--- title: "WikiSkill: Wie Agenten SKILL.md aus Erfahrung weiterentwickeln" canonical: https://wavect.io/de/blog/wikiskill-self-evolving-agent-skills/ language: de description: "WikiSkill im Review: Wie ein persistentes Trace-Wiki SKILL.md verbessert, Qwen 9B ein 27B-Modell schlägt und ein sicherer Produktionspilot aussieht." image: "https://wavect.io/img/blog/headers/header_wikiskill-self-evolving-agent-skills.png" --- [**Zurück**](/de/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/de/team/kevin-riedl/) [Kevin Riedl](/de/team/kevin-riedl/) https://linkedin.com/in/wsdt 17 Min. Lesezeit · 19. Sep. 2026 Zuletzt geprüft 19. September 2026 [**Weiter**](/de/blog/agent-knowledge-transfer-cheaper-models/) # WikiSkill: Wie Agenten SKILL.md aus Erfahrung weiterentwickeln TL;DR WikiSkill trennt die Verbesserung eines Agenten in unveränderliche Traces, ein persistentes Wiki mit Erfolgs- und Fehlermustern sowie eine rücksetzbare Skill-Schicht. Im Durchschnitt über fünf Benchmarks erreichte Qwen-3.5-9B mit evolvierten Skills 47,4 Prozent gegenüber 39,4 Prozent für Qwen-3.6-27B ohne Skills. Für die Praxis bedeutet das: SKILL.md versionieren, Evidenz bewahren, nur atomare Patches vorschlagen, auf zurückgehaltenen Aufgaben validieren, Transfer neu testen und jede Freigabe mit Provenienz, Security und Rollback absichern. **WikiSkill ist eine Architektur zur Skill-Evolution, die Ausführungsspuren von Agenten in persistente Evidenz umwandelt und daraus validierte Änderungen an wiederverwendbaren Skills ableitet.** Im Durchschnitt über fünf Benchmarks erreichte Qwen-3.5-9B mit WikiSkill 47,4 Prozent. Das größere Qwen-3.6-27B kam ohne Skills auf 39,4 Prozent. Fine-Tuning war nicht erforderlich. **Recherchestand: 19. September 2026.** Die Quelle ist ein arXiv-Preprint von Forschenden mit Zugehörigkeit zu Google Research und Virginia Tech, keine peer-reviewte Produktionsstudie. Das Ergebnis ist dennoch relevant, weil es Erfahrung als externes, prüfbares Software-Artefakt behandelt, statt Modellgröße als einzigen Verbesserungsweg anzunehmen. [WikiSkill-Paper und Autorenangaben](https://arxiv.org/abs/2608.27454) Diese Seite besitzt einen bewusst engen Suchintent: **was das WikiSkill-Paper zeigt und wie sich seine persistente Wiki-Architektur auf die Evolution von SKILL.md übertragen lässt**. Die allgemeine Abgrenzung zwischen Agent Skills, MCP, RAG und Custom GPTs steht in unserem [Vergleich zu Agent Skills](/de/blog/mcp-vs-rag-vs-agent-skills-vs-custom-gpts/). Modellübergreifende Handbücher ohne Optimierer-Wiki behandelt der [Leitfaden zum Agenten-Wissenstransfer](/de/blog/agent-knowledge-transfer-cheaper-models/). Ein Unternehmens-Wiki ist ein anderes Problem und wird im [Leitfaden zum KI-fähigen Firmenwiki](/de/blog/ai-ready-company-wiki/) erklärt. ## Was ist WikiSkill? **WikiSkill ist ein Outer-Loop-Optimierer für prozedurale Agenten-Skills.** Der Aufgabenagent führt Beispiele mit den aktuellen Skills aus. Ein Wiki Maintainer verdichtet erfolgreiche und fehlgeschlagene Traces zu dauerhaften Mustern. Ein Skill Proposer liest diese Muster und schlägt genau eine Skill-Änderung vor. Ein Validierungsgate übernimmt die Änderung nur, wenn sich die Leistung auf zurückgehaltenen Beispielen verbessert. Entscheidend ist die Trennung der Rollen. Rohe Traces bleiben Evidenz. Das Wiki wird zur angesammelten Diagnose darüber, was funktioniert, was scheitert und welche Änderungen bereits verworfen wurden. Der aktive Skill bleibt kompakt genug, um die Ausführung anzuleiten. Scheitert ein vorgeschlagener Patch, wird der Skill zurückgesetzt, das Wiki behält aber das fehlgeschlagene Experiment. Damit unterscheidet sich WikiSkill deutlich von der simplen Aufforderung, ein LLM solle nach jedem Fehler den Prompt neu schreiben. Das System besitzt einen Audit-Trail, einen separaten Validierungssplit und zwei Gedächtnisse mit unterschiedlichen Lebenszyklen: rücksetzbare Anweisungen und eine persistente Lernhistorie. ## Wie funktioniert die Drei-Schichten-Architektur von WikiSkill? Das Paper strukturiert den Workspace in `raw/`, `wiki/` und `skills/`. Der Inference Agent darf beim Lösen der Aufgaben die aktiven Skills verwenden, liest aber während dieser Rollouts nicht das Wiki. Maintainer und Proposer können Evidenz und Wiki untersuchen. Diese Einschränkung ist relevant, weil direkter