Jede KI-Sitzung in AITM — ob Coder, Reviewer oder ein Chat, der gerade geführt wird — greift auf dieselbe gemeinsame, stets aktuelle Wissensbasis zurück, statt bei null zu beginnen.

Wissens- & Dokumentenaustausch

Contracts — das Faktenblatt des Projekts

Ein Contract ist ein gespeicherter Fakt darüber, wie sich ein bestimmter Teil des Projekts verhält — eine kleine, strukturierte Notiz, die beschreibt, was ein Teil des Codes tut, welche Dateien beteiligt sind und worauf zu achten ist. Contracts werden nach dem Mergen von Tasks automatisch erstellt und aktualisiert, basierend darauf, was sich tatsächlich geändert hat. Bevor ein Agent Code schreibt, liest er die für seine Aufgabe relevanten Contracts, sieht markierte „Danger Zones“, in denen eine kleine Änderung in der Vergangenheit überproportionale Folgen hatte, und kann Präzedenzfälle aus früheren Tasks finden, die denselben Bereich berührt haben.

Der Knowledge Graph

Contracts existieren nicht isoliert. AITM führt für jedes Projekt einen Knowledge Graph, der Variablen (Codes in Punktnotation wie UI.PANEL.CHAT oder BL.PIPELINE), Contracts, DOM-Elemente, Screenshots und Dokumentation verbindet — alles wechselseitig verknüpft. Wer eine Variable nachschlägt, findet die damit verbundenen Contracts, Dateien und Screenshots; wer einen Contract nachschlägt, findet die Variablen und Dateien, die er regelt.

Dieser Graph lässt sich selbst über den Variable Explorer durchsuchen, in dem Variablen gesucht, ihre Details aufgeklappt und jede zu einem UI-Element gehörende Screenshot-Vorschau angesehen werden kann.

Hints — wiederverwendbare Hausregeln

Hints sind kurze, eigenständige Regeln, die AITM (von Benutzern oder einem früheren Task) beigebracht wurden und die künftig automatisch angewendet werden — z. B. Namenskonventionen oder Antwortformate. Bevor ein Agent einen Schritt beginnt, findet AITM automatisch die Hints, die für das Vorhaben relevant sind, und nimmt sie in den Kontext auf, sodass dieselbe Konvention nie in jedem erstellten Task wiederholt werden muss.

Gemeinsame Agent-Templates

Der KI-Prompt jedes Pipeline-Schritts wird in Schichten zusammengesetzt: eine Anbieter-Präambel, gemeinsame Templates für alle Schritte, die Agent-Anweisungen des Schritts selbst, eine optionale Überschreibung pro Projekt und zuletzt individuelle Anpassungen. Diese Schichtung stellt sicher, dass jeder Pipeline-Schritt und jeder KI-Anbieter exakt dieselben Projektkonventionen und -regeln erhält — keine Abweichung zwischen dem, was der Architect weiß, und dem, was der Coder befolgt.

Handoff zwischen Schritten

Jeder Pipeline-Schritt endet mit der Ausgabe eines strukturierten, maschinenlesbaren Handoff-Blocks. Dieser Block wird zum Startkontext des nächsten Schritts und überbrückt die Lücke zwischen zwei ansonsten frischen KI-Sitzungen — und da das Handoff-Format anbieterunabhängig ist, funktioniert es identisch, ob der nächste Schritt auf Claude, Gemini, DeepSeek oder Ollama läuft.

Gemeinsame Sitzungsgruppen

Architect, Code, Review und Fix können innerhalb einer durchgehenden KI-Unterhaltung laufen statt in vier getrennten. So erinnert sich der Umsetzer weiterhin an die Entwurfsentscheidungen aus dem Architekturschritt, und der Reviewer erinnert sich genau daran, wie der Umsetzer die Änderung durchdacht hat.

Automatisch erzeugte Dokumentation

Nach jedem Merge erzeugt AITM Wissensdokumente pro Modul, eine projektweite Wissensübersicht und einen durchsuchbaren Index neu. Dokumentation, Doc-Contracts und Doc-Pointer werden in einer SQLite-Datenbank pro Projekt indiziert und direkt mit Variablen und Behavioral Contracts verknüpft, sodass taskübergreifende Verweise die Entwicklung eines Features auch lange nach der Archivierung des ursprünglichen Tasks nachvollziehbar halten.

Brainstorm, Chat und externe Agenten

Schlussfolgerungen aus einer Brainstorm-Sitzung mit @KEYWORD sind in jedem künftigen Task-Prompt wiederverwendbar. Chat selbst wird aus einer zwischengespeicherten Wissensübersicht gespeist und kann Projektfragen beantworten, ohne jedes Mal das gesamte Repository neu zu lesen. Und weil die gesamte Wissensbasis hinter einem GraphQL-Endpunkt liegt, können MCP-Server sie auch externen KI-Agenten bereitstellen.