AllBytes GmbH
dleuverink@allbytes.de
KI-Architekt · Daniel Leuverink
/ 31
Hinweis
Nächste Folie
Pfeiltaste Rechts oder Runter
Vorherige Folie
Pfeiltaste Links oder Hoch
Video starten / pausieren
Leertaste auf Folien mit Video
AllBytes GmbH präsentiert
"Was nach dem Prompting kommt."
Speaker
KI-Architekt & Geschäftsführer der AllBytes GmbH
Seit 2006 — gestartet zur Fußball-WM in Deutschland
15 Softwareentwickler · Fokus: KMU · Individuelle Software nach Maß
Spezialisierung: Enterprise KI-Architektur & Prozessautomatisierung
Referenzen
"Wir sind keine Marketingagentur. Keine Designer. Keine Texter.
Wir sind Techies — und wir bauen KI, die wirklich funktioniert."
Überblick
Fortgeschrittener KursKI verstehen
LLM, Agenten und was dahintersteckt
Das Reifegrad-Modell
Von Prompting bis zum autonomen Unternehmen
Demos
Claude Cowork · Vibe Coding · Agent Coding
MCP, ACP & OpenClaw
KI als Unternehmensinfrastruktur
Q&A & Nächste Schritte
Was können Sie morgen umsetzen?
Dies ist ein Fortgeschrittenen-Kurs. Wunsch nach einem Grundlagenkurs oder einem technisch tieferen Kurs? Einfach eine E-Mail — wir überlegen gerne weitere Workshop-Formate.
E-Mail schreiben
2010
Taxis dachten,
sie sind sicher.
Dann kam
UBER
Disruption einer
100-jährigen Industrie
2015
Hotels fühlten sich
unantastbar.
Dann kam
AIRBNB
Hospitality neu
definiert
2025
Sie glauben, Ihre Branche
ist zu komplex?
Ihr KI-Konkurrent
startet JETZT
Keine Legacy-Systeme.
Nur KI. Nur Effizienz.
Es geht nicht um das Produkt.
Es geht um Geschwindigkeit und Effizienz.
Grundlagen
Large Language Model
Das Gehirn. Trainiert auf Milliarden Texten — einmalig, dann eingefroren.
→ GPT-4o, Claude, Gemini, Llama
Auf Milliarden Texten trainiertes Sprachmodell — das Gehirn hinter jeder KI-Anwendung.
Training
Modell
Nutzung
| Anbieter | Modelle |
|---|---|
| OpenAI | GPT-4o · o3 |
| Anthropic | Claude Opus · Sonnet |
| Gemini 2.5 Pro | |
| Meta | Llama 3.3 · 3.1 |
Kein Modell dominiert überall
Wer ist besser?
Standardisierte Tests messen LLMs in Logik, Code, Sprache und Mathematik.
→ Kein Modell gewinnt überall
Standardisierte Tests, die KI-Modelle in Logik, Code, Sprache und Mathematik vergleichen.
Benchmarks messen Logik, Code, Sprache und Mathe getrennt
Kein einzelnes Modell dominiert alle Kategorien
Modellwahl hängt vom Use-Case ab — nicht vom Ranking
Kein LLM gewinnt überall
Der Arbeitsauftrag an die KI
Wie du die KI anweist, bestimmt was du zurückbekommst. Prompt-Qualität = Ergebnis-Qualität.
→ Stufe 1 des Reifegradmodells
Die Eingabe an die KI — Qualität und Struktur des Prompts bestimmen direkt die Qualität der Antwort.
Ein Prompt = Rolle + Aufgabe + Kontext + Ausgabeformat
Klarheit und Struktur schlagen Länge
Prompting ist lernbar — jeder kann es sofort starten
Stufe 1 — sofort umsetzbar
Das Gedächtnis des Gesprächs
Alles was das LLM bei jedem Request weiß — Dokumente, Regeln, Verlauf. Je länger, desto fehleranfälliger.
→ Länge = Qualitätsfaktor
Das vollständige Gesprächsgedächtnis: alles was das LLM bei jedem Request kennt — Verlauf, Regeln, Dokumente.
Das Protokoll wird bei JEDEM Request vollständig ans LLM übertragen
Längeres Protokoll = höhere Fehleranfälligkeit und Inkonsistenz
Fehlerresistenz bei langen Kontexten ist ein direktes LLM-Qualitätsmerkmal
Kürzer = präziser
Der digitale Mitarbeiter
Ein LLM mit Ziel, Gedächtnis und Werkzeugkasten — handelt selbstständig in mehreren Schritten.
→ Plant, handelt, beobachtet, wiederholt
KI-System, das autonom ein Ziel verfolgt — mit LLM als Gehirn, Gedächtnis und Werkzeugen.
Agent = LLM + Ziel + Werkzeuge + Entscheidungslogik
Arbeitet in Schleifen: planen → handeln → beobachten → anpassen
Kein Prompt pro Schritt nötig — der Agent steuert sich selbst
Digitaler Mitarbeiter
Solo → Spezialist → Team
Single Agent löst alleine. Sub-Agent ist Spezialist im Team. Multi-Agent-System koordiniert beides.
