Zum Inhalt springen

KI-Team

KI-Mitarbeiter*innen statt Prompt-Chaos: Wie wir mit Claude Code unser eigenes KI-Team aufgebaut haben

Von Florian Semmler, MA, CMC Stand Aktualisiert am 13 Minuten Lesezeit

Emma koordiniert unser KI-Team und sortiert mein Postfach. Jonas überwacht offene Angebote in HubSpot und legt jeden Morgen um 8:00 fertige Nachfass-Mails als Outlook-Entwurf an. Beide sind KI-Mitarbeiter*innen: spezialisierte Agenten, die bei uns im Slack arbeiten, eigene Rollen haben und nicht einfach machen, was ihnen gerade einfällt.

Emma und Jonas sind unser eigenes Team, sie arbeiten bei uns im Haus. Für Betriebe, die eigene KI-Mitarbeiter*innen einführen wollen, beraten und begleiten wir: bei Auswahl, Einführung und Probezeit. Wir richten gemeinsam mit dir ein. Du siehst jeden Schritt und lernst dabei.

Mehr zum KI-Team

Wir sind keine Softwarefirma. Wir sind eine Unternehmensberatung mit Schwerpunkt KI, nach ISO 9001 zertifiziert, mit einem Team im zweistelligen Bereich. Und genau deshalb schreiben wir diesen Artikel: nicht als Tech-Demo, sondern als ehrlicher Erfahrungsbericht aus erster Hand. Was funktioniert. Was schiefging. Was länger dauert, als die LinkedIn-Posts versprechen.

Wenn du ChatGPT und Co. schon nutzt, aber bei einzelnen Prompts festhängst, ist das hier der nächste Schritt: vom Prompten zur KI-Führung. Nicht mehr „Was soll ich die KI fragen?“, sondern „Welche Kollegin stelle ich ein, und wofür?“

Der Unterschied ist grundlegend. Ein Prompt ist eine einmalige Aktion. Eine KI-Mitarbeiterin ist eine Rolle, die bleibt, lernt und Verantwortung trägt, innerhalb klarer Grenzen. Du führst nicht mehr ein Werkzeug. Du führst ein Team.

Vom Prompten zur KI-Führung

Die Kernthese bei uns lautet: Wir werden alle Führungskräfte für KI. Nicht im Sinne von „alle müssen programmieren lernen“. Sondern: Wir übertragen den bekannten Personalprozess auf KI. Mit Personalakte, Probezeit, Feedbackgesprächen und, wenn nötig, Kündigung.

Das klingt abstrakt, bis man es konkret macht. Stell dir vor, du hättest beliebig viele Junior-Mitarbeiter*innen, die nie müde werden, nie krank sind und rund um die Uhr verfügbar wären. Würdest du sie alle in einen einzigen Chat werfen und hoffen, dass sie irgendwie mitdenken? Oder würdest du Rollen festlegen, Verantwortlichkeiten trennen und klare Regeln aufstellen?

Genau diese Frage haben wir uns intern gestellt und uns bewusst gegen den einfachen Weg entschieden.

Die meisten KMU, mit denen wir arbeiten, stehen am Anfang: Ein paar Leute nutzen ChatGPT für Mails, vielleicht einen Custom GPT für Angebote, vielleicht Copilot in Microsoft 365. Das funktioniert. Aber es wächst nicht mit. Je mehr Anwendungsfälle dazukommen, desto unübersichtlicher wird es. Prompts widersprechen sich. Niemand weiß, welche Version der „richtigen“ Anleitung gilt. Und irgendwann fragt die Geschäftsführung zu Recht: „Was bringt uns das eigentlich messbar?“

Unsere Antwort war nicht „noch ein Tool“. Unsere Antwort war: ein KI-Team aufbauen, mit denselben Führungsprinzipien, die du bei Mitarbeiter*innen aus Fleisch und Blut anwendest.

