Heute geht es nicht um das nächste Modell mit noch einem Benchmarkpunkt. Heute geht es um etwas Praktischeres: KI wird gerade als fertiger Arbeitsablauf verpackt. Servus, ich bin Lissy. Der rote Faden heute ist ziemlich klar. Agent-Skills und kleine KI-Tools wandern aus der Coding-Ecke raus, hinein in Redaktion, Creator-Produktion, Präsentationen und Compliance. Das klingt erstmal weniger glamourös als ein neues Frontier-Modell. Aber für jemanden, der ein kleines Team führt oder selbstständig arbeitet, ist genau das oft der Hebel. Nicht: Chatte mit mir. Sondern: Nimm diesen wiederkehrenden Prozess und mach daraus eine brauchbare Routine.
Der wichtigste Fund heute kommt aus der Grassroots-Recherche. Mehrere frische Repos und Show Hacker News-Launches zeigen dasselbe Muster: Menschen bauen nicht nur Agenten, die programmieren. Sie bauen kleine Skill-Pakete für sehr konkrete Jobs. Ein Skill für natürlichere chinesische Texte. Eine Skill-Sammlung für Kurzdrama-Vorproduktion. Ein Tool, das Dokumente in Slides verwandelt. Ein Compliance-Assistent für SOC 2 und ISO 27001. Und sogar ein MCP-Server, der Telefonnummern und SMS-Codes als Agenten-Tool anbietet. Das ist keine einzelne große News. Es ist ein Marktgeräusch. Aber ein interessantes. Denn die alte KI-Frage war: Welches Modell ist am klügsten. Die neue Frage ist: Wer baut den Arbeitsablauf so, dass ein normaler Mensch ihn wirklich benutzt. Ein leerer Chatbot ist flexibel, aber er zwingt dich jedes Mal zu planen. Ein Skill nimmt dir einen Teil dieser Planung ab. Er sagt dem Agenten, welche Schritte wichtig sind, welche Form das Ergebnis haben soll und welche Fehler nicht passieren dürfen. Für Unternehmer ist das relevanter als der nächste Benchmark. Wenn ich eine Präsentation, ein Policy-Dokument oder eine Figurenliste brauche, will ich nicht jedes Mal bei null anfangen. Ich will eine Routine, die ich prüfen kann. Genau da wird KI erwachsen. Sie ist nicht mehr nur Textgenerator, sondern Prozess-Schablone.
Das erste konkrete Beispiel heißt human-writing. Das Repo wurde am fünften August erstellt und hatte beim Check 2.274 GitHub-Sterne. Ziel ist nicht, irgendeinen Text noch glatter zu machen. Ziel ist, chinesische KI-Texte menschlicher wirken zu lassen. Der Ablauf ist simpel: Du nimmst einen Entwurf oder KI-Text, gibst ihn durch die Skill-Regeln, und der Agent soll generische Formulierungen, leere Sätze und typische KI-Signaturen reduzieren. Spannend ist daran weniger die Sprache selbst, weil das Projekt klar aus dem chinesischen Sprachraum kommt. Spannend ist die Produktform. Früher hätte man dafür zehn Prompt-Tipps in einen Blogpost geschrieben. Jetzt wird daraus ein Skill, den Claude Code oder Codex direkt verwenden kann. Das ist ein anderer Vertrieb von Wissen. Eine Redaktion kann ihre Tonregeln, Qualitätschecks und No-Gos in so ein Paket gießen. Ein Creator-Team kann festlegen, wie Hook, Beispiel und Schluss klingen sollen. Ein Berater kann Angebots- oder LinkedIn-Texte nicht nur erzeugen, sondern gegen die eigene Stimme prüfen lassen. Der Haken: GitHub-Sterne sind kein Beweis, dass echte Teams damit Geld sparen. Und menschlicher klingen heißt nicht automatisch besser schreiben. Man kann auch sehr menschlich sehr schlecht formulieren. Aber der Trend ist stark. Wissen über Stil wandert aus dem Kopf einzelner Redakteure in wiederholbare Agentenregeln. Das ist nicht romantisch. Für kleine Teams ist es aber praktisch.
Das zweite Beispiel zeigt noch deutlicher, wohin die Reise geht. shuohao-skills wurde am sechsten August erstellt, hatte beim Check 648 Sterne und beschreibt eine Skill-Sammlung für KI-Kurzdramen. Aus einer Novel oder einem Ausgangstext werden Charakterbibel, Bild-Prompts, Voice-Prompts, Adaptionshinweise, Figurenlisten, Spannungspunkte, Episodenoutline und Asset-Listen erzeugt. Laut Research nennt das README 13 Qualitäts-Gates für Outline-Checks. Das ist kein einzelner Prompt mehr. Das ist eine kleine Produktionsstraße. Und genau da wird es spannend für Creator. Viele reden bei KI-Video immer über das finale Bild. Aber wer schon mal irgendwas produziert hat, weiß: Der mühsame Teil sitzt oft vorher. Wer ist die Figur. Wie sieht sie aus. Welche Stimme passt. Welche Szene braucht welches Asset. Welche Folge endet mit welchem Hook. Wenn ein Agent diese Vorproduktion strukturiert, spart er nicht nur Schreibzeit. Er reduziert Koordinationschaos. Für ein kleines Studio kann das heißen: weniger verstreute Tabellen, weniger Hin und Her zwischen Tools, weniger unklare Übergaben. Gleichzeitig darf man das nicht aufblasen. Das Repo beweist nicht, dass damit schon erfolgreiche Serien produziert werden. Es zeigt aber, dass Skill-basierte Workflows aus der Entwicklerwelt in Kreativarbeit rutschen. Und das finde ich ziemlich aufschlussreich. KI ersetzt hier nicht die Idee. Sie zwingt die Idee in eine Form, die ein Team weiterverarbeiten kann.
