--- title: Ein Playbook pro Job — damit KI deine wiederkehrende Arbeit fertig abliefert. description: "Statt für jede Aufgabe einen eigenen Agenten zu verdrahten, schreibst du pro Job einen Ordner mit Ablauf, Werkzeugen und prüfbaren Checks. Vier Prompts auf Deutsch, Einrichtung für Claude Code, Claude-Projekte und ChatGPT und ein Beispiel über sechs Wochen." category: workflows date: 2026-10-28 canonical: https://thanisch.co/wissen/workflows/playbook-statt-agent url: https://thanisch.co/wissen/workflows/playbook-statt-agent --- # Ein Playbook pro Job — damit KI deine wiederkehrende Arbeit fertig abliefert. - Warum Agenten, die in der Demo laufen, im Alltag nach kurzer Zeit kaputtgehen - Die drei Schichten eines Playbooks: Ablauf, Werkzeugkasten, Nachweis - Vier Prompts zum Kopieren, die auch ohne jede Vorarbeit funktionieren - Checks, die wirklich durchfallen können, damit du keine halbfertige Arbeit mehr bekommst - Die Ordnerstruktur und ein Beispiel über sechs Wochen > **Kurz gesagt** > Für jede wiederkehrende Aufgabe legst du einen Ordner an. Darin stehen der Ablauf als `SKILL.md`, die Vorlagen und Skripte, die der Job braucht, und eine Liste von Checks, die die KI vor der Abgabe mit Belegen abhakt. *Jeden Fehler korrigierst du im Ordner und nicht im Chat.* So wird das Playbook mit jedem Durchlauf besser. Der verbreitete Rat lautet: ein Agent für Mails, einer für Content, einer für Leads, und dann alle miteinander verbinden. Das sieht in der Demo gut aus. Im Alltag hat jeder dieser Agenten seinen eigenen Prompt, eigene Tools und eigene Verbindungen. Ändert sich der Job ein wenig, bricht irgendwo eine Stelle, und meistens merkst du es erst am Ergebnis. ## Warum Agenten nach zwei Wochen sterben Vercel verkauft die Infrastruktur, auf der viele Firmen ihre Agenten bauen. Für das eigene Datenteam hat Vercel genau diesen Ansatz versucht: mehrere spezialisierte Agenten, hintereinandergeschaltet. Die ersten internen Rückmeldungen waren vernichtend. Besser wurde es erst mit einem einfacheren Aufbau. Ein allgemeiner Agent bekam einen Ordner mit den eigenen Dateien des Teams und ein paar schlichte Werkzeuge, und die interne Bewertung hat sich danach ungefähr verdoppelt. Bei Anthropic lief es ähnlich. Die Entwickler bauen nicht mehr für jede Aufgabe einen eigenen Agenten, weil der allgemeine Agent besser geworden ist als die Verdrahtung, die sie um ihn herum gebaut hatten. In beiden Fällen war das Modell klug genug. Gefehlt hat das Wissen über den Job: welche Schritte in welcher Reihenfolge, welche Regeln, welche Vorlagen und woran man ein gutes Ergebnis erkennt. Genau das schreibst du in ein Playbook. ## Bevor du anfängst Ein Playbook ist ein Ordner für genau einen Job. Wie du damit arbeitest, hängt davon ab, ob deine KI Dateien schreiben kann. ### A. KI mit Dateizugriff Claude Code, Codex, Cursor oder ein anderer Agent, der auf deinem Rechner lesen und schreiben darf. Du legst einen echten Ordner an, etwa `~/playbooks/kunden-update`. Die Prompts unten funktionieren dann genau so, wie sie dastehen: Die KI schreibt die `SKILL.md`, speichert Dateien und hält alles selbst aktuell. ### B. Claude oder ChatGPT im Browser oder in der App Ein Projekt kann hochgeladene Dateien lesen, aber nichts zurückschreiben. Die KI gibt dir eine neue Version aus, und du speicherst sie selbst. Dein Masterordner liegt auf deinem Rechner oder in deinem Drive. Bekommst du eine neue `SKILL.md`, speicherst du sie dort, löschst die alte Datei im Projekt und lädst die neue hoch. Lösch die alte Datei immer, bevor du die neue hochlädst. Liegen zwei Versionen derselben Datei