→ Die Abteilung aus KI
Mehrere spezialisierte KI-Agenten, die gemeinsam an einer Aufgabe arbeiten — koordiniert von einem Orchestrator.
Single Agent: autonom, ein Ziel, ein Loop
Sub-Agent: Spezialist, beauftragt vom Orchestrator
Multi-Agent-System: parallele, koordinierte Workflows
Skalierbare KI-Architektur
Was ein Agent darf und kann
Skills sind die definierten Fähigkeiten eines Agents — sie legen fest, auf welche Werkzeuge und APIs er zugreifen darf.
→ Die Stellenbeschreibung des Agents
Definierte Fähigkeiten und Zugriffsrechte eines Agents — sie legen fest, auf welche Werkzeuge und Daten er zugreifen darf.
Skills definieren was ein Agent konkret tun darf — nicht mehr, nicht weniger
Plugins sind externe Erweiterungen, die als Skills eingebunden werden
Minimale Rechte = maximale Kontrolle und Datensicherheit
Stellenbeschreibung des Agents
Ein KI-Modell, einmalig auf riesigen Textmengen trainiert — versteht und erzeugt Sprache. Kein echtes Denken, aber exzellente Mustererkennung.
1. Training
Einmalig · Milliarden Texte
2. Deployment
LLM bereitgestellt
3. Nutzung
Inference
„Die KI denkt und lernt laufend weiter."
✓ Das Modell ist nach dem Training eingefroren — es lernt nicht aus Gesprächen.
Wo entsteht Intelligenz heute?
Nicht im Modell — sondern im wachsenden Kontext des Agenten: Ziele, Gedächtnis, Werkzeuge und Gesprächsverlauf machen das System intelligent.
Benchmarks sind standardisierte Aufgabensammlungen, mit denen KI-Modelle objektiv verglichen werden — ähnlich wie Schulnoten, aber für Maschinen.
MMLU
Allgemeinwissen & Reasoning (57 Fachgebiete)
HumanEval / SWE-Bench
Code schreiben & Bugs fixen
MATH / AIME
Mathematik & Problemlösung
GPQA
Expertenwissen (Physik, Chemie, Biologie)
| Modell | Stärke | Schwäche |
|---|---|---|
| GPT-4o | Allround, schnell | Teurer als Alternativen |
| Claude Sonnet 4 | Code, Reasoning | Kein Bildgenerierung |
| Gemini 2.5 Pro | Langer Kontext, Multimodal | Gelegentlich verbose |
| Llama 3.3 70B | Open Source, günstig | Hinter Frontier-Modellen |
Für Ihre Kunden
Wählen Sie das Modell nach Ihrem konkreten Anwendungsfall — der Marktführer ist selten die beste Wahl für jeden Job.
Ein Prompt ist jede Eingabe, die du an ein KI-Modell schickst — von einer einfachen Frage bis zum komplexen Arbeitsauftrag. Die Qualität des Prompts bestimmt die Qualität der Antwort.
Rolle
Wer soll die KI sein? („Du bist ein erfahrener Buchhalter...")
Aufgabe
Was soll sie tun? („Analysiere diese Rechnung und...")
Kontext
Was muss sie wissen? (Hintergrundinformationen, Dokumente)
Ausgabeformat
Wie soll die Antwort aussehen? (Tabelle, Stichpunkte, E-Mail)
3 goldene Regeln
Präzise statt lang — Klarheit schlägt Wortanzahl
Beispiele helfen — zeig der KI, was du meinst
Iterieren — guter Prompt entsteht selten beim ersten Versuch
Mythos vs. Wahrheit
„Je detaillierter der Prompt, desto besser das Ergebnis."
✓ Klarheit und Struktur schlagen Länge. Ein präziser 3-Satz-Prompt übertrifft oft eine halbe Seite Text.
Für Ihre Kunden
Prompt-Training ist der günstigste KI-ROI-Hebel — jeder Mitarbeiter kann heute damit starten, ohne technisches Know-how.
Das Kontextprotokoll enthält alles, was das LLM bei einem Request „im Kopf" hat — den gesamten bisherigen Gesprächsverlauf, Dokumente, Systemanweisungen und Nutzereingaben. Es wird bei jedem Request vollständig ans Modell übertragen.
Immer vollständig
Bei jedem Request wird das komplette Protokoll ans LLM gesendet — nicht nur die letzte Nachricht.
Wächst kontinuierlich
Jede Antwort verlängert das Protokoll. Lange Gespräche = große Kontexte.
Context Window
Jedes Modell hat ein Limit. Wird es überschritten, fällt älterer Inhalt raus.
RAG als Erweiterung
Relevante externe Dokumente werden dynamisch ins Protokoll geladen.
Je länger das Protokoll — desto fehleranfälliger
Mit wachsendem Kontextprotokoll verliert das LLM an Präzision. Es beginnt frühere Anweisungen zu „vergessen", Widersprüche zu übersehen und inkonsistente Antworten zu produzieren.