Wiki-Zugriff durch den Aufgabenagenten in der Ablation die finale Skill-Qualität verschlechterte. | Schicht | Typische Inhalte | Wer liest sie? | Aufbewahrungsregel | | --- | --- | --- | --- | | Raw Layer | Unveränderliche Aufgaben-Traces, Tool-Aufrufe, Ausgaben und finale Antworten | Wiki Maintainer und Skill Proposer | Originale Evidenz bewahren | | Wiki Layer | Musterseiten, Index, Evolutionslog und Skill-Impact-Historie | Wiki Maintainer und Skill Proposer | Wächst über Iterationen weiter, auch mit verworfenen Änderungen | | Skills Layer | `SKILL.md` plus `PURPOSE.md` als Verbindung zu auslösenden Mustern | Inference Agent und Skill Proposer | Nur validierte Verbesserungen übernehmen, sonst zurückrollen | Jede Iteration folgt einer kontrollierten Sequenz: Trainingsaufgaben ausführen, Erfolge und Fehler sampeln, Wiki aktualisieren, genau eine atomare Skill-Erstellung oder einen Patch vorschlagen, den Kandidaten auf Validierungsaufgaben ausführen und nur eine strikte Verbesserung akzeptieren. Das Paper nutzt bis zu acht Evolutionsiterationen und berichtet Mittelwerte aus drei unabhängigen vollständigen Läufen. [Vollständige WikiSkill-Methode, Tabellen und Limitierungen](https://arxiv.org/html/2608.27454v1) Der Begriff „Wiki“ kann hier täuschen. Es handelt sich weder um einen nutzerseitigen RAG-Datenbestand noch um eine Ablage für jedes Dokument. Es ist das Gedächtnis des Optimierers: kompakte Ursachenmuster, zugehörige Traces, Vorschlags-Diffs und Annahmeentscheidungen, damit die nächste Skill-Änderung auf gesammelter Evidenz aufbaut. ## Welche Ergebnisse erzielte WikiSkill auf den fünf Benchmarks? **WikiSkill erzielte für jedes getestete Modell den höchsten Durchschnittswert und lag 3,3 bis 12,0 Prozentpunkte vor der jeweils stärksten konkurrierenden Methode zur Skill-Evolution.** Die Suite umfasste aktuelle Mathematikaufgaben, Websuche, Tabellenbearbeitung, Long-Context-Dokumentfragen und interaktive verkörperte Aufgaben. | Inference-Modell | Ohne Skills | WikiSkill | Gewinn gegenüber ohne Skills | Vorsprung vor bester bisheriger Methode | | --- | --- | --- | --- | --- | | Qwen-3.5-4B | 26,2 | 38,5 | +12,3 Punkte | +3,3 Punkte | | Qwen-3.5-9B | 29,9 | 47,4 | +17,5 Punkte | +5,1 Punkte | | Qwen-3.6-27B | 39,4 | 63,3 | +23,9 Punkte | +10,0 Punkte | | Gemma-4-31B | 41,3 | 54,9 | +13,6 Punkte | +5,8 Punkte | | Gemini-3.5-Flash | 49,5 | 68,1 | +18,6 Punkte | +12,0 Punkte | Die Gewinne waren nicht gleichmäßig. Qwen-3.6-27B verbesserte sich auf SpreadsheetBench um 40,9 Punkte, auf OfficeQA aber nur um 11,6. Qwen-3.5-4B verschlechterte sich auf OfficeQA leicht, weil das Modell Schwierigkeiten hatte, den im Skill kodierten Long-Context-Suchablauf zuverlässig auszuführen. Die belastbare Aussage lautet daher nicht „Skills helfen immer“. Validiertes prozedurales Wissen verbesserte die meisten getesteten Modell-Benchmark-Paare, doch die Fähigkeit zur Ausführung eines anspruchsvollen Skills hängt weiterhin von Modell und Aufgabe ab. Der Vergleich war für ein Forschungspaper sinnvoll kontrolliert: Alle Methoden starteten mit leerem Skill-Set, der entwickelte Skill wurde in den Inference-Prompt eingefügt und die Signifikanz per gepaartem Bootstrap geprüft. Trotzdem bleibt es eine Benchmark-Studie und kein Beleg für niedrigere Kosten, geringere Latenz oder weniger Fehler in einem beliebigen Produktionsagenten. ## Hat ein 9B-Modell wirklich ein 27B-Modell geschlagen? **Ja, im berichteten Durchschnitt über fünf Benchmarks, aber nur mit den notwendigen Einschränkungen.** Qwen-3.5-9B mit WikiSkill erreichte 47,4 Prozent, Qwen-3.6-27B ohne Skills 39,4 Prozent. Beide gehören zur Qwen-Familie, sind aber unterschiedliche Releases und unterschiedlich groß. Das Experiment beweist nicht, dass ein 9B-Modell mit irgendeinem Skill jedes 27B-Modell in jedem Workload übertrifft. Es zeigt etwas betrieblich Nützlicheres: Modellfähigkeit und prozeduraler Kontext sind zwei getrennte Hebel. Ein kleineres Modell mit geprüften Anweisungen kann ein größeres Modell übertreffen, das die Vorgehensweise bei jedem Lauf neu entdecken muss. Gleichzeitig ergänzten sich Skalierung und Skill-Evolution. Das 27B-Modell profitierte am stärksten und stieg mit WikiSkill um 23,9 Punkte auf 63,3. Bevor ein größeres Modell zum teureren Standard wird, sollte ein Team ein Evaluationsset einfrieren und vier Varianten vergleichen: aktuelles Modell ohne Skill, aktuelles Modell mit handgeschriebenem Skill, aktuelles Modell mit evolviertem Skill und größeres Modell ohne diesen Skill. Entscheidend sind akzeptierte Ergebnisse, nicht nur der Tokenpreis. Ein billiger Aufruf ist wertlos, wenn Fehler zusätzliche Versuche oder manuelle Reparatur auslösen. ## Lassen sich evolvierte Skills zwischen Modellen übertragen? **Häufig ja, und in einigen Fällen war ein von einem anderen Modell entwickelter Skill besser als der eigene Skill des Zielmodells.