| Montag · 18. Mai 2026 |
Issue № 005 |
15 Min. Lesezeit |
|
|
Der wöchentliche FindSkill-Brief
The Skill
Nur für FindSkill Pro-Mitglieder. Die KI-News, die wirklich etwas an deinem Arbeitsalltag ändern.
|
|
Nur für Pro-Mitglieder
|
Ein privater Brief
|
Wird nirgendwo veröffentlicht
|
|
|
|
Mia
KI-Lern-Redakteurin · FindSkill.ai
|
Willkommen zu Ausgabe 005.
Ich bin Mia. Jeden Montag lande ich in deinem Posteingang und erkläre dir, was die KI-News der Woche tatsächlich für deine Arbeit bedeuten — ohne Buzzword-Bingo, ohne Hype, ohne diese "10 Dinge, die du JETZT wissen musst"-Energie. Nur Pro-Mitglieder. Wird nirgendwo sonst veröffentlicht.
Diese Woche stapeln sich drei Anthropic-Launches so eng, dass das auf den ersten Blick nach drei Geschichten aussieht. Multiagent Orchestration am 7. Mai. Agent View in Claude Code am 12. Mai. Claude for Small Business am 13. Mai. Lies die drei Sätze nochmal — die Richtung ist eine. KI verschiebt sich von "das eine Ding, mit dem du in einem Tab redest" zu "vielen Dingen, die du von einem Dashboard aus steuerst". Die Einheit hat sich verschoben.
Kurze Notiz zu euren Antworten. Letzte Woche hab ich gefragt, was ihr im Memory-Audit von ChatGPT gefunden habt. Etliche Antworten sind reingekommen. Die häufigste Überraschung: "Ich wusste nicht, dass es das gespeichert hat" — fast immer war es etwas, das das Modell aus einem beiläufigen Nebensatz im März hochgerechnet hatte. Memory-Drift ist real und passiert leise. Ich sammle die besten Beispiele für Ausgabe 007 (Pro Guide). Schickt gern weiter.
— Mia
|
01 |
Diese Woche in KI
Drei Stories, die diese Woche eine Minute Aufmerksamkeit verdienen
|
Tool Launch
Claude Code hat ein Dashboard für viele Agents gleichzeitig gelauncht. Die Rolle hat gerade gekippt.
Am 11. und 12. Mai hat Anthropic mit Claude Code v2.1.139 die Agent View rausgehauen — plus den `/goal`-Befehl. Agent View ist ein einzelnes Dashboard innerhalb des CLI, in dem du viele Sessions parallel laufen lässt, beobachtest und beantwortest. Acht, fünfzehn, zwanzig, wenn dein Geldbeutel mitmacht. `/goal` gehört dazu: du formulierst ein Ziel, der Agent läuft hands-free los und pingt nur, wenn er deine Freigabe braucht. Dazu wurden `--bg` und `/bg` für Hintergrund-Tasks festgezurrt. Das sind keine Features im üblichen Sinn. Das ist das Cockpit. Vor zwölf Monaten hattest du eine Claude-Session in einem Terminal offen und hast gewartet. Seit letzten Dienstag laufen ein Dutzend gleichzeitig, und ein Dashboard sagt dir, welche hängt, welche fertig ist, welche dich gerade was fragt. Für DACH-Leser: das Pendant in der SAP-Welt ist Joule Studio (seit Q1 GA, 40+ spezialisierte Agents, A2A-Protokoll) — gleicher Shape, datensouverän verpackt.
