Parallele Ausführung, Loop-Schritte und Bedingungen: Workflow-Muster, die wirklich zählen

Ein Workflow, der nur eine lineare Kette von Recipes ist – Schritt 1 speist Schritt 2 speist Schritt 3 – deckt viele Anwendungsfälle ab. Aber echte Geschäftsprozesse verzweigen, iterieren, führen Dinge gleichzeitig aus, erfordern menschliche Freigabe und interagieren mit externen Systemen. JieGous acht Schritttypen lassen Sie diese Muster modellieren.

Recipe-Schritte: der Baustein

Ein Recipe-Schritt führt ein einzelnes AI-Recipe mit zugeordneten Eingaben und strukturierter Ausgabe aus. Er ist die grundlegende Arbeitseinheit in jedem Workflow.

Wann verwenden: Jedes Mal, wenn Sie die AI etwas tun lassen müssen – Daten extrahieren, Content generieren, Eingaben analysieren, Elemente klassifizieren.

Wichtige Design-Entscheidung: Input-Mappings. Jedes Eingabefeld wird einer Quelle zugeordnet: einem statischen Wert, einer Workflow-Level-Eingabe, der Ausgabe eines vorherigen Schritts oder einem Schleifenelement. Das Mapping step_1.company_overview bedeutet “nimm das company_overview-Feld aus der Ausgabe von Schritt 1.” So fließen Daten zwischen Schritten.

Tipp: Verwenden Sie das günstigste Modell, das akzeptable Ausgaben produziert. Verwenden Sie Opus nicht für einen einfachen Formatierungsschritt, den Haiku problemlos bewältigt.

Bedingungs-Schritte: Verzweigungslogik

Ein Bedingungs-Schritt wertet einen Wert gegen einen Vergleich aus und verzweigt in thenSteps oder elseSteps.

Acht Operatoren sind verfügbar: equals, not_equals, contains, not_contains, greater_than, less_than, is_empty, is_not_empty.

Wann verwenden:

• Qualifizierte vs. nicht qualifizierte Leads auf verschiedene Pfade routen
• Fehler je nach Schweregrad unterschiedlich behandeln
• Schritte überspringen, wenn Daten fehlen
• Teure Schritte hinter einer Qualitätsprüfung gaten

Beispiel – Rechnungsverarbeitung:

Schritt 1: Rechnungsdaten extrahieren
Schritt 2: Diskrepanzen prüfen
Schritt 3: Bedingung (discrepancy_count > 0)
  Then: An Manager-Genehmigung routen
  Else: Rechnung automatisch ablegen

Die Bedingung prüft step_2.discrepancy_count gegen 0 mit greater_than. Kein AI-Aufruf nötig – es ist reine Logik.

Tipp: Verwenden Sie Bedingungen nach Extraktionsschritten, um zu validieren, dass die AI die benötigten Daten tatsächlich gefunden hat. Ein is_not_empty-Check auf einem kritischen Feld verhindert, dass nachfolgende Schritte mit unvollständigen Daten laufen.

Loop-Schritte: Kollektionen verarbeiten

Ein Loop-Schritt iteriert über eine Kollektion und führt seine verschachtelten loopSteps für jedes Element aus. Die Kollektionsquelle ist ein Feld aus der Ausgabe eines vorherigen Schritts – typischerweise ein Array.

Wann verwenden:

• Jeden Kandidaten in einem Recruiting-Batch verarbeiten
• Jede Einzelposition in einer Rechnung analysieren
• Content für jeden Kanal aus einem Content-Plan generieren
• Jede Klausel in einem Vertrag prüfen

Beispiel – Batch-Kandidaten-Screening:

Schritt 1: Kandidatenliste parsen → gibt candidates[] aus
Schritt 2: Loop über candidates
  Schritt 2.1: Lebenslauf screenen (Eingabe auf loop_item gemappt)
  Schritt 2.2: Interviewfragen generieren (wenn qualifiziert)

Jede Iteration erhält das aktuelle Element über loop_item-Mapping. Die Schleife aggregiert alle Iterationsausgaben in ein einzelnes Ergebnis.

