzessiven Reviewschleifen führen könnte.
Korrekturrunden und Gesamtzyklen erhalten feste Grenzen, um Endlosschleife und hohen Tokenverbrauch zu unterbinden.
Ebenso wichtig ist die technische Abstimmung: Automatisch gestartete Review-Worker dürfen nicht zusätzlich einen anderen Prüfprozess erzwingen. In unserer Installation verursachte beispielsweise ein nicht verfügbarer Review-Skill wiederholte Fehlstarts, obwohl dieser durch unseren ACONO Skills ersetzt wurde und hätte nicht verwendet werden dürfen. Die Markdown-Regeln allein konnten das Problem nicht beheben; hierfür musste die tatsächliche Dispatcher-Konfiguration angepasst werden.
Erfolgsmessung im Betrieb & kontinuierliche Verbesserung
Ob eine optimierte Agenten-Konfiguration in unserer Umgebung mit unserer spezifischen Konfiguration schneller arbeitet, prüfen wir anhand vergleichbarer Aufgaben. Relevant sind neben Modellaufrufe, Werkzeugaktionen, Wartezeiten, Korrekturrunden und Zeit bis zur bestätigten Übergabe insbesondere die Ergebnisse. Weniger Text oder Kontext im Kanban allein garantiert keinen deutlichen Gewinn.
Den größeren Hebel bieten eindeutige und nachvollziehbare Entscheidungen (insbesondere hier bei Korrekturschleifen, welche wir in den Kommentaren begründen lassen), passende Skills und weniger unnötige Prozessschritte. Markdown macht diese Regeln überprüfbar; Logs zeigen anschließend, ob sie im Betrieb wirken. Wir nutzen den Review von durchgeführten Tasks sowie der Beschreibung in den Log-Files und Kommentaren zur kontinuierlichen Verbesserung des Skillsets sowie der einzelnen Agent Markdowns.
Sie möchten Ihre Prozesse mit Hermes automatisieren?
Sie arbeiten mit mehreren Agenten und merken, dass Übergaben, Rückfragen oder Korrekturschleifen Zeit kosten?
Sie wollen Ihre Prozesse mittels Hermes Agents automatisieren?
Sie möchten das Potential von Agentenlösungen kennenlernen?
Wir von ACONO helfen Ihnen, Ihre Prozesse mit klaren Regeln und passender Tool-Konfiguration zu strukturieren. Kontaktieren Sie uns für ein unverbindliches Gespräch, wir zeigen Ihnen, welche Möglichkeiten sich mit Hermes Agents für Ihr Unternehmen bieten.
Hinweis: Stand Oktober 2026. Dieser Artikel basiert auf eigenen Beobachtungen und Erfahrungen von ACONO Advisory mit Hermes Agent, zuletzt Version 0.21.6+373, anhand eigener Anwendungsfälle in einer selbst gehosteten Umgebung auf Apple Silicon unter Verwendung verschiedener Modelle und individueller Konfigurationen.
Die beschriebenen Ergebnisse und Einschränkungen beziehen sich auf diese konkrete Umgebung und sind nicht ohne Weiteres auf andere Modelle, Konfigurationen, Versionen oder Einsatzszenarien übertragbar. Beobachtete Probleme und Herausforderungen können aus dem Zusammenspiel dieser Komponenten entstehen; daraus lässt sich keine allgemeine Fehlerhaftigkeit von Hermes Agent oder eine eindeutige Ursache ableiten.
Die dargestellten ACONO-Erweiterungen sind eigene Entwicklungen und von den Standardfunktionen des Projekts zu unterscheiden, der Einsatz der ACONO-Skills ist ausschließlich auf die Use-Cases der ACONO sowie die Eingesetze Umgebung und die eingesetzten Modelle optimiert. Der Beitrag ist ein unabhängiger Erfahrungsbericht und keine offizielle Stellungnahme von Nous Research.
Für die Übertragbarkeit der beschriebenen Lösungsansätze oder vergleichbare Ergebnisse in anderen Umgebungen wird keine Gewähr übernommen.
Mit diesem Beitrag möchten wir unsere Praxiserfahrungen mit der Community teilen und Entwicklerinnen und Entwickler dazu anregen, die Skills und Orchestrierungsverfahren rund um Hermes Agent weiterzuentwickeln und auf Ihre Anforderungen und Umgebungen stärker anzupassen. Die beschriebenen Anpassungen verstehen wir als ergänzende Ansätze für unsere konkreten Einsatzszenarien. Sie sollen zum fachlichen Austausch und zur gemeinsamen Weiterentwicklung beitragen.