Diese Anleitung zeigt den Eigenbau von null. Wenn du lieber einen fertigen Jarvis willst, der schon Kalender, Projekte und Builds kann: Trag dich auf die Jarvis-Warteliste ein.
Keine Zeit gerade? Schick dir den Artikel ins Postfach.
Du bekommst den Guide als PDF, damit du später in Ruhe weiterliest. Zusätzlich bekommst du kostenlos regelmäßig wertvolle KI-Tipps zugeschickt. Jederzeit mit einem Klick abbestellbar.
Das lernst du
Starte hier
Lass Claude das mit dir einrichten
Tippe auf den Button und kopiere eine Nachricht für Claude. Füge sie in Claude ein, dann geht Claude jeden Schritt mit dir durch, einen nach dem anderen.
Kurzanleitung in drei Schritten: 1. Kopieren 2. Claude öffnen 3. Einfügen und senden
Was du brauchst
node -v im Terminal).So funktioniert Jarvis
Eine Oberfläche im Browser mit deinem Bild. Sie pulsiert, wenn Jarvis zuhört und spricht.
Chrome wandelt deine Sprache in Text um.
Ein kleiner Server schickt den Text an Claude und bekommt die Antwort zurück.
ElevenLabs macht aus der Antwort Sprache in deiner Jarvis-Stimme.
Mikro, Text, Antwort, Stimme. Mehr ist ein Sprachassistent im Kern nicht.
Schritt 1: Ein Gesicht
Dein Assistent braucht etwas, das du ansehen kannst. Erstell mit dem Bildgenerator von ChatGPT eine futuristische Oberfläche, oder such online nach einem Bild, das dir gefällt und das du verwenden darfst.
Futuristische KI-Oberfläche, kreisförmiges Interface mit mehreren dünnen leuchtenden Ringen, Türkis und Bernstein auf fast schwarzem Hintergrund, in der Mitte der Schriftzug J.A.R.V.I.S., flach, frontal, ohne Personen, quadratisch
Speicher das Bild als gesicht.png. Du gibst es später Claude Code mit.
Schritt 2: Eine Stimme
Geh zu ElevenLabs, öffne die Stimmbibliothek (Voice Library) und such nach einer Stimme im Jarvis-Stil, zum Beispiel mit „British Butler“ oder „Gentleman“. Hör dir zwei, drei an.
Die passende Stimme zu „My Voices“ hinzufügen.
Bei der Stimme die Voice ID kopieren und notieren.
Im Entwicklerbereich von ElevenLabs einen API-Schlüssel erstellen und kopieren.
Damit kann dein Assistent tatsächlich sprechen.
Schritt 3: Ein Gehirn
Ich nutze dafür Claude über die API. Melde dich in der Claude Console unter platform.claude.com an und erstelle unter Settings → API keys einen Schlüssel. Die Console zeigt ihn nur ein einziges Mal, also sofort kopieren.
Jetzt hat dein Assistent Zugriff auf ein KI-Modell, das dich versteht und dir antwortet.
Der Trick: mehrere Modelle
Nicht jede Frage braucht das stärkste Modell. Ich lasse Jarvis je nach Aufgabe wechseln:
| Aufgabe | Modell | Warum |
|---|---|---|
| „Wie spät ist es in Tokio?“, Musik, kurze Fragen | Claude Haiku 5.5 | am schnellsten, am günstigsten |
| E-Mail formulieren, zusammenfassen | Claude Sonnet 5.5 | gute Mitte |
| Projekt planen, komplexe Fragen | Claude Opus 5.5 | am stärksten, langsamer und teurer |
Ein kurzer Klassifizierer entscheidet vor jeder Antwort, welches Modell drankommt. Das baut Claude Code mit ein (steht im Prompt unten).
Leitfaden zum Mitnehmen
Hol dir den vollständigen Guide als PDF.
Alle Schritte, der komplette Bau-Prompt, die drei Erweiterungen und die Checkliste als PDF. Damit du beim Bauen nicht zwischen Tabs springst.