Tipp: Halten Sie Schleifenkörper schlank. Wenn Sie 50 Iterationen ausführen und jede 3 Recipe-Schritte hat, sind das 150 AI-Aufrufe. Verwenden Sie das günstigste effektive Modell innerhalb von Schleifen.

Parallel-Schritte: gleichzeitige Ausführung

Ein Parallel-Schritt führt mehrere Zweige gleichzeitig mit Promise.allSettled() aus. Jeder Zweig ist eine unabhängige Abfolge von Schritten. Alle Zweige starten gleichzeitig; der Parallel-Schritt ist abgeschlossen, wenn alle Zweige fertig sind (oder fehlgeschlagen sind).

Wann verwenden:

• Content für mehrere Kanäle gleichzeitig generieren
• Unabhängige Analysen ausführen, die nicht voneinander abhängen
• Mehrere Datenquellen gleichzeitig verarbeiten
• Workflows beschleunigen, in denen Schritte keine Abhängigkeiten haben

Beispiel – Multi-Channel-Content-Generierung:

Schritt 1: Blogpost analysieren
Schritt 2: Parallel
  Zweig A: LinkedIn-Posts generieren
  Zweig B: Twitter-Thread generieren
  Zweig C: Newsletter-Abschnitt generieren
  Zweig D: E-Mail-Kampagnentext generieren

Zweige A bis D laufen gleichzeitig. Jeder erhält eine Momentaufnahme der Output-Map zum Zeitpunkt des Starts des Parallel-Schritts – sie können von vorherigen Schritten lesen, aber nicht gegenseitig ihre Ausgaben während der Ausführung sehen.

Wichtiges Verhalten: Wenn Zweig B fehlschlägt, laufen die Zweige A, C und D normal weiter und werden abgeschlossen. Promise.allSettled bedeutet, ein Fehlschlag tötet nicht den Rest. Nach dem Parallel-Schritt können Sie prüfen, welche Zweige erfolgreich waren.

Tipp: Parallel-Schritte sind ideal, wenn Sie dieselbe Eingabe auf mehrere Arten verarbeiten müssen. Die Geschwindigkeitsverbesserung ist erheblich – vier gleichzeitige Zweige sind in ungefähr der gleichen Zeit fertig wie ein sequenzieller Schritt.

Genehmigungsschritte: menschliche Checkpoints

Ein Genehmigungsschritt pausiert den Workflow und sendet eine Benachrichtigung (typischerweise E-Mail) an einen Genehmiger. Der Workflow wird nur fortgesetzt, wenn der Genehmiger handelt: genehmigen, ablehnen oder Eingaben liefern.

Wann verwenden:

• Vor dem Senden von kundengerichtetem Content
• Vor der Ausführung von Finanztransaktionen
• Nach AI-generierter Analyse, die eine Geschäftsentscheidung informiert
• An jedem Punkt, an dem menschliches Urteil erforderlich ist, bevor fortgefahren wird

Beispiel – Content-Publishing-Pipeline:

Schritt 1: Blogpost-Entwurf generieren
Schritt 2: Genehmigung (Content-Manager prüft)
Schritt 3: Social-Media-Posts aus genehmigtem Entwurf generieren
Schritt 4: Genehmigung (Marketing-Lead prüft finales Paket)

Zwei Genehmigungsgates: eines nach der Entwurfsgenerierung, eines vor der Veröffentlichung. Der Content-Manager könnte den Entwurf ablehnen und Feedback geben, wodurch der Workflow stoppt. Oder er genehmigt, und der Workflow fährt fort, abgeleiteten Content zu generieren.

Einschränkung: Genehmigungsschritte können nicht innerhalb von Loop- oder Bedingungs-Schritten verschachtelt werden. Sie funktionieren auf der obersten Ebene des Workflows oder innerhalb paralleler Zweige. Dies ist eine bewusste Design-Entscheidung – eine Schleifeniteration mitten in der Ausführung zu pausieren erzeugt eine Zustandsverwaltungskomplexität, die den Anwendungsfall selten rechtfertigt.

