KI-Agenten: Beispiele aus kleinen Firmen, und was jeder davon wissen muss
Teil des GuidesClaude auf DeutschZum Guide →
Gute Beispiele für KI-Agenten in kleinen Firmen sind ein Agent, der den Posteingang sortiert, einer, der Angebote vorbereitet, einer, der aus einem Besprechungsprotokoll Aufgaben macht, einer, der recherchiert, einer, der Kundenanfragen vorsortiert, und einer, der Rechnungen für die Buchhaltung vorbereitet. Jeder dieser 6 Agenten liefert nur dann etwas Brauchbares, wenn er vorher dein Firmenwissen schriftlich bekommt: deine Preise, deine Kunden, deine Regeln und den Ort, an dem das Ergebnis landen soll.
Die Beispiel-Listen, die bei Google oben auftauchen, nennen Konzern-Projekte und Produktnamen: einen Agenten, der Lieferketten steuert, ein selbstfahrendes Auto, einen Support-Bot eines Software-Herstellers. Keine dieser Listen sagt dir, was der Agent über die Firma wissen muss, bevor er anfängt. Genau an dieser Stelle bleiben die meisten Versuche in kleinen Firmen stehen, und genau diese Stelle beschreibt dieser Text.
Wir führen mehrere Unternehmen ohne zusätzliches Team, arbeiten beide täglich mit Claude und Claude Cowork und haben über 60 eigene Skills angelegt, also gespeicherte Arbeitsaufträge, die Claude bei Bedarf lädt. Die 6 Agenten unten sind als allgemeine Beispiele beschrieben, damit du jedes davon auf deine eigene Firma übertragen kannst. Stand: 31. Oktober 2026.
- Ein KI-Agent ist eine KI, die einen Auftrag in mehreren Schritten selbst zu Ende bringt und das Ergebnis dort ablegt, wo du weiterarbeitest.
- Die 6 Beispiele in diesem Text: Posteingang sortieren, Angebot vorbereiten, Protokoll zu Aufgaben, Recherche, Kundenanfragen vorsortieren, Rechnungen vorbereiten.
- Jeder Agent braucht vorher Firmenwissen als Text: wer ihr seid, was ihr verkauft, wie ihr schreibt und wohin welches Ergebnis gehört.
- Ohne dieses Wissen rät der Agent Preise, Namen und Termine, und du räumst danach länger auf, als die Aufgabe von Hand gedauert hätte.
- Viele dieser Agenten laufen als geplante Aufgabe von allein, zum Beispiel jeden Morgen vor Arbeitsbeginn.
- Kein Agent in diesen Beispielen schickt etwas an Kunden ab. Jeder legt einen Entwurf hin, und ein Mensch gibt ihn frei.
Was ist ein KI-Agent, einfach erklärt?
Ein KI-Agent ist eine KI, die eine Aufgabe von Anfang bis Ende abarbeitet, statt nach jeder Antwort auf deine nächste Frage zu warten. Du gibst einen Auftrag, und die KI liest selbst die nötigen Dateien, entscheidet über die Reihenfolge der Schritte, nutzt dafür Werkzeuge wie eine Websuche oder eine Tabelle und legt am Ende ein fertiges Ergebnis ab.
Ein Chat mit ChatGPT oder Claude funktioniert anders: Du fragst, die KI antwortet, und danach wartet die KI auf dich. Ein Agent bekommt dagegen einen größeren Teil des Wegs. Wenn du einem Agenten sagst "mach aus der Besprechung von heute die Aufgabenliste", öffnet er das Protokoll, zieht die Aufgaben heraus, ordnet jeder Aufgabe einen Namen zu und schreibt die Liste in die richtige Datei.
Jeder KI-Agent besteht aus 4 Teilen: einem Auftrag in Textform, Werkzeugen, Wissen und einem Auslöser. Der Auslöser ist der Moment, in dem der Agent anfängt, zum Beispiel ein Satz von dir oder eine feste Uhrzeit. Wie du diese 4 Teile einrichtest, beschreibt die Anleitung KI-Agenten erstellen ohne Programmieren Schritt für Schritt. Dieser Text hier ist die Sammlung von Beispielen dazu, und er schaut vor allem auf den dritten Teil, das Wissen.
Bevor ein KI-Agent eine Aufgabe übernimmt, braucht er dein Firmenwissen schriftlich. Wie du dieses Wissen einmal ablegst, zeigt die Seite Second Brain mit KI.