Protokoll kürzen
Regelmäßig zusammenfassen, irrelevante Teile entfernen, neue Gespräche starten.
Für Ihre Kunden
Halten Sie Kontextprotokolle kurz und strukturiert — das ist billiger, schneller und liefert bessere Ergebnisse.
Ein Agent ist ein System, das ein LLM als „Gehirn" nutzt — ergänzt durch Ziele, Gedächtnis und Werkzeuge. Im Gegensatz zu einem Prompt, der einmalig beantwortet wird, arbeitet ein Agent in Schleifen: Er plant, handelt, beobachtet das Ergebnis und passt sich an.
Prompt
Die Eingabe — einmalig, eine Frage
LLM
Das Gehirn — verarbeitet und antwortet
Agent
Das System — plant, handelt, wiederholt
LLM als Gehirn
Versteht Aufgaben, plant Schritte, trifft Entscheidungen
Tools & Werkzeuge
APIs, Dateien, E-Mail, Datenbanken — der Agent darf handeln
Gedächtnis
Kurz- und Langzeitgedächtnis: was bisher passiert ist
Ziel-Loop
Denken → Handeln → Beobachten → Anpassen → …
„Ein Agent ist einfach ein besserer Chatbot."
✓ Ein Agent handelt autonom — er bekommt ein Ziel und erledigt es selbstständig, ohne dass ein Mensch jeden Schritt anweist.
Für Ihre Kunden
Ein Agent ist ein digitaler Mitarbeiter — 24/7, ohne Pause, ohne Urlaub. Sie definieren das Ziel, der Agent erledigt den Weg.
& Sub-Agent
KI-Agenten können alleine, als beauftragter Spezialist oder als koordiniertes Team arbeiten — je nach Komplexität der Aufgabe.
Single Agent
Ein LLM + Tools + Loop. Löst eine Aufgabe vollständig selbstständig von Anfang bis Ende.
Sub-Agent
Wird von einem übergeordneten Agenten beauftragt. Spezialist für eine klar definierte Teilaufgabe.
Multi-Agent-System
Orchestrator delegiert an mehrere Sub-Agenten — parallel, spezialisiert, skalierbar.
Single Agent — Ablauf
Multi-Agent — Angebotserstellung
Für Ihre Kunden
Multi-Agent-Systeme automatisieren ganze Geschäftsprozesse — nicht nur einzelne Aufgaben. Das ist der Sprung von Automatisierung zu autonomer Arbeit.
Skills definieren konkret, was ein Agent tun darf. Plugins erweitern diese Fähigkeiten durch eigene Skripte und externe APIs — so entsteht ein maßgeschneiderter digitaler Mitarbeiter.
Agent
Das System — hat Ziele und Entscheidungslogik
Skill / Tool
Die Fähigkeit — was der Agent konkret tun darf
Skript / Datei
eigene Logik
Skill / Tool
als Basis
Plugin
Externe Funktion mit eigener Logik — als Skill eingebunden via API
Minimale Rechte — maximale Kontrolle
Geben Sie einem Agent nur die Skills, die er wirklich braucht. Ein Agent mit zu vielen Rechten ist ein Sicherheitsrisiko. Skills sind der Kontrollhebel.
Für Ihre Kunden
Skills sind die Stellenbeschreibung Ihres digitalen Mitarbeiters — definieren Sie genau, was er darf. Minimale Rechte schützen Ihre Daten.
Vier Stufen zum autonomen Unternehmen. Jede Stufe baut auf der vorherigen auf.
→ Drücke die Pfeiltaste, um die Stufen zu erkunden
ChatGPT, Gemini, Nano Banana, Claude Web
Nützlich, aber Handarbeit. Die KI wartet auf jeden Befehl. Kein Gedächtnis, kein Kontext, keine Integration.
KI mit Zugriff auf Dateien und Systeme.
Erster echter Arbeitspartner. Die KI kennt Ihren Unternehmenskontext und arbeitet direkt in Ihrer Umgebung.
Prozesse werden digital und autonom.
Beschreiben Sie einen Prozess in natürlicher Sprache — die KI baut das Tool. Agent Coding macht den Prozess selbstlaufend.
Alle Systeme vernetzt. Agenten kommunizieren.
OpenClaw läuft dauerhaft. Das autonome Unternehmen. Prozesse laufen ohne menschliche Übergaben.
ChatGPT · Gemini · Claude Web
Kein Setup, kein Code. Die Qualität der Antwort hängt vollständig von der Qualität der Frage ab.
Jetzt ein konkretes Beispiel →
Stufe 1 — Prompting · Fazit
Sie haben gerade Ihren ersten KI-Agenten gebaut.