** Auf SpreadsheetBench erzielte Qwen-3.5-9B ohne Skill 24,3, mit selbst entwickeltem Skill 33,6 und mit einem von Qwen-3.6-27B entwickelten Skill 50,5. Auf ALFWorld stieg dasselbe Zielmodell von 63,4 mit eigenem Skill auf 70,2 mit dem 27B-Skill. | Zielmodell und Benchmark | Ohne Skill | Eigener Skill | Übertragener Skill | Ergebnis | | --- | --- | --- | --- | --- | | Qwen-3.5-9B, SpreadsheetBench | 24,3 | 33,6 | 50,5 von Qwen-3.6-27B | Übertragener Skill gewinnt | | Qwen-3.5-9B, ALFWorld | 34,7 | 63,4 | 70,2 von Qwen-3.6-27B | Übertragener Skill gewinnt | | Gemma-4-31B, LiveMath | 33,9 | 56,7 | 73,7 von Qwen-3.6-27B | Transfer über Modellfamilien gewinnt | | Gemini-3.5-Flash, SpreadsheetBench | 50,5 | 76,6 | 18,1 von Qwen-3.5-4B | Negativer Transfer | Das negative Ergebnis ist wichtig. Ein portabler Skill muss ein allgemeines Verfahren kodieren und nicht nur einen Workaround für die Eigenheiten eines Modells. Ein Transfer ist deshalb wie ein neues Release zu behandeln: Evaluationssuite des Zielmodells erneut ausführen, mit „ohne Skill“ und „eigener Skill“ vergleichen und den Import verwerfen, sobald eine relevante Teilgruppe schlechter wird, selbst wenn der Text plausibel klingt. Das ergänzt das Muster des Wissenstransfers vom Frontier- zum günstigeren Modell. WikiSkill fügt eine persistente Optimierer-Historie und einen Validierungsloop hinzu, statt lediglich Notizen von einem Modell an ein anderes weiterzugeben. ## Warum treibt das persistente Wiki den Großteil des Gewinns? Die aussagekräftigste Ablation isolierte den Beitrag des Wikis. Mit Gemini-3.5-Flash und ohne Wiki-Zugriff für den Skill Proposer lag der Durchschnitt über vier Benchmarks bei 48,7 Prozent. Mit Zugriff des Proposers auf das persistente Wiki stieg er auf 63,7 Prozent, also um 15,0 Punkte. Erhielt zusätzlich der Inference Agent direkten Wiki-Zugriff, sank der Wert auf 60,9 Prozent. Dieses Ergebnis spricht für eine klare Architekturgrenze: - **Die Ausführung erhält den veröffentlichten Skill.** Der Aufgabenagent muss beweisen, dass der Skill selbst ausreicht. - **Die Optimierung erhält die Evidenzhistorie.** Der Proposer benötigt wiederkehrende Fehler, erfolgreiche Strategien, verworfene Diffs und Validierungsergebnisse. - **Das Release bleibt gegated.** Eine plausible Änderung wird erst dann zur Produktionsanweisung, wenn sie eine zurückgehaltene Messung verbessert. Das Wiki ist nützlich, weil Optimierer-Historie sonst in Gesprächen und temporären Trace-Batches verschwindet. Es macht „das haben wir schon versucht“ zu prüfbarem Zustand. Außerdem reduziert es wiederholte Fehlvorschläge: Die Fallstudie im Paper protokolliert eine verworfene Änderung gegen Schleifen, nutzt die erhaltene Evidenz in der nächsten Iteration für eine akzeptierte Regel und verfeinert sie später erneut. ## Was beweist das WikiSkill-Paper nicht? Das Paper ist stark genug, um Experimente zu rechtfertigen, aber nicht für eine blinde Einführung. Die eigenen Limitierungen markieren mehrere wichtige Grenzen. - **Kein Test der Skill-Auswahl.** Aktive Skills wurden direkt in den System-Prompt eingefügt. Die Studie isoliert die Skill-Qualität, zeigt aber nicht, wie aus einer großen Bibliothek der richtige Skill gewählt wird. - **Strikte Verbesserung kann Zwischenschritte blockieren.** Jeder akzeptierte Patch musste den bisher besten Validierungswert sofort schlagen. Ein neutraler Umbau, der einen späteren Gewinn ermöglicht, würde verworfen. - **Das Wiki wächst nur.** Automatische Bereinigung, Widerspruchsauflösung und Alterung von Evidenz fehlen. - **Keine sehr langen Aufgaben.** Die Suite enthält Multi-Step-Tools und lange Dokumente, aber keine Workflows über Hunderte Aktionen oder mehrere Stunden. - **Kleine Validierungssplits können rauschen.