Warum die KI ihre Werkzeuge nicht benutzt
Viele Teams binden MCP-Server und Skills an und gehen davon aus, dass die KI sie nutzt. Unsere eigene Messung zeigt etwas anderes. Was dahintersteckt und was Teams daraus lernen können.
Wer heute mit KI-Agenten entwickelt, baut ihnen Werkzeuge. Ein MCP-Server für die Codesuche, einer für das Ticketsystem, ein paar Skills für wiederkehrende Aufgaben. Die Annahme dahinter: Was die KI braucht, holt sie sich.
Wir haben das gemessen.
In einer Messung mit 45 Testläufen rief die KI verfügbare Werkzeuge nur in 16 Fällen von selbst auf. Deshalb liefert ai-boost den Kontext mit jedem Prompt mit, ohne dass sie fragen muss.
In allen anderen Fällen arbeitet die KI trotzdem weiter, nur ohne das Wissen, das die Werkzeuge geliefert hätten. Das fällt selten sofort auf. Der Code kann lauffähig sein und trotzdem nicht zu den Konventionen und Entscheidungen des Projekts passen.
Wie ein Agent entscheidet
Ein KI-Agent sieht zu Beginn einer Sitzung die verfügbaren Werkzeuge mit kurzen Beschreibungen. Ob er eines davon aufruft, entscheidet das Modell bei jedem Schritt selbst, auf Grundlage dieser Beschreibungen und der Aufgabe. Daraus folgen drei Schwächen.
Das Modell weiß nicht, was es nicht weiß. Eine Teamkonvention oder eine frühere Entscheidung kann es nicht vermissen, solange es nicht ahnt, dass es sie gibt. Also fragt es nicht danach.
Eigenes Wissen wirkt ausreichend. Für viele Aufgaben hat das Modell eine allgemeine Lösung parat. Ein Werkzeugaufruf kostet einen Schritt und bringt aus seiner Sicht keinen erkennbaren Vorteil.
Mehr Werkzeuge machen die Wahl schwerer. Jede Beschreibung belegt Platz im Kontextfenster und konkurriert mit allen anderen. Je mehr Werkzeuge angebunden sind, desto unschärfer wird, wann welches gemeint ist.
Anbieten oder mitliefern
Ein Werkzeug anzubieten heißt: Die KI darf fragen. Kontext mitzuliefern heißt: Die KI bekommt die Antwort, bevor sie fragen muss.
Agenten wie Claude Code bieten dafür Hooks. Ein Hook ist ein Programm, das an festen Punkten einer Sitzung läuft. Der Hook UserPromptSubmit etwa wird bei jedem Prompt ausgeführt, bevor das Modell ihn sieht, und kann zusätzlichen Kontext anhängen. Ob dieser Kontext ankommt, entscheidet dann nicht mehr das Modell.
Werkzeuge bleiben sinnvoll, wenn die KI gezielt nachsehen soll, etwa ein bestimmtes Ticket öffnen. Das Grundwissen über das Projekt gehört aber nicht in eine Schublade, die die KI erst öffnen muss.
Was Teams daraus lernen können
Einiges lässt sich sofort umsetzen, auch ohne zusätzliche Plattform.
Weniger, klarere Werkzeuge. Lieber wenige Werkzeuge mit eindeutigen Beschreibungen als viele mit ähnlichen.
Wichtiges nicht dem Zufall überlassen. Was in jeder Sitzung gelten muss, gehört in den Prompt, nicht in ein Werkzeug, das die KI vielleicht aufruft. Aber nur das, was für die Aufgabe gilt, nicht alles.
Werkzeugaufrufe messen. Wer protokolliert, welche Werkzeuge tatsächlich aufgerufen werden, sieht schnell, welche nur auf dem Papier existieren.
Der Hook ist der einfache Teil
Ein Hook ist schnell eingerichtet. Schwer ist, was er liefern soll. Alles mitzuschicken füllt das Kontextfenster mit Regeln, die gerade nicht gelten, und die Antworten werden schlechter. Nützlich ist nur der Kontext, der zur Aufgabe passt: die richtige Stelle im Code, die Konvention, die hier gilt, das Ticket, mit dem die Änderung zusammenhängt.
Dafür braucht es einen Index über Code, Historie, Tickets und Dokumentation, der laufend aktuell bleibt. Eine Prüfung, ob die Treffer die Frage wirklich beantworten. Und eine Verteilung, die auf jedem Rechner im Team gleich funktioniert, in jedem Projekt.
So löst ai-boost das
ai-boost übernimmt genau diesen Teil. Code, Konventionen und Commit-Historie sind semantisch durchsuchbar, Tickets und Dokumentation sind angebunden und laufend aktuell, jedes Ticket ist mit den Commits verknüpft, mit denen es umgesetzt wurde. Zu jedem Prompt wählt ai-boost den Kontext aus, den die Aufgabe braucht, und liefert ihn über Hooks mit. Nach jeder Suche prüft ein Modell, ob die Treffer die Frage wirklich beantworten. Scheintreffer werden verworfen.
Eingerichtet wird das mit einem Befehl pro Rechner und einem pro Projekt, zentral vorgegeben für das ganze Team. Die Werkzeuge bleiben zusätzlich verfügbar, für alles, was die KI gezielt nachsehen soll.
So hängt die Qualität nicht mehr davon ab, ob die KI im richtigen Moment auf die Idee kommt, nachzufragen.
Verfügbar heißt nicht genutzt. Kontext muss mitgeliefert werden.
Die Frage ist nicht, welche Werkzeuge Ihre KI hat. Sondern welches Wissen sie hat, wenn sie die erste Zeile schreibt.