AI-Orchestrierung für Agenturen

Steuere deine AI-Agenten. Nicht deine Prompts.

DAGx gibt dir Versionierung, Qualitätskontrolle und Kostensteuerung für AI-Workflows als Control Layer über OpenClaw.

Neuanmeldungen geschlossen

Open Beta Beginning of Q2 2026 · Alle Early-Access-Plätze sind vergeben.

DAGx Control Layer DAG DNA Score Exp orchestrates OPENCLAW Execution Engine Sessions Tools Runtime Agents
Das Konzept

Was ist ein DAG — und warum DAGx?

DAG steht für Directed Acyclic Graph — ein gerichteter, azyklischer Graph. Aufgaben werden als Knoten dargestellt, ihre Abhängigkeiten als gerichtete Kanten. „Azyklisch" bedeutet: keine Schleifen. Jeder Task hat eine klare Reihenfolge.

Statt AI-Agenten einzelne Prompts zu schicken, definierst du einen Task-Graphen. Jeder Knoten kennt seine Vorbedingungen. Jede Kante erzwingt eine deterministische Ausführungsreihenfolge.

Das x ist der Control Layer: Versionierung, Qualitätsmessung, Kostenkontrolle, Team-Routing und Governance. Nicht nur ein Graph — ein gesteuertes System, das reproduzierbare Ergebnisse liefert.

Spec Research Structure Content Deliver Define Parallel Merge Done
Knoten = Tasks Kanten = Dependencies Datenfluss

Jeder Run folgt dem gleichen Graphen. Jedes Ergebnis ist reproduzierbar. Jede Entscheidung nachvollziehbar.

OpenClaw ist der Motor. Es fehlt die Steuerungsschicht.

OpenClaw exekutiert zuverlässig. Aber ohne explizite Steuerung bleibt jeder Run eine Blackbox.

  • Keine expliziten Abhängigkeiten — Tasks laufen ohne DAG-Steuerung
  • Keine reproduzierbaren Runs — kein Snapshot, kein Pinning
  • Keine Versionierung von Skills, Policies und Agent-DNA
  • Kein Budget-Enforcement — Token-Kosten unkontrollierbar
  • Keine Compare/Experiment Mechanik für datenbasierte Entscheidungen
  • Kein Audit-Trail — keine Governance, keine Nachvollziehbarkeit
  • Kein Team-Routing — jeder Agent bekommt alles
  • Keine Quality Gates — Deliveries ohne automatische Prüfung
Architektur

OpenClaw + DAGx: getrennte Verantwortlichkeiten

OpenClaw exekutiert. DAGx steuert, versioniert und optimiert.

OpenClaw

Execution Engine — führt Agent-Tasks aus

  • Execution Engine — Chat Completions API (Port 18789)
  • Sessions & Runtime — Agent-Task-Ausführung
  • Tools & Sandbox — Docker-isolierte Tool-Calls

DAGx

Control Layer — steuert, versioniert, optimiert

  • DAG Layer — Task-Graph mit Dependencies & Smoke Test
  • DNA Compiler — .toon Snapshots, pinbar pro Run
  • Score/Fitness — J-Funktion + Zeitreihen-Aggregation
  • Experiments — A/B-Tests für Agent-Konfigurationen
  • Routing Advisor — Skill-Fitness-basierte Agent-Zuweisung
  • Delivery Pipeline — Quality Gates + Audit-Trail

Orchestrator Pipeline

Init
Dispatch
Monitor
Verify
Patch
Done

Frontend

React 19 + Vite 6

Backend

Fastify 5 + Node 22

Infra

Docker + KVM-VPS

Security

Tailscale Zero-Trust

Product Preview

So sieht DAGx in Aktion aus

Operator Console, Team Management und Blueprint-Workflows — eine Plattform für volle Kontrolle.