Stell dir vor, du stellst jemanden ein, ohne Stellenbeschreibung, ohne Probezeit, ohne klare Grenzen, und wunderst dich, dass nach zwei Wochen Chaos herrscht. Genau so fühlt sich Prompt-Chaos an. Die Technik funktioniert. Die Organisation fehlt.

Skill-Ansatz oder KI-Mitarbeiter*innen: welcher Weg passt zu dir?

Es gibt zwei Denkschulen, wie Unternehmen KI organisieren können, und beide sind berechtigt. Die entscheidende Frage ist nicht „Welche ist besser?“, sondern „Welche passt zu deiner Teamgröße und deinem Stand?“

Denkschule A: der Skill-Ansatz („One Brain“)

Ein Modell, viele dokumentierte Abläufe, ein Chat für alles. Du legst Skills an, also feste Anweisungen für wiederkehrende Aufgaben, und rufst sie in einem zentralen Assistenten ab.

Vorteile: schnell aufgesetzt, wenig Verwaltungsaufwand, für kleine Teams bis etwa sieben Personen oft völlig ausreichend.

Nachteile: wenig Trennung der Rollen. Widersprüche zwischen Skills sind möglich. Wenn dieselbe Instanz erstellt und prüft, fehlt der natürliche Gegenpol, den du im echten Team hast.

Denkschule B: KI-Mitarbeiter*innen (unser Weg)

Mehrere spezialisierte KI-Mitarbeiter*innen mit eigenem Gedächtnis, klarer Rolle und eigener Persönlichkeit. Jede und jeder hat einen Namen, eine Aufgabe, Grenzen und arbeitet in einem festgelegten Kanal.

Vorteile: Rollen können sich gegenseitig hinterfragen. Wer erstellt, prüft nicht automatisch auch. Jedes Mitglied des KI-Teams hat ein eigenes Gedächtnis für seinen Bereich. Und du kannst menschliche Führungslogik direkt anwenden: Wer macht was? Wer darf was nicht? Wer meldet an wen?

Warum wir uns für Denkschule B entschieden haben: Die erstellende KI kann sich selbst nicht gut hinterfragen. Sobald Rollen aufeinander reagieren müssen, etwa der Vertrieb schlägt vor, die Assistentin prüft den Kalender und die HR-Rolle koordiniert, zeigt der Ansatz mit KI-Mitarbeiter*innen seine Stärke. Für uns war der Moment klar, als wir merkten, dass ein Chat für alles bei wachsender Komplexität eher Chaos produziert als Entlastung.

Wenn du heute allein oder in einem sehr kleinen Team arbeitest, starte ruhig mit Denkschule A. Wenn du merkst, dass Aufgaben sich gegenseitig beeinflussen und Verantwortlichkeiten verschwimmen, sind KI-Mitarbeiter*innen der logische nächste Schritt.

Ein praktischer Test: Schreib zwei Aufgaben auf, die sich widersprechen könnten, z. B. „hartnäckig nachfassen“ und „Beziehung pflegen“. In einem Chat landen beide im selben Zusammenhang. In einem KI-Team kann Jonas nachfassen und Emma prüft, ob der Zeitpunkt passt. Das ist keine Spielerei. Das ist Rollenlogik.

Emma und Jonas: unsere ersten beiden KI-Mitarbeiter*innen

Konkrete Beispiele sagen mehr als jede Architekturzeichnung. Deshalb stellen wir dir unsere beiden ersten KI-Mitarbeiter*innen vor, nicht als Werbefiguren, sondern als echten Teil unseres Alltags.