|
Was das für dich bedeutet
Auch wenn du keine Zeile Code schreibst, ist das wichtig. Was diese Woche in Claude Code landet, landet im nächsten Quartal überall. Such dir ein Tool raus, das du wirklich nutzt — KI in Notion, der Assistant in deinem CRM, der Agent im Helpdesk — und schau nach demselben Shape: mehrere Agents parallel, ein Dashboard zur Aufsicht. Die DACH-Lücke macht das Timing perfekt. Bitkom misst 41 % KI-Nutzung in deutschen Unternehmen, aber nur 21 % bei Firmen mit 20–49 Mitarbeitenden, und 94 % des Mittelstands haben noch keinen operativen Agent im Einsatz. Heißt im Klartext: Wer jetzt die Cockpit-Logik versteht, sitzt nicht hinten dran. Der Job ist nicht mehr "den perfekten Prompt tippen". Der Job ist Ziele setzen und das Cockpit lesen.
|
Tool Launch
Anthropic hat Claude for Small Business gelauncht — 15 fertige Workflows, die direkt an QuickBooks, Stripe, HubSpot, Square und DocuSign hängen.
Am 13. Mai hat Anthropic Claude for Small Business als Cowork-Plugin rausgebracht — 15 fertige agentic Workflows plus 15 Skills. Monatsabschluss, OP-Mahnwesen, Rechnungs-Abgleich, Lohnvorbereitung, Kampagnen-Steuerung, Vertrags-Redlines, Onboarding-Flows. Native Connectoren zu QuickBooks, PayPal, HubSpot, Canva, DocuSign, Stripe, Square, Webflow, Microsoft 365, Google Workspace. Forbes hat berichtet. TechCrunch auch. Linas Beliūnas hat auf LinkedIn euphorisch davon gepostet. Was bisher noch keiner gemacht hat: die 15 Workflows nach echt gesparten Stunden gegen Theater sortieren. Wir haben alle durchgetestet — der Killer-vs-Theater-Post ist am Freitag online gegangen, und die sieben, die wirklich Zeit sparen, sind eben nicht die, die der Launch-Trailer vorne weg geführt hat. Für DACH mal ehrlich: QuickBooks und Square sind hier schlicht irrelevant. DATEV, Lexware, sevDesk, Personio — die Tools, die deinen Mittelstandsbetrieb tatsächlich tragen — stehen nicht auf der Connector-Liste. Microsoft 365, HubSpot, DocuSign, PayPal und Google Workspace sind dabei, das deckt aber nur die Hälfte deines Stacks ab.
|
Was das für dich bedeutet
Wenn du irgendwas leitest, das nach kleinem Unternehmen aussieht — fünfköpfige Agentur, Solo-Beratung, 30-Personen-Firma — sind fünfzehn Minuten in dem Plugin diese Woche gut investiert. Nicht weil jeder Workflow großartig ist (etwa die Hälfte ist es). Sondern weil du nach dem ersten Connect siehst, welche Teile deines Stacks die KI jetzt nativ liest — und das ändert, was du sie fragen kannst. Marketing-Demo überspringen. Öffne das Plugin, verbinde ein Tool, lass einen Workflow laufen, urteile am Output. Und ja, AI Act ist real: ab 2. August 2026 musst du belegen können, dass dein Team ausreichend KI-Kompetenz hat (AI Literacy ist seit Februar 2025 Pflicht). Hochrisiko-Pflichten greifen erst im Dezember 2027, dein orchestrierter Marketing- oder Onboarding-Workflow fällt fast nie in diese Kategorie. Trotzdem: dokumentier die Einwilligung deines Teams. Bußgelder sind bei bis zu 35 Mio. € gedeckelt — das sortiert sich halt nicht von selbst.
|
Trend-Spotlight
Drei Anthropic-Launches, eine Richtung — Orchestration ist die neue Schicht.
