fak — der Fused Agent Kernel (deutsche Einführung)

Dies ist eine lokalisierte Einstiegsseite (entry point), keine vollständige Übersetzung der Dokumentation. Die kanonische Dokumentation ist Englisch — diese Seite gibt dir den Kern, den 60-Sekunden-Beweis und den Installationsweg und reicht dich dann an die englischen Docs weiter. Hinweis: Diese Übersetzung ist maschinell erstellt und wartet auf ein natives Review — Korrekturen per Issue/PR sind willkommen.

En français : français — alle Sprachen im i18n-Hub.

fak in einer Zeile

fak ist eine Go-Binary, die zwischen deinem KI-Agenten und seinen Tool-Calls sitzt — sie prüft jeden Tool-Call, bevor er läuft, und verwendet in langen Sessions die stabile Arbeit wieder. Ergebnis: derselbe Agent-Loop wird sicherer, günstiger und schneller, ohne dass du sonst etwas änderst.

Du schreibst deinen Agenten nicht um — du richtest eine Base-URL auf fak und jeder Tool-Call passiert zuerst den Capability-Floor.

fak guard -- claude    # wickelt deinen bestehenden Agenten in einem einzigen Befehl ein

Warum das für europäische Startups zählt

Daten bleiben auf deiner Infrastruktur (DSGVO/GDPR). fak ist self-host-first: eine statische Binary, die vor einem lokalen Modell (fak guard --gguf …) oder einem Provider deiner Wahl sitzt — fail-closed auf jedem Backend, default-deny Capability-Floor, und ein manipulationsevidentes Audit-Log für jeden Tool-Call. Es gibt keinen „standardmäßig an einen Drittstaat weitergereicht”-Pfad, über den du nachdenken müsstest. Details: Data residency & compliance.
Das EU-AI-Act-Audit-Log ist schon da (Artikel 12, durchsetzbar ab 2. August 2026). fak schreibt ein append-only, SHA-256-hash-verkettetes Entscheidungsjournal und prüft es offline mit fak audit verify — die Abbildung der Artikel-12-Pflichten auf den ausgelieferten Mechanismus steht in EU AI Act Article 12 conformance. Keine Rechtsberatung — aber der technische Baustein, nach dem ein Audit fragt.
Der Token-Preis ist ein Margen-Hebel. fak verwendet in langen Sessions die geteilte Arbeit wieder (System-Prompt + Tool-Liste — der KV-Cache der bisherigen Arbeit): auf einem 50-Turn-×-5-Agent-Run ~4,1× weniger Arbeit als ein getunter Warm-Cache-Stack (~60× gegenüber einem naiven Re-Send-Loop; die ehrliche Zahl ist 4,1×). Per-Aspect-Routing schickt die günstigen Anteile zusätzlich auf günstigere Modelle. Jede Zahl ist in BENCHMARK-AUTHORITY belegt.
Apache-2.0, keine Beschaffungs-Hürde. fak ist frei, quelloffen und self-hosted — kein Vendor-Vertrag, keine Kreditkarte, kein Account. git clone und go install sind der ganze Weg.
Eine statische Binary, null externe Abhängigkeiten. Einfache Ops für ein kleines Team — kein Sidecar, kein separater Authorizer. Vom Laptop bis zur Flotte dasselbe Artefakt; du fügst Flags hinzu, keine Komponenten.

Welche Probleme fak löst

Lange Sessions hören auf, teuer zu sein. Der Prompt-Cache-Rabatt des Providers hält nur, solange das gecachte Präfix byte-für-byte identisch bleibt; fak wirft alte Turns ab und hält das Präfix trotzdem byte-identisch — der Rabatt reißt nicht ab.
Default-deny-Sicherheit. Die Permission-Policy läuft im Kernel, auf demselben Call-Path. Eine irreversible Aktion zu verhindern hängt nicht davon ab, einen Angriff zu „erkennen” — der Hebel war nie verdrahtet. Das ist fail-closed, nicht fail-open.
Prompt-Injection / vergiftete Tool-Ergebnisse. Verdächtige Tool-Ergebnisse kommen in eine Quarantäne, damit sie gar nicht erst in den Modell-Kontext gelangen — durch Struktur, nicht durch einen Classifier.

Der 60-Sekunden-Beweis (kein Key, kein Modell, keine GPU)

go build -o fak ./cmd/fak
./fak preflight --policy examples/customer-support-readonly-policy.json --tool refund_payment --args "{}"   # -> DENY (POLICY_BLOCK)
./fak preflight --policy examples/customer-support-readonly-policy.json --tool search_kb     --args "{}"   # -> ALLOW
./fak agent --offline                                                                                       # Injection gestoppt, Task trotzdem erledigt

Mit deinem Modell

fak ersetzt dein Modell nicht — es governt und cached es. Qwen2/Qwen3 und GLM-MoE sind in der In-Kernel-Referenz-Engine bit-exakt nachgewiesen; alles andere (Mistral, DeepSeek, jedes Open-Weights-Modell) wird über die OpenAI-kompatible Schnittstelle gefrontet — via Ollama / vLLM / SGLang / llama.cpp / LM Studio oder jede OpenAI-kompatible API.

Wohin als Nächstes

Lizenz: Apache-2.0.

fak — der Fused Agent Kernel (deutsche Einführung / German introduction)

Deutsche Einstiegsseite für fak: eine Go-Binary, die jeden Tool-Call vor der Ausführung prüft — derselbe Agent-Loop wird sicherer, günstiger, schneller; DSGVO-taugliches Self-Hosting und EU-AI-Act-Audit-Log.