Live-Monitoring mit J-Kostenfunktion, Team Load, System Health und Delivery Pipeline — alles auf einen Blick.

app.dagx.agency
DAGx Operator Console Dashboard mit J-Kostenfunktion Score, Team Load Übersicht, Evolution Tracking und System Health Monitoring
Vergrößern
Workflow

Vom Blueprint zum Delivery in 5 Schritten

Kein Prompting. Kein Raten. Ein reproduzierbarer Prozess.

01

Blueprint wählen

Wähle eine Projektvorlage (SEO Audit, Workshop PDF, Landing Page) oder erstelle einen eigenen Blueprint mit Tasks und Agent-Zuweisungen.

02

Projekt instanziieren

Ein Klick verwandelt den Blueprint in ein Projekt. Setze Mode auf SAND (Sandbox) zum risikofreien Testen — keine Token-Kosten.

03

DAG prüfen & starten

Smoke Test validiert den Task-Graphen: Dependencies, Zyklen, Agent-Verfügbarkeit. Dann startet der Orchestrator (Init → Dispatch → Monitor → Verify → Patch → Done).

04

Verfolgen & Freigeben

Tasks wandern live von Backlog → In Progress → Review → Done. Approval Queue für CEO-Entscheidungen. Council für Multi-Agent-Beratung.

05

Score, Compare & Deliver

J-Funktion bewertet jeden Run. Compare Engine vergleicht Varianten. Fertige Deliverables in /deliveries herunterladen — mit vollständigem Audit-Trail.

20+ Module

Dein CEO Command Center — komplett

5 Bereiche, 20+ Seiten, ein Dashboard. Von Daily Ops bis Delivery Pipeline.

Operate

Dashboard

Live-Monitoring mit J-Kostenfunktion, Team Load, System Health, Cost Tracker und Resource Monitor — alles auf einen Blick.

Task Board

Kanban mit 5 Spalten (Recurring → Done), Drag & Drop, Assignee-Filter und Completion-Rate. Dein operatives Cockpit.

Content Pipeline

Visuelles Kanban für Content-Produktion. Konfigurierbare Stages (Ideas → Editing), Plattform-Tags (YouTube, Blog, X, LinkedIn).

Calendar & Work Queue

Wochenkalender für Events, Cron-Jobs und Erinnerungen. Plus Echtzeit-Warteschlange aller orchestrierten Agent-Jobs.

Team

Digital Office

Visuelles Büro mit Agent-Schreibtischen, Live-Activity-Feed und Status-Toggle. Wie ein echtes Büro — nur mit KI-Mitarbeitern.

Team Structure & Org Builder

CEO → Teams → Agenten als Organigramm. Drag & Drop für Abteilungen, Rollen-Editor und hierarchische Berichtslinien.

Skills Registry

Zentrale Skill-Verwaltung mit Fitness-Scores. Routing Advisor weist Tasks automatisch dem fähigsten Agent zu.

Agent Management

10+ spezialisierte Agenten: arch-dev, seo-geo-pro, revenue-bot, brand-master, content-writer u.v.m. Skills per Checkbox zuweisen.

Quality

Approval Queue

CEO-Freigabe für Agent-Entscheidungen. Auto-Approve-Regeln, Audit-Trail und Kommentarfunktion für volle Governance.

Council

Multi-Agent-Beratungsrunden für komplexe Entscheidungen. Voting, Konsens-Visualisierung und CEO-Entscheidung.

Experiments Runner

A/B-Tests für Agent-Konfigurationen im Sandbox-Modus. Hypothese → Varianten → Metriken → Gewinner übernehmen.

Score/Fitness Loop

J = 100 − Tokens − Dauer − Fehlerrate. Jeder Run wird quantitativ bewertet. Fitness aggregiert über Zeitreihe für Trendanalyse.

Delivery

DAG Layer

Visuelle Graph-Ansicht mit Zoom & Pan. Tasks als Knoten, Dependencies als Kanten. Smoke Test validiert vor dem Start.

Blueprints

Wiederverwendbare Projektvorlagen: SEO Audit, Workshop PDF, Landing Page. Ein Klick instanziiert ein komplettes Projekt.