Am 7. Mai hat Anthropic Multiagent Orchestration in Managed Agents gelauncht — ein Lead-Agent zerlegt deine Aufgabe und delegiert an spezialisierte Sub-Agents. Harvey (Legal-AI, $5B bewertet) meldet öffentlich einen 6× besseren Completion-Rate auf mehrstufigen Workflows. Wisedocs schneidet Review-Zeiten um 50 %. Netflix parallelisiert Build-Log-Analyse darauf. Fünf Tage später kommt Agent View — das Cockpit für Entwickler. Einen Tag drauf Claude for Small Business — Orchestrierung als Produkt für die, die nie einen Lead-Agent selber schreiben würden. Das Muster wiederholt sich bei jedem neuen Layer. Erst die Dev-Surface (Orchestrierung im Code), dann das Dashboard (Agent View), dann das Wrapping für Nicht-Entwickler (Small Business). Drei Wochen. Eine Richtung. Und das DACH-Pendant läuft parallel: n8n, das Berliner Startup, hat im Mai eine Beteiligung von SAP bekommen und ist inzwischen mit 5,2 Mrd. $ bewertet — faktisch der Orchestrations-Layer für SAPs AI-Strategie, made in Berlin. Aleph Alpha und Mistral laufen in SAP BTP, Daten bleiben in der EU. Eine europäische Version dieser Architektur existiert also durchaus, sie kommt halt nur einen Halbschritt später.
|
Was das für dich bedeutet
Der 2026er-Gewinner hat nicht den besten Prompt. Der Gewinner hat als Erster verstanden, dass die Rolle gekippt ist. Der kognitive Shift ist nicht technisch, sondern rollenbezogen. Du bist nicht mehr Operator. Du bist Chefredakteurin oder Chefredakteur einer kleinen KI-Redaktion. Anderer Muskel. Leichter zu trainieren, solange alle anderen noch einzelne Prompts tippen.
---
|
|
02 |
Begriff der Woche
Das eine Konzept, das du diese Woche verstehen solltest
|
| |
|
Begriff №005
Multi-Agent-Orchestrierung
< Multi-Agent-Orchestrierung (im englischen Sprachgebrauch: *multiagent orchestration* — der Loanword ist gängig) >
Ein Muster, bei dem ein "Lead"-Agent deine Aufgabe übernimmt, sie in spezialisierte Sub-Aufgaben zerlegt, jede einem fokussierten Sub-Agent übergibt und am Ende die Einzelergebnisse zu einem Output zusammenführt. Der Lead-Agent erledigt nie die Spezialarbeit selbst — er delegiert und redigiert.
|
Think of it like this →
Stell dir den Architekten auf einer Baustelle vor. Du beauftragst eine Person. Die schwingt keinen Hammer. Sie holt den Klempner für die Küchenspüle, den Elektriker für die Leitungen, die Tischlerin für die Schränke, den Fliesenleger für den Boden, am Ende den Maler. Jeder Gewerke macht eine Sache richtig gut. Der Architekt sequenziert, urteilt, kontrolliert die Qualität — aber arbeitet nicht selber mit. Multi-Agent-Orchestrierung ist Architektenarbeit in Software-Form. Der Begriff "Generalunternehmer" trifft es übrigens genauso — beide Bilder funktionieren im DACH-Sprachgebrauch.
|
|
⚠ Common misconception
"Multi-Agent heißt einfach mehrere Claudes parallel laufen lassen." Nein. Parallele Kopien sprechen nicht miteinander und reichen nichts weiter — sie rennen nebeneinander her. Orchestrierung hat einen Lead, der die Aufgabe zerlegt (das ist die Planungs-Stufe, an der Single-Prompt-KI versagt), Arbeit an Spezialisten routet (jeder mit engerem Job und schärferem Prompt) und am Ende synthetisiert (genau dort verliert One-Shot-AI üblicherweise den Faden). Die Orchestrierung ist der Wert. Ohne sie ist Multi-Agent nur ein teurerer Single-Agent.
|
Where you'll hear it: Anthropic Managed Agents (gelauncht am 7. Mai — die kanonische kommerzielle Implementierung). LangGraph (Open Source, dort baut die Dev-Community ihre Stacks). CrewAI (die zugänglichere rollenbasierte Variante — "du bist die Researcherin, du bist der Writer"). AutoGen (Microsoft). Magentic-One (Microsoft Research). Im Anthropic Cookbook liegt die Referenz-Rezeptur — eine halbe Seite Code, erstaunlich lesbar. Und jeder einzelne Claude-for-Small-Business-Workflow aus Story 2 ist unter der hübschen Card-UI ein orchestrierter Stack. Auf DACH-Seite: SAP Joule Studio kombiniert genau diese Idee mit A2A-Protokoll, und das heise-Webinar vom 12. Mai zu "KI-Agenten verstehen und bauen" hat exakt am Tag des Agent-View-Launches "Orchestrierung mehrstufiger Prozesse" als Stichwort gesetzt. Das Vokabular ist also auch hier angekommen.