Tipp: Genehmigungsschritte können ein optionales Eingabeschema enthalten. Verwenden Sie dies, wenn der Genehmiger Daten liefern muss – Revisionsnotizen, genehmigtes Budget, ausgewählte Optionen – die nachfolgende Schritte benötigen.

Write-to-KB-Schritte: institutionelles Wissen aufbauen

Ein Write-to-KB-Schritt erfasst die Ausgabe eines vorherigen Schritts und schreibt sie in ein Knowledge-Base-Dokument. Der Workflow fährt sofort fort – es ist ein Fire-and-Forget-Schreibvorgang, der die Ausführung nicht blockiert.

Wann verwenden:

• Support-Ticket-Lösungen speichern, damit zukünftige Ausführungen sie über RAG referenzieren können
• Eine wachsende Bibliothek analysierter Verträge, Meeting-Zusammenfassungen oder Recherche-Briefings aufbauen
• Durchsuchbare Aufzeichnungen von AI-generierten Ausgaben für Audit oder Wiederverwendung erstellen

Beispiel – Support-Lösungs-Knowledge-Base:

Schritt 1: Ticket triagieren und klassifizieren (Recipe)
Schritt 2: Lösung entwerfen (Recipe)
Schritt 3: Genehmigung (Support-Lead prüft)
Schritt 4: Write-to-KB (Lösung in "Support-Lösungen" KB speichern)
Schritt 5: Antwort an Kunden senden (Recipe)

Nachdem die Lösung genehmigt wurde, wird sie in eine Knowledge Base geschrieben. Zukünftige Triage-Ausführungen können ähnliche Lösungen über RAG abrufen, wodurch jede Lösung klüger wird als die letzte.

Tipp: Kombinieren Sie Write-to-KB-Schritte mit Auto-Context-Knowledge-Bases. Wenn eine KB mit einem Recipe oder einer Abteilung verknüpft ist, werden ihre Dokumente automatisch als Kontext in zukünftige Ausführungen einbezogen – keine manuelle Verdrahtung nötig.

Handoff-Schritte: menschliche Benachrichtigung ohne Blockierung

Ein Handoff-Schritt sendet eine Benachrichtigung (E-Mail und In-App) an Benutzer in einer Zielabteilung. Im Gegensatz zu Genehmigungsschritten pausieren Handoffs den Workflow nicht – sie alarmieren jemanden und fahren fort.

Wann verwenden:

• Ein Problem an ein anderes Team eskalieren, ohne die Pipeline zu stoppen
• Eine Abteilung benachrichtigen, dass Arbeit bereit ist, aufgenommen zu werden
• Stakeholder über etwas informieren, das der Workflow gefunden hat

Beispiel – Incident-Erkennung mit Engineering-Handoff:

Schritt 1: Fehler-Logs analysieren (Recipe)
Schritt 2: Schweregrad klassifizieren (Recipe)
Schritt 3: Bedingung (severity == "critical")
  Then:
    Schritt 3a: Handoff an Engineering (Benachrichtigung)
    Schritt 3b: Incident-Report generieren (Recipe)
  Else:
    Schritt 3c: Im Monitoring-Dashboard loggen (Recipe)

Der Handoff benachrichtigt das Engineering-Team sofort, aber der Workflow wartet nicht auf ihre Antwort – er fährt mit der Generierung des Incident-Reports parallel zur menschlichen Reaktion fort.

Tipp: Verwenden Sie Handoffs für “FYI”-Benachrichtigungen und Genehmigungen für “bitte entscheiden Sie.” Wenn nachfolgende Schritte von menschlichem Urteil abhängen, verwenden Sie eine Genehmigung. Wenn nicht, hält ein Handoff die Dinge in Bewegung.

Browser-Action-Schritte: Interaktion mit Webanwendungen

Ein Browser-Action-Schritt führt einen MCP-Tool-Aufruf über die JieGou Browser-Extension aus. Er kann Buttons klicken, Formulare ausfüllen, Seiteninhalte lesen, Screenshots machen und mit plattformspezifischen Features in Gmail, Slack, Jira und anderen Webanwendungen interagieren.

