Einen geplanten KI-Agenten oder LLM-Job überwachen
Immer mehr geplante Jobs rufen ein KI-Modell auf: eine nächtliche Zusammenfassung der Tickets von gestern, ein Agent, der eingehende E-Mails sortiert, ein Skript, das neue Zeilen von einem Modell klassifizieren lässt. Sie laufen unbeaufsichtigt; hört einer auf zu funktionieren, merkt es niemand, bis jemand fragt, wo der Bericht geblieben ist.
Warum KI-Jobs still fehlschlagen
Ein KI-Job ist ein normales geplantes Skript mit einem empfindlichen Schritt in der Mitte: einem Aufruf der API eines Modells. Dieser Schritt schlägt auf Arten fehl, die ein Planer nicht sehen kann:
- Die API ist ausgelastet oder Sie haben ein Limit erreicht. Die Modellanbieter liefern Fehler wie „rate limit“ (429) oder „overloaded“ (529, bei der Claude API). Viele Skripte fangen den Fehler ab, schreiben ihn ins Log und beenden sich normal.
- Kontingent oder Guthaben ist aufgebraucht. Die Dokumentation der OpenAI API und der Claude API sagt beide, dass diese Fehler bestehen bleiben, bis Sie Guthaben aufladen oder das Limit erhöhen; erneutes Versuchen hilft nicht. Ein Job, der still neu versucht, kann wochenlang jede Nacht fehlschlagen.
- Die Antwort ist leer. Ein Entwickler beschreibt einen Agenten, der bei aufgebrauchtem Kontingent mit Exit-Code 0 und einer leeren Antwort endete, sodass alles um ihn herum den Lauf als Erfolg behandelte (DEV Community, 2026).
- Der Job ist nie gestartet. Ein fehlender API-Schlüssel in der Umgebung des Planers, eine andere Shell, ein Rechner im Ruhezustand: SD Times nennt das den häufigsten Fall, „your agents aren't failing, they're not running“ (Ihre Agenten scheitern nicht, sie laufen gar nicht; 2026).
Tracing-Werkzeuge und das Dashboard des Anbieters zeigen die Aufrufe, die stattgefunden haben. Keines von beiden sagt Ihnen etwas über den Lauf, der nicht stattfand, oder über den Lauf, der „funktioniert“ und nichts erzeugt hat.
Den Job seinen eigenen Lauf melden lassen
Fügen Sie dem Skript ein paar Zeilen hinzu: einen Ping beim Start, einen Ping am Ende und einen Fehler-Ping mit der Fehlermeldung, wenn der Modellaufruf (oder etwas anderes) fehlschlägt. TaskBeacon kennt den Zeitplan und bemerkt daher auch, wenn gar kein Ping ankommt.
# --- TaskBeacon: top of the script (standard library only) ---
import json, traceback, urllib.request
TB = "https://taskbeacon.io/ping/your-job-id"
def tb_ping(path="", data=None):
body = json.dumps(data).encode() if data else None
req = urllib.request.Request(TB + path, data=body, headers={"Content-Type": "application/json"})
try:
urllib.request.urlopen(req, timeout=10)
except Exception as e:
print("TaskBeacon ping failed:", e)
tb_ping("/start")
try:
# --- your code here ---
df = [1, 2, 3] # example data: replace with your own (e.g. pandas.read_csv)
except Exception as e:
# the error and the last 20 lines of the traceback go with the failure
tb_ping("/fail", {"error": f"{type(e).__name__}: {e}"[:200],
"log": "\n".join(traceback.format_exc().splitlines()[-20:])[-4000:]})
raise
# --- TaskBeacon: end of the script ---
tb_ping("", {"rows": len(df)})In der App gibt Ihnen der Tab Code Ihres Jobs diesen Code mit der eigenen Adresse des Jobs statt your-job-id, und Sie können die Teile abwählen, die Sie nicht brauchen.