Strukturierte Angebote aus unstrukturierten Anfragen — egal ob kurzer Text oder komplexes PDF
Preise aus dem Chatverlauf merken und beim nächsten Kunden direkt verwenden — ohne erneute Rückfrage
Niemals Preise erfinden — stoppt gezielt und fragt nach, bevor ein falsches Angebot rausgeht
Verkaufspsychologisch formulieren nach SPIN — der Kunde steht im Mittelpunkt, nicht die Stückliste
Eine Person muss jede Anfrage manuell übergeben — ob E-Mail, PDF, Papier oder Fax
Sarah wartet passiv — kein automatischer Eingang, keine Verbindung zu Postfach oder Ablage
Das fertige Angebot muss manuell weitergegeben werden — kein direktes Versenden
Steigender Kontext = sinkende Qualität. Je mehr Anfragen im Chatverlauf landen, desto mehr wird der Kontext überfüllt — ältere Informationen werden verdrängt, die Ausgabequalität nimmt messbar ab
Kein Gedächtnis zwischen Sessions. Neue Chat-Session = Sarah startet bei null. Alle gespeicherten Preise und Präferenzen sind weg
Keine Systemanbindung. Kein Zugriff auf ERP, CRM oder Warenwirtschaft — Preise, Lagerbestände und Kundendaten müssen immer manuell eingespeist werden
„Gute Arbeitserleichterung — aber noch nicht da, wo es hingehen muss."
→ Stufe 2 zeigt, wie wir das lösen.
KI mit Zugriff auf Dateien & Systeme
Erster echter Arbeitspartner. Die KI kennt Ihren Unternehmenskontext und arbeitet direkt in Ihrer Umgebung.
Jetzt ein konkretes Beispiel →
Stufe 2
von Anthropic
Wird auf dem lokalen Rechner installiert
Lokaler Rechner
Bekommt Zugriff auf
Mailkonto
Bilder & Dokumente
ERP-System & CRM
Lokale Dateien & Ordner
Von Anthropic
Gegründet 2021 von ehemaligen OpenAI-Forschern. Safety-first KI-Entwicklung. Betreibt die Claude-Modellreihe.
Seit 2024
Öffentlich verfügbar seit Oktober 2024. Läuft lokal auf Mac & Windows. Aktiv weiterentwickelt.
Office & Dateien
Liest und bearbeitet Word, Excel, PowerPoint direkt. Erstellt Angebote, Berichte und Tabellen auf Knopfdruck.
Chrome Extension
Funktioniert direkt im Browser: Gmail, CRM-Weboberflächen, Online-Portale — KI überall, wo Chrome läuft.
Stufe 2 — Claude Cowork
Sarah läuft jetzt als echter Agent auf dem lokalen Rechner
Eingang
Mail-Eingang
via Ordnerpfad überwacht
PDFs
Leistungsverzeichnisse, Anfragen
Word-Dokumente
Formulare, Vorlagen, Briefe
Alles im Ablage-Ordner
Einfach reinlegen, Sarah holt es sich
Liest & versteht
Kalkuliert
Erstellt & formuliert
Läuft kontinuierlich
Mitarbeiter
füttert Sarah mit
Kerninformationen
Ausgang
ERP-Eintrag
Angebot direkt ins System
Word-Angebot
Fertig formatiert, bereit zum Prüfen
PDF zum Versand
Direkt verschickbar per Mail
„Anfrage reinlegen, Angebot rausholen — Sarah erledigt den Rest."
Stufe 2 — Claude Cowork · Live Demo
Schritt 1 von 3
Claude Cowork wird lokal installiert und als "Sarah" konfiguriert — mit direktem Zugriff auf Mailordner, ERP-System und Preislisten.
Schritt 2 von 3
Sarah bekommt den initialen Auftrag: Kundenanfragen aus dem Mailordner lesen und daraus strukturierte Angebote erstellen.
Schritt 3 von 3
Sarah liefert fertige, strukturierte Angebote — als Word-Dokument, PDF oder direkt ins ERP. Bereit zum Versand, ohne manuelle Nacharbeit.
Prozesse werden digital und autonom
Beschreiben Sie einen Prozess in natürlicher Sprache — die KI baut das Tool. Agent Coding macht es selbstlaufend.
Jetzt konkrete Beispiele →
Teil 1
KI schreibt Quellcode durch natürliche Sprache. Der Entwickler beschreibt das gewünschte Verhalten — die KI generiert den fertigen Code.
Wann sinnvoll?
Drastisch schneller & günstiger als klassische Entwicklung
Ergebnis →
# angebots_generator.py
from datetime import date
from erp import Preisliste, Kundenstamm
def erstelle_angebot(anfrage: str, kunde_id: str):
kunde = Kundenstamm.get(kunde_id)
preise = Preisliste.aktuell()
positionen = parse_positionen(anfrage, preise)
return {
"angebots_nr": generate_id(),
"datum": date.today().isoformat(),
"kunde": kunde.name,
"positionen": positionen,
"gesamt_netto": sum(p["preis"] for p in positionen)
}
Projektstruktur →
📁 meine-webseite/
├── index.html
├── 📁 css/ → style.css
├── 📁 js/ → app.js, api.js
└── 📁 assets/ → logo.png, hero.jpg
Teil 2
KI erstellt MD-Dateien, die Agenten exakt beschreiben und steuern. Der Agent reagiert dynamisch auf wechselnde Inputs — ohne neue Programmierung.
