Das KI-Skill-Playbook

Herzlich Willkommen zu den AI FIRST Insights! Letzte Woche habe ich die 5 Bausteine unseres KI-Betriebssystems vorgestellt und angekündigt, dass ich als Nächstes in einen der wichtigsten Baustein eintauche: Skills.

Skills beschreiben im Betriebssystem alles, was die Organisation kann. Jede Fähigkeit, jeder Prozess, jede wiederkehrende Aufgabe – als ausführbare Arbeitsanweisung, die eine KI eigenständig umsetzen kann.

Dahinter steckt ein Paradigmenwechsel, der gerade den gesamten KI-Markt verändert: Weg von dutzenden spezialisierten KI-Agenten, die jeweils eine bestimmte Rolle haben – hin zur Bereitstellung von Skills für eine KI, die diese je nach Aufgabe dynamisch ausführt. Statt 25 Agenten zu bauen und zu warten, baust du Skills – und eine KI nutzt den passenden, wann immer er gebraucht wird.

Heute zeige ich dir, was genau ein Skill ist, wie er sich von Prompts und Agenten unterscheidet, wie du einen Skill baust – und wo du ihn in deinem Tool schon heute anlegen kannst.

Los geht's!

Dein KI-Betriebssystem im Collective bauen

Wir haben noch ca. 10 Plätze für das Collective mit Start am 01.04.. Dort triffst du auf 80 Führungskräfte, die die KI-Transformation in ihren Unternehmen verantworten. Im Collective bekommst Du Zugriff auf unser Wissen und unsere Werkzeuge zum Aufbau einer AI-First Organisation, die ihr Wachstum vom Headcount entkoppelt.

Ab April bauen wir dort gemeinsam dein KI-Betriebssystem auf.

👉 Platz im Collective sichern

Was ist ein Skill?

Ein Skill ist eine dokumentierte, wiederverwendbare Arbeitsanweisung, die beschreibt, wie eine bestimmte Aufgabe erledigt wird – so präzise, dass eine KI sie eigenständig ausführen kann. Mit allen Schritten, allem Kontext, allen Qualitätskriterien.

"Was ist denn der Unterschied zu Prompts und Agenten?”

Ein Prompt ist jede Eingabe, die du einer KI gibst. Eine Frage, eine Anweisung, eine Aufgabe. Du schreibst etwas, die KI antwortet – fertig. Wenn du morgen das Gleiche brauchst, schreibst du den Prompt neu. Oder kopierst ihn. Beim dritten Mal merkst du, dass du eine Nuance vergessen hast.

Ein Skill ist im Kern auch ein Prompt – aber einer, der wiederholt ausgeführt wird. Er gibt der KI nicht nur eine einmalige Anweisung, sondern das komplette Rezept, wie eine bestimmte Aufgabe immer wieder erledigt werden soll. Mit allen Schritten, allem Kontext, allen Qualitätskriterien.

Das Schöne daran: Ein Skill kann von der KI genutzt werden, auch wenn du nur einen einfachen Prompt eingibst. Früher musstest du, wenn du wolltest, dass die KI ein Angebot erstellt, alles genau beschreiben – den Aufbau, die Tonalität, welche Informationen rein müssen, welche Vorlage genutzt werden soll. Jetzt schreibst du: Angebot erstellen. Die KI findet den passenden Skill, lädt die hinterlegte Arbeitsanweisung und führt sie aus. Dahinter liegt eine umfangreiche, dokumentierte Anleitung – aber du musst sie nicht jedes Mal neu formulieren.

Unsere Skills enthalten alles, was für die Ausführung gebraucht wird:

Die Arbeitsanweisung: Schritt für Schritt, was getan werden muss
Den Kontext: Welche Informationen geladen werden müssen
Die Governance-Regeln: Welche Vorgaben gelten, wer freigibt
Die Qualitätskriterien: Woran man erkennt, dass das Ergebnis gut ist
Eingaben und Ausgaben: Was reingeht, was rauskommt

Jetzt fragst du dich vielleicht: Aber dafür hatten wir doch Agenten?

Stimmt – und Agenten haben in vielen Setups gut funktioniert. Aber sie haben ein strukturelles Problem, das mit der Anzahl wächst.

