Agenten sind deine neuen Mitarbeiter

Dein Wettbewerbsvorteil ist gerade eine .MD-Datei

Hier ist der Weckruf für jede Führungskraft, die gerade eine KI-Strategie fährt. Agenten sind auch der neue Mitarbeiter. Und die meisten Führungsteams stecken ihr gesamtes Trainings- und Prozessbudget immer noch in Menschen, die mit Menschen arbeiten, während die Teams, die vorne wegziehen, ihre Leute darauf trainieren, mit Menschen UND Agenten zu arbeiten. Den zweiten Teil erreichst du, indem du aufschreibst, was deine besten Leute wissen, damit die Agenten es lesen können. Die Bibliothek an Skill-Dateien, die dein Team aufbaut, ist das neue Mitarbeiterhandbuch. Ohne sie taucht jeder Agent, den du einsetzt, auf wie ein brillanter neuer Mitarbeiter, der nie onboardet wurde, macht vermeidbare Fehler und verbrennt wochenlang Vertrauen, bevor irgendwer merkt, was fehlt.

Das Format begann als Markdown, das Klartext-Dateiformat, das du in jedem Notion-Dokument und README schon genutzt hast, und es entwickelt sich bereits weiter: Ein Entwickler im Claude-Code-Team verlagert seine Standard-Ausgabe von .md auf .html, weil die reichere Leinwand (Tabellen, SVG-Diagramme, interaktive Slider, die ihre Einstellungen zurück in Prompts exportieren) Informationen so aufbereitet, dass Kollegen sie tatsächlich lesen. Morgen ist es etwas anderes. Das Format ist flüssig; das Artefakt ist der Wert.

Der eigentliche Wettbewerbsvorteil ist das Framework rund um die Artefakte. Jedes interessante Team, das Agentensysteme baut, konvergiert auf dieselbe Form: atomare Arbeitseinheiten (ein Skill, ein Job, keine Abhängigkeiten untereinander) plus eine Routing-Ebene, die auswählt, welche wann läuft. Browserbases Autobrowse verwandelt jede erfolgreiche Browser-Agent-Aufgabe in einen wiederverwendbaren Skill, den der nächste Agent lädt, statt ihn neu herzuleiten: Kosten und Zeit für eine Craigslist-Aufgabe halbierten sich bis zur vierten Iteration grob. Matt Van Horn hat über 30 atomare, agenten-native CLIs (Linear, Flight GOAT, ESPN) ausgeliefert, plus eine Factory, die neue für jeden Dienst produziert. Und unsere eigene Plugin-Arbeit der letzten sechs Wochen landete bei genau derselben Form: atomare Skills, Commands, die sie verketten, und ein Orchestrator, der Anfragen in natürlicher Sprache an das richtige Command weiterleitet und die Arbeit nie selbst macht. Drei Teams, drei Problemräume, eine Architektur; alles andere (Modell, Dateiformat, Anbieter) ist Verpackung, die dein Team in den nächsten zwei Jahren fünfmal austauschen wird.

Hier ist der Teil, den die meisten Führungskräfte nicht hören wollen. Du würdest keinen neuen menschlichen Mitarbeiter ohne Onboarding-Dokument einstellen und dann überrascht sein, wenn er sechs Monate lang Fehler macht. Genau das machen die meisten Unternehmen gerade mit ihren Agenten. Der Aufholzug ist einfacher, als er klingt: Nimm einen Workflow, den dein Team ständig fährt (den, bei dem alle immer sagen „ich wünschte, KI könnte das einfach machen“), lass die Person, die ihn am besten beherrscht, einen Freitagnachmittag damit verbringen, in einfachem Deutsch aufzuschreiben, was sie tut und welche Sonderfälle wichtig sind, und du hast deinen ersten Skill geschrieben. Mach das fünfmal über einen Monat hinweg für fünf Workflows und du hast eine Starter-Bibliothek, die jede der großen KI-Plattformen morgen laden kann. Gib sie dem Engineering, das sie in eine Routing-Ebene packt. Du onboardest deine Agenten jetzt so, wie du deine Menschen onboarden würdest, und bist 90% der Unternehmen voraus, deren KI-Strategie immer noch ein Anbieter-RFP und eine Modell-Präferenz ist.

Wie du ein Plugin baust, das nicht nervt

Für diesen Abschnitt musst du keine einzige Zeile Code schreiben. Aber wenn du als Führungskraft herausfindest, wie du Agenten in deinem Team operationalisierst, wen du einstellst, wie du die Arbeit strukturierst, wie du an KI delegierst, ohne bei einem aufgeblähten Chatbot zu landen, den niemand erklären kann, dann ist die Architektur unten der Cheat-Code. Wir haben Teams sechs Monate lang einen einzigen Mega-Prompt hochskalieren sehen, bevor jemand das hier kapiert. Hier ist die Abkürzung.

Das Prinzip: Jedes System, das du einem Team von Agenten übergibst, sollte drei Ebenen haben, nicht eine. Skills erledigen die eigentliche Arbeit, Commands verketten diese Skills zu Rezepten, und ein Orchestrator leitet die natürlichsprachige Anfrage des Nutzers ans richtige Rezept. Jede Ebene hat einen Job und macht nie die Jobs der anderen.