Warum braucht jeder KI-Agent dein Firmenwissen schriftlich?
Ein KI-Agent weiß über deine Firma nur das, was du ihm vorher zum Lesen gibst, und alles andere ergänzt er mit Annahmen. Ein Sprachmodell kennt die Welt im Allgemeinen, aber es kennt weder deine Preisliste noch den Namen deiner Ansprechpartnerin beim größten Kunden noch die Regel, dass bei euch kein Angebot ohne Ansprechpartner rausgeht.
Ein Mensch in deiner Firma füllt solche Lücken mit Nachfragen oder mit Erinnerungen aus den letzten Wochen. Ein Agent arbeitet ohne diese Erinnerungen. Fehlt eine Angabe, schreibt der Agent eine Zahl, die plausibel klingt, und liefert sie mit derselben Sicherheit wie eine richtige Zahl. Ein Angebot mit einem erfundenen Preis kostet dich danach mehr Zeit als ein Angebot, das du selbst geschrieben hättest.
Unsere Regel für KI-Agenten lautet deshalb: Ohne Wissensdatenbank brauchst du mit KI-Agenten gar nicht anzufangen. Eine Wissensdatenbank ist dabei nichts Großes. Eine Wissensdatenbank ist ein Ordner mit Textdateien, die beschreiben, wer ihr seid, was ihr verkauft, wie ihr schreibt und wo welche Ergebnisse hingehören. Die wichtigste dieser Dateien ist eine Hauptdatei ganz oben im Ordner, die die Ordnerstruktur, die Schreibregeln und die Abläufe beschreibt. In Claude Code heißt so eine Hauptdatei CLAUDE.md, und Claude liest sie zu Beginn jeder Sitzung.
Zum Vergrößern tippen
Ein Agent ohne Wissensdatei rät Preise, Namen und Termine, und du räumst hinterher auf, während derselbe Agent mit Wissensdatei deine Preise, deine Kunden und deine Regeln nutzt und dir einen Entwurf zum Prüfen hinlegt.
Die 6 Beispiele für KI-Agenten auf einen Blick
Die 6 Beispiele in diesem Text decken die Aufgaben ab, die in einer kleinen Firma jede Woche wiederkommen: Eingänge sortieren, Angebote schreiben, Besprechungen nachbereiten, recherchieren, Anfragen bewerten und Belege vorbereiten. Zu jedem Beispiel nennt die Übersicht das Firmenwissen, ohne das der Agent nichts Brauchbares liefert.
| Agent | Was er erledigt | Welches Firmenwissen er schriftlich braucht |
|---|---|---|
| Posteingang sortieren | ordnet jeden Eingang einem Ort zu | eure Projekte, die Regel, wohin was gehört, die Regel für unklare Fälle |
| Angebot vorbereiten | stellt ein Angebot aus festen Textteilen zusammen | Preise, feste Textteile, Nummernkreis, Quelle für Kundendaten |
| Protokoll zu Aufgaben | macht aus einer Besprechung eine Aufgabenliste | Namen und Rollen der Leute, eure Projekte, Form einer Aufgabe |
| Recherche | sammelt Fundstellen zu einer Frage | eure Zielgruppe, feste Quellen, was als Fund zählt |
| Kundenanfragen vorsortieren | bewertet neue Anfragen nach Passung | Beschreibung eures Wunschkunden, Bewertungsraster, nächster Schritt je Gruppe |
| Rechnungen vorbereiten | ordnet Belege für die Buchhaltung | Zuordnung je Lieferant, wer freigibt, was der Steuerberater braucht |
Für jeden der 6 Agenten gilt: Die Aufgabe beschreibt in einer Zeile, was er tut, und das schriftliche Firmenwissen entscheidet, ob das Ergebnis passt.
Beispiel 1: Ein KI-Agent sortiert den Posteingang
Ein Agent für den Posteingang liest jeden neuen Eingang, entscheidet, ob daraus eine Aufgabe, eine Idee, eine Info zum Ablegen oder nichts wird, und legt ihn an den passenden Ort. Ein Agent für den Posteingang läuft am besten als geplante Aufgabe in Claude, die jeden Morgen von allein startet.