Ein KI-Agent bündelt alles in einem Paket: Rolle, Anweisungen, Kontext, Tools. Jeder Agent lebt in seiner eigenen Box und weiß wenig darüber, was die anderen Agenten tun oder können. Oft muss ein Mensch die Arbeit zwischen alle Agenten koordinieren oder aufwändige Multi-Agenten-Systeme aufsetzen und instandhalten. Das funktioniert bei drei Agenten. Bei 25 wird es zum Problem, bei 100en (wie ich es in vielen Unternehmen sehe) unkontrollierbar.

Wenn du stattdessen nur einen Agenten hast, der auf deinen Daten und Skills sitzt, kann sich dieser Agent immer so zusammenbauen (Daten + Skills kombinieren), wie es für die Erledigung der Aufgabe notwendig ist.

Eine Analogie macht den Unterschied greifbar:

Ein Prompt ist wie ein Zuruf in der Küche: "Mach mal was Schönes mit dem Lachs!" – ohne Rezept, ohne Mengenangaben. Vielleicht wird's gut, vielleicht nicht. Und beim nächsten Mal fängst du wieder bei null an.

Ein Skill ist wie ein Rezept im Kochbuch – aufgeschrieben, wiederverwendbar, wird mit der Zeit verfeinert. Jeder Koch kann es nehmen und das Gericht zubereiten.

Ein Agent ist wie ein eigener Koch mit eigenem Rezeptbuch in einer eigenen Küche. Er kennt seine Gerichte – aber wenn sich ein Rezept ändert, musst du in jede Küche einzeln gehen und es anpassen.

Anatomie eines Skills

Lass mich das an einem konkreten Beispiel zeigen. Einer unserer 57 Skills heißt "Angebot erstellen". Wenn ich nach einem Kundengespräch sage Angebot erstellen für Firma XY, läuft im Hintergrund ein komplett dokumentierter Prozess ab.

So ist dieser Skill in unserer Datenbank aufgebaut:

1. Beschreibung und Eingaben

Jeder Skill startet mit einer klaren Beschreibung: Was tut er? Wann wird er ausgelöst? Dazu die erwarteten Eingaben und Ausgaben. In diesem Fall: Eingaben sind Kundenname (Pflicht), gewünschtes Produkt (optional, sonst aus dem Gespräch abgeleitet) und mögliche Preisanpassungen. Die definierte Ausgabe: eine fertige, personalisierte Angebotsseite in der Angebote-Datenbank.

2. Startprotokoll

Bevor die eigentliche Arbeit beginnt, lädt die KI systematisch alles, was sie braucht: das Gesprächstranskript aus der Meeting-Datenbank, die Kundenseite im CRM (oder legt eine neue an), das Angebotstemplate aus der Angebote-Datenbank. Dazu kommen Kontext-Referenzen in drei Stufen – von Kerninformationen über aufgabenspezifische Quellen bis zu Hintergrundwissen auf Abruf.

3. Arbeitsanweisung (SOP)

Das Herzstück: 6 konkrete, sequenzielle Schritte.

Transkript analysieren – Herausforderungen, Ziele und empfohlenes Produkt extrahieren
Kundenseite im CRM finden oder neu anlegen
Angebotstemplate duplizieren
Angebotsseite personalisieren – Header anpassen, empfohlenes Produkt als Hauptpaket setzen, nicht relevante Sektionen verschieben, Preise eintragen, alle Platzhalter ersetzen
Angebot auf der Kundenseite im CRM verlinken und Status setzen
Qualitätscheck gegen die Definition of Done

4. Kontext

Der Skill definiert explizit, welche Informationen die KI laden muss – geordnet in drei Stufen.

Kern-Kontext wird immer geladen: die Produktübersicht, die Preisliste und das Angebotstemplate.
Aufgabenspezifischer Kontext wird für genau diesen Skill geladen: das Meeting-Transkript und die Kundenseite im CRM.
Hintergrund-Kontext steht auf Abruf bereit, falls die KI ihn braucht: z.B. vergangene Angebote an denselben Kunden oder branchenspezifische Referenzen. So weiß die KI nicht nur, was sie tun soll – sondern auch, worauf sie dabei zugreifen kann.

5. Definition of Done

Am Ende steht ein klarer Prüfkatalog. Der Skill definiert, woran man erkennt, dass er korrekt ausgeführt wurde:

Herausforderungen und Ziele spiegeln das Kundengespräch korrekt wider
Empfohlenes Produkt passt zur Kundensituation
Alle Platzhalter restlos ersetzt, Preise eingetragen
Keine erfundenen Zahlen oder Fakten
CRM-Verlinkung vorhanden, Status gesetzt

Du gibst der KI eine vollständige Arbeitsanweisung mit Startprotokoll, SOP, Kontext, Governance und Qualitätskriterien. Die KI weiß exakt, was sie tun muss, welche Daten sie braucht und wann ein Mensch drüberschauen muss.