Wann sinnvoll?
Ergebnis → sarah-vertrieb.md
---
name: sarah-vertrieb
description: Erstellt Angebote aus eingehenden Kundenanfragen
---
## Aufgabe
Analysiere eingehende Anfragen aus dem Mailordner
und erstelle daraus vollständige, versandbereite Angebote.
## Zugriff
- Mailordner: C:\Firmen\Eingang\Anfragen\
- ERP-System: SAP Business One (API)
- Preisliste: preisliste_aktuell.xlsx
- Kundenstamm: kunden.csv
## Regeln
- Antworte immer auf Deutsch
- Prüfe Preise stets gegen die aktuelle Preisliste
- Erstelle Ausgaben als PDF-ready Markdown
- Bei unklaren Positionen: Rückfrage formulieren
Agenten-Struktur →
📁 .claude/agents/
├── sarah-vertrieb.md ← Hauptagent
├── sarah-memory.md ← Kundenwissen
├── erp-connector.md ← ERP-Zugriff
└── angebots-checker.md ← Qualitätsprüfung
Das Problem
Sarah arbeitet zu schnell.
Dank Sarah werden Anfragen in Minuten statt Stunden bearbeitet. Die Anfragen-Pipeline leert sich — wir brauchen mehr Kunden.
Zu wenig Eingangsanfragen
Die Idee
Neue Internetseite.
Eine moderne, professionelle Website soll neue Kunden ansprechen und direkt Anfragen generieren — mit Kontaktformular und Leistungsübersicht.
Website als Anfragen-Kanal
Vibe Coding
In Stunden gebaut.
Kein externer Entwickler, kein monatelanges Projekt. Anforderungen in Sprache beschreiben — KI baut die fertige Website.
Stunden statt Monate
Der Prompt →
// Eingabe in natürlicher Sprache
Erstelle eine moderne Firmenwebseite für
einen Fensterbauer. Die Seite braucht:
- Startseite mit Hero-Bild & Slogan
- Leistungsübersicht (Fenster, Türen, Glas)
- Referenz-Galerie mit 6 Projekten
- Kontaktformular mit Anfragetyp-Auswahl
- Responsive für Mobile & Desktop
// Design: Blau-Weiß, seriös, modern
// Technologie: HTML, CSS, JavaScript
Das Ergebnis →
📁 fensterbauer-website/
├── index.html ← Startseite
├── leistungen.html ← Fenster, Türen, Glas
├── referenzen.html ← Galerie
├── kontakt.html ← Anfrageformular
├── 📁 css/
├── style.css
└── responsive.css
├── 📁 js/
├── navigation.js
├── galerie.js
└── kontakt-form.js
└── 📁 assets/
├── hero.jpg
└── referenz-1..6.jpg
✓ Fertig in einem Nachmittag
Inkl. Mobile-Optimierung & Kontaktformular
Stitch · Live Demo
Schritt 1
Ein Systemprompt beschreibt Zielgruppe, Stil und Marke. Stitch generiert daraus sofort ein vollständiges Website-Design.
Schritt 2
Texte, Bilder und Struktur lassen sich per natürlicher Sprache anpassen — ohne Code, ohne Designer.
Schritt 3
Das fertige Design ist pixelgenau und exportierbar — als Referenz für die weitere Entwicklung.
Nächster Schritt
Das Design wird direkt als Vorlage an die KI übergeben — Vibe Coding setzt es in echten Code um.
Agent Coding
Sarah bringt mehr Anfragen.
Die neue Website bringt mehr Kunden.
Jetzt braucht das Unternehmen mehr Agenten.
Ein Agent ist eine KI mit Persönlichkeit, Zugriff und Regeln — definiert in einer einzigen Markdown-Datei.
---
name: max-buchhaltung
description: Rechnungen, Mahnungen & Berichte
---
## Aufgabe
Kundenrechnungen aus ERP erstellen,
Zahlungserinnerungen versenden,
Monatsberichte zusammenstellen.
## Zugriff
- ERP-System (Lesen + Schreiben)
- Kundenstamm & Kontoblätter
- E-Mail-Ausgang
## Regeln
- Kein Versand ohne Freigabe
- Nur bekannte Kunden bearbeiten
- Abweichungen sofort melden
Agent · Vertrieb
Sarah
Kundenanfragen lesen, Angebote erstellen, versandbereit ablegen.
Agent · Marketing
Lisa
Social-Media-Posts schreiben, Newsletter erstellen, Kampagnen in Markensprache umsetzen.
---
name: lisa-marketing
description: Social Media & Newsletter
---
## Aufgabe
LinkedIn, Instagram & Newsletter
in Markensprache verfassen.