im Projekt, folgt die KI irgendwann Anweisungen, die du längst gestrichen hast. > **Drive und Dropbox** > Lädst du eine Datei aus Drive oder Dropbox in ein Projekt, entsteht eine Kopie und keine Verknüpfung. Änderst du die Datei später in Drive, sieht das Projekt davon nichts. Es gibt genau einen Masterordner, und jeder Upload ist ein Stand, der veraltet, sobald du den Master änderst. Für den ersten Job gibt es drei Tests. Du erledigst ihn mindestens einmal pro Woche. Du erkennst eine schlechte Version sofort. Und du könntest ihn einer neuen Kollegin in weniger als zwanzig Minuten erklären. Fang mit dem Job an, den du am häufigsten machst, auch wenn ein komplizierterer reizvoller wäre. ## Schicht 1: der Ablauf Im Ablauf steht dein Urteilsvermögen, in der Reihenfolge, in der du es tatsächlich einsetzt. Du schreibst ihn nicht selbst auf. Du lässt dich interviewen. Die Teile eines Jobs, die du nie aufschreiben würdest, weil sie dir selbstverständlich vorkommen, sind oft genau die, die das Ergebnis nach dir klingen lassen. Im Gespräch kommen sie heraus. Eine gute `SKILL.md` hat sieben Teile: ### 1. Zweck Eine Zeile, die sagt, was am Ende herauskommt. ### 2. Wann verwenden In den Worten, die du tatsächlich tippst, wenn du den Job erledigt haben willst. ### 3. Eingaben Was die KI braucht und wo genau es liegt: Datei, Ordner, Tool, Link. ### 4. Schritte Nummeriert und in einfacher Sprache. ### 5. Entscheidungen Jede Weggabelung als „wenn X, dann Y“, mit der Regel dahinter. ### 6. Fertig, wenn Die Checks, die vor der Abgabe bestanden sein müssen. Dazu mehr in Schicht 3. ### 7. Sonderfälle Die Situationen, die dich schon einmal Zeit oder Nerven gekostet haben. Füg diesen Prompt in einen neuen Chat ein, in dem Tool, für das du dich oben entschieden hast: Antworte in ganzen Sätzen und nenn echte Beispiele, statt abstrakt zu beschreiben. Eine Frage, die dich nervt, ist meistens die wichtigste. Rechne damit, dass die erste Fassung zu etwa achtzig Prozent stimmt. Den Rest korrigierst du in der Datei und nicht im Chat. ## Schicht 2: der Werkzeugkasten Der Werkzeugkasten enthält alles, was der Job immer wieder braucht. Die Dateien liegen im Ordner, und die `SKILL.md` verweist auf sie. Ohne Werkzeugkasten baut die KI bei jedem Durchlauf dasselbe Skript, dieselbe Vorlage und dieselben Formatregeln neu. Das kostet Zeit und Geld, und jedes Ergebnis sieht ein bisschen anders aus. Anthropic hat genau das beobachtet: Claude schrieb das Skript zum Formatieren von Folien jedes Mal von vorn. Das Team ließ Claude das Skript daraufhin im Skill ablegen, als Werkzeug für die eigenen späteren Durchläufe. In den Werkzeugkasten gehören: - Skripte für mechanische Schritte: Zahlen abrufen, Dateien umbenennen, ein Format umwandeln - Vorlagen mit Platzhaltern in eckigen Klammern, damit die Form feststeht und nur der Inhalt wechselt - Referenzdaten wie Kundennamen in der richtigen Schreibweise, Produktliste, Preise, Links und Konto-IDs - Fertige Ergebnisse, mit denen du zufrieden warst. Sie zeigen den Ton schneller als jede Beschreibung. - Regeldateien: Markenstimme, Formatstandards und Wörter, die du nie benutzt - Gespeicherte Prompts für Teilschritte, die oft vorkommen Einmal-Ergebnisse, alles mit Passwort oder API-Key und halbfertige Entwürfe haben dort nichts zu suchen. Als Faustregel gilt: Was du einer neuen Kollegin am ersten Tag nicht geben würdest, kommt nicht in den Ordner. Du baust den Werkzeugkasten nicht von Hand. Erledige den Job einmal mit der KI, und sobald etwas richtig herauskommt, frierst du es ein: Beim zweiten Durchlauf füllt sich der Werkzeugkasten am