Wie du Skills baust

In den letzten 10 Wochen haben wir 57 Skills aufgesetzt. Dabei hat sich ein klarer Prozess herauskristallisiert, den wir selbst als Skill in unserer Datenbank hinterlegt haben – den Meta-Skill "Neuen Skill erstellen". Dieser Skill führt die KI und den Skill-Owner gemeinsam durch den gesamten Erstellungsprozess – mit Rückfragen, Vorschlägen und Checkpoints an jeder Stelle.

So läuft er ab:

Schritt 1: Die richtige Aufgabe finden

Nicht jede Aufgabe braucht einen Skill. Skills lohnen sich für wiederkehrende Aufgaben mit klarer Struktur: Angebote erstellen, Kundenprojekte onboarden, Meeting-Notizen verarbeiten, Newsletter schreiben. Die Faustregel: Wenn du eine Aufgabe mehr als dreimal gemacht hast und sie immer ähnlich abläuft – dann ist das ein Skill-Kandidat.

Schritt 2: Freies Briefing

Der zukünftige Skill-Owner beschreibt frei, was der Skill können soll. Einfach erklären: Was ist das Ziel? Was geht rein, was kommt raus? Wie machst du es heute? Die KI hört zu, stellt Rückfragen, sammelt alles und spiegelt dann das Verstandene zurück – inklusive einem Vorschlag für Skill-Name, Eingaben, Ausgaben und Keywords. Erst wenn der Owner bestätigt, geht es weiter.

Schritt 3: Das Implizite explizit machen

Das ist der schwierigste und wichtigste Schritt. Die KI führt den Owner durch gezielte Rückfragen: Wo gibt es Lücken im beschriebenen Prozess? Welches implizite Wissen steckt in der Aufgabe, das noch nicht dokumentiert ist? Was sind typische Entscheidungspunkte? Was kann schiefgehen? Am besten dokumentiert der Owner den Skill, während er die Aufgabe das nächste Mal in Echtzeit ausführt – so geht nichts verloren.

Aus den Antworten entsteht die Arbeitsanweisung: 4 bis 10 konkrete, sequenzielle Schritte. So spezifisch formuliert, dass die KI die Aufgabe fehlerfrei und konsistent ausführen kann.

Schritt 4: Governance festlegen

Die KI analysiert den Skill-Typ und schlägt eine Governance-Einstufung nach dem Ampel-Prinzip vor:

🟢 Grün – KI darf autonom ausführen, kein menschlicher Touchpoint nötig
🟡 Gelb – KI bereitet vor, ein Mensch reviewed und gibt frei
🔴 Rot – KI darf nur unterstützen, Mensch führt die Kernentscheidung

Dazu schlägt die KI vor, wo genau in der SOP menschliche Touchpoints sitzen sollen und wer reviewed. Der Owner bestätigt oder überschreibt. Wichtig: Das Ampelsystem ist unsere Logik. Du kannst natürlich eine andere Regeln verwenden.

Schritt 5: Kontext mappen

Welche Datenbanken, Dokumente oder Templates muss die KI laden, bevor sie loslegen kann? Die KI sammelt 3 bis 5 notwendige Kontext-Quellen und ordnet sie in drei Stufen: Kerninformationen (immer laden), aufgabenspezifische Quellen (für diesen Skill) und Hintergrundwissen (nur auf Abruf). Jede Quelle wird explizit verknüpft – die KI weiß danach genau, wo sie welche Information findet.

Schritt 6: Definition of Done und Qualitätskriterien

Woran erkennt man, dass der Skill gut ausgeführt wurde? Zusammen mit dem Owner definiert die KI konkrete Prüfkriterien und mindestens drei Negativbeispiele – also typische Fehler, die nicht passieren dürfen.

Schritt 7: Testen und iterieren

Kein Skill ist beim ersten Mal perfekt. Wir testen jeden Skill mindestens 3 bis 5 Mal mit realistischen Eingaben, bevor er "live" geht. Jeder Testlauf wird gegen die Definition of Done geprüft. Das Feedback fließt direkt in den Skill zurück. Nach 3 bis 4 Iterationen liefert die KI in der Regel Ergebnisse, die nur noch minimale menschliche Anpassungen brauchen. Erst dann wird der Skill aktiviert.