Ein Beispiel: Ein Agent sortiert jeden Morgen den Sammel-Eingang. Der Sammel-Eingang ist dabei ein Korb in einer Aufgaben-App, in den du alles wirfst, was dir unterwegs einfällt. Der Agent liest diesen Korb, ordnet jeden Eintrag einer Sorte zu und leitet ihn weiter: Echte Aufgaben bleiben in der Aufgaben-App und bekommen das richtige Projekt und einen Termin. Eigene Ideen für Beiträge wandern in einen Ideen-Speicher. Fremde Beiträge, die als Vorbild dienen, landen in einer Sammlung in Notion. Wissen, das bleiben soll, kommt als Datei in deinen Wissens-Ordner. Am Ende ist der Korb leer.
Das Firmenwissen, das dieser Agent schriftlich braucht, ist überschaubar und trotzdem nicht verzichtbar:
- eine Liste der Projekte, damit jede Aufgabe das richtige Projekt bekommt
- eine Tabelle, welche Sorte Eintrag wohin gehört
- die Zeitregel für das Einplanen, also in welchem Zeitfenster und mit welcher Standard-Dauer der Agent Aufgaben einträgt
- die Regel für unklare Fälle
Die letzte Regel ist die wichtigste. Ein Beispiel für so eine Regel: Ein unklarer Eintrag bleibt mit einer Notiz im Eingang liegen, und ein Mensch klärt ihn beim nächsten Durchgang. Ohne diese Regel ordnet der Agent unklare Einträge irgendwo ein, und ein Eintrag am falschen Ort ist schlimmer als ein Eintrag, der noch im Korb liegt.
Wenn dein Eingangskorb das E-Mail-Postfach ist, gilt dasselbe Prinzip mit anderen Sorten. Wie wir Mails in 4 Sorten einteilen und welche davon eine KI beantworten darf, erklärt der Artikel E-Mails mit KI beantworten. Für Mails lohnt sich eine feste Grenze in der Anweisung: Der Agent legt nur Entwürfe an und verschickt nichts selbst.
Beispiel 2: Ein KI-Agent bereitet das Angebot vor
Ein Agent für Angebote stellt aus einer kurzen Eingabe ein fertiges Angebot zusammen, rechnet die Summen und vergibt die Angebotsnummer selbst. Ein Beispiel: Aus einer kleinen Datei mit den Angaben zum Kunden macht der Agent ein versandfertiges PDF im Layout deiner Firma.
Der Agent zieht die nächste freie Angebotsnummer aus einem festen Nummernkreis, schreibt sie in das Angebot und führt eine Liste aller vergebenen Nummern. Der Angebots-Agent rechnet die Umsatzsteuer, den Bruttobetrag und das Gesamtvolumen selbst aus. Der Angebots-Agent setzt außerdem die Textteile ein, die in jedes Angebot gehören, etwa einen Absatz zur Laufzeit und einen Absatz zu den Leistungen.
Die meisten Regeln dieses Agenten betreffen das Wissen und nicht die Rechnung:
- Die Preise kommen aus einer einzigen Datei mit deinem Angebot, nie aus dem Gedächtnis.
- Die Firmierung und die Adresse des Kunden kommen aus dessen Impressum, und die Anweisung sagt ausdrücklich: nie schätzen.
- Die festen Textteile liegen als eigene Datei vor, damit jedes Angebot dieselben Formulierungen nutzt.
- Eine Liste mit Formulierungen, die nie in einem Angebot stehen sollen, verhindert zum Beispiel Sätze, die ein bestimmtes Ergebnis versprechen.
Die Rechnung mit der Umsatzsteuer kann jede KI. Die Zeile "Firmierung aus dem Impressum, nie schätzen" kennt nur der Agent, dem jemand sie aufgeschrieben hat. Für deine eigene Firma heißt das: Bevor ein Agent Angebote vorbereitet, gehören deine Preise, deine Standard-Absätze und deine Nummernlogik in Dateien, und die Anweisung sagt, aus welcher Quelle der Agent die Daten des Kunden holt.
Das Angebot verschickt der Agent nicht. Der Angebots-Agent legt das PDF in den Ordner des Kunden, und ein Mensch schickt das Angebot ab.
Mit Second-Brain.OS legst du dein Firmenwissen einmal so ab, dass Claude und deine KI-Agenten es bei jeder Aufgabe kennen. Auf der Warteliste erfährst du als Erste, wann es startet.