Schritt 4: Jemand, der alles baut
Leg einen leeren Ordner jarvis an, kopier gesicht.png hinein und öffne Claude Code in diesem Ordner. Dann gib diesen Prompt ein:
Bau mir in diesem Ordner einen KI-Sprachassistenten im Jarvis-Stil, inspiriert vom Assistenten aus Iron Man. Ressourcen, die ich bereitstelle: - Oberfläche: gesicht.png in diesem Ordner - Stimme: ElevenLabs, Voice-ID und API-Schlüssel - Gehirn: Claude-API-Schlüssel Aufbau: - Node.js-Server (Express) plus eine Seite im Browser. Starten mit npm start, dann http://localhost:3000 öffnen. - Schlüssel nur aus einer .env-Datei lesen: ANTHROPIC_API_KEY, ELEVENLABS_API_KEY, ELEVENLABS_VOICE_ID. Leg eine .env.example an und trag .env in .gitignore ein. Kein Schlüssel im Browser, alle API-Aufrufe laufen über den Server. - Ablauf: Mikrofon → Text (Web Speech API in Chrome, Sprache Deutsch) → Antwort von Claude → Sprache über die Text-to-Speech-API von ElevenLabs. Nimm das schnellste Echtzeit-Modell von ElevenLabs laut aktueller Doku und spiel die Antwort als Stream ab, damit Jarvis schnell anfängt zu sprechen. - Oberfläche: gesicht.png groß in der Mitte. Ein Ring darum pulsiert beim Zuhören und reagiert beim Sprechen auf die Lautstärke. Ein Knopf „Zuhören“ und die Leertaste starten die Aufnahme. Darunter das Gespräch als Text. - Gehirn: Claude über das offizielle Anthropic-SDK. Vor jeder Antwort entscheidet claude-haiku-5-5 mit einem kurzen Prompt, wie komplex die Anfrage ist: einfach → claude-haiku-5-5, mittel → claude-sonnet-5-5, komplex → claude-opus-5-5. Zeig das genutzte Modell klein in der Oberfläche an. - Persönlichkeit: höflicher britischer Butler, spricht mich mit „Sir“ an, antwortet kurz (höchstens drei Sätze), außer ich bitte um mehr. Antworten so formuliert, dass sie gut gesprochen klingen, ohne Listen und Markdown. - Gedächtnis: die letzten 20 Nachrichten des Gesprächs mitschicken. Prüf zum Schluss, dass npm start ohne Fehler läuft, und schreib eine kurze README mit den Schritten zum Starten. Zeig mir zuerst den Plan, bevor du Dateien anlegst.
Danach legst du die .env mit deinen drei Werten an:
ANTHROPIC_API_KEY=sk-ant-...
ELEVENLABS_API_KEY=...
ELEVENLABS_VOICE_ID=...
npm start, Chrome öffnen, Mikrofon erlauben, Leertaste drücken und sagen: „Guten Abend, Jarvis.“ Das ist die Grundlage deines eigenen Jarvis: ein Assistent, der wie Jarvis antwortet, ein Gesicht hat und wie Jarvis klingt.
Erweiterungen
Ab hier wird Jarvis nützlich. Jede Erweiterung ist ein Werkzeug, das Claude aufrufen darf. Gib die Prompts einzeln in Claude Code ein, im selben Ordner, und teste nach jeder.
Computersteuerung
Gib Jarvis Werkzeuge (Claude Tool Use), um meinen Mac zu steuern: - open_app(name): öffnet ein Programm mit „open -a“ - open_url(url): öffnet eine Webseite im Standardbrowser - set_volume(prozent): stellt die Systemlautstärke per osascript Führ nur diese Werkzeuge aus, keine beliebigen Shell-Befehle. Jarvis sagt vor jeder Aktion kurz, was er tut. Schreib Tests für die Werkzeuge.
Dateien erstellen
Gib Jarvis ein Werkzeug create_file(name, inhalt), mit dem er Notizen, Listen und Entwürfe als Markdown-Datei anlegt. Erlaubt ist nur der Ordner ~/Jarvis/Dateien (anlegen, falls er fehlt). Keine Pfade außerhalb, keine bestehenden Dateien überschreiben, ohne mich zu fragen. Danach sagt Jarvis den Dateinamen und öffnet den Ordner im Finder, wenn ich das will.
Spotify steuern
Gib Jarvis ein Werkzeug spotify(aktion, suche) für die Spotify-App auf dem Mac, per AppleScript über osascript: - play, pause, next, previous, volume (0–100) - „spiel [Künstler oder Song]“: Spotify mit der Suche öffnen (open "spotify:search:…") Prüf vorher, ob Spotify installiert ist, und sag sonst Bescheid.
Je mehr Werkzeuge Jarvis hat, desto mehr kann er auch falsch machen. Gib ihm nur Werkzeuge mit festem Rahmen (ein Ordner, eine Liste von Aktionen) und nie einen freien Zugriff auf das Terminal. Lösch- und Kaufaktionen nur nach deiner Bestätigung.
Was es kostet
Fehler und Lösungen
Das Reel zu diesem Stück liegt auf Instagram.
Quellen
- Claude: API-Schlüssel anlegen
- ElevenLabs: Text to Speech und Voice Library
- MDN: Web Speech API
Dein Aktionsplan
Hak ab, was du erledigt hast:
Weißt du, was noch spannender ist?
Wenn KI nicht nur etwas für dich erstellt, sondern dir dauerhaft Arbeit abnimmt.
Genau darum geht es in meinem nächsten kostenlosen Live‑Workshop.
In 90 Minuten zeige ich dir live:
- 01Wie du Claude oder ChatGPT so einrichtest, dass die Ergebnisse wirklich zu dir passen.
- 02Wie du eine echte Aufgabe aus deinem Arbeitsalltag an KI abgibst.
- 03Wie daraus ein System entsteht, das wiederkehrende Aufgaben selbstständig erledigt.
Ganz ohne Programmierkenntnisse und mit konkreten Beispielen.
Der Termin steht noch nicht fest. Wenn du dich auf die Warteliste setzt, erfährst du als Erstes davon.
Kostenlos und unverbindlich
Mit dem Absenden bekommst du eine Mail zur Bestätigung. Datenschutzerklärung
Passt dazu
Christopher Thanisch
Ich übersetze KI in brauchbare Systeme für den Arbeitsalltag — Systeme statt Hypes.