Schritt 8: Owner zuweisen und weiterentwickeln

Jeder Skill hat einen Owner – eine Person, die für Qualität und Weiterentwicklung verantwortlich ist. Wenn das System über die Feedback-Schleife Verbesserungsvorschläge loggt, ist der Owner dafür zuständig, diese einzuarbeiten.

Dadurch entsteht ein lebendiges System. Skills sind keine statischen Dokumente. Sie entwickeln sich weiter – mit jeder Ausführung.

Wo du Skills schon heute anlegen kannst

Du verstehst jetzt, was ein Skill ist und wie du ihn baust. Bleibt die Frage: Wo legst du ihn an? Die gute Nachricht: Die großen KI-Plattformen unterstützen Skills bereits nativ – mit erstaunlich ähnlicher Logik.

Der grundsätzliche Weg ist bei allen Anbietern gleich:

Du definierst einen Namen und eine Beschreibung für deinen Skill
Du hinterlegst die Arbeitsanweisung. Dafür gibt es mehrere Wege:
Du verknüpfst den Skill optional mit Datenquellen, Integrationen oder Tools
Du speicherst den Skill und machst ihn für dich, dein Team oder deine gesamte Organisation verfügbar

Die Nuancen unterscheiden sich je nach Anbieter. Hier ein Überblick:

ChatGPT (OpenAI)

In ChatGPT klickst du auf dein Profilbild → Skills. Dort siehst du installierte Skills, selbst erstellte und mit dir geteilte. Jedes Konto hat standardmäßig einen "skill-creator" – einen Skill, der andere Skills für dich baut. Du kannst ChatGPT einfach bitten, einen Skill zu erstellen, und die KI führt dich durch den Prozess: Was ist der Job-to-be-done? Welche Eingaben braucht der Skill? Wie sieht der Schritt-für-Schritt-Ablauf aus? Welches Ausgabeformat erwartest du?

📖 Dokumentation: Skills in ChatGPT

Claude (Anthropic)

Bei Claude heißen sie ebenfalls "Skills". Du kannst sie über den eingebauten skill-creator Skill erstellen lassen – Claude stellt dir Fragen und baut den Skill automatisch – oder du legst manuell eine SKILL.md-Datei an. Skills funktionieren in Claude.ai, Claude Code und über die API. Verfügbar für Pro, Max, Team und Enterprise.

📖 Dokumentation: Custom Skills erstellen

Langdock

In Langdock findest du Skills direkt in der Seitenleiste. Über Add Skill kannst du entweder Anweisungen direkt schreiben oder den Skill im Chat beschreiben lassen – Langdock generiert die Instruktionen dann für dich. Skills können mit Integrationen verknüpft werden, z.B. ein Gmail-Skill, der automatisch E-Mail-Aktionen verfügbar macht, sobald der Skill aktiv ist.

📖 Dokumentation: Skills in Langdock

Microsoft Copilot

Microsoft geht den Weg über Copilot Studio, wo du Agents mit spezifischen Anweisungen und Skills erstellst. Der Agent Builder führt dich Schritt für Schritt durch die Erstellung – Name, Anweisungen, Wissensquellen, Aktionen. Skills können aus einer zentralen Bibliothek geladen und in Agents eingebunden werden.

Spannend ist, was Microsoft gerade mit Copilot Cowork angekündigt hat: Cowork geht über das reine Chat-Interface hinaus und verwandelt Copilot in ein Ausführungs-Tool. Du beschreibst das gewünschte Ergebnis, Cowork erstellt einen Plan, arbeitet ihn im Hintergrund ab und checkt bei dir ein, wenn es Freigaben braucht. Das ist genau die Logik, in die Skills passen – und Microsoft wird Skills über Copilot 365 bzw. Copilot Cowork direkt ausführbar machen.

📖 Dokumentation: Agents in Copilot Studio erstellen

Was bedeutet das für dich?

Die Plattform liefert die technische Basis, um Skills anlegen und ausführen zu können. Aber sie wird nicht großartig verändern, welche Wirkung du damit erzielen kannst. Die Wirkung entsteht nur, wenn du in der Lage bist, sehr akkurate, gute Skills zu bauen. Kein KI-Anbieter wird wissen, wie dein Unternehmen Angebote erstellt, Kunden onboardet oder Support-Anfragen bearbeitet. Das musst du selbst dokumentieren – und genau dafür hast du jetzt das Handwerkszeug.