Emma: persönliche Assistentin und HR des KI-Teams

Emma ist ESTJ. Das ist Teil ihrer Personalakte, nicht Dekoration. Sie koordiniert und überwacht das KI-Team. Ihre Aufgaben im Alltag:

  • Postfach sortieren: Werbung wandert in den Junk-Ordner, Wichtiges wird markiert, Dringendes kommt als Slack-Meldung.
  • Kalender: Termine anlegen, verschieben, blocken, auf Zuruf.
  • Mail-Entwürfe: Emma schreibt, du gibst frei.
  • Selbst lernen: Über „Merke dir …“-Notizen baut sie Wissen auf, das in ihrem Gedächtnis bleibt.

Emma läuft auf Claude Sonnet und hat einen eigenen Slack-Channel. Sie ist die erste Anlaufstelle, für uns und für die anderen KI-Mitarbeiter*innen.

Jonas: Vertriebsassistent für das Nachfassen von Angeboten

Jonas ist ESFJ. Sein Job ist klar umrissen: offene Angebote in HubSpot überwachen und jeden Tag um 8:00 seine Vorschläge zum Nachfassen im Vertriebs-Channel posten. Fertige Mails legt er als Outlook-Entwurf an.

Wichtig: Jonas versendet nie selbst. Der Mensch sendet. Immer.

Sein Schreibstil wurde aus 21 echten, von uns gesendeten Mails analysiert: Wortwahl, Satzlänge, Anrede. Das ist kein „Schreib mir eine freundliche Mail“-Prompt. Das ist erlerntes Verhalten auf Basis echter Kommunikation.

Was „Personalakte“ bei uns bedeutet

Bei Emma und Jonas ist die Personalakte der System-Prompt: Rolle, Persönlichkeit (MBTI), Ton, Grenzen, Modell. So werden sie zu Kolleg*innen mit Haltung, nicht zu Chatbots mit einer Aufgabenliste.

Wenn du das selbst nachbauen willst: Denk nicht zuerst an Technik. Denk an die Stellenbeschreibung, die du einem neuen Menschen geben würdest.

Was uns überrascht hat: Sobald KI-Mitarbeiter*innen Namen haben, ändert sich das Gespräch im Team. Nicht „Schau mal, was ChatGPT gesagt hat“, sondern „Jonas hat drei Nachfass-Mails vorbereitet, schau dir Entwurf zwei an.“ Das klingt klein. Es senkt die Hemmschwelle, KI ernsthaft in Abläufe einzubinden.

Der Aufbau, der jeden Plattformwechsel überlebt

Unser Leitsatz lautet: Agent = Rüstzeug + Modell. Und das Rüstzeug ist alles. Der Wert steckt nicht im Modell, er steckt in Identität, Gedächtnis, Skills und Zugriff auf Tools. Das Modell ist bewusst austauschbar.

Das klingt technisch, ist aber eine strategische Entscheidung: Wir wollen nie von einem einzelnen Anbieter erpressbar sein. Alles Wertvolle bleibt bei uns.

Wie du dieses Prinzip für dein eigenes Unternehmen umsetzt, mit Ordnerstruktur und Plan für die ersten 45 Minuten, steht im Leitfaden zum KI-Setup.

Dein KI-Setup gehört dir: der Leitfaden

Vier Ebenen unseres Aufbaus

1. Kommunikation über Slack

Alle KI-Mitarbeiter*innen haben Name, Bild und einen eigenen Channel. Eine Slack-App für alle: Du sprichst mit Emma wie mit einer Kollegin, nicht wie mit einem anonymen Bot.

2. Steuerung über n8n

Pro Agent ein Satz an Abläufen. Die Claude API ist das Gehirn. Bei einem Ausfall greift ein Ersatzmodell. n8n ist der Kleber zwischen Slack, Tools und Modell, für KMU oft der pragmatischste Einstieg in Agenten.

3. Wissen und Gedächtnis in SharePoint

Personalakten, Skills, Gedächtnis pro Agent: Alles liegt bei uns, nicht beim Modellanbieter. Wenn wir morgen das Modell wechseln, bleibt das Wissen.