Wann verwenden:

• Ein Formular in einem internen Tool basierend auf Workflow-Daten ausfüllen
• Daten von einer Webseite lesen, die keine API hat
• Einen Screenshot eines Dashboards für einen Report machen
• Mit Legacy-Systemen interagieren, die nur eine Weboberfläche haben

Beispiel – CRM-Update nach Lead-Qualifizierung:

Schritt 1: Prospect recherchieren (Recipe)
Schritt 2: Lead qualifizieren (Recipe)
Schritt 3: Browser-Aktion (Salesforce-Datensatz mit Qualifizierungsdaten aktualisieren)
Schritt 4: Browser-Aktion (Notiz zum HubSpot-Kontakt hinzufügen)

Die Browser-Extension wird in einem dedizierten Automatisierungsfenster ausgeführt, sodass sie Ihre aktive Browser-Sitzung nicht stört. Template-Argumente mappen Workflow-Daten in den Tool-Aufruf – {{step.step_2.qualification_score}} wird zum Wert, der in das CRM-Feld eingetragen wird.

Tipp: Browser-Action-Schritte funktionieren am besten für die letzte Meile – AI-generierte Daten in Systeme pushen, die keinen API-Zugriff haben. Für Systeme mit API-Integrationen (über MCP-Server wie Salesforce, HubSpot, Jira) verwenden Sie stattdessen Recipe-Schritte mit MCP-Tools, da sie schneller und zuverlässiger sind.

Muster kombinieren

Die effektivsten Workflows kombinieren mehrere Schritttypen:

Lead-Verarbeitung mit paralleler Kontaktaufnahme:

Schritt 1: Prospect recherchieren (Recipe)
Schritt 2: Lead qualifizieren (Recipe)
Schritt 3: Bedingung (qualification_score >= threshold)
  Then:
    Schritt 3a: Parallel
      Zweig A: E-Mail entwerfen (Recipe)
      Zweig B: LinkedIn-Nachricht entwerfen (Recipe)
    Schritt 3b: Sales-Review (Genehmigung)
  Else:
    Schritt 3c: Lead archivieren (Recipe)

Batch-Rechnungsverarbeitung:

Schritt 1: Rechnungsbatch parsen → invoices[] (Recipe)
Schritt 2: Loop über invoices
  Schritt 2.1: Daten extrahieren (Recipe)
  Schritt 2.2: Diskrepanzen prüfen (Recipe)
  Schritt 2.3: Bedingung (hat Diskrepanzen)
    Then: Zur Überprüfung markieren (Recipe)
    Else: Als sauber markieren (Recipe)
Schritt 3: Zusammenfassungsbericht generieren (Recipe)
Schritt 4: Finanzmanager-Genehmigung (Genehmigung)

Diese Muster lassen sich natürlich kombinieren, weil jeder Schritttyp klare Semantik hat: Recipes erledigen AI-Arbeit, Bedingungen verzweigen, Schleifen iterieren, Parallele fächern auf, und Genehmigungen pausieren.

Input-Mapping ist der Klebstoff

Die Schritttypen sind die Verben. Input-Mappings sind das verbindende Gewebe. Die Eingaben jedes Recipe-Schritts werden einer von vier Quellen zugeordnet:

• static – Ein hartcodierter Wert
• workflow_input – Ein Wert aus den Top-Level-Eingaben des Workflows
• step_output – Ein Feld aus der Ausgabe eines vorherigen Schritts (z.B. step_1.summary)
• loop_item – Das aktuelle Element in einer Schleifeniteration

Die Input-Mappings richtig hinzubekommen ist der wichtigste Teil des Workflow-Designs. JieGou enthält Auto-Mapping, das Felder nach Name und Typ abgleicht, aber das Überprüfen und manuelle Anpassen der Mappings stellt sicher, dass Daten korrekt fließen.