Don’t trust
the agents. Control them.
HeptaFlow führt KI-Agenten unter Vertrag, unabhängigem Review und protokollierter Evidenz – die wichtigen Entscheidungen bleiben beim Menschen. Nichts wird auf das Wort eines Agenten hin akzeptiert.
- 01 AbsichtVertrag
- HEPTAFLOW CONTROL — KONTROLLGRENZE
- 02 Ausführung · Agent ABuilder
- 03 Review · Agent BReviewer
- 04 PrüfungenDeterministisch
- 05 EvidenzLaufzeitbeweis
- 06 AutoritätMensch
Agenten arbeiten nur innerhalb einer Grenze, die HeptaFlow Control kontrolliert: ein Vertrag am Eingang, unabhängige Prüfungen und Evidenz im Inneren, menschliche Autorität am Ausgang.
Rekonstruierte Ansicht mit synthetischen Daten · den Run als Text lesen
- Die Kontrollgrenze. Agenten arbeiten nur innerhalb einer Grenze, die HeptaFlow Control kontrolliert: ein Vertrag am Eingang, unabhängige Prüfungen und Evidenz im Inneren, menschliche Autorität am Ausgang.
- HeptaFlow Control. Dieselbe Struktur, so wie die Plattform sie zeigt: ein Flow aus Agenten-, Skript- und menschlichen Tasks. Jede Karte ist Laufzeitzustand (geplant, bereit, läuft, abgeschlossen), keine Zeichnung.
- Ein Agent baut – in klaren Grenzen. Der Builder ist ein Agent mit fester Rolle und fixierten Eingaben. HFC startet ihn in einem isolierten Arbeitsbereich, verantwortet Timeout und Wiederholungen und protokolliert den Versuch. Der Agent steuert den Flow nie selbst.
- Ein unabhängiger Reviewer widerspricht. Der Builder meldete seine Arbeit als fertig, und die regelbasierte Prüfung war erfolgreich. Der Reviewer – ein Agent eines anderen Anbieters – fand einen Fehler mit Datei und Zeile. Sein Urteil schickt die Arbeit zurück an den Builder (RECURSION).
- Begrenzte, protokollierte Nacharbeit. Der Builder erhält den Befund und ändert nur, was dieser nennt; der Reviewer prüft die geänderte Datei erneut und bestätigt die Korrektur. Beide Engines laufen, ein Programm vergleicht jede Zeile. Nacharbeit ist begrenzt. Scheitert ein Task oder ist das Budget aufgebraucht, hält HFC an und wartet auf einen Menschen.
- Die Entscheidung bleibt beim Menschen. Jeder Versuch, jede Prüfung, jeder Befund und jeder Vergleich bleibt für diesen Kandidaten erhalten. Hier konnte der Analyzer einen Fall nicht belegen, also wartet der Run auf Human Review: annehmen oder zurückschicken. Wo der Mensch entscheidet, legt jeder Flow fest; im eigenen Engineering-Lebenszyklus von HeptaFlow sind Abnahme und Abschluss immer explizite menschliche Entscheidungen.
Die Produktansichten sind eine Rekonstruktion der Oberfläche von HeptaFlow Control mit synthetischen Daten, keine Aufzeichnung. Die Oberfläche ist, wie das Produkt, englisch. Vereinfacht: Sechs deterministische Stufen des echten Flows sind nicht dargestellt. Anbieternamen sind die Agenten-Kennungen, die HFC anzeigt.
Agenten sind schnell. Die Abnahme ist das Schwierige.
Autonome Agenten erzeugen Code, SQL und Pipelines in Minuten. Professionelles Engineering muss trotzdem dieselben Fragen beantworten wie immer: Stimmt es, wer hat es geprüft, und können wir es belegen?
Überzeugt ≠ korrekt
Ein Agent meldet Erfolg mit derselben Sicherheit, ob er richtig liegt oder nicht. Seine eigene Zusammenfassung ist kein Beleg.
Review skaliert nicht
Wächst der Output um das Zehnfache, wird das zeilenweise Review zum Engpass – oder findet stillschweigend nicht mehr statt.
Nichts zu prüfen
Prompts, Kontext und Entscheidungen verschwinden mit der Session. Was sich nicht reproduzieren lässt, lässt sich nicht steuern.
Kontrolle, die man prüfen kann.