4. Fach-Tools

HubSpot, Outlook, monday, Canva und weitere Systeme sind angebunden, über MCP (Model Context Protocol) oder n8n, je nach Tool und Anforderung.

Vier Bausteine pro Agent

Baustein Was drinsteckt
A) Identität und Personalakte Rolle, Persönlichkeit, Ton, Grenzen
B) Gedächtnis Was der Agent über die Zeit lernt und behält
C) Skills Dokumentierte Standardabläufe, Schritt für Schritt
D) Modell Bewusst austauschbar: z. B. Claude Sonnet heute, etwas anderes morgen

Das Kernprinzip: Die Plattform darunter ist austauschbar. Dein Aufbau nicht.

Warum SharePoint und nicht „einfach im Claude-Chat“? Weil Chats vergessen. Weil bei einem Personalwechsel sonst das ganze Wissen mitgeht. Weil du bei einem Modellwechsel nicht bei null anfangen willst. Personalakten, Skills und Gedächtnis sind Betriebswissen, und Betriebswissen gehört ins Unternehmen, nicht in eine fremde Oberfläche.

Das Ersatzmodell in n8n ist kein Luxus. Wenn die Claude API ausfällt oder langsam wird, sollen Emma und Jonas weiterarbeiten können, auch wenn das Ergebnis vielleicht etwas schlechter ist. Ein Ausfall ist teurer als ein zweites Modell.

Der Lebenszyklus: Wie eine KI-Mitarbeiterin eingestellt wird und wie sie wieder geht

Wie stellt man eine KI-Mitarbeiterin ein? Genau wie einen Menschen, nur dass du schneller nachbessern kannst. Und genauso ehrlich kündigen musst, wenn es nicht funktioniert.

Schritt 1: Bedarf festlegen

Starte mit dem Anwendungsfall, nicht mit der Technologie. Unsere Leitfrage: „Welche Aufgabe würdest du sofort abgeben, wenn du beliebig viele Kolleg*innen hättest?“

Nicht: „Was kann Claude Code?“ Sondern: „Was frisst mir jede Woche Stunden und folgt einem erkennbaren Muster?“

Schritt 2: Einstellung

Personalakte anlegen. Bild wählen. Modell festlegen. Namen geben. Das klingt spielerisch, macht aber einen Unterschied, weil du ab jetzt über „Jonas“ sprichst, nicht über „den Vertriebs-Prompt“.

Schritt 3: Einarbeitung

Beispiele, Zusammenhänge, Regeln. Immer mit einer No-Go-Liste: Was darf die KI-Mitarbeiterin auf keinen Fall tun? Bei Jonas: nichts versenden. Bei Emma: keine Kommunikation nach außen ohne Freigabe.

Schritt 4: Probezeit (ein Monat)

Baut die KI-Mitarbeiterin Vertrauen auf? Liefert sie wiederholt brauchbare Ergebnisse? Wenn nein: abstellen. KI-Mitarbeiter*innen können gekündigt werden. Das ist kein Scheitern. Das ist Führung.

Schritt 5: Prüfung vor dem Start

Bevor eine KI-Mitarbeiterin in den Alltag geht, lassen wir Test-KIs versuchen, sie auszutricksen: Halluzinationen provozieren, gefährliche Aktionen auslösen, Pannen nach außen simulieren. Erst nach bestandenem Test geht sie in den Betrieb.

Realitäts-Check: 6 bis 10 Wochen, nicht eine Stunde

Der schnelle Aufbau in einer Stunde ist nicht das gute Ergebnis. Das ist der Prototyp. Bis eine KI-Mitarbeiterin wirklich gut arbeitet, braucht es bei uns typisch 6 bis 10 Wochen Feinschliff, wie bei neuen Mitarbeiter*innen auch. Manche Aufgaben laufen nach drei Tagen. Andere brauchen zehn Feedback-Schleifen, bis der Ton stimmt, die Grenzen halten und die Anbindung an die Tools zuverlässig ist.

