Pokee KI-Agenten für Teams: Langlaufende Aufgaben zuweisen und prüfen

Die KI-Agenten von Pokee arbeiten in 90-minütigen Zyklen in einer persistenten Sandbox mit abgegrenzten Dateien, Skills und Speicher. Wie ein Team diese Arbeit zuweist, nachverfolgt und überprüft.

Aiden Flux

Aiden Flux

5 November 2026

Pokee KI-Agenten für Teams: Langlaufende Aufgaben zuweisen und prüfen

TL;DR: Pokee-KI-Agenten laufen über die Pokee Enterprise API: Jeder Mandant erhält eine private, persistente Sandbox, in der ein Agent bis zu 90 Minuten an einem einzelnen Durchlauf arbeiten kann – mit dateibasierten Zugriffsbeschränkungen (Scoped File Access), hochgeladenen Skills, .pokee/-Persona-Dateien und sitzungsübergreifendem Gedächtnis. Die API führt den Agenten aus. Ihr Team benötigt dennoch einen Ort, um diese Aufgaben zuzuweisen, zu überwachen und die Ergebnisse vor dem Release zu prüfen.

Pokee ist für Aufgaben konzipiert, die den Rahmen eines einfachen Chatfensters sprengen: ein zehnseitiger Marktbericht oder Recherchen, die fast eine Stunde in Anspruch nehmen. Niemand schaut einem 90-minütigen Durchlauf live zu – daher braucht es klare Zuständigkeiten, jemand muss das Ergebnis prüfen und entscheiden, ob es fertig ist. Wenn Sie Coding-Agenten bereits auf einem gemeinsamen Board verwalten, ist Sharkly genau der richtige Ort dafür; mehr dazu weiter unten.

Was ist Pokee AI?

Pokee ist eine Plattform für Agenten, deren Enterprise API laut offizieller Beschreibung „eine REST-API zur Ausführung langlebiger, agentengesteuerter Workflows in einer dedizierten, persistenten Sandbox“ ist. Jeder Mandant erhält einen privaten Workspace, ein Bearer-Token sowie Endpunkte für Sessions, Dateien, Skills und Streaming-Nachrichten unter einer Adresse wie https://your-tenant.enterprise.pokee.ai. Der Zugang richtet sich an Enterprise-Kunden: In der Pokee-Dokumentation werden Neukunden über „Request demo“ geleitet; ein Self-Service- oder kostenloser Tarif wird nicht beschrieben.

Auf der Seite Modelle und Preise sind zwei Modellstufen aufgeführt:

Modell Input ($/M Token) Output ($/M Token) Cache-Read ($/M Token)
pokee-isaac-high-reasoning $3 $15 $0.30
pokee-isaac $0.30 $5 $0.10

Bei neuen Mandanten ist standardmäßig die High-Reasoning-Stufe voreingestellt. Das Modell wird beim Erstellen einer Session fixiert, sodass jeder Durchlauf innerhalb dieser Session auf derselben Stufe ausgeführt wird.

Das Pokee-Agentenmodell: Sessions, Sandbox, Dateien, Skills und Memory

Das Agentenmodell von Pokee umfasst fünf konfigurierbare Komponenten, von denen jede eine Entscheidung im Team widerspiegelt.

  1. Sessions. Eine Session entspricht einem einzelnen Agentenprozess in einer eigenen Sandbox innerhalb Ihres dedizierten Pods – mit eigenem Verlauf, Dateibereich (Scope) und Busy-Status.
  2. Persistenter Modus. Standardmäßig löscht sich eine Session 5 Minuten nach ihrer letzten Antwort selbst. Wird persistent: true gesetzt, bleibt sie bis zum Ablauf ihrer TTL (standardmäßig 4 Stunden) oder bis zur manuellen Löschung aktiv.
  3. Dateizugriff per Scope. Bei der Erstellung übergeben Sie read- und write-Pfade. Pfade außerhalb dieses Scopes existieren im Dateisystem des Agenten schlichtweg nicht.
  4. Skills. Sie laden eine ZIP-Datei hoch, die eine SKILL.md im Stammverzeichnis enthält. Jede neue Session des Mandanten hat darauf Zugriff.
  5. Persona-Dateien und Memory. Markdown-Dateien in .pokee/ werden dem System-Prompt vorangestellt, und .memory/MEMORY.md transportiert Fakten und Wissen sitzungsübergreifend.