HeptaFlow Control ist die Steuerungsschicht rund um den Agenten. Sie legt fest, was zu tun ist, womit gearbeitet wird und was als Beweis gilt. Der KI-Anbieter liefert die Intelligenz, HeptaFlow liefert die Kontrolle – und Sie behalten die Autorität.
| P-1 | Prüfbare Verträge | Jede Anforderung nennt vorab, welcher Beweis sie bestätigt oder widerlegt. |
|---|---|---|
| P-2 | Fixierter Kontext | Agenten arbeiten mit freigegebenen, versionierten Eingaben, protokolliert pro Versuch. |
| P-3 | Isolierte Ausführung | Jeder Run hat seinen eigenen Arbeitsbereich; HFC verantwortet Start, Timeout, Wiederholung und Stopp. |
| P-4 | Unabhängiges Review | Ein zweiter Agent eines anderen Anbieters prüft das exakte Ergebnis, bevor es weitergeht. |
| P-5 | Aufbewahrte Evidenz | Jeder Versuch, jede Prüfung, jeder Befund und jede Entscheidung bleibt im Run-Protokoll. |
| P-6 | Menschliche Autorität | Wo ein Flow es verlangt, nimmt ein Mensch an oder schickt zurück. Automatisierung genehmigt sich nie selbst. |
Eine PlattformVier Module
Führt und steuert die Arbeit
Flows aus Agenten-, Skript- und menschlichen Tasks: Ausführung, Isolation, Prüfungen, begrenzte Nacharbeit, Evidenz und Human Review.
Plant und zeigt die Arbeit
Der Engineering-Arbeitsbereich: Epics und Issues, Boards und Ansichten. Jede kontrollierte Änderung zeigt ihren Vertrag und ihre Abnahmekriterien aus Git, ihre Pull Requests und Checks sowie ihre HFC-Runs – jede Angabe mit Quelle und Aktualität. Lens führt nichts aus und genehmigt nichts.
Sie arbeiten mit Jira oder Linear? Bleiben Sie dabei. Lens ist optional: HeptaFlow Control hängt nicht davon ab, und der Vertrag kann in dem Tracker liegen, den Sie heute nutzen. Die Anbindung Ihres Trackers ist Teil der Einführung.
Generiert die Pipelines
Metadatengetriebene Pipeline-Generierung: Quellen, Schlüssel, Historisierung und Regeln einmal beschreiben und daraus konsistente, wiederholbare Pipelines für Spark und Databricks erzeugen – statt jeden Schritt von Hand zu codieren.
Generiert die Testdaten
Testszenarien, abgeleitet aus Metadaten und SQL-Logik: strukturierte Quelldaten für Schlüssel-, Historisierungs- und Lebenszyklus-Fälle, erzeugt für Legacy- und Ziel-Engine gleichermassen – damit die Gleichwertigkeit mehr abdeckt als die Fälle, an die jemand gedacht hat.
Was heute real istReifegrad, klar benannt
| Fähigkeit | Status |
|---|---|
| Agenten-Orchestrierung und kontrollierte Ausführung (Flows aus Agenten-, Skript- und menschlichen Tasks) | Implementiert |
| Trennung von Builder und Reviewer über KI-Anbieter hinweg; begrenzte Nacharbeit | Implementiert |
| Aufbewahrte Evidenz pro Versuch; Human Review mit Annehmen / Zurückweisen | Implementiert |
| HeptaFlow Lens: Arbeitsverwaltung mit kontrollierten Änderungen, Git- / GitHub-Zustand und HFC-Runs (nur lesend) | Implementiert |
| KI-gesteuerte Epic-Umsetzung: Epics in Lens, zerlegt in kontrollierte Änderungen, die HFC ausführt | Demonstriert |
| Kontrollierte Migration von Legacy-ETL nach Spark / Databricks mit Gleichwertigkeit auf Zeilenebene | Implementiert |
| Ein vollständiger Engineering-Änderungszyklus als ein automatisierter Flow | Demonstriert |
| HeptaFlow Pipeline: metadatengetriebene Pipeline-Generierung | In Kürze |
| HeptaFlow Testdata: Testszenarien und Testdaten aus Metadaten und SQL-Logik | In Kürze |
| Reviewer mit dem Auftrag, jede Aussage zu widerlegen (Adversarial Falsification) | Geplant |
Eine Control Plane. Viele Prozesse.