Die AI FIRST Skill-Datenbank

Damit du nicht bei null anfangen musst, haben wir eine Datenbank mit über 80 dokumentierten Skills aufgebaut. Jeder Skill ist nach unserem Blueprint strukturiert – mit Beschreibung, Arbeitsanweisung, Kontext-Referenzen, Governance und Definition of Done. Du kannst jeden Skill direkt kopieren, an deine Prozesse anpassen und sofort nutzen.

Die Datenbank hilft dir auf zwei Ebenen: Erstens findest du dort Ideen, welche Skills für deine Rolle und dein Unternehmen sinnvoll sein könnten – von Sales über Operations bis HR. Zweitens bekommst du mit jedem Skill eine fertige Struktur, die du nur noch individualisieren musst. Statt von einem leeren Blatt zu starten, passt du die vorhandene Arbeitsanweisung, die Kontextquellen und die Qualitätskriterien an dein Setup an.

→ Zur KI-Skill-Datenbank

Ist Skill-Engineering jetzt das neue große Ding?

Ja klar, man könnte jetzt natürlich sagen: Skill-Engineering ist der neue große Hype. Und wahrscheinlich werden auch einige draufspringen.

Aber am Ende geht es um das, worum es schon seit Jahren in der Arbeit mit KI geht. Nämlich um drei Kernprinzipien:

Präzise beschreiben, was die KI tun soll – als Prozess. Nicht nur das Ziel, sondern den Weg dorthin dokumentieren: klare, sequenzielle Schritte mit allen Entscheidungspunkten und Verzweigungen.
Qualitätskriterien und Beispiele definieren. Wie sieht ein gutes Ergebnis aus? Woran erkenne ich, dass der Output stimmt?
Alle notwendigen Daten bereitstellen, die die KI benötigt, um den vollständigen Kontext zu haben, der für die Erledigung der Aufgabe erforderlich ist.

Egal, ob wir Prompts geschrieben haben. Egal, ob wir Agenten erstellt haben. Egal, ob wir jetzt Skills erstellen – diese Prinzipien bleiben bestehen. Sie sind der Kern guter KI-Arbeit und sie waren es schon immer.

Wie das dann genannt wird, ist am Ende eigentlich vollkommen egal. Skills sind einfach eine viel skalierbarere Art und Weise, einer KI Zugriff darauf zu geben, was die Organisation kann – damit die KI es anstelle von Mitarbeitenden ausführen kann.

🏁 Fazit

Das war viel Stoff. Hier nochmal das Wichtigste auf den Punkt:

Ein Skill ist eine dokumentierte, wiederverwendbare Arbeitsanweisung – so präzise, dass eine KI sie eigenständig ausführen kann. Mit Schritten, Kontext, Governance und Qualitätskriterien.
Skills lösen das Skalierungsproblem von Agenten. Statt Wissen über dutzende Agenten zu verteilen, pflegst du es einmal – und jede KI kann darauf zugreifen.
Die großen KI-Plattformen unterstützen Skills bereits nativ. ChatGPT, Claude, Langdock, Copilot (coming soon) – der Weg ist überall ähnlich.
Der Wert liegt nicht im Tool, sondern im Skill selbst. Kein Anbieter weiß, wie dein Unternehmen arbeitet. Das musst du dokumentieren.

Du kannst sofort loslegen. Kein großes Setup, kein Projektplan. Einfach anfangen.

Nimm dir eine Aufgabe vor, die du regelmäßig machst und die immer ähnlich abläuft.
Schreib auf, wie du sie erledigst – Schritt für Schritt, so detailliert, dass eine KI es ohne Rückfragen ausführen könnte.
Gib die Anweisung einer KI und schau, was passiert. Wo weicht das Ergebnis ab? Was fehlt?
Passe den Skill an, teste erneut. Nach 3–4 Durchläufen sitzt er.
Dann der nächste. So entsteht Stück für Stück die Skill-Datenbank deiner Organisation.

Nach ein paar Skills weißt du wie es geht und deine KI wird einen immer größeren Anteil deiner Arbeit deutlich unterstützen oder übernehmen können.

Viel Spaß dabei und bis nächsten Sonntag,

Felix

P.S. Ab April nehmen wir wieder neue Mitglieder ins Collective auf. Im Collective lernst du nicht nur, wie wir Skills bauen – du baust deine eigenen. Mit unserem Framework, unserem Feedback und einer Community aus 80 Führungskräften, die den gleichen Weg gehen.

👉 Auf die Warteliste eintragen