## Zugriff
- Brand-Guide & CI-Vorgaben
- Redaktionsplan (Lesen + Schreiben)
- Social-Media-Entwürfe
## Regeln
- Kein Direktposting ohne Freigabe
- Keine Wettbewerber erwähnen
Agent · Buchhaltung
Max
Rechnungen erstellen, Zahlungserinnerungen versenden, Monatsberichte liefern.
Agent · Support
Felix
IT-Fragen beantworten, Onboarding begleiten, Prozesse dokumentieren und Tickets lösen.
---
name: felix-support
description: IT-Helpdesk & Onboarding
---
## Aufgabe
IT-Tickets lösen, neue Mitarbeiter
einarbeiten, Prozesse dokumentieren.
## Zugriff
- Internes Wiki (Lesen + Schreiben)
- Ticketsystem (Lesen + Schreiben)
- Software-Dokumentation
## Regeln
- Unbekannte Probleme eskalieren
- Lösungen ins Wiki zurückschreiben
Systeme sprechen miteinander
KI bekommt Zugriff auf alle Systeme. Agenten kommunizieren autonom. Das Unternehmen läuft ohne manuelle Übergaben.
MCP, ACP und Automation →
Wie kommunizieren Agenten mit externen Systemen?
SAP, Outlook, Datenbanken, APIs — wie bekommt die KI Zugriff, ohne dass ein Mensch Daten manuell rüberkopiert?
Wie kommunizieren Agenten untereinander?
Sarah hat Aufgabe A erledigt und muss das Ergebnis an Max weitergeben — wie funktioniert das vollautomatisch?
→ Zwei Protokolle geben die Antwort
Standardprotokoll von Anthropic: KI-Agenten erhalten sicheren, strukturierten Zugriff auf externe Systeme — Datenbanken, APIs, Dateisysteme, Tools. Wie ein USB-Standard: jeder Agent, der MCP spricht, kann jedes kompatible System direkt nutzen.
Ermöglicht Agenten, direkt miteinander zu kommunizieren: Aufgaben delegieren, Ergebnisse übergeben, Workflows koordinieren — vollständig ohne menschliche Eingriffe. Die gemeinsame Sprache im Multi-Agent-System.
Praxisbeispiele
Praxisbeispiele
ERP-Direktzugriff
Agent liest Lagerbestand aus SAP — kein CSV-Export, kein Copy-Paste mehr
Auftragsverarbeitung
Sarah (Eingang) → Max (Prüfung) → Lisa (Versand) — vollautomatisch, ohne Übergabe
E-Mail & Kalender
Agent verfasst Angebote und bucht Kundentermine direkt in Outlook
Intelligente Eskalation
Wenn Agent A eine Grenze erreicht, übergibt er die Aufgabe eigenständig an Agent B
Controlling-Reports
Agent erstellt Monatsberichte direkt aus dem DMS — vollständig automatisch
Parallelarbeit
Marketing-Agent & Buchhaltungs-Agent koordinieren gleichzeitig eine Kampagne
"MCP verbindet KI mit Ihren Systemen. ACP verbindet KI mit KI. Zusammen entstehen Prozesse, die ohne menschliche Übergaben laufen."
Vom Chatbot zum autonomen Server-System
OpenClaw
Open Source · Server
Autonomer KI-Agent, der auf einem Server läuft und rund um die Uhr arbeitet. Verbindet sich mit beliebigen LLMs (Claude, GPT, Gemini) und steuert Dateisystem, Browser und Tools vollständig selbstständig — gesteuert per WhatsApp, Telegram oder Discord.
Noch kein Unternehmenseinsatz
512 bekannte Sicherheitslücken (davon 8 kritisch), ungeklärte Compliance-Fragen und fehlende Enterprise-Governance. OpenClaw ist faszinierende Future Technology — aber noch kein Produktionssystem.
Claude Dispatch — der logische nächste Schritt 17.03.2026
Anthropic geht in genau diese Richtung — kontrolliert, sicher, enterprise-ready. Claude Dispatch ermöglicht autonome Serveraufgaben mit Human-in-the-Loop-Kontrolle. Das ist OpenClaw, wie es für Unternehmen aussehen wird.
Web-Interface
Im Browser · kein Gedächtnis
Lokales System
KI-Agent · lokal
Lokales System
Multi-Agent · S · M · L · F
Evolution
2022
ChatGPT
KI als Spielzeug
2023
Prompting
KI wird Alltag
2024
Integration
Erste echte Einbindungen
2025
Agenten
KI übernimmt Aufgaben
HEUTE
2026
Infrastruktur
MCP, ACP, OpenClaw
2027+
Autonomie
Self-Driving Enterprise
"Wir sind genau jetzt am Kipppunkt. Wer jetzt wartet, hat 2027 ein ernsthaftes Problem."
💬
"Wo laufen bei Ihnen täglich dieselben Handgriffe ab? Das sind Agent-Kandidaten."
💬
"Haben Sie Prozesse, die noch nicht digital sind? Vibe Coding macht das in Stunden möglich."
💬
"Wie viele Ihrer Systeme sprechen heute miteinander? MCP verbindet sie alle."