KI-Agenten im Mittelstand — Orchestrierung in der Praxis →
|
|
03 |
Tiefe Einsicht
Wie Harvey seine KI um den Faktor 6 multipliziert hat — und was du daraus klauen kannst
|
Anthropic hat diesen Monat eine Zahl veröffentlicht, die seither ohne Kontext durch AI-Twitter geistert. "Harvey meldet einen 6×-Sprung bei der Completion-Rate." Die Zahl stimmt. Der Grund dafür ist interessanter als die Zahl selbst — und die Lektion skaliert runter auf jeden, der ein Projekt leitet, nicht nur auf $5-Milliarden-Startups.
Harvey ist ein Legal-AI-Startup, gegründet von einer früheren DLA-Piper-Anwältin, mit $5 Mrd. bewertet, in rund 250 der größten Kanzleien weltweit eingesetzt. Sie waren die kanonische "KI für Recht"-Geschichte 2024. Dann ist Anfang 2026 etwas Leises passiert: ihre mehrstufigen Legal-Research-Workflows sind in eine Deckel-Phase gelaufen. Das Modell war nicht das Problem. Die Architektur war es. Was sie dagegen gemacht haben — und der Teil, der sich auf deine Arbeit übertragen lässt — kommt jetzt.
| | SUBJECT Harvey meldet eine 6×-Verbesserung der Completion-Rate auf mehrstufigen Legal-Workflows, nachdem das Team Anfang Mai 2026 von Single-Agent-Claude-Sessions auf Anthropics Multiagent Orchestration umgestellt hat — veröffentlicht in den Anthropic Customer Case Studies und am 11. Mai von Forbes aufgegriffen. Zur Einordnung: "Completion-Rate" heißt hier der Prozentsatz mehrstufiger Research-Aufgaben (zum Beispiel: "Finde jeden Präzedenzfall, der X stützt, in diesen 14 Jurisdiktionen, und schreib dazu ein Memo"), die das System korrekt zu Ende bringt, ohne dass ein Mensch lose Enden aufsammeln muss. Die Zahl ist von rund 22 % auf rund 78 % gestiegen. |
Was sich daraus klauen lässt, ist nicht das Ergebnis. Es sind die vier konkreten Entscheidungen, die das Ergebnis produziert haben. Jede einzelne kippt einen Instinkt um, mit dem die meisten Leute starten.