Deliveries & Quality Gates

Pipeline: Queued → Working → Review → Delivered. Automatische Qualitätsprüfungen, Download und vollständige Lieferhistorie.

DNA Compiler (.toon)

Versionierte Snapshots: Agent-Konfiguration, Skills, Policies. Pinbar pro Run — exakt die Config wiederherstellen, die funktioniert hat.

Use Cases

Gebaut für Teams, die AI produktiv einsetzen

Von der Content-Agentur bis zum Product Team — DAGx passt sich deinem Workflow an.

SEO & Content Production

Komplette Pipelines: Keyword-Recherche → Content-Erstellung → Review → Delivery. Plattform-Tags für YouTube, Blog, X und LinkedIn. Score-basierte Qualitätsbewertung.

Content PipelineQuality GatesPlattform-TagsJ-Score

Agency Operations

CEO Command Center mit 10+ Agenten in 5 Teams. Digital Office, Approval Workflows, Budget-Enforcement und Echtzeit-Kosten-Monitoring pro Projekt.

Digital OfficeApprovalsCost TrackerTeam Routing

Workshop & Deliverables

Blueprint → Projekt instanziieren → Sandbox testen → PROD starten → Delivery abholen. Beispiel: SEO-Workshop-PDF in 15 orchestrierten Schritten produziert.

BlueprintsSandbox ModeOrchestratorPDF Delivery

Product & Feature Teams

A/B-Tests für Agent-Konfigurationen. Council-Runden für Architekturentscheidungen. Experiments mit Hypothese, Varianten und statistischer Auswertung.

ExperimentsCouncilCompare EngineFitness Tracking
Differentiator

Nicht ein weiteres AI-Frontend

DAGx ist ein Governance-Layer mit messbarer Qualität, nicht ein Chat-Interface.

Chat/Prompt Tools DAGx Control Layer
Output Einmalige Antworten Versionierte Runs mit DNA-Snapshots
Qualität Subjektiv ("sieht gut aus") DoD + Verify/Patch-Loop (bis 3 Runden)
Governance Kein Audit-Trail Approval Queue + Council + Audit-Trail
Optimierung Prompt manuell anpassen Score/Fitness/Compare + Experiments
Kosten Unkontrollierbar Energy Controller + Budget pro Projekt/Agent
Teams Ein Chat, ein Prompt 10+ Agenten in 5 Teams mit Skill-Routing
Workflows Copy-Paste Chats DAG Layer + Blueprints + Orchestrator
Skalierung Kontextkopie Multi-Project Isolation + Artefakt-Backbone
Pricing

Flexibel nach Bedarf

Preise werden mit dem Launch bekanntgegeben. Neuanmeldungen sind derzeit geschlossen.

Starter

Einzelprojekt mit Core DAG, DNA Snapshots und Score-Tracking.

  • 1 Projekt
  • DAG Layer
  • DNA Snapshots
  • Score/Fitness
  • Energy Monitoring
Neuanmeldungen geschlossen

Pro

Experiments, Routing Advisor und Compare Engine für datenbasierte Optimierung.

  • Alles aus Starter
  • Experiments Runner
  • Compare Engine
  • Routing Advisor
  • Approval Workflows
Neuanmeldungen geschlossen

Agency

Multi-Projekt, Team-Management, Deliveries und vollständige Governance.

  • Alles aus Pro
  • Multi-Project Isolation
  • Team-Management
  • Delivery Pipeline
  • Custom Policies
Neuanmeldungen geschlossen
FAQ

Häufig gestellte Fragen

Was ist DAGx?

DAGx ist ein KI-Orchestrierungssystem, das Projekte automatisch in Tasks zerlegt und an spezialisierte KI-Agenten delegiert. Der Name steht für „Directed Acyclic Graph" — die Datenstruktur, die den Aufgabenfluss steuert.