** Die Benchmark-Splits umfassen nur 10 bis 40 Validierungsbeispiele. Ein Produktionsgate braucht größere, repräsentative Teilgruppen und wiederholte Läufe. - **Keine vollständige Kostenrechnung.** Der Optimierer erzeugt Aufgaben-Rollouts, einen Maintainer-Aufruf, mehrstufige Proposal-Arbeit und Validierungsläufe. Höhere Task-Scores bedeuten nicht automatisch ein günstigeres System. Die Studie hält außerdem den restlichen Harness konstant. Tool-Verträge, Modellrouting, Berechtigungen, Memory, Kontextaufbau und Laufzeitbeobachtung bleiben eigenständige Engineering-Themen. Ein [Agent Harness](/de/blog/agent-harness-engineering/) kontrolliert diese Grenzen. Das Muster [LLM als unabhängiger Verifier](/de/blog/llm-as-a-verifier/) ist sinnvoll, wenn ein einzelner Benchmark-Score Korrektheit nicht ausreichend abbildet. ## Wie sollte ein Team WikiSkill-artige Evolution pilotieren? Der Einstieg sollte mit genau einer wiederkehrenden Aufgabe erfolgen, deren Erfolg unabhängig bewertet werden kann. Die Agent-Skills-Spezifikation definiert `SKILL.md` als verpflichtende Anweisungsdatei in einem Skill-Verzeichnis, mit Frontmatter für Name und Beschreibung sowie optionalen Skripten und Ressourcen. Dieser Dateisystemvertrag ist eine praktikable Release-Einheit für einen evolvierten Skill. [Agent-Skills-Spezifikation](https://agentskills.io/specification) | Kontrolle | Mindestumsetzung | Release-Evidenz | | --- | --- | --- | | Aufgabenvertrag | Ein begrenzter Workflow, explizite Inputs, Tools und verbotene Seiteneffekte | Versionierte Abnahmekriterien und repräsentative Beispiele | | Datensplit | Getrennte Trainings-, Validierungs- und unangetastete Testsets | Keine Trace- oder Antwort-Leaks zwischen den Splits | | Rohe Evidenz | Unveränderliche Traces mit Modell-, Prompt-, Tool- und Umgebungsvarianten | Reproduzierbare Fehler und Erfolge | | Wiki-Pflege | Ursachenmuster mit Trace-IDs, Konfidenz und Aktualität | Lesbarer Index, Konfliktlog und Regel zur Ausmusterung | | Skill-Vorschlag | Ein atomarer Diff mit Zweck und verknüpften Mustern | Prüfbarer Patch statt stiller Überschreibung | | Validierungsgate | Gesamtscore plus geschützte Teilgruppen, Regressionsbudget und wiederholte Läufe | Annahme nur bei erfülltem, vorab definiertem Gate | | Promotion | Signierte Version, gestufter Rollout, Telemetrie und sofortiges Rollback | Produktionsvergleich mit dem vorherigen Skill | Optimiert nicht direkt auf einige attraktive Beispiele. Der Evaluationsleitfaden für Agent Skills empfiehlt Trigger-Tests und Qualitätsprüfungen mit erwarteten Ergebnissen. Für WikiSkill-artige Evolution sollte diese Disziplin um Regressionsgruppen, adversariale Aufgaben und ein eingefrorenes finales Testset erweitert werden, das der Proposer niemals sieht. [Leitfaden zur Evaluation von Agent Skills](https://agentskills.io/skill-creation/evaluating-skills) Sicherheit ist Teil des Optimierers und kein Nachtrag. Ein vergiftetes abgerufenes Dokument, kompromittierter Tool-Output oder eine bösartige Trainingsaufgabe kann in dauerhafte Anweisungen kompiliert werden. SkillJack zeigt, dass aus Erfahrung abgeleitete Skills eine Backdoor behalten können, nachdem die ursprüngliche vergiftete Quelle verschwunden ist. Markiert nicht vertrauenswürdige Inhalte, verlangt Provenienz für jedes Muster, sandboxed Kandidatenläufe, prüft Änderungen an Berechtigungen und Netzwerkverhalten und lasst nie dasselbe Modell sowohl eine folgenreiche Fähigkeitserweiterung vorschlagen als auch autorisieren. [SkillJack-Preprint zu persistenter Skill-Vergiftung](https://arxiv.org/abs/2608.03509) Unsere [Checkliste für Agenten-Evaluation und Sandbox-Sicherheit](/de/blog/ai-agent-eval-sandbox-security-checklist/) deckt die umgebenden Testkontrollen ab. Wavects [Entwicklung von KI-Agenten](/de/services/artificial-intelligence/) kann einen wiederkehrenden Workflow in eine Trace-, Wiki-, Skill- und Release-Pipeline überführen. Für die Freigabe dient die [Software-QA-Checkliste](/de/software-development-guide/software-qa-checklist-before-launch/). Alternativ könnt ihr uns [den Workflow und seine aktuellen Fehler-Traces schicken](/de/contact/). ## Unser Fazit: Erst das Verfahren weiterentwickeln, dann das Modell ersetzen Die wertvollste Idee von WikiSkill ist nicht, dass ein Agent Markdown bearbeiten kann. Prozedurale Verbesserung braucht eine eigene Evidenzarchitektur. Traces