Ergänzen Sie dann eine Zahl, die zeigt, dass der Job seine Arbeit getan hat, etwa wie viele Einträge er zusammengefasst oder klassifiziert hat, oder die Länge der Antwort. Eine Regel auf diese Zahl macht aus einem Lauf, der ohne Ergebnis endete, Odd data (ungewöhnliche Daten): siehe Benachrichtigung bei leerer oder zu kurzer Antwort.
Sie möchten das Skript lieber nicht selbst ändern? Klicken Sie im Tab Code Ihres Jobs auf Copy prompt for your AI (Prompt für Ihre KI kopieren). Das kopiert eine fertige Nachricht mit den Zeilen Ihres Jobs; fügen Sie sie in ChatGPT, Claude oder Copilot ein, hängen Sie Ihr Skript an, und der Assistent gibt das Skript mit den Pings an der richtigen Stelle zurück. Lesen Sie das Ergebnis, bevor Sie es ausführen.
Was Sie bekommen
- Failed (fehlgeschlagen) mit dem Fehlertext, wenn der API-Aufruf fehlschlägt und das Skript es meldet.
- Missed (verpasst), wenn der Job nicht zu seiner Zeit lief, auch in den Nächten, in denen er nie gestartet ist.
- Late (verspätet), wenn ein Lauf hängt, zum Beispiel an einem Modellaufruf, der nie zurückkommt.
- Odd data, wenn er fertig wurde, die gesendete Zahl aber 0 ist oder weit unter dem Üblichen liegt.
Ohne TaskBeacon
Lassen Sie den Job laut fehlschlagen: API-Fehler nicht verschlucken, mit einem Exit-Code ungleich 0 enden, wenn der Modellaufruf fehlschlägt oder die Antwort leer ist, und die eigene Benachrichtigung des Planers das melden lassen. Richten Sie beim Anbieter eine Ausgabenwarnung ein, damit ein aufgebrauchtes Kontingent auffällt. Für Läufe, die nie starten, brauchen Sie trotzdem etwas außerhalb des Jobs, das weiß, wann er hätte laufen sollen – genau den Teil, den ein Skript nicht für sich selbst erledigen kann.
Claude oder ChatGPT mit TaskBeacon verbunden? Fragen Sie: „Was ist letzte Nacht fehlgeschlagen, und warum?“, und die Antwort kommt aus Ihren Jobs. So funktioniert das.
Verwandte Themen
In den Docs: Eigene Zahl · Status · Python.
- Benachrichtigung, wenn ein KI-Job eine leere oder zu kurze Antwort liefertExit-Code 0 mit einer leeren Antwort ist trotzdem ein kaputter Lauf.
- Erfahren, wenn ein geplanter Job gar nicht gelaufen istEin Lauf, der nie stattfand, hinterlässt keinen Fehler, der eine Benachrichtigung auslösen könnte.
- Benachrichtigung, wenn ein Python-cron-Job oder ein geplantes Skript fehlschlägtcron meldet Ausgaben, nicht Erfolg oder Fehler; die Aufgabenplanung zeigt 0x1, und niemand sieht es.
- Claude oder ChatGPT fragen, was letzte Nacht fehlgeschlagen istEine Frage deckt jeden Job auf jedem Rechner ab.
Der Einstieg in TaskBeacon ist kostenlos, derzeit mit allen Funktionen und ohne Kreditkarte. Legen Sie einen Job an, fügen Sie den Code ein, und der erste Ping erscheint auf der Seite des Jobs.
Kostenlos starten Live-Demo ansehenQuellen
- Claude-API-Doku: HTTP-Fehler (429 rate_limit_error, 529 overloaded_error) (ohne Datum; geprüft am 12. November 2026)
- OpenAI API docs: Error codes (429: Ratenlimits und Kontingent) (ohne Datum; geprüft am 12. November 2026)
- SD Times: Your agents aren't failing, they're not running (2026-08-03)
- DEV Community: The model worked, the cron job almost killed my AI agent (2026-05-21)
Diese Seite wurde am 9. November 2026 mit ihren Quellen abgeglichen. Menüs und Grenzen anderer Produkte ändern sich; wenn hier etwas nicht mehr stimmt, schreiben Sie an support@taskbeacon.io.