💬
"Was würde passieren, wenn Ihr Wettbewerber morgen mit KI-Infrastruktur startet?"
Ihr Umsetzungspartner
Am Gleis 4 · 83539 Pfaffing
Wir bauen das. Sie verkaufen die Idee.
Weitere Workshop-Formate
Das war ein Fortgeschrittenen-Kurs. Wunsch nach einem Grundlagenkurs oder einem noch technisch tieferen Workshop? Schreib uns — wir überlegen gerne weitere Formate.
dleuverink@allbytes.deWir freuen uns riesig über Feedback!
Was hat gefallen? Was war unklar? Was wollt ihr beim nächsten Mal anders? Bitte schickt uns euer Feedback — jede Rückmeldung hilft uns, besser zu werden.
dleuverink@allbytes.deStufe 1 — Prompting · Live-Demo
Was ich in die KI werfe — Gesprächsnotizen
Notizen Erstgespräch — Holzfensterbau Oberbayern
ca. 100 Mitarbeiter, Fokus auf Holz- und Holz-Alu-FensterDazu diese zwei echten Kundenanfragen
B2C — Privatanfrage
Anfrage Familie Weber
8 Fenster + Terrassentür, Holz-Alu, Sanierung EFH — kurze formlose E-Mail
B2B — Leistungsverzeichnis
Wohnpark am See, Bauabschnitt 3
24× Holzmetallfenster, 12× Hebeschiebetür, 12× Haustür — technisches LV mit Pos. 1.01–1.03, KW-42-Termin
Was gleich passiert
Ich werfe alles — roh, unstrukturiert, ohne System-Prompt — in eine Standard-KI. Kein Kontext. Keine Vorbereitung.
Stufe 1 — Prompting · Einfacher Prompt
Mein Prompt
Kundenanfrage (eingefügt)
Hallo liebes Team, wir sanieren gerade unser Einfamilienhaus und brauchen neue Fenster. Wir dachten an Holz-Alu-Fenster, weil die wohl pflegeleichter sind. Es geht um insgesamt 8 Fenster, meistens Standardmaße, und eine große Terrassentür zum Schieben. Können Sie uns dafür ein Angebot machen? Was würde das ungefähr kosten und wie lange sind die Lieferzeiten.Kein Kontext · kein System-Prompt · keine Preise hinterlegt
Kein Unternehmenskontext
Kein System-Prompt
Kein Prozesswissen
Stufe 1 — Prompting · Einfacher Prompt
Du bist ein Vertriebsmitarbeiter bei einem Fensterbauer.
Wir haben ein detailliertes Leistungsverzeichnis von einem Architekten als PDF bekommen. Der Architekt erwartet ein vollständiges Angebot für das Projekt Wohnpark am See.
Erstelle auf Basis des PDFs ein fertiges Angebot für den Kunden.
Übernehme die bautechnischen Spezifikationen aus dem Dokument.
Kalkuliere marktübliche Preise für die Holzmetallfenster, die Türen und die Montage.
Berechne eine Gesamtsumme für das komplette Projekt.
Gib mir zuerst einen formellen Anschreiben Text für die E-Mail. Darunter listest du das komplette Angebot mit allen Einzelpreisen und der Endsumme auf.
PDF nicht angehängt · keine Unternehmenspreise · kein Firmenwissen
PDF fehlt
KI kann das Leistungsverzeichnis nicht lesen — es wurde nie hochgeladen
Keine eigenen Preise
„Marktüblich" kennt die KI — aber nicht unsere Kalkulation, Margen oder Konditionen
Kein Firmenwissen
Kein System-Prompt, keine Produktpalette — Angebot nicht direkt versendbar
Stufe 1 — Prompting · Strukturierter Prompt
Experte suchen
KI durchsucht weltweites Wissen nach dem besten Vertriebsexperten
Experten finden
Neil Rackham — SPIN Selling. Avatar erscheint als Wissensquelle
Know-how extrahieren
Rackhams Prinzipien werden aus dem Web geholt und auf den Innendienst übertragen
Sarah entsteht
System-Prompt mit Identität, Methodik und Preisregel — eine echte Mitarbeiterin
→ Jeden Schritt zeigen wir live mit einer Bildschirmaufzeichnung.
Stufe 1 — Prompting · Strukturierter Prompt · Schritt 1 von 4
Mein Prompt
Kein System-Prompt — offene Recherchefrage an die KI
KI-Antwort
Gemini 2.5 ProSpannendes Projekt. Drei Methodiken passen ideal für dieses Szenario:
① Neil Rackham — SPIN Selling
Übersetzt PDF-Anforderungen in Kundenmehrwert. Formuliert strategische Rückfragen bei lückenhaften Unterlagen.
② Donald Miller — StoryBrand
Trockene Leistungsverzeichnisse werden kundenorientiert. Der Architekt ist Held, das Fenster seine Lösung.
③ Dixon & Adamson — Challenger Sale
Klare Empfehlungen statt Optionsflut. Verhindert Kaufblockaden durch Choice Overload.