bewahren, was geschehen ist. Ein persistentes Wiki verdichtet wiederkehrende Ursachen und fehlgeschlagene Eingriffe. Ein kompakter Skill transportiert nur veröffentlichte Vorgehensweisen in die Ausführung. Die Validierung entscheidet über den Fortschritt. Die Benchmark-Schlagzeile stimmt: Ein 9B-Qwen mit evolvierten Skills übertraf im Durchschnitt der Studie ein 27B-Qwen ohne Skills. Das tiefere Ergebnis lautet, dass größere Modelle noch stärker profitierten, modellübergreifender Transfer teilweise funktionierte und das persistente Wiki einen großen Anteil am Gewinn hatte. Skills ersetzen Modellqualität nicht. Sie bilden eine zweite Skalierungsachse. Der nächste Produktionsschritt ist messbar: eine wiederkehrende Aufgabe auswählen, Evaluationsset einfrieren, aktuelle `SKILL.md` versionieren, unveränderliche Traces behalten, atomare Patches vorschlagen und nur bewiesene Verbesserungen promoten. Das sollte getestet werden, bevor ein größeres Modell zur Standardantwort auf jeden Fehler wird. ## Häufige Fragen zu WikiSkill ### Was ist WikiSkill? WikiSkill ist ein Forschungsframework, das prozedurale Agenten-Skills aus Aufgabenerfahrung weiterentwickelt. Es speichert unveränderliche Traces, verdichtet wiederkehrende Erfolgs- und Fehlermuster in einem persistenten Wiki, schlägt atomare Skill-Änderungen vor und behält nur Änderungen, die die Validierungsleistung verbessern. ### Wer hat WikiSkill entwickelt? Der Preprint vom August 2026 stammt von Liyan Tang, Cyrus Rashtchian, Chun-Sung Ferng, Andrew Tomkins, Da-Cheng Juan und Tu Vu. Als Zugehörigkeiten sind Google Research und Virginia Tech angegeben. Es handelt sich um einen arXiv-Preprint, nicht um einen peer-reviewten Produktionsstandard. ### Hat ein 9B-Modell mit WikiSkill ein 27B-Modell geschlagen? Im Durchschnitt über fünf Benchmarks erreichte Qwen-3.5-9B mit WikiSkill 47,4 Prozent, während Qwen-3.6-27B ohne Skills 39,4 Prozent erzielte. Das ist ein spezifischer Vergleich verschiedener Qwen-Releases und kein universeller Vorteil kleiner Modelle. ### Führt WikiSkill ein Fine-Tuning des Modells durch? Nein. Die getestete Methode verändert externe prozedurale Skill-Dateien und fügt den aktiven Skill in den Inference-Prompt ein. Die Modellgewichte bleiben unverändert. ### Warum führt WikiSkill ein separates Wiki? Das Wiki bewahrt wiederkehrende Muster, Evidenz, verworfene Patches und Validierungsergebnisse über mehrere Iterationen. Der veröffentlichte Skill kann nach einer schlechten Änderung zurückgesetzt werden, während der Optimierer die daraus gewonnene Erkenntnis behält. ### Kann ein von einem Modell entwickelter Skill bei einem anderen Modell funktionieren? In mehreren berichteten Fällen ja, auch über Modellfamilien hinweg, aber nicht zuverlässig. Das Paper zeigt ebenfalls negativen Transfer. Jeder importierte Skill braucht deshalb eine neue Evaluation mit Zielmodell und Zielworkload. ### Kann WikiSkill Produktionsagenten automatisch verbessern? Es kann eine kontrollierte Verbesserungspipeline inspirieren, beweist aber keine sichere unbeaufsichtigte Produktionsoptimierung. Eine reale Einführung braucht getrennte Datensets, Provenienz, adversariale Tests, geschützte Regressionsgruppen, gestufte Rollouts und unabhängige Freigabe für folgenreiche Änderungen. ### Was ist der beste erste WikiSkill-Pilot? Wählt eine häufige, begrenzte und reversible Aufgabe mit objektiven Erfolgskriterien und genügend historischen Traces. Vergleicht auf demselben eingefrorenen Evaluationsset das aktuelle Modell ohne Skill, den handgeschriebenen Skill, einen evolvierten Kandidaten und eine mögliche größere Modellvariante. ## Fazit Ein größeres Modell ist nicht der einzige Weg zu einem besseren Agenten. WikiSkill zeigt, dass ein externes Verfahren zu einer messbaren Fähigkeitsschicht werden kann, wenn Erfahrung in persistente Evidenz kompiliert wird und jede veröffentlichte Änderung die Validierung bestehen muss. Die Produktionslehre ist diszipliniert statt magisch: Traces bewahren, Optimierer-Gedächtnis von Ausführungsanweisungen trennen, SKILL.md versionieren, Transfer testen und den Skill zurückrollen, ohne die gewonnene Erkenntnis zu löschen. ## Das könnte dich auch interessieren.. [**Wissenstransfer zwischen KI-Agenten** Der benachbarte Ansatz: Ein leistungsfähiges Modell schreibt wiederverwendbare, geprüfte Handbücher für ein günstigeres Modell, ohne persistentes Optimierer-Wiki.](/de/blog/agent-knowledge-transfer-cheaper-models/) [**KI-Enablement oder generische KI-Beratung?