In einer klassischen KI-Anwendung erledigt ein Modell eine Aufgabe. HeptaFlow steuert einen ganzen Prozess: Agenten arbeiten, deterministische Programme prüfen, Menschen entscheiden an definierten Grenzen, und HeptaFlow Control protokolliert jeden Schritt. Die Fachlogik und ihre Werkzeuge wechseln von Use Case zu Use Case. Die Steuerung von Ausführung, Prüfungen, Entscheidungen, Evidenz und Freigaben bleibt dieselbe.
- 01 · Flow-VertragWas erreicht werden sollKriterien, Prüfungen und wer entscheidet – in HeptaFlow Lens, Jira, Linear oder Ihrem Repository
- 02 · AusführendeAgenten · Programme · MenschenReasoning und Generierung · Tests und Ausführung · Freigaben und Eingriffe
- 03 · HeptaFlow ControlDie Process Control PlaneLebenszyklus · Routing · Wiederholungen · Isolation · Evidenz · Audit-Trail
- 04 · Verifiziertes ErgebnisMit BeweisPull Request · Datenprodukt · Auditbericht · Entscheidungsgrundlage · kontrollierte Änderung
- Demonstriert
KI-gesteuerte Epic-Umsetzung
Planen Sie ein Epic in HeptaFlow Lens. KI-Agenten zerlegen es in kontrollierte Änderungen, jede mit Vertrag und Abnahmekriterien. HeptaFlow Control führt jede Änderung durch Build, unabhängiges Review und Evidenz; Lens zeigt den Fortschritt des Epics – und die Abnahme bleibt beim Menschen.
Mit Jira oder Linear statt Lens funktioniert es genauso: HeptaFlow Control führt die Änderungen aus, egal in welchem Tracker das Epic liegt.Epic in Lens → KI-Planung → kontrollierte Änderungen mit Verträgen → Build → unabhängiges Review → Evidenz → menschliche Abnahme
- Implementiert
Legacy-Modernisierung & Code-Migration
Legacy-ETL nach Spark und Databricks übersetzen – und die Gleichwertigkeit belegen, bevor jemand merged. Dasselbe Flow-Muster lässt sich auf weiteren Legacy-Code übertragen.
Quelle analysieren → übersetzen → unabhängiges Review → beide Engines ausführen → vergleichen → Pull Request
Zum Referenzfall ↓ - Demonstriert
KI-gestützte Softwareentwicklung
Spezifizierte Tickets in getestete Pull Requests umsetzen, während Qualitätskriterien, Freigaben und jede Git-Wirkung unter Kontrolle bleiben.
Ticket → Planung → Builder → unabhängiger Reviewer → Test-Gates → begrenzte Korrektur → Human Review → Pull Request
HeptaFlow selbst entsteht unter Verträgen, unabhängigem Review und protokollierter menschlicher Freigabe. Der ganze Lebenszyklus ist an Beispieländerungen als ein einziger Flow gelaufen – bis zum menschlichen Entscheid. - Demonstriert
Data Product Delivery
Neue Datenprodukte mit überprüfbarer Qualität und geregelter Veröffentlichung bereitstellen.
Datenvertrag → Pipeline → Schema- & Qualitätsprüfung → Tests → Freigabe bei Bedarf → Publikation
Gezeigt im Migrations-Flow: generierte Pipeline, Datenqualitätstests auf beiden Engines, ein deterministisches Publikations-Gate und ein Pull Request. - Demonstriert
Datenabgleich & Datenqualität
Operative Systeme, Data Warehouse und Finanzsysteme abgleichen, Abweichungen untersuchen und jede Korrektur verifizieren.
abgleichen → Abweichungen erkennen → Ursache untersuchen → Korrektur vorbereiten → verifizieren
Gezeigt im Migrations-Flow: vollständige Zielzustände und Datenqualitätsergebnisse zeilenweise verglichen; ein Analyzer führt jede Abweichung auf Datei und Zeile zurück; die Korrektur wird durch einen erneuten Lauf verifiziert. - Mögliche Anwendung
Compliance-Evidenz
Evidenz für technische Kontrollen sammeln und prüfen, ohne die abschliessende Verantwortung an eine KI abzugeben.