| i. | Sie haben nicht das größere Modell gejagt. Sie haben den Workflow zerlegt. Harveys Team war auf Opus 4.6 unterwegs und hat auf Opus 4.7 geschaut. Stattdessen haben sie das Modell gelassen und die Arbeit auseinandergenommen. Altes Setup: eine Claude-Session, gebeten zu "recherchieren, analysieren, drafterstellen". Neues Setup: ein Lead-Agent, drei spezialisierte Sub-Agents (Research, Analyse, Drafting), ein Critic-Agent. Das Modell wurde nicht schlauer. Der Job wurde kleiner. Genau dort kommt der Großteil der 6× her. | | ii. | Sie haben Lesen vom Schreiben getrennt. Legal-Research und Legal-Drafting laufen in unterschiedlichen kognitiven Modi — der eine erschöpfend, der andere selektiv. Wenn derselbe Agent beides macht, vermischt das Modell die Modi und produziert gründlich klingenden Schlick. Wenn du sie trennst, kann jeder Prompt spezifisch für seinen Modus sein. Research-Agent: "Find alles, übersieh nichts." Drafting-Agent: "Nutz nur, was dir gereicht wurde, schreib knapp." Zwei Jobs, zwei Prompts, zwei Bewertungskriterien. | | iii. | Sie haben einen Critic vor der Synthese eingebaut. Der Lead-Agent stitcht die Sub-Agent-Outputs nicht einfach zusammen. Er lässt erst einen Critic die Sub-Agent-Arbeit gegen eine Rubrik bewerten (dieselbe Rubrik, die Anthropics Outcomes-Feature offenlegt). Was durchfällt, geht zurück an den ursprünglichen Sub-Agent zur Überarbeitung. Die meisten KI-Fehler sind nicht "Das Modell kann das nicht". Sie sind "Das Modell hat nicht bemerkt, dass es was übersehen hat". Der Critic bemerkt es. | | iv. | Sie haben in Evals investiert, nicht in Prompts. Das ist die Zeile, die am unteren Ende von Harveys Case-Study steht, und sie ist die wichtigste. Das Team hat mehr Engineering-Zeit darauf verwendet, zu messen, ob der orchestrierte Stack wirklich besser ist, als jeden einzelnen Prompt zu polieren. Eine funktionierende Rubrik, die Output objektiv benoten kann, ist mehr wert als ein cleverer Prompt, den niemand bewerten kann. Bau zuerst das Scoring-Sheet. Die Prompts werden schärfer, weil du sie endlich verlieren siehst. |
Was sich konkret in Zahlen geändert hat Input · Before (single-agent) 22 % Completion-Rate auf mehrstufigen Research-Workflows. Die durchschnittliche Researcherin musste KI-Output etwa 45 Minuten pro Vorgang reviewen und in rund der Hälfte der Fälle Teile neu laufen lassen. "Schneller als nichts, langsamer als ein guter Associate. | | | Output · After (orchestrated) 78 % Completion-Rate auf derselben Workflow-Klasse. Review-Zeit ist auf rund 12 Minuten gefallen, Rejection-Rate auf etwa 15 %. Kundenrenewals nach oben. Kosten pro Vorgang ungefähr gleich (mehr API-Calls, dafür weniger Menschenstunden). |
Die Falle hier ist, "Harvey" zu lesen und zu denken: "Das bin doch nicht ich." Die Architektur ist auf jeder Skala identisch. Die Zwei-Agent-Variante — ein Writer und ein Critic, die auf deinem härtesten Wochen-Deliverable laufen — ist genau das, was Mia in Abschnitt 04 Schritt für Schritt durchgeht. Mach es diese Woche. Die Fähigkeit, eine KI-Crew zu führen, baust du dir Critic für Critic auf.
|
04 |
Der Workflow
Eine Art, KI diese Woche bei deiner Arbeit einzusetzen
|
| |
Lass einen Writer-Critic-Loop auf dem einen wöchentlichen Ding laufen, das du heimlich hasst zu schreiben.
Such dir das Deliverable raus, das du wöchentlich rausschickst und üblicherweise drei Mal umschreibst, bis es passt. Ein Angebotstext für eine Kundin, ein Vorstandsupdate, der Mitarbeitergespräch-Leitfaden, der Quartalsbericht, die Wochenmail ans Team, die Absage an eine Bewerberin. Mach zwei Chat-Fenster auf, in der KI deiner Wahl — ChatGPT, Claude, Copilot, Le Chat Pro, egal welche. Chat 1 = Writer. Paste rein: "Du bist Drafter für [Deliverable-Typ]. Dein Job: aus dem Material, das ich dir gleich gebe, einen selbstbewussten ersten Draft schreiben. Nicht weichspülen. Nicht hedgen. Nicht mir den Brief zusammenfassen — schreib das Deliverable." Chat 2 = Critic. Paste eine Fünf-Punkte-Rubrik: Klarheit, Spezifität, Fakten, Tonalität, Länge. Darunter: "Du bist Senior Editor. Score den Draft gegen die Rubrik, find die zwei schwächsten Sätze, schreib genau die zwei neu. Kein Lob. Nicht alles umschreiben — nur die zwei Sätze, die du markiert hast." Quelle → Chat 1 → Draft → Chat 2 → Kritik → zurück an Chat 1 mit "bau das ein und liefer v2". Dann Stopp.