** Vergleicht eine messbare Implementierungs- und Evaluationspipeline mit Beratung, die vor der Produktion endet.](/de/compare/ai-enablement-vs-generic-ai-consultancy/) Agent Engineering ## In diesem Cluster weiterlesen Coding Agents, MCP, Kontextsysteme, Evaluation und Kontrollen für verlässliche Automatisierung. [Mit dem Grundlagenartikel starten**Graph Engineering für KI-Agenten: Wann lohnt sich ein Knowledge Graph?**](/de/blog/graph-engineering-ai-agents/) - [Tencent Octop im Review: Was Entwickler tatsächlich kostenlos bekommen](/de/blog/tencent-octop-ai-assistant-review/) - [Wigolo im Test: Lokale Web Intelligence für AI Agents](/de/blog/wigolo-local-web-intelligence-mcp-review/) - [Supermemory: KI-Agenten mit Gedächtnis, RAG und lokalem Betrieb](/de/blog/supermemory-ai-agent-memory/) - [KI-Agenten-Designmuster: Einfach starten, Aktionen prüfen](/de/blog/ai-agent-design-patterns/) - [Claude Mods: Einrichtung, Function Hooks und Sicherheit](/de/blog/claude-mods-function-hooks/) [**Zurück**](/de/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/de/team/kevin-riedl/) [Kevin Riedl](/de/team/kevin-riedl/) https://linkedin.com/in/wsdt 17 Min. Lesezeit · 19. Sep. 2026 Zuletzt geprüft 19. September 2026 [**Weiter**](/de/blog/agent-knowledge-transfer-cheaper-models/) ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/de/blog/wikiskill-self-evolving-agent-skills/#webpage", "@type": "WebPage", "dateModified": "2026-09-19", "inLanguage": "de", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "lastReviewed": "2026-09-19", "url": "https://wavect.io/de/blog/wikiskill-self-evolving-agent-skills/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BlogPosting", "abstract": "WikiSkill trennt die Verbesserung eines Agenten in unveränderliche Traces, ein persistentes Wiki mit Erfolgs- und Fehlermustern sowie eine rücksetzbare Skill-Schicht. Im Durchschnitt über fünf Benchmarks erreichte Qwen-3.5-9B mit evolvierten Skills 47,4 Prozent gegenüber 39,4 Prozent für Qwen-3.6-27B ohne Skills. Für die Praxis bedeutet das: SKILL.md versionieren, Evidenz bewahren, nur atomare Patches vorschlagen, auf zurückgehaltenen Aufgaben validieren, Transfer neu testen und jede Freigabe mit Provenienz, Security und Rollback absichern.", "articleBody": " Blog-Übersicht/AI und Agents/Agent Engineering WikiSkill: Wie Agenten SKILL.md aus Erfahrung weiterentwickeln TL;DR WikiSkill trennt die Verbesserung eines Agenten in unveränderliche Traces, ein persistentes Wiki mit Erfolgs- und Fehlermustern sowie eine rücksetzbare Skill-Schicht. Im Durchschnitt über fünf Benchmarks erreichte Qwen-3.5-9B mit evolvierten Skills 47,4 Prozent gegenüber 39,4 Prozent für Qwen-3.6-27B ohne Skills. Für die Praxis bedeutet das: SKILL.md versionieren, Evidenz bewahren, nur atomare Patches vorschlagen, auf zurückgehaltenen Aufgaben validieren, Transfer neu testen und jede Freigabe mit Provenienz, Security und Rollback absichern. WikiSkill ist eine Architektur zur Skill-Evolution, die Ausführungsspuren von Agenten in persistente Evidenz umwandelt und daraus validierte Änderungen an wiederverwendbaren Skills ableitet. Im Durchschnitt über fünf Benchmarks erreichte Qwen-3.5-9B mit WikiSkill 47,4 Prozent. Das größere Qwen-3.6-27B kam ohne Skills auf 39,4 Prozent. Fine-Tuning war nicht erforderlich. Recherchestand: 19. September 2026. Die Quelle ist ein arXiv-Preprint von Forschenden mit Zugehörigkeit zu Google Research und Virginia Tech, keine peer-reviewte Produktionsstudie. Das Ergebnis ist dennoch relevant, weil es Erfahrung als externes, prüfbares Software-Artefakt behandelt, statt Modellgröße als einzigen Verbesserungsweg anzunehmen. WikiSkill-Paper und Autorenangaben Diese Seite besitzt einen bewusst engen Suchintent: was das WikiSkill-Paper zeigt und wie sich seine persistente Wiki-Architektur auf die Evolution von SKILL.md übertragen lässt. Die allgemeine Abgrenzung zwischen Agent Skills, MCP, RAG und Custom GPTs steht in unserem Vergleich zu Agent Skills. Modellübergreifende Handbücher ohne Optimierer-Wiki behandelt der Leitfaden zum Agenten-Wissenstransfer. Ein Unternehmens-Wiki ist ein anderes Problem und wird im Leitfaden zum KI-fähigen