Dann kommen zwei kleinere Tools, die näher am echten Büroalltag sind. TchoAI war am achten August als Show Hacker News sichtbar. Das Produkt verwandelt Dokumente in editierbare Präsentationsdecks. Der Research-Lauf fand nur zwei Hacker News-Punkte, also kein riesiger Launch. Trotzdem ist der Ablauf klar: Dokument rein, Struktur extrahieren, Slides erzeugen, Mensch passt das Deck an. Für Berater, Gründer oder Vertriebsteams ist das ein echter Alltagsschmerz. Die meisten Präsentationen entstehen aus Memos, Angeboten, Research und alten PDFs. Wenn KI daraus einen ersten Deck-Entwurf macht, ist das nicht magisch, aber nützlich. Noch stärker finde ich AuditBadger als Backoffice-Signal. Das Tool positioniert sich für kleine Teams, die SOC 2 oder ISO 27001 audit-ready bekommen wollen. Mit To-do-Liste, KI-entworfenen Policies und direktem Founder-Support. Der Claim lautet sinngemäß: audit-ready in Wochen. Das ist Anbietertext, also bitte mit Vorsicht. Aber der Punkt bleibt: KI geht an langweilige, teure Betriebsarbeit. Genau dort liegt oft der größere wirtschaftliche Nutzen. Ein kleines SaaS-Team will nicht wochenlang Policies aus Vorlagen zusammensuchen. Es will wissen: Welche Controls fehlen. Welche Nachweise brauche ich. Wo muss ein Mensch unterschreiben. Wenn KI dafür die Roharbeit macht, ist das ein anderer Wert als noch ein hübscher Chat.
Das letzte Beispiel ist absichtlich mit Warnschild. SV Number MCP ist ein MCP-Server für Agenten, die Telefonnummern oder SMS-Verifikationen brauchen. Laut Research wurde das Repo am siebten August erstellt, hatte 547 Sterne und nennt private Nummern in mehr als 200 Ländern. Der Ablauf ist technisch klar: Ein Agent braucht eine Verifikation. Das MCP-Tool bestellt eine Nummer. Der Dienst empfängt den SMS-Code. Der Agent liest den Code und setzt den Workflow fort. Das ist einerseits ein starkes Signal dafür, wohin Agenten gehen. Sie bekommen nicht mehr nur Browser, Dateien und Shell-Kommandos. Sie bekommen externe Dienste als Werkzeuge. Kommunikation, Identität, Zahlungen, Tickets, Kalender, alles kann zur Tool-Schnittstelle werden. Andererseits ist genau dieses Beispiel heikel. Telefonnummern und SMS-Codes sind nicht irgendein Komfortfeature. Da geht es schnell um Missbrauch, Fake-Accounts und Umgehung von Schutzmechanismen. Deshalb würde ich so etwas nicht als Produktivitäts-Tipp verkaufen. Ich nehme es eher als Warnsignal. Je mehr reale Schritte Agenten ausführen können, desto mehr müssen Teams Tool-Zugriff, Logging und Freigaben ernst nehmen. Der Punkt von heute ist deshalb nicht: baut euren Agenten möglichst viele Tools ein. Der Punkt ist: Wenn KI zum Arbeitsablauf wird, wird Werkzeugkontrolle zur Kernaufgabe. Wer das ignoriert, baut sich keine Automatisierung. Der baut sich ein Risiko mit hübscher Oberfläche.
Worauf ich heute komme: Die interessanteste KI dieser Woche ist vielleicht nicht die, die am klügsten antwortet. Es ist die, die einen echten Arbeitsablauf sauber genug verpackt, dass Menschen ihn prüfen und wiederholen können. Für kleine Teams heißt das: Sucht nicht nur nach dem besten Modell. Sucht nach den Prozessen, die ihr jeden Monat wiederholt und die sich in klare Schritte zerlegen lassen. Da liegt wahrscheinlich mehr Wert als in der nächsten Demo. Wenn euch die Folge gefallen hat, hinterlasst gerne eine Bewertung auf Spotify oder Apple Podcasts. Und wenn ihr mir schreiben wollt, die Adresse steht in den Shownotes. Pfiat euch und bis morgen, eure Lissy.