Auf die WartelisteBeispiel 3: Ein KI-Agent macht aus dem Besprechungsprotokoll Aufgaben
Ein Agent für Besprechungen liest das Protokoll oder die Abschrift eines Gesprächs und schreibt daraus eine Aufgabenliste, in der jede Aufgabe einen Namen und einen Termin hat. Dieser Agent eignet sich gut als erster Agent, weil du sein Ergebnis gleich nach der Besprechung prüfen kannst.
Der Ablauf des Besprechungs-Agenten ist kurz. Der Agent öffnet die Abschrift, sucht jede Stelle, an der jemand etwas zusagt, schreibt die Aufgabe als ganzen Satz auf, ordnet ihr die Person zu und übernimmt den Termin, falls einer genannt wurde. Fehlt ein Termin, fragt der Agent nach, statt einen Termin zu erfinden. Am Ende landet die Liste dort, wo ihr eure Aufgaben führt.
Damit die Aufgabenliste stimmt, braucht der Besprechungs-Agent drei Dinge schriftlich:
- die Namen und Rollen der Leute, die in euren Besprechungen sprechen, damit "Sascha macht das" der richtigen Person zugeordnet wird
- die Liste eurer laufenden Projekte, damit jede Aufgabe beim richtigen Projekt landet
- die Form einer Aufgabe, zum Beispiel ein ganzer Satz mit Name und Datum
Der häufigste Fehler bei diesem Agenten ist ein erfundener Termin. Wenn in der Besprechung jemand "machen wir nächste Woche" sagt, schreibt eine KI ohne klare Regel ein konkretes Datum hin. Wie wir das abfangen und wie aus den Aufgaben ein Projektstand für den Kunden wird, beschreibt der Artikel KI im Projektmanagement.
Ein naher Verwandter dieses Agenten läuft bei uns am Ende jeder Arbeitssitzung: Er schreibt das Tagesprotokoll in unseren Obsidian-Vault. Ein Beispiel für den Aufbau: das Datum als Dateiname und die Abschnitte "was gemacht wurde", "Entscheidungen" und "was offen ist". Auch dieser Agent braucht vor allem Wissen, nämlich den festen Aufbau des Protokolls, der in einer Hauptdatei beschrieben ist.
Beispiel 4: Ein KI-Agent recherchiert für dich
Ein Agent für Recherche sammelt zu einer Frage Fundstellen aus festgelegten Quellen, prüft sie und legt sie geordnet ab, bevor du selbst eine Zeile liest. Ein Recherche-Agent kann jeden Morgen als geplante Aufgabe starten oder auf Zuruf.
Ein Beispiel: Ein Agent sucht jeden Morgen in festgelegten Foren und Nachrichtenseiten nach Alltagsthemen, über die gerade viele Leute sprechen, und legt dir die 5 stärksten Funde hin. Zu jedem Fund gehört die Quelle, und wenn die Faktenlage unklar ist, prüft der Agent sie mit einer zusätzlichen Websuche nach. Aus einem Fund wird erst dann ein Beitrag, wenn du ihn auswählst.
Ein zweites Beispiel: Ein Agent sucht die Sprache, mit der eine Zielgruppe über ihr Problem spricht. Der Sprach-Agent liest dafür Buchrezensionen und Beiträge in Foren, sammelt die Sätze wörtlich und ordnet sie nach Themen. Das Ergebnis zeigt er zuerst als Vorschau im Chat, und erst nach deiner Freigabe schreibt er die Datei in den Ordner.
Beide Agenten brauchen schriftliches Wissen, das kein Modell von sich aus mitbringt:
- eine Beschreibung der Zielgruppe, damit der Agent weiß, für wen er sucht
- die Liste der festen Quellen, damit er nicht irgendwo sucht
- die Regel, was als Fund zählt und was nicht
- den Ablageort für das Ergebnis
Ohne die Zielgruppen-Beschreibung liefert ein Recherche-Agent eine allgemeine Zusammenfassung, wie sie jede Suchmaschine auch liefert. Mit ihr liefert er die 5 Funde, die für deine Kunden zählen. Wenn ein Agent dafür direkt im Browser arbeiten soll, lohnt ein Blick auf den Artikel Claude in Chrome, der auch erklärt, welche Seiten du einem Browser-Agenten nicht gibst.
Beispiel 5: Ein KI-Agent sortiert Kundenanfragen vor
Ein Agent für Anfragen liest neue Anmeldungen oder Kontaktanfragen, bewertet jede Anfrage nach einem festen Raster und ordnet sie einer Gruppe mit einem klaren nächsten Schritt zu. Ein Beispiel: Ein Agent bewertet die Leute, die sich auf deiner Website für eine kostenlose Vorlage eintragen.