Wie schränkt Pokee den Dateizugriff ein?

Die Zugriffsbeschränkung wird zweifach durchgesetzt: Innerhalb des Agenten blendet ein sitzungsspezifischer bubblewrap-Mount-Namespace alles außerhalb der erlaubten Pfade aus, sodass Lesezugriffe den Fehler ENOENT liefern. Über die HTTP-Datei-API liefert dieselbe Anfrage ein 403 Forbidden zurück.

Das Cookbook für dateibasierten Zugriff zeigt eine Session, die das Verzeichnis eines Kunden sowie einen gemeinsamen Template-Ordner lesen und ausschließlich in das Ausgabe-Verzeichnis dieses Kunden schreiben darf:

curl -X POST "$POKEE_API/v1/sessions" \
  -H "Authorization: Bearer $POKEE_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "persistent": true,
    "ttl": 14400,
    "metadata": {"board_task": "COIN-412", "client": "acme-corp"},
    "file_access": {
      "read": ["projects/acme-corp", "shared/templates"],
      "write": ["projects/acme-corp/output"]
    }
  }'

Der Scope ist für die gesamte Lebensdauer der Session unveränderlich. Um ihn zu erweitern, muss die Session gelöscht und neu erstellt werden. Das unterstützt die Compliance und erfordert eine klare Entscheidung im Team: Legen Sie den Zugriffsbereich bei der Aufgabenzuweisung fest – nicht erst mitten im Durchlauf.

Was bewirken .pokee/-Persona-Dateien und das Memory?

Dateien in workspace/.pokee/*.md werden alphabetisch in den System-Prompt geladen, jeweils unter einer Überschrift im Format ## <filename>. Das Persona-Cookbook nutzt 00_soul.md für die Tonalität, 10_glossary.md für Fachbegriffe und 20_style_guide.md für Formatierungsrichtlinien. Die Obergrenze für das gesamte Verzeichnis liegt bei 1 MB.

Änderungen werden erst bei der nächsten Session wirksam; eine bereits laufende Session behält ihren Prompt bei. Der Agent liest und aktualisiert außerdem in jeder Session die Datei .memory/MEMORY.md, die Sie über die Datei-API anpassen oder – wie auf der Agent-Context-Seite beschrieben – auf Anfrage bei Pokee komplett deaktivieren können.

Was langlebige KI-Agenten für Teams bedeuten

Langlebige KI-Agenten verändern drei grundlegende Abläufe im Teamalltag: Wer die Arbeit anstößt, wie der Fortschritt sichtbar wird und wer das Ergebnis final abnimmt. Die Standard-Limits von Pokee verdeutlichen diese Aspekte in der Praxis.

Limit Standardwert
Gleichzeitige Sessions 10
Turn-Timeout 90 Minuten
Session-TTL 4 Stunden
Turns pro Stunde / pro Tag 300 / 5.000
Tokens pro Stunde / pro Tag 20 Mio. / 200 Mio.
Max. Workspace-Größe 100 GB

Laut Pokee können all diese Beschränkungen auf Anfrage angehoben werden.

Wer weist eine 90-minütige Agenten-Aufgabe zu?

Zehn parallele Sessions klingen nach viel Spielraum – bis an einem Montag fünf Personen jeweils zwei Berichtserstellungen gleichzeitig anstoßen. Eine ausgelastete Session weist zudem jede weitere Nachricht mit einem 409 ab. Daher muss vorab festgelegt werden, wer den Task auswählt, welche Modellstufe und welcher Dateibereich verwendet werden und auf welcher Session der Lauf stattfindet. All dies gehört mit einer zugewiesenen verantwortlichen Person in ein Ticket, damit nicht zwei Teammitglieder parallel denselben 90-Minuten-Build starten.