→ Soll ich für eine dieser Methodiken einen System-Prompt entwerfen?
Stufe 1 — Prompting · Strukturierter Prompt · Schritt 2 von 4
Mein Prompt
KI recherchiert live im Internet — Ergebnis fließt direkt in den System-Prompt
KI-Antwort
Gemini 2.5 ProSPIN = 4 Fragetypen, die den Kunden zur Selbstüberzeugung führen — entwickelt aus der Analyse von 35.000 Verkaufsgesprächen:
S — Situation
Ausgangslage des Bauprojekts erfassen — zeigt dem Architekten: sein PDF wurde exakt verstanden
P — Problem
Herausforderungen benennen — z. B. hohe Lärmschutzvorgaben oder strenge Energierichtlinien
I — Implikation ⚡ wichtigste Phase
Risiken dezent ansprechen — Bauverzögerungen, Nachbesserungskosten. Erzeugt Dringlichkeit.
N — Need-Payoff
Fenster als passgenaue Antwort — technische Parameter direkt mit Projekterfolg verknüpft
→ Soll ich ein Musteranschreiben entwerfen, das dein KI-Assistent genau so generieren könnte?
Stufe 1 — Prompting · Strukturierter Prompt · Schritt 3 von 4
Mein System-Prompt
Du bist Sarah, Vertriebsassistentin beim Fensterbauer, und arbeitest nach der Methodik von Neil Rackham.
Du erstellst aus jeder Anfrage, egal ob Text oder PDF, ein strukturiertes Angebot.
Du nutzt das Kontextprotokoll als Gedächtnis.
Bevor du das Angebot abschließt, prüfst du die Preise. Kennst du die Preise aus dem bisherigen Chatverlauf, nutzt du sie.
Kennst du die Preise für ein Produkt noch nicht, stoppst du die Erstellung und fragst mich gezielt danach. Du erfindest niemals eigene Preise.
Sobald ich dir die Preise nenne, merkst du sie dir für die Zukunft und erstellst das Angebot.
Bestätige kurz deine Rolle und warte auf die erste Eingabe.
Sarah
Gemini 2.5 ProIch bin Sarah, deine Vertriebsassistentin für den Fensterbau. Ich habe verstanden, dass ich ab sofort jedes Angebot strikt nach der SPIN‑Selling‑Methodik von Neil Rackham strukturiere und aus Anfragen oder Dokumenten kundenorientierte Dokumente erstelle.
Ich werde vor jeder Finalisierung eines Angebots zwingend die Preise prüfen. Sind mir die Preise für Positionen aus unserem bisherigen Chatverlauf bekannt, setze ich exakt diese ein. Kenne ich Preise noch nicht, werde ich keine erfinden, sondern den Prozess stoppen und dich gezielt danach fragen. Sobald du mir die fehlenden Informationen lieferst, merke ich mir diese für künftige Angebote und schließe den Vorgang ab.
Meine Tonalität ist professionell, nutzenargumentierend und absolut verlässlich.
Ich bin bereit für deine erste Eingabe.
Stufe 1 — Prompting · Strukturierter Prompt · Schritt 4 von 4
Sarah · Chatverlauf
● Online⚠ Preisabfrage erforderlich
Anfrage erfasst. Noch keine Preise im Chatverlauf — ich erfinde keine. Bitte nennen Sie mir:
✓ Angebot Familie Weber
Betreff: Ihre neuen Holz-Alu-Fenster
▸ 8× Fenster à 850 € = 6.800 €
▸ 1× Schiebetür = 3.200 €
▸ Montage = 1.600 €
Gesamt: 11.600 € netto
LV_Wohnpark_am_See_BA3.pdf
284 KB · Leistungsverzeichnis
Erstelle ein vollständiges Angebot für diesen Kunden.
✓ LV erfasst — Angebot direkt erstellt
▸ 24× Fenster à 850 € = 20.400 €
▸ 12× Hebeschiebetür = 38.400 €
▸ 12× Haustür = 33.600 €
▸ Montage 48 Elem. = 8.400 €
Gesamt: 100.800 € netto ✓
Preise im Kontext gespeichert — keine Rückfrage beim 2. Kunden
Wichtige Abgrenzung
Nicht Gegenstand dieses Webinars
Datenschutz & DSGVO
Rechtliche Anforderungen, Compliance und Datenschutzpflichten beim KI-Einsatz.
Rechtliche Komponenten & Haftung
Vertragsrecht, Haftungsfragen und regulatorische Rahmenbedingungen rund um KI.
Dafür gibt es spezialisierte Anwälte und Datenschutzexperten — die richtigen Partner für diese Themen.
Das Ziel dieser Veranstaltung
Reiner Wissenstransfer
Dieses Webinar vermittelt technologisches Verständnis — klar, praxisnah und ohne Fachchinesisch.
Ihr Ziel als Alchimedus Consulting Network Partner
Sie werden technologisch so fit, dass Sie bei Ihren eigenen Kunden als souveräner KI-Experte glänzen.