stärksten, weil du dann siehst, was die KI noch einmal neu gebaut hat. So sieht er für vier typische Jobs aus: ### 1. Wöchentliches Kunden-Update Skript zum Abrufen der Zahlen, `update-vorlage.md`, zwei frühere Updates, die der Kunde gelobt hat, `kundennamen.md` mit der exakten Schreibweise und `ton-regeln.md`. ### 2. Content weiterverwerten `hook-sammlung.md`, `caption-vorlage.md`, `markenstimme.md` und drei Posts, die besonders gut liefen, jeweils mit einer Notiz, warum. ### 3. Offene Rechnungen nachfassen Drei Mailvorlagen je nach Verzug, `eskalationsstufen.md`, `ansprechpartner.md` und `ton-regeln.md`, damit du auch am sechzigsten Tag freundlich bleibst. ### 4. Bewerbungen sichten `bewertungsbogen.md`, `rollenprofil.md`, fünf bewertete Beispielantworten und `absage-mail.md`. Geh den Ordner einmal im Monat durch und lösch, was du nicht benutzt hast. Behalte für jeden Zweck genau eine Datei. Liegen zwei fast gleiche Dateien nebeneinander, greift die KI früher oder später zur falschen. ## Schicht 3: der Nachweis Diese Schicht lassen die meisten weg. Sie entscheidet aber darüber, ob du von der KI neunzig Prozent bekommst oder ein fertiges Ergebnis. Der Nachweis ist eine Liste von Checks, gegen die die KI ihre Arbeit prüft und dabei Belege vorlegt, bevor du irgendetwas zu sehen bekommst. Entscheidend ist, was als Beleg zählt. Liest die KI ihren eigenen Entwurf und findet ihn gut, ist das wertlos. Ein echter Check erzeugt etwas außerhalb des Entwurfs: eine Zahl, die sich bis zur Quelldatei zurückverfolgen lässt, einen Link, der eine Seite lädt, einen Screenshot des fertigen Ergebnisses, einen Test, der läuft, eine Aussage, die zu einem Zitat passt, eine Wortzahl oder eine Schreibweise, die mit einer Referenzdatei abgeglichen ist. > **Merke** > Ein Check, der nicht durchfallen kann, ist kein Check. „Der Text ist professionell“ fällt nie durch. „Unter 200 Wörtern“ kann durchfallen. So sehen gute Checks für die vier Jobs aus: ### 1. Kunden-Update Jede Zahl steht in der abgerufenen Datendatei. Jedes Adjektiv hat eine Zahl dabei. Das Update hat unter 200 Wörter. Der Kundenname ist geschrieben wie in `kundennamen.md`. Die Zusage aus der letzten Woche wird aufgegriffen. ### 2. Content weiterverwerten Der Hook hat weniger als zwölf Wörter. Kein Wort von der Verbotsliste in `markenstimme.md` taucht auf. Die Aussage passt zu einem Zitat im Quelltranskript. Die erste Zeile der Caption verrät die Pointe noch nicht. ### 3. Rechnungen nachfassen Der Betrag stimmt mit der Rechnung überein, das Fälligkeitsdatum ist richtig, der Ton passt zur Eskalationsstufe, und der Zahlungslink öffnet sich. ### 4. Bewerbungen sichten Jede Bewertung zitiert eine Zeile aus der Antwort der Person, und keine steht ohne Beleg. Die Zusammenfassung widerspricht dem Gesprächsprotokoll an keiner Stelle. ## Die Schleife: Korrekturen gehören ins Playbook Macht die KI etwas falsch, korrigierst du es aus Gewohnheit im Chat und machst weiter. Mit dem Chat verschwindet auch die Korrektur, und nächste Woche tippst du sie wieder. Die Schleife ist die Gewohnheit, jede Korrektur in den Ordner zu schreiben. Deshalb wird ein Playbook mit der Zeit besser, während ein verdrahteter Agent eher schlechter wird. Vor der Korrektur steht eine Diagnose: Welche Schicht hat versagt? Fehlte ein Schritt, liegt es am Ablauf. Hat die KI etwas neu gebaut, das schon da war, oder eine veraltete Datei benutzt, liegt es am Werkzeugkasten. Hätte ein Check den Fehler abgefangen, den es noch nicht gibt, liegt es am Nachweis. Lies die `notizen.md` einmal im Monat. Häufen sich die Einträge in einer Schicht, ist der Job an dieser Stelle wirklich schwierig. Dort lohnt es sich meistens als Nächstes, gründlicher zu automatisieren. ## Der fertige Ordner Lege für jeden Job einen eigenen Ordner an. Verwechselt die KI zwei Jobs, liegt es fast immer am Abschnitt „Wann verwenden“ in der `SKILL.md`. Schreib ihn in genau den Worten, die du tippst, wenn du den Job erledigt haben willst. ## Ein Beispiel: das wöchentliche Kunden-Update **Ablauf.