Wie lässt sich der Fortschritt eines langen Agenten-Durchlaufs verfolgen?

Der Agent läuft eigenständig weiter, auch wenn die Client-Verbindung getrennt wird. Das Cookbook für langlebige Tasks fragt GET /v1/sessions/{id} alle 15 Sekunden nach dem busy-Flag ab, liest alle Fortschrittsdaten aus, die der Workflow in die metadata schreibt, und lädt anschließend die Ausgabedatei herunter.

while True:
    s = c.get(f"/v1/sessions/{sid}").json()
    if not s["busy"]:
        break
    print(f"metadata: {s['metadata']}")
    time.sleep(15)

Der Stream selbst nutzt Server-Sent Events mit Ereignissen wie message.created, message.completed, message.error und message.cancelled. Über den Resume-Endpunkt lässt sich ein unterbrochener Stream anhand der Last-Event-ID wieder aufnehmen, ohne dass Tokens erneut berechnet werden. Das signalisiert Ihrem Skript jedoch lediglich, dass der Durchlauf beendet ist – nicht, ob der Bericht auch inhaltlich gelungen ist.

Wer prüft das Ergebnis vor der Freigabe?

Pokee schreibt das Ergebnis als Datei in den Workspace. Die inhaltliche Prüfung ist ein menschlicher Arbeitsschritt außerhalb der API: Jemand öffnet report.md, vergleicht den Inhalt mit dem Briefing und gibt ihn frei oder fordert Anpassungen an. Bei parallel laufenden Agenten wird genau dieser Schritt schnell zum Engpass – der Kerngedanke hinter Menschliche Reviews als Flaschenhals.

Lifecycle of one long-running Pokee agent task: assigned on the board, session created with scoped files, a 90-minute turn running in the sandbox, output file written, then human review before it ships.

Praxisbeispiel: Ein Kundenbericht von der Zuweisung bis zum Review

Drei Personen teilen sich einen Pokee-Mandanten. Das geforderte Ergebnis ist ein vierteljährlicher Marktbericht für „Acme Corp“.

  1. Zuweisen. Dana legt einen Task an: „Q3-Marktbericht für Acme“, Owner: Dana, Reviewer: Sam, Fälligkeit: Donnerstag.
  2. Scope definieren. Der Task hält das Pokee-Modell fest (pokee-isaac-high-reasoning), die Lesepfade (projects/acme-corp, shared/templates) sowie den Schreibpfad (projects/acme-corp/output).
  3. Starten. Dana erstellt eine persistente Session mit der Task-ID in den metadata und sendet eine Nachricht mit der Anforderung, den Bericht in output/report.md zu erstellen.
  4. Nachverfolgen. Die Session-ID wird in einem Kommentar zum Task hinterlegt. Jeder Abruf von GET /v1/sessions/{id} liefert busy: true, bis der Durchlauf abgeschlossen ist.
  5. Abrufen. Sobald busy auf „false“ springt, lädt Dana die Datei herunter und hängt sie an den Task an.
  6. Prüfen. Sam gleicht den Entwurf mit dem Briefing ab. Bei Mängeln geht der Task mit Feedback für einen neuen Durchlauf zurück; bei Erfolg rückt er in die nächste Phase vor.
  7. Aufräumen. Dana löscht die Session manuell – oder ein nächtlicher Aufruf von DELETE /v1/sessions?status=idle&older_than=1h bereinigt sie automatisch.

Die Schritte 1, 4 und 6 sind keine API-Aufrufe. Sie sind Koordinationsarbeit – genau jene Schritte, die Teams bei schnellen Agenten gerne überspringen und schmerzlich vermissen, sobald ein Durchlauf eine Stunde dauert.