Ist DAGx ein Ersatz für OpenClaw?

Nein. DAGx ist die Steuerungsschicht über OpenClaw. OpenClaw bleibt die Execution Engine — DAGx orchestriert, versioniert und optimiert die Runs darüber.

Welche Agenten gibt es standardmäßig?

arch-dev (Development), seo-geo-pro (Growth/SEO), revenue-bot (Revenue), brand-master (Branding), legal-acc (Compliance), code-reviewer (QA), content-writer (Copy), designer (UI/UX), verifier (Quality) und librarian (Memory/Routing). Du kannst jederzeit eigene Agenten hinzufügen.

Was ist die DNA (.toon) eines Agenten?

Die DNA ist der System-Prompt — seine Persönlichkeit, Regeln und Fähigkeiten. Sie wird als Markdown-Datei gespeichert und kann im DNA Editor live bearbeitet werden. Jeder Snapshot ist pinbar pro Run — du kannst exakt die Konfiguration wiederherstellen, die ein bestimmtes Ergebnis produziert hat.

Wie funktioniert der Orchestrator?

State Machine mit 6 Phasen: Init (SPEC + PLAN laden) → Dispatch (Tasks an Agenten senden) → Monitor (Ergebnisse abwarten) → Verify (Qualitätsprüfung) → Patch (Korrekturen) → Done. Bis zu 3 automatische Korrektur-Runden bei Abweichungen.

Was ist die Kostenfunktion J?

J = 100 − (0.0001 × Tokens) − (0.5 × Minuten) − (10 × Fail-Rate). Misst die Effizienz eines Runs. Grün (≥80) = effizient, Gelb (≥50) = ok, Rot (<50) = zu teuer. Der Energy Controller setzt Budget-Limits pro Projekt, Team und Agent durch.

Was ist der Unterschied zwischen PROD und SAND?

PROD (Production) führt echte API-Calls aus und verbraucht Tokens/Budget. SAND (Sandbox) ist ein Testmodus, in dem Workflows simuliert werden können ohne echte Kosten. Ideal zum Validieren von Blueprints und DAGs vor dem produktiven Einsatz.

Was ist ein Blueprint?

Eine wiederverwendbare Projektvorlage mit vordefiniertem Task-Graphen, Agent-Zuweisungen und Qualitätskriterien. Beispiele: „SEO Audit", „Workshop PDF", „Landing Page". Blueprints können mit einem Klick in echte Projekte instanziiert werden.

Was ist der Council?

Multi-Agent-Beratungsrunden für komplexe Entscheidungen. Agenten geben ihre Einschätzung ab, du siehst den Konsensgrad und triffst die finale Entscheidung. Ideal für Fragen wie „Welche GEO-Plattformen priorisieren?" oder „5 oder 8 Workshop-Module?".

Welcher Tech-Stack wird verwendet?

Frontend: React 19 + Vite 6 + Tailwind CSS 4. Backend: Fastify 5 + Node.js 22 (ESM). KI: OpenClaw Gateway. Deployment: Docker Compose auf KVM-VPS in Frankfurt. Sicherheit: Tailscale Zero-Trust — nur authentifizierte Geräte haben Zugang.

Funktioniert das Dashboard auf dem Handy?

Ja! Mobile-First Design mit optimiertem Header, Slide-In-Menü, Touch-optimierten Buttons und angepassten Layouts auf allen 20+ Seiten. Projekt- und Mode-Selektor direkt im Burger-Menü.

Kann ich mehrere Projekte isoliert betreiben?

Ja. Project-scoped Storage, getrennte Fitness-Werte und unabhängige Policies stellen sicher, dass kein Projekt ein anderes beeinflusst. Alle Daten liegen als JSON/Markdown-Dateien im Workspace.

Status

Neuanmeldungen geschlossen

Alle Early-Access-Plätze sind vergeben. Die Open Beta startet Anfang Q2 2026.

Early Access vergeben
Open Beta Q2 2026
DSGVO-konform