Der Agent holt die neuen Einträge aus der Tabelle des Anmeldeformulars, gleicht sie über die E-Mail-Adresse mit deiner Kundenliste ab, damit niemand doppelt landet, und schaut, wie viele Fragen die Person ausgefüllt hat. Danach vergibt er Punkte nach einem festen Raster und ordnet die Anfrage einer von 3 Gruppen zu: passt genau, passt nach einem Gespräch, passt noch nicht. Bestehende Einträge überschreibt er nie.
Dieser Agent braucht fast nur Firmenwissen, und deshalb liegt das meiste davon in eigenen Dateien:
- eine Beschreibung des Wunschkunden und der Leute, die nicht zu euch passen
- das Bewertungsraster mit den Kriterien und der Punktzahl, ab der eine Anfrage aufgenommen wird
- die Bedeutung jeder Gruppe und der nächste Schritt für jede Gruppe
Der nächste Schritt für die beste Gruppe ist zum Beispiel ein persönlicher Antwortentwurf. Eine Regel gehört dabei ganz nach oben in die Anweisung: nichts automatisch senden, nur Entwürfe. Der Agent legt die Mail als Entwurf an, und ein Mensch schickt sie ab. Was ein kleines Unternehmen im Kundenservice an eine KI abgeben kann, ohne Kunden zu verlieren, beschreibt der Artikel KI im Kundenservice.
Beispiel 6: Ein KI-Agent bereitet Rechnungen für die Buchhaltung vor
Ein Agent für Rechnungen sammelt eingehende Belege, liest Lieferant, Datum und Betrag aus und ordnet jeden Beleg so vor, dass die Buchhaltung ihn ohne Rückfrage übernehmen kann. Auch dieses Beispiel ist allgemein beschrieben, damit du es auf deine eigenen Belege übertragen kannst.
Ein solcher Agent arbeitet zum Beispiel so: Er öffnet jeden Morgen den Ordner mit neuen Belegen, liest aus jeder Rechnung den Lieferanten, das Datum, den Betrag und die Umsatzsteuer, benennt die Datei nach einem festen Muster und schreibt eine Zeile in eine Liste für den Steuerberater. Belege, die er keinem bekannten Lieferanten zuordnen kann, legt er in einen eigenen Ordner für Rückfragen.
Das Firmenwissen, das er dafür schriftlich braucht, wäre zum Beispiel:
- eine Liste der regelmäßigen Lieferanten mit der Kategorie, in die ihre Rechnungen gehören
- das Muster für Dateinamen und den Ablageort
- die Angaben, die euer Steuerberater pro Beleg braucht
- die Regel, wer Rechnungen ab welchem Betrag freigibt
Eine Grenze gilt bei diesem Agenten ohne Ausnahme: Er bezahlt nichts und überweist nichts, er bereitet nur vor. Was eine KI in der Buchhaltung heute übernimmt und was beim Steuerberater bleibt, erklärt der Artikel KI in der Buchhaltung.
Wie laufen KI-Agenten jeden Tag von allein?
Ein KI-Agent läuft jeden Tag von allein, wenn er als Skill angelegt ist und über eine geplante Aufgabe oder über einen festen Satz am Ende der Arbeit startet. Wir nutzen beides: geplante Aufgaben, die morgens starten, und das Tagesprotokoll, das am Ende jeder Arbeitssitzung in unseren Obsidian-Vault geschrieben wird.
Keiner dieser Agenten ist ein Programm. Jeder Agent ist eine Textdatei mit einem Namen, einer Beschreibung und dem Ablauf in normaler Sprache. In Claude heißt so eine Datei Skill. Der Zeitplan kommt aus den geplanten Aufgaben, die Claude in den bezahlten Plänen anbietet, und die Arbeit mit Dateien auf dem eigenen Rechner läuft über Claude Cowork. Wie Cowork arbeitet und welche Freigaben du dort setzt, erklärt der Artikel Claude Cowork.
Was mehrere Agenten gemeinsam brauchen, gehört in eine gemeinsame Hauptdatei. Ein Beispiel: Die Hauptdatei beschreibt die Ordner, die Regeln für Texte, die Pflichten am Ende einer Sitzung und die angebundenen Programme. Jeder Agent liest sie, bevor er anfängt, und deshalb muss keine einzelne Anweisung die Ordnerstruktur noch einmal erklären.