Wie Sharkly Workflows mit Pokee-Agenten unterstützt

Sharkly ist eine Work-Management-Plattform für Agenten: ein zentrales Board, auf dem Aufgaben an Menschen und Agenten verteilt, Durchläufe nachverfolgt und Ergebnisse für das menschliche Review gesammelt werden. Es führt Pokee-Sessions nicht selbst aus und bringt keinen direkten Pokee-Connector mit. Stattdessen bildet es das organisatorische Dach für Aufgaben, Zuständigkeiten, Statusmeldungen und Reviews.

In der Praxis gestaltet sich das wie folgt:

  • Aufgabenverteilung. Der Pokee-Task steht mit Assignee und Status direkt auf dem Board, Seite an Seite mit den Aufgaben des gesamten Teams. Warum klare Verantwortlichkeiten unverzichtbar sind, beschreibt der Artikel über Agentic Teams.
  • Ein Agent zur API-Steuerung. Ein Sharkly-Agent läuft über eine Runtime wie Claude Code direkt auf Ihrem eigenen Rechner. Ausgestattet mit einem Skill, der die obigen cURL-Befehle kapselt, kann er eigenständig Sessions anlegen, deren Status abfragen und die Session-ID sowie das Ergebnis zurück in den Task übertragen.
  • Passende Run-Limits für Pokee. Jeder Agent verfügt über Run-Einstellungen: maximale Gleichzeitigkeit für zugewiesene Tasks, maximale Laufzeit pro Task und Queue-Timeout. Der unten abgebildete Agent ist auf 1 Task und 40 Minuten begrenzt. Für Pokee-Workflows empfiehlt es sich, die Gleichzeitigkeit bei oder unter Ihren 10 Sessions zu halten und die Laufzeit auf den 90-minütigen Durchlauf abzustimmen – oder den Agenten anzuweisen, den Durchlauf zu starten und später nach dem Status zu sehen.
Run settings on a Sharkly Agent: max concurrency for assigned tasks, max run time per task, and queue timeout.
  • Review als Status statt als Nachricht. Ein Agent kann einen Task in den Status „Waiting for human review“ versetzen, wodurch er automatisch in der Inbox des Reviewers erscheint. Wo solche Kontrollpunkte am besten platziert werden, erläutern die Beiträge über Human-in-the-Loop bei Coding-Agenten und Approval Gates für Coding-Agenten.
  • Externe Trigger. Eine Sharkly Automation kann über Webhook-Trigger angestoßen werden: eine dedizierte URL, die einen Lauf initiiert, sobald ein externer Dienst per POST darauf zugreift. Ihr eigenes Skript kann diesen Trigger aufrufen, sobald ein Pokee-Durchlauf abgeschlossen ist.

Der Einstieg in Sharkly ist kostenlos, und die Modellnutzung verbleibt auf den Konten, die Sie ohnehin bereits nutzen. Weiterführende Details zu Review-Patterns bei langlebigen Durchläufen finden Sie im Beitrag Warum Agenten-Läufe mit Millionen von Tokens eine Review-Queue brauchen.

Wann Pokee die richtige Wahl ist – und wann nicht

Nutzen Sie Pokee dann, wenn die Aufgabe ein Dokument oder einen Datensatz statt einer Code-Änderung erzeugt, mehrere Minuten bis zu einer Stunde in Anspruch nimmt und eine persistente Sandbox benötigt. Es ist die ideale Lösung, wenn Verträge Klauseln enthalten wie „der Agent darf unter keinen Umständen Daten von Kunde B einsehen“, da die Zugriffsbeschränkungen direkt auf Dateisystemebene erzwungen werden. Der Offline-Modus bietet darüber hinaus Mandanten-Umgebungen, deren einzige ausgehende Schnittstelle die Modell-API ist.

Suchen Sie nach Alternativen, wenn Sie ohne vorheriges Vertriebsgespräch noch heute loslegen möchten. Für Coding direkt in den eigenen Repositories sind Claude Code oder Codex auf den eigenen Rechnern die passendere Lösung. Viele Teams werden ohnehin beides parallel betreiben – was wiederum den Einsatz eines übergeordneten Boards rechtfertigt.