** Im Interview stellt sich heraus, dass du die Zahlen der letzten Woche aus dem Werbe-Dashboard holst, sie mit dem Plan vergleichst und benennst, was sich geändert hat und warum. Du schreibst kurz, ehrlich und ohne Übertreibung, und du beginnst immer mit der Zahl, die sich am stärksten bewegt hat. Dieses letzte Detail stünde in keiner schriftlichen Arbeitsanweisung, und doch ist es der Grund, warum das Update nach dir klingt. **Werkzeugkasten.** Beim ersten Durchlauf entstehen ein Skript zum Abrufen der Zahlen und eine Gliederung, die dir gefällt. Beides speicherst du. Das Update aus Woche zwei, auf das der Kunde geantwortet hat, kommt in die Beispiele. Die Schreibweise der Kundennamen und die Planwerte kommen in eine Referenzdatei. **Nachweis.** Es gibt fünf Checks. Jede Zahl lässt sich auf die abgerufene Datei zurückführen, jedes Adjektiv hat eine Zahl dabei, das Update hat unter 200 Wörter, der Kundenname stimmt mit der Referenz überein, und die Zusage aus der Vorwoche wird aufgegriffen. **Schleife.** In Woche vier erfindet die KI eine Zahl, die nicht in den Daten steht. Du ordnest das dem Nachweis zu, ergänzt den Check, dass jede Zahl in der abgerufenen Datei vorkommen muss, und hältst es in den Notizen fest. Danach passiert es nicht mehr. Ab Woche sechs liest du das Update nur noch und schickst es ab. ## Fünf Fehler, die du vermeiden solltest - Die Schritte selbst aufschreiben. Erst das Interview holt dein Urteilsvermögen aus deinem Kopf, und die nervigen Fragen sind die wichtigen. - Ein großer Ordner für alles. Die KI kann dann nicht erkennen, welchen Job du meinst, und rät. - Vage Beschreibungen. Steht unter „Wann verwenden“ nur „hilft bei Content“, wird das Playbook nie geladen, wenn du es brauchst. - Kein Nachweis. Ohne Checks bist du selbst die Qualitätskontrolle, also genau die Arbeit, die du abgeben wolltest. - Im Chat korrigieren. Steht die Korrektur nicht im Ordner, tippst du sie nächste Woche wieder. ## Deine ersten 30 Minuten Such dir den Job aus, den du am häufigsten erledigst. Führ Prompt 1 aus und beantworte das Interview ehrlich, dafür brauchst du etwa fünfzehn Minuten. Erledige den Job dann einmal mit der KI und sichere mit Prompt 2, was gut herauskommt. Ergänze mit Prompt 3 die Checks. Lass den Job danach ein zweites Mal laufen und achte darauf, wie viel weniger du erklären musst. Beim zweiten Durchlauf merkst du, dass das System funktioniert, also hör nicht nach dem ersten auf. ### Welchen Job baust du heute als erstes Playbook? Prüf ihn gegen die drei Tests: mindestens wöchentlich, eine schlechte Version erkennst du sofort, in unter zwanzig Minuten erklärt. ## Dein Aktionsplan Hak ab, was du erledigt hast: - [ ] Einen Job gewählt, der die drei Tests besteht - [ ] Entschieden, wo der Masterordner liegt: mit Dateizugriff oder als Projekt mit Upload - [ ] Mit Prompt 1 interviewen lassen und die SKILL.md geprüft - [ ] Den Job einmal ausgeführt und mit Prompt 2 das erste Werkzeug gesichert - [ ] Mit Prompt 3 fünf bis zehn Checks ergänzt, die durchfallen können - [ ] Den Job ein zweites Mal ausgeführt und das Neugebaute gesichert - [ ] Den nächsten Fehler mit Prompt 4 im Playbook korrigiert statt im Chat