Ein Hinweis aus der Praxis betrifft die Ablage der Skills. Liegt ein Skill an zwei Stellen, einmal als Ablage in deinem Ordner und einmal als installierte Fassung, die Claude beim Start lädt, dann ändert eine Änderung an der Ablage nicht den Agenten, der läuft. Nach jeder Änderung gehört die neue Fassung deshalb auch an die installierte Stelle.
Wie schreibst du das Firmenwissen für deine Agenten auf?
Du schreibst das Firmenwissen für deine Agenten in wenigen Textdateien auf, die jeder Agent vor der Arbeit liest: eine Datei über die Firma, eine über das Angebot, eine über eure Art zu schreiben und eine über die Ablage. Fast jedes der 6 Beispiele oben braucht mindestens drei dieser vier Dateien.
Zum Vergrößern tippen
Die 4 Dateien, die fast jeder Agent liest, beschreiben, wer ihr seid, was ihr verkauft, wie ihr schreibt und wohin welches Ergebnis gehört, und die vierte Datei über die Ablage wird beim Einrichten am häufigsten vergessen.
Datei 1, wer ihr seid. In diese Datei gehören die Namen und Rollen der Leute, die laufenden Projekte und die Kunden, mit denen ihr gerade arbeitet. Der Agent für Besprechungen braucht diese Datei, damit jede Aufgabe beim richtigen Menschen landet.
Datei 2, was ihr verkauft. In diese Datei gehören die Angebote, die Preise, die Laufzeiten und die Absätze, die in jedes Angebot gehören. Ein Beispiel: Eine Datei namens angebot.md liegt in jedem Projektordner und gilt als einzige Quelle für Preise.
Datei 3, wie ihr schreibt. In diese Datei gehören die Anrede, der Ton und die Wörter, die bei euch nie vorkommen sollen. Ein Beispiel: eine Datei über die Stimme und eine Liste der Wörter, die nie vorkommen sollen, und jeder Text in deinem Namen wird gegen beide geprüft.
Datei 4, wohin was gehört. In diese Datei gehört die Ordnerstruktur mit einem Satz zu jedem Ordner und die Regel, was bei Unklarheit passiert. In Claude Code übernimmt die CLAUDE.md diese Aufgabe.
Für den Anfang reichen vier Dateien mit je einer Seite. Die Dateien wachsen danach mit jedem Lauf, denn jeder Fehler eines Agenten zeigt dir eine Angabe, die noch fehlt. Eine solche Korrektur gehört nach oben in die Anweisung und nicht als Fußnote ans Ende, weil eine neue Regel unter vielen Zeilen älterem Text leicht untergeht.
Welche KI-Agenten lohnen sich für Unternehmen zuerst?
Für kleine Unternehmen lohnt sich zuerst ein Agent für eine Aufgabe, die jede Woche mehrmals anfällt, einen klaren Anfang und ein klares Ende hat und deren Ergebnis du am nächsten Tag selbst siehst. Von den 6 Beispielen erfüllen das Protokoll zu Aufgaben und das Sortieren des Posteingangs diese Bedingungen am leichtesten.
Ein Agent lohnt sich ab der dritten Wiederholung derselben Aufgabe in kurzer Zeit. Darunter reicht ein gespeicherter Prompt, also eine Anweisung, die du dir aufhebst und bei Bedarf in den Chat kopierst. Die Rechnung dafür machst du im Kopf: Zeit pro Aufgabe mal Häufigkeit im Monat gegen etwa einen halben Tag für das Einrichten des Agenten.
Eine zweite Regel betrifft die Reihenfolge. Der erste Agent sollte für dich selbst arbeiten und nicht für Kunden. Beim Tagesprotokoll merkst du am nächsten Morgen, ob der Agent funktioniert. Bei einem Agenten, der Kundenanfragen beantwortet, merkst du einen Fehler erst, wenn ein Kunde sich beschwert.
| Wenn eure Aufgabe so aussieht | Mit diesem Agenten fängst du an |
|---|---|
| Jede Woche viele Notizen, Mails und Ideen durcheinander | Posteingang sortieren |
| Mehrere Besprechungen pro Woche mit Zusagen | Protokoll zu Aufgaben |
| Viele ähnliche Angebote mit festen Preisen | Angebot vorbereiten |
| Viele Anmeldungen, wenig Zeit für Gespräche | Kundenanfragen vorsortieren |
| Wiederkehrende Fragen zum Markt oder zur Zielgruppe | Recherche |
Den Einstieg wählst du nach der Aufgabe, die bei euch am häufigsten wiederkommt, und nicht nach dem Agenten, der in einer Vorführung am besten aussieht.