Fazit

Pokee-KI-Agenten bieten Teams langlebige Arbeitsabläufe mit echter Prozessisolation. Die API beantwortet die Frage: „Ist der Durchlauf fertig?“ Ihr Team muss weiterhin klären, wer ihn gestartet hat, welche Daten berührt wurden und ob das Ergebnis den Erwartungen entspricht.

Dokumentieren Sie diese drei Antworten direkt am Task, noch bevor die erste Session startet. Wenn Sie Pokee-Läufe und Ihre Coding-Agenten gemeinsam auf einem Board koordinieren möchten, richten Sie einen Sharkly-Workspace ein und weisen Sie noch diese Woche Ihren ersten langlebigen Task einem Agenten zu.

FAQ

Was ist die Pokee Enterprise API?

Die Pokee Enterprise API ist eine REST-API zur Ausführung langlebiger Agenten-Workflows in einer dedizierten, persistenten Sandbox pro Mandant. Sie bietet per Bearer-Token gesicherte Endpunkte für Sessions, Dateien, Skills, Streaming-Nachrichten und Nutzungsstatistiken.

Wie lange kann ein Pokee-Agent laufen?

Ein Durchlauf kann standardmäßig bis zu 90 Minuten und eine Session bis zu 4 Stunden aktiv bleiben; beide Limits lassen sich auf Anfrage erhöhen.

Ist Pokee AI kostenlos?

In der Dokumentation wird kein kostenloser Tarif beschrieben. Der Zugang erfolgt über eine Demo-Anfrage, und die Abrechnung erfolgt pro Token: 3 $ für Input und 15 $ für Output pro Million Tokens bei pokee-isaac-high-reasoning sowie 0,30 $ und 5 $ bei pokee-isaac.

Was passiert, wenn zwei Personen gleichzeitig Nachrichten an dieselbe Pokee-Session senden?

Die zweite Nachricht wird mit einem 409-Fehler abgewiesen, da die Session durch eine andere Nachricht belegt ist. Jede Session verarbeitet nur einen Durchlauf zur Zeit. Für parallele Arbeitsschritte sind separate Sessions erforderlich (standardmäßig bis zu 10).

Kann sich ein Pokee-Agent Informationen über Sessions hinweg merken?

Ja. Der Agent liest und aktualisiert in jeder Session die Datei workspace/.memory/MEMORY.md, und die Daten bleiben auch bei Pod-Neustarts dauerhaft erhalten.

Kann Sharkly Pokee-Agenten direkt ausführen?

Nein. Sharkly verfügt über keinen nativen Pokee-Connector. Ein Sharkly-Agent auf Ihrem Rechner kann die Pokee-API jedoch über einen Skill ansteuern, während der Sharkly-Task die Zuweisung, den Status und das menschliche Review koordiniert.

Mehr entdecken

AI-Agent-Governance: Die Sandbox ist keine Freigabe

AI-Agent-Governance: Die Sandbox ist keine Freigabe

Brauchen Sie Governance für KI-Agenten für die Coding-Agenten, die Ihr Team ausführt? Erfahren Sie, wie Codex und Docker-Sandboxes Grenzen setzen und wer jeden Lauf verantwortet und prüft.

20 November 2026

Open-Source-Slack-Alternative: Wie ExitPath Ihnen beim Ausstieg hilft

Open-Source-Slack-Alternative: Wie ExitPath Ihnen beim Ausstieg hilft

Sie möchten eine Open-Source-Alternative zu Slack? Erfahren Sie, was ExitPath über den Wechsel zu Mattermost, Zulip oder Element sagt, und sorgen Sie dafür, dass Ihre Agentenarbeit nicht verloren geht.

20 November 2026

GPT-6.2 Astra vs. Fable 5.2: Teste beide in deinem eigenen Repo

GPT-6.2 Astra vs. Fable 5.2: Teste beide in deinem eigenen Repo

GPT-6.2 Astra vs. Fable 5.2: Welches sollte Ihre Coding-Agenten betreiben? Sehen Sie, wo Tokens zum selben Preis die Rechnung aufteilen, und testen Sie beide in Ihrem eigenen Repo.

20 November 2026