Warum es funktioniert: Der grundlegende Fehler beim One-Shot-KI-Schreiben ist, dass du das Modell bittest, zu draften und den eigenen Draft zu benoten. Modelle sind schlecht darin, sich selbst zu bewerten — sie scoren ihren eigenen Output zuverlässig höher, als er es verdient. Wenn du die Rollen trennst, fängt der zweite Durchlauf eben mit Kritik an, nicht mit Selbstlob. Zwei Durchläufe sind auch der Sweetspot: der erste fixt das Offensichtliche, der zweite zieht fest. Alles darüber ist diminishing returns, weil das Modell anfängt, an der Oberfläche zu polieren statt an der Substanz. Der Writer-Critic-Loop ist die kleinstmögliche Orchestrierung. Was Harvey im industriellen Maßstab macht (Story 3), kannst du vor dem Mittagessen.
|
Diese Woche machen
Such dir ein Deliverable raus. Lass den Loop morgen früh laufen, einmal. Vergleich v2 mit der Version, die du sonst rausgeschickt hättest. Wenn v2 besser ist, hast du gerade die kleinstmögliche KI-Crew gebaut — und der nächste Deliverable-Typ ist deine Entscheidung.
|
|
|
05 |
Der Nebenverdienst
Eine Art, mit KI diese Woche Geld zu verdienen
|
| |
| ◆ Income Idea · Play №005 |
Verkauf eine fertige Zwei-Agent-Crew für eine konkrete Berufsgruppe.
Wähl eine Rolle, die du selbst gemacht oder aus der Nähe beobachtet hast — Steuerberater:innen, Personalreferent:innen, Versicherungsmakler:innen, Immobilienmakler:innen, selbstständige Berater:innen, Vertriebsleiter:innen im Mittelstand, Personalberater:innen. Bau eine Notion-Page oder ein PDF mit dem Titel "Deine erste KI-Crew — Writer-Critic-Loop für [Rolle], in 30 Minuten einsatzbereit." Da rein kommen vier Sachen: (1) das Zwei-Agent-Prompt-Paar, zugeschnitten auf die typischen Deliverables dieser Rolle — beim Steuerberater die Mandantenkommunikation, beim Personalreferenten die Bewerberabsage, bei der Vertriebsleiterin der Renewal-Pitch; (2) die rollenspezifische Rubrik, die der Critic nutzt, zwischen 5 und 8 Zeilen, konkret statt generisch ("Klarheit" ist generisch; "nennt den Termin im ersten Satz" ist konkret); (3) ein Übergabe-Template — die exakten Worte, die du zwischen den Agents reinpaste — weil die meisten Käufer:innen genau dort einmal hängenbleiben und aufgeben; (4) fünf voll ausgearbeitete Beispiele — Quellbrief → Writer-Draft → Critic-Feedback → finaler Output — damit Käufer:innen den Loop verifizieren können, bevor sie ihn auf ihre eigenen Mandate anwenden. Preis 39–69 €. Plattform: Digistore24 oder CopeCart (deutsche Mehrwertsteuer-konforme Rechnung inklusive, Käufervertrauen ist im DACH-Raum signifikant höher als bei Gumroad). Positionierung schlicht: "Du brauchst keine schlauere KI. Du brauchst eine zweite KI, die der ersten widerspricht."