Wo hören diese KI-Agenten auf?
Jeder der 6 Agenten hört an dem Punkt auf, an dem etwas die Firma verlässt oder Geld kostet: eine Mail an einen Kunden, ein Angebot, eine Zahlung, ein öffentlicher Beitrag. Bis zu diesem Punkt arbeitet der Agent allein, ab diesem Punkt entscheidet ein Mensch.
Diese Grenze gehört in die Anweisungen selbst und nicht nur in den Kopf. In den Beispielen oben legt der Agent für Anfragen Entwürfe an und schickt nichts ab. Der Agent für Angebote legt das PDF in den Ordner und verschickt es nicht. Der Agent für Recherche zeigt erst eine Vorschau und schreibt die Datei erst nach Freigabe. Der Agent für den Posteingang lässt unklare Einträge liegen, statt sie zu raten.
Eine zweite Grenze ist der Zugriff. Ein Agent bekommt nur den Ordner und die Verbindungen, die er für seine Aufgabe braucht, und nicht die ganze Festplatte. Weniger Zugriff macht die Ergebnisse besser, weil der Agent weniger Möglichkeiten hat, in die falsche Datei zu schreiben.
Eine dritte Grenze betrifft Webseiten. Ein Agent, der im Browser liest, liest auch Text, den jemand für Maschinen in eine Seite gesteckt hat. Solche versteckten Anweisungen heißen Prompt Injection, und deshalb sollte kein Agent eigenständig Zugangsdaten eintippen oder Geld bewegen.
Was kosten diese KI-Agenten?
Die 6 Beispiele laufen mit einem bezahlten Claude-Plan ab 20 Dollar im Monat, bei Jahreszahlung 17 Dollar im Monat, Listenpreis ohne Steuer, Stand: 31. Oktober 2026. Skills gibt es in allen Plänen, auch im kostenlosen Plan, aber das Übergeben und Planen von Aufgaben führt die Preisseite von Anthropic erst ab dem Pro-Plan.
| Plan | Preis im Monat | Was für die Beispiele wichtig ist |
|---|---|---|
| Free | 0 $ | Skills laufen, keine geplanten Aufgaben |
| Pro | 20 $, 17 $ bei Jahreszahlung | Skills, Projekte, Aufgaben übergeben und planen |
| Team, Standard-Sitz | 25 $ pro Person, 20 $ bei Jahreszahlung | gemeinsame Projekte, Skills für die ganze Firma |
Der kostenlose Plan reicht, um einen Agenten einzurichten und mit echten Fällen zu testen, und für einen Agenten mit Zeitplan zahlst du ab Pro. Quelle der Preise ist claude.com/pricing, abgerufen am 31.10.2026. Die Preise gelten in Dollar ohne Steuer, den Euro-Betrag zeigt Anthropic erst an der Kasse.
Die Nutzung ist der zweite Deckel. Bei Pro setzt sich das Nutzungs-Fenster alle 5 Stunden zurück, zusätzlich gibt es ein Wochenlimit über alle Modelle. Ein Agent verbraucht mehr als ein Chat, weil er in einem Durchlauf viele Schritte macht, Dateien liest und im Netz sucht. Wir arbeiten beide täglich mit Claude und Cowork, und das läuft nicht im kostenlosen Plan.
Teurer als jeder Plan ist das fehlende Firmenwissen. Ein Agent im teuersten Plan ohne Wissensdatei rät genauso wie ein Agent im kostenlosen Plan, er rät nur schneller.
Mit Second-Brain.OS legst du dein Firmenwissen einmal so ab, dass Claude und deine KI-Agenten es bei jeder Aufgabe kennen. Auf der Warteliste erfährst du als Erste, wann es startet.
Auf die WartelisteFazit
Die Beispiele für KI-Agenten unterscheiden sich in der Aufgabe, aber alle 6 brauchen dieselbe Vorarbeit: Firmenwissen, das als Text in Dateien liegt. Wer zuerst einen Agenten einrichtet und danach das Wissen nachreicht, prüft wochenlang erfundene Preise und falsch zugeordnete Aufgaben. Wer zuerst vier Dateien über Firma, Angebot, Schreibweise und Ablage anlegt, kann danach jeden der 6 Agenten an einem Nachmittag einrichten. Die Reihenfolge entscheidet, und die Reihenfolge beginnt beim Wissen.