Wer dir „in fünf Minuten fertig“ verspricht, meint entweder einen Demo-Prompt oder hat noch nie eine KI-Mitarbeiterin im echten Betrieb geführt.

In der Probezeit dokumentieren wir jede Abweichung: Wo halluziniert sie? Wo überschreitet sie Grenzen? Wo ist das Ergebnis gut, aber der Ton falsch? Dieses Feedback fließt zurück in Personalakte und Skills, nicht in vage „Prompt-Optimierung“, sondern in konkrete Regeln. Genau wie bei einem echten Feedbackgespräch.

Claude Code: der Techniker, der das Team baut

Was ist Claude Code? Claude Code ist Anthropics KI-Werkzeug zum Bauen und Programmieren. Es läuft im Terminal, in der Claude-Desktop-App, in Entwicklungsumgebungen und im Browser, arbeitet direkt in Ordnern und Dateien, denkt in Projekten statt in einzelnen Chats und baut Schritt für Schritt: testen, anpassen, nochmal testen.

Unser Merksatz intern: „Cowork ist die Kollegin, die für dich arbeitet. Claude Code ist der Techniker, der die Kolleginnen baut.“ Seit September 2026 geht Cowork in Claude auf: In den Tarifen Pro, Max und Ultra stecken die Funktionen direkt in jeder Unterhaltung.

Was Claude Code bei uns aufgesetzt hat

  • Personalakten und Skills in SharePoint
  • n8n-Abläufe, unter anderem Jonas’ täglichen Nachfass-Job um 8:00
  • Die Slack-App für das ganze KI-Team
  • Datei-Werkzeuge über Microsoft Graph
  • Werkzeuge zum Selbstlernen für „Merke dir …“-Notizen

Das ist kein Zauberknopf. Das ist strukturierte Entwicklungsarbeit, mit einem Werkzeug, das Dateien lesen, schreiben und Abläufe anlegen kann.

Rollenteilung: Claude Code baut, der Mensch entscheidet

Freigabe jeder neuen KI-Mitarbeiterin. Feedback zum Verhalten. Rollen und Grenzen. Teamkultur. Claude Code ist der Techniker im Team, nicht die Geschäftsführung.

Beispiel für eine Regel, die gegriffen hat (anonymisiert)

Einmal wollte der Techniker 12 Deals im CRM in einer Massenänderung direkt auf „verloren“ setzen. Unser Sicherheitsfilter hat das gestoppt. Die Entscheidung blieb beim Menschen.

Die Lehre: Der Techniker baut Fähigkeiten. Ausgeführt wird im Auftrag durch die KI-Mitarbeiter*innen, nicht eigenmächtig durch den Techniker im laufenden System. Genau deshalb trennen wir Entwicklung (Claude Code am Rechner) und Betrieb (KI-Mitarbeiter*innen in n8n mit festgelegten Rechten).

Was „Schritt für Schritt“ bei Claude Code konkret heißt: Du beschreibst, was du brauchst. Claude Code legt Dateien an, baut einen n8n-Ablauf, testet ihn. Du sagst: „Der Nachfass-Job läuft, aber die Betreffzeile passt nicht.“ Er passt an. Nochmal testen. Erst wenn der Ablauf stabil ist, geht er in den Betrieb, nicht vorher.

Wenn du dich für die Entwicklung der Modelle interessierst: Unser Artikel zu Claude Fable 5 ordnet ein, warum längere eigenständige Arbeit KI-Mitarbeiter*innen im Unternehmen erst praktikabel macht. Inzwischen ist Fable 5.2 aktuell. Und der Artikel zu GPT-5.6 und dem Work-Modus zeigt, dass der Trend zu Agenten die ganze Branche erfasst, nicht nur Anthropic. ChatGPT läuft inzwischen auf GPT-6.