1. Skills sind die atomaren Arbeitseinheiten. Ein Skill ist ein einzelner, gut benannter Job: „einen Payroll-Forecast entwerfen“, „einer überfälligen Rechnung hinterherjagen“, „die Kundentickets der letzten Woche zusammenfassen“. Ein Skill, ein Job, keine Abhängigkeiten zu anderen Skills. Wenn du nicht in sieben Worten beschreiben kannst, was er tut, ohne „und dann“ zu benutzen, sind es eigentlich zwei Skills. Bau und teste jeden einzeln; der ganze Sinn von atomar ist, dass sie sich später kombinieren lassen.
2. Commands sind die Rezepte, die Skills verketten. Ein Command näht einen bis drei Skills zu einem Workflow zusammen, mit einem Freigabe-Gate zwischen jedem Schritt. /plan-payroll könnte den Cash-Forecast-Skill laufen lassen, dann den Rechnungs-Triage-Skill, dann die eigentlichen Payroll-Schritte entwerfen, mit einem Menschen, der bei jeder Übergabe freigibt. Verkette nicht mehr als drei Skills pro Command. Ab vier bekommst du Latenz, Kontext-Drift und das unverkennbare Gefühl, dass der Agent umherirrt.
3. Der Orchestrator ist die Eingangstür. Das ist die Ebene, die die meisten Teams überspringen, und sie ist die wichtigste. Der Orchestrator hört auf natürliche Sprache („ich mache mir Sorgen um die Gehaltszahlung nächste Woche“), ordnet sie dem richtigen Command zu, erklärt in einem Satz, was er gleich tun wird, und führt das Command nach Bestätigung aus. Entscheidend: Der Orchestrator macht die Arbeit nie selbst. Er leitet nur weiter. In dem Moment, in dem er anfängt, selbst Daten zu ziehen oder E-Mails zu entwerfen, bricht die Trennung zusammen und du bist zurück bei einem einzigen aufgeblähten Agenten, den alle anzufassen fürchten.

Warum das für Führungskräfte wichtig ist: Die Teams, deren KI-Arbeit skaliert, sind die, deren Leute drei Fragen beantworten können: Welche atomaren Jobs machen unsere Agenten, wer besitzt jeden davon, und was ist die Routing-Ebene, die zwischen ihnen auswählt. Die Teams, deren KI-Arbeit stagniert, haben einen einzigen Mega-Prompt gebaut, der „alles“ erledigt, und drei Monate später kann niemand erklären, was er tut oder wie man ihn erweitert. Frag jeden Anbieter, der dir gerade einen „KI-Agenten“ verkaufen will, wozwischen sein Orchestrator routet und was jeder zugrunde liegende Skill tut. Wenn er verwirrt schaut, hast du deine Antwort.

Was du Montagmorgen tun kannst: Lass dein Team die 10 häufigsten Anfragen auflisten, die euer Mensch-plus-KI-Workflow heute bearbeitet. Jede davon ist ein Skill-Kandidat. Gruppiere sie in 3 bis 5 Workflows. Jeder Workflow ist ein Command-Kandidat. Dann kläre, wer die Routing-Ebene besitzt, die entscheidet, was wann läuft. Das ist das Framework. Das Plugin-Format, das Modell und die Dateiendung ergeben sich alle daraus.

Was sonst noch passiert ist

Ein Blueprint eines Designers für den Rest von uns

Mang Tomas (Gründer von Design Code) erklärt design.md, die Open-Source-Spezifikation, um Design-Systeme in agenten-lesbares Markdown zu überführen. Der Pitch: Hör auf, schöne Landingpages einmalig hinzuzaubern, und trag stattdessen dieselbe Design-DNA über Web, Mobile, Slides und Motion. Eine Meisterklasse in Design-Geschmack als Wettbewerbsvorteil für Nicht-Designer.

Ein Viralitäts-Scorer für Video-Clips

Higgsfield hat einen Virality Predictor ausgeliefert, der jeden 15-Sekunden-Clip nimmt und einen Hook-Score, eine Hold-Rate und eine Heatmap zurückgibt, welche Gehirnregionen beim Anschauen aktiv werden. Verfügbar über MCP und CLI. Nützlich für alle, die Paid Creative, Podcast-Clips oder Social Content fahren.

Der bimodale Engineer ist da

Der Engineering-Lead des Claude-Code-Teams sagte diese Woche, sie stellen gerade genau zwei Profile ein: kreative Builder mit starkem Produktgespür und tiefe Systemexperten für die harten Teile. Der generalistische Senior-Engineer in der Mitte ist die Rolle, die unter Druck gerät. Wenn du ein KI-natives Team aufstellst, sieht die Einstellungsform wahrscheinlich nicht so aus wie das, was du heute hast.

Der erste robotische buddhistische Mönch

Ein 1,27 Meter großer Humanoid namens „Gabi“ hat letzte Woche in Südkorea das Ordensgewand angelegt, die Hände zum Gebet gefaltet und sich verbeugt. Ja, das ist echt. Zehn Sekunden für die Fotos wert, und eine Minute Nachdenken darüber, welche White-Collar-Berufe früher aufhören, menschlich zu sein, als du erwarten würdest.

Bis nächsten Dienstag. Sven