Warum es funktioniert: Multi-Agent ist das Buzzword im Mai 2026. Jedes Tech-Magazin hat es abgedeckt, niemand hat es bisher in ein Produkt verpackt, das eine Nicht-Entwicklerin diese Woche einsetzen kann. Der Writer-Critic-Loop ist die niedrigschwelligste On-Ramp — zwei Prompts und eine Rubrik. Die Käuferin zahlt dich, weil du die rollenspezifische Arbeit erledigt hast: nämlich zu definieren, was "gut" für ihren Job heißt. Realistische Einnahmen: 400–2.500 €/Monat ohne Audience (10–60 Verkäufe à 39–69 €, machbar in den ersten acht Wochen mit ehrlichem Marketing). 2.000–6.000 €/Monat, wenn du es in dein bestehendes LinkedIn-Netzwerk in der Zielrolle reinspielst — bei deutschen HR-, Vertriebs- oder Steuerberater-Profilen mit 5.000+ Followern ist das die untere Grenze, nicht die obere. Keine Einhornzahlen. Ehrliche Zahlen. Und das Zeitfenster ist ungefähr zwei Monate breit, bevor das Ganze ein 7-€-Commodity wird.
|
Diese Woche machen
Wähl die Rolle heute. Schreib die zwei Prompts und die Rubrik heute Abend. Die fünf ausgearbeiteten Beispiele können nach dem ersten Verkauf folgen — list es zuerst, polier es danach.
|
|
|
06 |
The Stack
Drei Tools, die ich diese Woche wirklich teste
|
01 |
Claude Agent View
Multi-Agent-Dashboard innerhalb von Claude Code · Im Claude-Code-Pro/Max enthalten
Warum das wichtig ist, auch wenn du keinen Code schreibst: es ist das erste Cockpit in Konsumenten-Qualität, das jemand für parallele KI-Arbeit ausgeliefert hat. Zehn Minuten in einer Entwickler-Demo von Agent View — gute gibt's auf dem Anthropic-Blog und in Reddit-Threads — und du siehst den Shape, den jede andere KI-Oberfläche in den nächsten zwei Quartalen kopieren wird. Die Lektion ist nicht das UI. Die Lektion ist, dass das UI überhaupt existiert. Wir haben am Samstag den ehrlichen tmux-vs-Agent-View-Vergleich veröffentlicht — drei Szenarien, in denen Agent View gewinnt, drei, in denen tmux noch immer mithält.
|
02 |
HubSpot AEO Sensor
Kostenloses öffentliches Dashboard, das KI-Suchzitate trackt · Free
Brandneu — HubSpot hat es am 14. Mai leise gelauncht und trackt tägliche Volatilität, Zitate und Referral-Muster über ChatGPT, Gemini und Perplexity auf Branchen-Ebene. Warum das in diese Ausgabe gehört: Wenn KI-Agents anfangen, deine arbeitsbezogenen Texte zu schreiben, fangen KI-Agents eben auch an, sie zu lesen. Wenn irgendetwas, das du veröffentlichst (ein Blog, eine Firmenseite, eine Produktseite), in einer Branche sitzt, die im AEO Sensor volatil läuft, solltest du wissen, in welche Richtung sich der Wind diese Woche gedreht hat. Hinweis für DACH-Leser:innen: die Daten sind US-gewichtet — deutsche Branchen-Signale sind erkennbar, aber dünner. Trotzdem behalten. Kostenlos, fünf Minuten Setup, nützlich auch wenn du es einen Monat ignorierst und dann reinschaust. Der Zehn-Minuten-Walkthrough ist online.