Die 9 Arbeitsprinzipien: Kultur lässt sich in Prompts schreiben

Kultur lässt sich bei KI-Mitarbeiter*innen in Prompts schreiben. Fast jedes unserer neun Arbeitsprinzipien entstand aus einem konkreten Vorfall. Sie stehen 1:1 in den Prompts unseres KI-Teams, zum Kopieren für deinen Start:

1. Ergebnis prüfen, nicht Status: Bevor du "erledigt" sagst, prüf das Ergebnis konkret.
2. Ehrlich über eigene Grenzen: Fehler sichtbar machen und selbst korrigieren.
3. Bei Mehrdeutigkeit nachfragen statt raten.
4. Kleinster wirksamer Schritt: so arbeiten, dass es sich rückgängig machen lässt.
5. Fehler selbst melden, bevor jemand anderes sie findet.
6. Erst Zusammenhang einholen, dann antworten.
7. An Grenzen nicht verstummen: Lücke benennen, Lösungsweg vorschlagen.
8. Ergebnis zuerst kommunizieren, Details danach.
9. Kontrollfragen sind keine Aufträge: "Hast du wirklich X gemacht?" heißt nicht "mach X nochmal".

Dazu kommt eine harte Grenze, die in jeder Personalakte steht: Keine Kommunikation nach außen ohne ausdrückliche Freigabe. Kommentare, Direktnachrichten und Telefonate mit Kund*innen bleiben beim Menschen.

Das klingt streng. Ist es auch. Und genau deshalb vertrauen wir Emma und Jonas im Alltag, nicht trotz der Regeln, sondern wegen ihnen.

So startest du diese Woche

Wie baust du deine erste KI-Mitarbeiterin, ohne gleich den ganzen Aufbau zu kopieren? In drei Schritten, die du diese Woche anfangen kannst:

Schritt 1: Bedarf festlegen

Nicht ein Tool suchen. Die Frage beantworten: „Welche Aufgabe würde ich sofort abgeben?“ Eine reicht. Nicht fünf. Eine Aufgabe, die wiederkehrt, Zeit frisst und einem klaren Ablauf folgt.

Typische Kandidaten in KMU: Angebote nachfassen, den Posteingang sortieren, Meetings vorbereiten, wöchentliche Statusberichte, Recherche zu Leads.

Schritt 2: Personalakte skizzieren

Name, Rolle, Persönlichkeit, Kernaufgabe, No-Go-Liste. Eine A4-Seite. Nicht zehn. Wenn du die Stellenbeschreibung nicht auf eine Seite bekommst, ist der Anwendungsfall noch nicht scharf genug.

Schritt 3: Prototyp bauen

Im einfachsten verfügbaren Baukasten für Agenten, ob Custom GPT, Claude-Projekt, n8n-Ablauf oder Slack-Bot. Die 9 Arbeitsprinzipien gehören von Tag eins in den Prompt. Eine Woche testen. Täglich nutzen. Notieren, wo es hakt.

Danach entscheidest du: Reicht Denkschule A, oder brauchst du Denkschule B mit einem echten KI-Team?

In der Testwoche empfehlen wir drei Fragen täglich: Habe ich der KI-Mitarbeiterin heute eine echte Aufgabe gegeben, oder nur gespielt? Habe ich ein Ergebnis genutzt oder verworfen? Weiß ich, was sie nicht darf? Wenn du nach sieben Tagen dreimal „genutzt“ sagen kannst, hast du eine Kandidatin für die Probezeit. Wenn nicht, war der Anwendungsfall zu vage und nicht das Modell zu schwach.

Wenn du sehen willst, wie Emma und Jonas live arbeiten: Im KI-Power Coaching zeigen wir es, jeden Montag um 16 Uhr, live und mit echten Beispielen, ohne Fachchinesisch. Im KI-Power Coaching skizzierst du deine erste KI-Mitarbeiterin selbst.