Häufige Fragen
Was macht ein KI-Agent?
Ein KI-Agent arbeitet einen Auftrag in mehreren Schritten selbst ab, statt nach jeder Antwort auf deine nächste Frage zu warten. Er liest die nötigen Dateien, nutzt Werkzeuge wie eine Websuche oder eine Tabelle und legt am Ende ein fertiges Ergebnis ab, zum Beispiel eine Aufgabenliste oder einen Angebotsentwurf. Jeder Agent besteht aus einem Auftrag in Textform, Werkzeugen, Wissen und einem Auslöser.
Welche Beispiele für KI-Agenten gibt es in Unternehmen?
In kleinen Unternehmen sind typische Beispiele ein Agent, der den Posteingang sortiert, einer, der Angebote vorbereitet, einer, der aus Besprechungen Aufgaben macht, einer, der recherchiert, einer, der Kundenanfragen vorsortiert, und einer, der Rechnungen für die Buchhaltung vorbereitet. Jeder davon braucht vorher Firmenwissen als Text.
Welche KI-Agenten gibt es?
Nach der Aufgabe unterscheidet man vor allem Agenten für Recherche, für Kundenservice, für Texte und Angebote, für Daten und Tabellen, für die Arbeit im Browser und für das Programmieren. Für eine kleine Firma zählt weniger die Art des Agenten und mehr die Frage, welche wiederkehrende Aufgabe er übernimmt. In Claude ist jeder dieser Agenten ein Skill, also eine Textdatei mit dem Ablauf.
Was ist der Unterschied zwischen einem KI-Agenten und ChatGPT?
ChatGPT im normalen Chat antwortet auf deine Frage und wartet danach auf die nächste Frage, ein KI-Agent bringt eine Aufgabe in mehreren Schritten selbst zu Ende. ChatGPT bietet dafür einen eigenen Agent-Modus an, Claude bietet Skills, Cowork und geplante Aufgaben. Der Unterschied liegt also in der Arbeitsweise und nicht im Anbieter.
Welche Daten braucht ein KI-Agent?
Ein KI-Agent braucht das Firmenwissen, das für seine Aufgabe gilt, als Text: wer ihr seid, was ihr verkauft, wie ihr schreibt und wohin welches Ergebnis gehört. Ein Agent für Angebote braucht zusätzlich Preise und feste Textteile, ein Agent für Anfragen eine Beschreibung des Wunschkunden und ein Bewertungsraster. Fehlt eine Angabe, ergänzt der Agent sie mit einer Annahme.
Brauche ich Programmierkenntnisse für einen KI-Agenten?
Nein, für die 6 Beispiele in diesem Artikel brauchst du keine Programmierkenntnisse. In Claude ist ein Agent eine Markdown-Datei mit einem Namen, einer Beschreibung und dem Ablauf in normaler Sprache. In Claude Cowork installierst du einen fertigen Skill per Drag-and-drop, ohne Terminal.
Was kostet ein KI-Agent?
Ein KI-Agent in Claude kostet so viel wie der Plan, in dem er läuft. Skills funktionieren schon im kostenlosen Plan, geplante Aufgaben gibt es laut Preisseite ab Pro für 20 Dollar im Monat oder 17 Dollar bei Jahreszahlung, Listenpreis ohne Steuer, Stand 31. Oktober 2026. Der zweite Deckel ist die Nutzung, die sich bei Pro alle 5 Stunden zurücksetzt.
Was wir jede Woche in unser Firmenwissen schreiben
In unserem Vault kommen laufend neue Zeilen Firmenwissen dazu, meistens weil ein Agent an einer Stelle geraten hat, an der er eine Angabe gebraucht hätte. Aus diesen Zeilen ist über die Monate die Grundlage entstanden, auf der unsere Agenten heute von allein starten. Second-Brain.OS ist der Weg, dieses Wissen für deine eigene Firma einmal geordnet abzulegen, bevor der erste Agent anfängt.
Führt mit Daniel Walter mehrere Unternehmen ohne zusätzliches Team. Baut die Agenten und Workflows, die die Community nutzt, und schreibt hier auf, was davon im Alltag hält.