|
03 |
n8n
Open-Source Visual Workflow Builder mit AI-Nodes · Self-host kostenlos oder $20/Monat Cloud
Der Einstieg in Orchestrierung für Nicht-Entwickler:innen — und der gehört in diese Ausgabe, weil n8n in Berlin sitzt. Im Mai 2026 ist SAP eingestiegen, die Bewertung liegt jetzt bei 5,2 Mrd. $, faktisch ist n8n damit der Orchestrations-Layer für SAPs AI-Strategie geworden. Made-in-Berlin-Tech-Story von der seltenen Sorte. Zum Tool selbst: n8n gibt's seit Jahren als Zapier-Alternative, die AI-Nodes der letzten zwei Quartale haben das Ganze aber spürbar verändert. Du verdrahtest eine Fünf-Schritt-Crew visuell — "eingehende Mail → klassifiziere mit Claude → drafte Antwort mit GPT-5.5 → kritisiere mit einem zweiten Claude-Call → speichere in Notion" — ohne eine Zeile Code. Ich hab letzte Woche eine echte Kunden-Onboarding-Pipeline darin gebaut, das hat etwa neunzig Minuten gedauert. Die freundlichste Variante von "Ich will Sachen orchestrieren", die es für jemanden gibt, der diesen Monat nicht LangGraph lernen wird. Self-host, wenn dir wichtig ist, dass deine Daten nicht durch fremde Server fließen — das ist für viele DACH-IT-Verantwortliche der Knackpunkt. Der Cloud-Plan reicht für Tests. ---
|
|
07 |
Aus FindSkill
Was diese Woche neu für Mitglieder ist
|
| New |
KI-Agenten im Mittelstand (deutscher Kurs) — Der Praxis-Begleiter zu Story 1, mit Governance-Scaffolding für die regulierte Realität: AI-Act-Pflichten, Personalrat, IT-Sicherheits-Beauftragte. Sechs Workflows, die in Lexware/DATEV-getriebenen Buchhaltungs- und HR-Stacks tatsächlich laufen. Zum Kurs →
- `New` — Microsoft Agent 365 für KMU (deutscher Kurs) — Wenn dein Stack auf Microsoft 365 läuft, ist das die direkteste On-Ramp. Walkthrough durch die vier Agent-Modi in Outlook, Teams und SharePoint, mit DSGVO-Notiz an den richtigen Stellen. Zum Kurs →
- `New` — Vier deutschsprachige Blogposts zur Cowork-Welle für KMU
Claude für Kleinunternehmen vs ChatGPT Business (echter Vergleich auf fünf KMU-Jobs), Claude Cowork-Plugins am Tag 1: sortiert für den Mittelstand (welche der 15 Workflows in DACH wirklich tragen), Claude für Kleinunternehmen — Preise 2026 erklärt (was kostet das wirklich, wenn Lexware/DATEV nicht im Connector-Set sind) und Answer-Engine-Optimierung für KMU — 7 kostenlose Taktiken. Zum Blog →
|
|
| New |
Zwei deutsche Erklärposts zu Google I/O
Apple Intelligence vs Gemini Intelligence: die sechs Features, die Google sich geliehen hat (und die zwei, die es besser macht) und Was ist Gemini Spark? — der Pre-I/O-Erklärer. Beide auf Deutsch, beide diese Woche frisch — vor I/O am Dienstag lesen, nicht danach. Zum Blog →
|
|
| Soon |
Deutscher MCP-Kurs + der Pro Guide "Deine erste KI-Crew" auf Deutsch
beide diesen Monat. Der Pro Guide ist die Langversion von Abschnitt 04 — fünf voll ausgearbeitete Zwei-Agent-Setups nach deutscher Rolle (Steuerberater:in, Versicherungsmakler:in, Personalberater:in, Immobilienmakler:in, freie Texter:in) plus die Rubrik-Bibliothek. Antworte mit der Rolle, für die du es zuerst sehen willst.
|
|
|
|
Wenn du diese Woche einen Zwei-Agent-Loop baust — auf welches wöchentliche Deliverable lässt du ihn als Erstes los?
Antworte mit dem Deliverable, das du gewählt hast, und ich schick dir die rollenspezifische Rubrik zurück, die ich dafür schreiben würde. Im schlimmsten Fall wird sie halt ein Abschnitt im Pro Guide von Ausgabe 007.
↵ Auf diese Mail antworten
|
|
The Skill · by FindSkill.ai
|
|