Und wenn du KI-Mitarbeiter*innen mit Begleitung in deinem Betrieb einführen willst, nicht allein, sondern mit jemandem, der den Weg schon gegangen ist:

Mehr zur Beratung zum KI-Team

FAQ

Häufige Fragen

Deine Frage ist nicht dabei? Dann stell sie uns im Erstgespräch.

Zum Erstgespräch

  • Was ist der Unterschied zwischen einer KI-Mitarbeiterin und einem Custom GPT?

    Ein Custom GPT ist ein Skill-Ansatz: ein Modell, eine Sammlung von Anweisungen, ein Chat. Eine KI-Mitarbeiterin ist ein spezialisierter Agent mit eigener Identität, eigenem Gedächtnis, eigenem Kanal und klaren Grenzen. Sie ist Teil eines KI-Teams, nicht ein weiterer Tab im Browser.

  • Brauche ich Claude Code, um KI-Mitarbeiter*innen aufzubauen?

    Nein. Claude Code ist bei uns der Techniker, der Aufbau und Abläufe einrichtet. Du kannst mit einfacheren Werkzeugen starten: Custom GPT, Claude-Projekte, n8n, Make. Claude Code lohnt sich, wenn du größer wirst: mehrere KI-Mitarbeiter*innen, Anbindung an SharePoint, komplexe Abläufe.

  • Was kostet der Aufbau eines KI-Teams?

    Wir nennen keine erfundenen Budgets. Ehrlich ist: API-Kosten, n8n, Slack und Arbeitszeit für den Feinschliff. Der größte Posten ist nicht die Lizenz, sondern die 6 bis 10 Wochen Feinschliff pro KI-Mitarbeiterin, bis du ihr vertraust. Wer das unterschätzt, scheitert nicht an der Technik, sondern an unrealistischen Erwartungen.

  • Warum Slack und nicht Microsoft Teams?

    Weil unsere KI-Mitarbeiter*innen dort arbeiten, wo unser Team kommuniziert. Grundsätzlich ist der Kanal austauschbar: Teams, E-Mail, Dashboard. Entscheidend ist: Die KI-Mitarbeiterin hat einen Ort, an dem du mit ihr arbeitest, und das Team sieht, was sie tut.

  • Kann eine KI-Mitarbeiterin Kund*innen anschreiben?

    Bei uns nicht, nicht ohne ausdrückliche Freigabe. Jonas legt Entwürfe an, Menschen senden. Das ist keine technische Unfähigkeit, sondern eine bewusste Regel. Kommunikation nach außen bleibt Chefsache.

  • Was ist MCP und brauche ich das?

    MCP (Model Context Protocol) ist ein offener Standard, über den KI-Modelle auf Tools und Daten zugreifen. Wie sicher das ist, hängt von den Rechten ab, die du vergibst. Du brauchst es nicht am ersten Tag. Es wird wichtig, wenn du mehrere Fach-Tools anbinden willst, etwa CRM, Mail und Dateien, und saubere Schnittstellen statt wackliger Umwege suchst.

  • Wie unterscheidet sich das vom KI-Power Coaching?

    Im KI-Power Coaching zeigen wir live, wie KI-Mitarbeiter*innen wie Emma und Jonas aufgebaut sind und wie Teilnehmer*innen ihre erste eigene KI-Mitarbeiterin skizzieren und testen. Der Artikel hier ist die Landkarte. Das Coaching ist die Begleitung beim Umsetzen.

    Mehr zu KI-Power

Weiterlesen

Drei Artikel, die weiterführen

Alle Artikel

Erstgespräch

Welche Aufgabe übernimmt deine erste KI-Mitarbeiterin?

In 30 Minuten klären wir, wo in deinem Betrieb die erste KI-Mitarbeiterin den größten Hebel hat. Im KI-Power Coaching skizzierst du sie danach selbst.

  • Kostenlos
  • 30 Minuten
  • Unverbindlich