Firmenwiki erklärt. Was ist WikiSkill? WikiSkill ist ein Outer-Loop-Optimierer für prozedurale Agenten-Skills. Der Aufgabenagent führt Beispiele mit den aktuellen Skills aus. Ein Wiki Maintainer verdichtet erfolgreiche und fehlgeschlagene Traces zu dauerhaften Mustern. Ein Skill Proposer liest diese Muster und schlägt genau eine Skill-Änderung vor. Ein Validierungsgate übernimmt die Änderung nur, wenn sich die Leistung auf zurückgehaltenen Beispielen verbessert. Entscheidend ist die Trennung der Rollen. Rohe Traces bleiben Evidenz. Das Wiki wird zur angesammelten Diagnose darüber, was funktioniert, was scheitert und welche Änderungen bereits verworfen wurden. Der aktive Skill bleibt kompakt genug, um die Ausführung anzuleiten. Scheitert ein vorgeschlagener Patch, wird der Skill zurückgesetzt, das Wiki behält aber das fehlgeschlagene Experiment. Damit unterscheidet sich WikiSkill deutlich von der simplen Aufforderung, ein LLM solle nach jedem Fehler den Prompt neu schreiben. Das System besitzt einen Audit-Trail, einen separaten Validierungssplit und zwei Gedächtnisse mit unterschiedlichen Lebenszyklen: rücksetzbare Anweisungen und eine persistente Lernhistorie. Wie funktioniert die Drei-Schichten-Architektur von WikiSkill? Das Paper strukturiert den Workspace in raw/, wiki/ und skills/. Der Inference Agent darf beim Lösen der Aufgaben die aktiven Skills verwenden, liest aber während dieser Rollouts nicht das Wiki. Maintainer und Proposer können Evidenz und Wiki untersuchen. Diese Einschränkung ist relevant, weil direkter Wiki-Zugriff durch den Aufgabenagenten in der Ablation die finale Skill-Qualität verschlechterte. Die drei WikiSkill-Schichten haben unterschiedliche Aufgaben und Aufbewahrungsregeln SchichtTypische InhalteWer liest sie?Aufbewahrungsregel Raw LayerUnveränderliche Aufgaben-Traces, Tool-Aufrufe, Ausgaben und finale AntwortenWiki Maintainer und Skill ProposerOriginale Evidenz bewahren Wiki LayerMusterseiten, Index, Evolutionslog und Skill-Impact-HistorieWiki Maintainer und Skill ProposerWächst über Iterationen weiter, auch mit verworfenen Änderungen Skills LayerSKILL.md plus PURPOSE.md als Verbindung zu auslösenden MusternInference Agent und Skill ProposerNur validierte Verbesserungen übernehmen, sonst zurückrollen Jede Iteration folgt einer kontrollierten Sequenz: Trainingsaufgaben ausführen, Erfolge und Fehler sampeln, Wiki aktualisieren, genau eine atomare Skill-Erstellung oder einen Patch vorschlagen, den Kandidaten auf Validierungsaufgaben ausführen und nur eine strikte Verbesserung akzeptieren. Das Paper nutzt bis zu acht Evolutionsiterationen und berichtet Mittelwerte aus drei unabhängigen vollständigen Läufen. Vollständige WikiSkill-Methode, Tabellen und Limitierungen Der Begriff „Wiki“ kann hier täuschen. Es handelt sich weder um einen nutzerseitigen RAG-Datenbestand noch um eine Ablage für jedes Dokument. Es ist das Gedächtnis des Optimierers: kompakte Ursachenmuster, zugehörige Traces, Vorschlags-Diffs und Annahmeentscheidungen, damit die nächste Skill-Änderung auf gesammelter Evidenz aufbaut. Welche Ergebnisse", "articleSection": "Engineering", "author": { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/" }, "citation": [ { "@type": "WebPage", "name": "WikiSkill-Paper und Autorenangaben", "url": "https://arxiv.org/abs/2608.27454" }, { "@type": "WebPage", "name": "Vollständige WikiSkill-Methode, Tabellen und Limitierungen", "url": "https://arxiv.org/html/2608.27454v1" }, { "@type": "WebPage", "name": "Agent-Skills-Spezifikation", "url": "https://agentskills.io/specification" }, { "@type": "WebPage", "name": "Leitfaden zur Evaluation von Agent Skills", "url": "https://agentskills.io/skill-creation/evaluating-skills" }, { "@type": "WebPage", "name": "SkillJack-Preprint zu persistenter Skill-Vergiftung", "url": "https://arxiv.org/abs/2608.03509" } ], "dateModified": "2026-09-19", "datePublished": "2026-09-19", "description": "WikiSkill trennt die Verbesserung eines Agenten in unveränderliche Traces, ein persistentes Wiki mit Erfolgs- und Fehlermustern sowie eine rücksetzbare Skill-Schicht. Im Durchschnitt über fünf Benchmarks erreichte Qwen-3.5-9B mit evolvierten Skills 47,4 Prozent gegenüber 39,4 Prozent für Qwen-3.6-27B ohne Skills. Für die Praxis bedeutet das: SKILL.md versionieren, Evidenz bewahren, nur atomare Patches