Kontrollkatalog → Evidenz beschaffen → deterministische Tests → Abweichungen analysieren → unabhängige Gegenprüfung → Human Review → Auditbericht
- Mögliche Anwendung
Behebung von Sicherheitslücken
Schwachstellen über viele Anwendungen hinweg beheben – mit Patches, die getestet sind, bevor sie vorgeschlagen werden.
betroffene Komponenten finden → Patch → Sicherheits- & Regressionstests → Pull Request
- Mögliche Anwendung
Infrastruktur-Änderungen
Infrastructure-as-Code-Änderungen planen, gegen Policies prüfen und den Zielzustand verifizieren.
planen → Policy-Prüfung → menschliche Freigabe → Deployment → Zielzustand verifizieren
- Mögliche Anwendung
Dokumentenlastige Entscheide
Schadenfälle, Verträge, Ausschreibungen: Unterlagen strukturieren und den Entscheid vorbereiten. Treffen tut ihn ein Mensch.
Eingang → Extraktion → Regel- & Plausibilitätsprüfung → unabhängige Prüfung → menschlicher Entscheid → dokumentiertes Ergebnis
- Ihr Prozess
Arbeit, die stimmen muss?
Braucht ein Prozess Agenten, Prüfungen und einen Menschen, der freigibt, kann er unter HeptaFlow Control laufen. Lassen Sie uns Ihren abbilden.
Pilotprojekt besprechen →
In jedem Use Case wiederverwendetHeptaFlow Control
- Prozesssteuerung, Lebenszyklus und Routing
- Wiederholungen, begrenzte Nacharbeit, Stopps und Human Review
- Isolation und Operator-Berechtigungen
- Evidenz, Prüfsummen und Audit-Timeline
- Kontrollierte Artefakt- und Repository-Aktionen
Pro Use Case definiertMit Ihnen
- Der fachliche Ablauf und seine Entscheidungspunkte
- Agenten, Werkzeuge und System-Integrationen
- Zulässige Korrekturschleifen und Entscheidungsrollen
- Sicherheitsregeln und Zugriffsumgebung
- Fachliche Prüfregeln, Datenverträge und Zielplattformen
Nicht alles ist schlüsselfertig. Die Control Plane ist wiederverwendbar; Domänenadapter, Verträge, Testregeln und Freigabe-Policies werden pro Use Case integriert und verifiziert. Eine demonstrierte Pipeline ist noch kein produktiver Betrieb: Rollout und branchenspezifische Compliance sind weitere Schritte.
Legacy-ETL nach Spark und Databricks – belegt gleichwertig.
Ein Agent übersetzt einen Legacy-ETL-Prozess nach Spark SQL; ein zweiter, von einem anderen Anbieter, prüft die Übersetzung. Danach laufen Original und Übersetzung auf denselben Testdaten, und ein Programm vergleicht jede Zeile und jedes Ergebnis der Datenqualitätstests. Veröffentlicht wird nur eine nachweislich gleichwertige Pipeline: ein Databricks-fähiges Paket – Notebook, Spark-SQL-Ladeschritte und Datenqualitätstests –, veröffentlicht als Pull Request mit einem Herkunftsnachweis, wie sie geprüft wurde. Ob ein deterministisches Gate oder ein Mensch den Merge freigibt, legt jeder Flow fest.
Ehrliche Grenzen. Bisher an einer Pipeline durchgängig demonstriert. Die Gleichwertigkeit ist für die Testdaten belegt, die gelaufen sind; ein Fall, der in den Testdaten fehlt, ist nicht belegt – darum kommt HeptaFlow Testdata. Die Gleichwertigkeit auf Zeilenebene wird auf Spark gegen die Legacy-Engine festgestellt; auf Databricks wird der gelieferte Job über Laufstatus, Tests und Zeilenzahlen verifiziert.
Gebaut von Ingenieuren, die unterschreiben.
HeptaFlow wird von der STAG Consulting GmbH in der Schweiz entwickelt. Es ist aus der Modernisierung von Datenplattformen entstanden – dort, wo eine schnelle Antwort nichts wert ist, solange niemand belegen kann, dass sie stimmt. Wir entwickeln HeptaFlow nach seiner eigenen Disziplin: Jede Änderung hat einen Vertrag, aufbewahrte Evidenz und einen expliziten menschlichen Entscheid.
Sehen Sie einen kontrollierten Run von Anfang bis Ende – vom Vertrag bis zum Entscheid.
Ein technischer Walkthrough für Engineering-Verantwortliche, Datenplattform-Architekten und Partner. Pilotprojekte und Design-Partnerschaften auf Anfrage.
Oder schreiben Sie an office@stag-consulting.com.