vorschlagen, auf zurückgehaltenen Aufgaben validieren, Transfer neu testen und jede Freigabe mit Provenienz, Security und Rollback absichern.", "headline": "WikiSkill: Wie Agenten SKILL.md aus Erfahrung weiterentwickeln", "image": "https://wavect.io/img/blog/headers/header_wikiskill-self-evolving-agent-skills.svg", "inLanguage": "de", "keywords": "WikiSkill, Agent Skills, KI-Agenten", "mainEntityOfPage": { "@id": "https://wavect.io/de/blog/wikiskill-self-evolving-agent-skills/", "@type": "WebPage" }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/de/blog/wikiskill-self-evolving-agent-skills/", "wordCount": 2615 } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/de/", "name": "Startseite", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/de/blog/overview/", "name": "Blog-Übersicht", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/de/blog/topics/ai-agents/", "name": "AI und Agents", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/de/blog/clusters/agent-engineering/", "name": "Agent Engineering", "position": 4 }, { "@type": "ListItem", "item": "https://wavect.io/de/blog/wikiskill-self-evolving-agent-skills/", "name": "WikiSkill: Wie Agenten SKILL.md aus Erfahrung weiterentwickeln", "position": 5 } ] } ``` ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "WikiSkill ist ein Forschungsframework, das prozedurale Agenten-Skills aus Aufgabenerfahrung weiterentwickelt. Es speichert unveränderliche Traces, verdichtet wiederkehrende Erfolgs- und Fehlermuster in einem persistenten Wiki, schlägt atomare Skill-Änderungen vor und behält nur Änderungen, die die Validierungsleistung verbessern." }, "name": "Was ist WikiSkill?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Der Preprint vom August 2026 stammt von Liyan Tang, Cyrus Rashtchian, Chun-Sung Ferng, Andrew Tomkins, Da-Cheng Juan und Tu Vu. Als Zugehörigkeiten sind Google Research und Virginia Tech angegeben. Es handelt sich um einen arXiv-Preprint, nicht um einen peer-reviewten Produktionsstandard." }, "name": "Wer hat WikiSkill entwickelt?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Im Durchschnitt über fünf Benchmarks erreichte Qwen-3.5-9B mit WikiSkill 47,4 Prozent, während Qwen-3.6-27B ohne Skills 39,4 Prozent erzielte. Das ist ein spezifischer Vergleich verschiedener Qwen-Releases und kein universeller Vorteil kleiner Modelle." }, "name": "Hat ein 9B-Modell mit WikiSkill ein 27B-Modell geschlagen?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Nein. Die getestete Methode verändert externe prozedurale Skill-Dateien und fügt den aktiven Skill in den Inference-Prompt ein. Die Modellgewichte bleiben unverändert." }, "name": "Führt WikiSkill ein Fine-Tuning des Modells durch?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Das Wiki bewahrt wiederkehrende Muster, Evidenz, verworfene Patches und Validierungsergebnisse über mehrere Iterationen. Der veröffentlichte Skill kann nach einer schlechten Änderung zurückgesetzt werden, während der Optimierer die daraus gewonnene Erkenntnis behält." }, "name": "Warum führt WikiSkill ein separates Wiki?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "In mehreren berichteten Fällen ja, auch über Modellfamilien hinweg, aber nicht zuverlässig. Das Paper zeigt ebenfalls negativen Transfer. Jeder importierte Skill braucht deshalb eine neue Evaluation mit Zielmodell und Zielworkload." }, "name": "Kann ein von einem Modell entwickelter Skill bei einem anderen Modell funktionieren?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Es kann eine kontrollierte Verbesserungspipeline inspirieren, beweist aber keine sichere unbeaufsichtigte Produktionsoptimierung. Eine reale Einführung braucht getrennte Datensets, Provenienz, adversariale Tests, geschützte Regressionsgruppen, gestufte Rollouts und unabhängige Freigabe für folgenreiche Änderungen." }, "name": "Kann WikiSkill Produktionsagenten automatisch verbessern?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Wählt eine häufige, begrenzte und reversible Aufgabe mit objektiven Erfolgskriterien und genügend historischen Traces. Vergleicht auf demselben eingefrorenen Evaluationsset das aktuelle Modell ohne Skill, den handgeschriebenen Skill, einen evolvierten Kandidaten und eine mögliche größere Modellvariante." }, "name": "Was ist der beste erste WikiSkill-Pilot?" } ] } ```