Gestern habe ich angekündigt, dass es heute an einem konkreten Werkzeug weitergeht. Hier ist es, eine Bauanleitung. Nicht für ein Regal aus dem Möbelhaus, sondern für deinen KI-Agenten. Diese Woche ist auf GitHub ein Projekt erschienen, das du klonst und deinem Coding-Agenten als Auftrag gibst. Kein neues Modell, keine Superkraft, sondern eine gut geschriebene Anleitung, die den Unterschied macht zwischen raten und bauen. Heute zeige ich euch diesen Bauplan, dazu zwei weitere Tests für je eine Stunde, einen für Sichtbarkeit in KI-Antworten, einen fürs Video-Schneiden. Und am Ende warne ich vor dem Gegenentwurf aus der Vertriebsautomation.
Wer mit einem Coding-Agenten arbeitet, kennt das Muster. Man gibt ihm eine vage Idee, bau mir eine kleine App, und der Agent fängt an zu raten. Er wählt den Stack, erfindet Features, baut eine hübsche Demo. Nach zwei Stunden hat man irgendetwas, aber keine Antwort auf die Frage, wer das nutzen soll und warum jemand dafür zahlt. Genau die Lektion von letzter Woche: Ein Agent kann ein Produkt in Stunden bauen, aber die Geschäftslogik und die Frage nach dem Kunden überlässt er dir. Dagegen hilft diese Woche ein Projekt namens ai-app-playbook. Das ist ein GitHub-Repo mit einer Anleitung, wie man im Jahr 2026 nützliche und profitable Apps baut. In den ersten 24 Stunden hatte es über zweihundert Sterne. Die Idee dahinter ist einfach: Du klonst das Repo und gibst deinem Agenten die AGENTS-Datei mit, die er am Anfang jeder Session liest. Damit steht vor dem ersten Code eine Struktur. Erst die Idee prüfen, dann die Zielgruppe benennen, dann den Stack wählen, dann klären, wie das Produkt Geld verdient, und erst dann bauen. Warum verändert das so viel? Der Agent trifft Entscheidungen mit Kriterien statt aus dem Bauch. Er fragt nicht, was wäre cool, sondern wer hat das Problem und warum zahlt jemand dafür. Das ist der Unterschied zwischen einer Demo und einem Produkt. Der Test dauert 30 bis 60 Minuten. Schritt eins, Repo klonen. Schritt zwei, eine kleine, enge Idee nehmen, zum Beispiel ein Tool, das aus einer Rechnungs-PDF Datum und Betrag zieht und in eine Tabelle schreibt. Schritt drei, die AGENTS-Datei und diese eine Idee in Claude Code, Codex oder OpenCode geben. Schritt vier, bauen lassen und prüfen. Die Erfolgsschwelle: Nach einer Session hast du ein lauffähiges Ergebnis mit nachvollziehbarer Geschäftslogik, und du kannst den Satz zu Ende formulieren: Das mache ich für diese Leute, und die zahlen, weil. Wenn der Satz nicht klappt, war die Aufgabe zu vage oder zu groß. Die typischen Fehler: erstens, dem Agenten die Anleitung nicht geben, sondern wieder freestyle prompten. Zweitens, eine zu große Idee wählen. Drittens, die Distribution vergessen. Die App verkauft sich nicht von selbst, nur weil sie gebaut ist. Meine Entscheidung: Wer mit einem Coding-Agenten arbeitet, sollte diesen Test machen. Er kostet eine Stunde und zeigt, wie viel besser der Output wird, wenn der Input stimmt. Wer keine Coding-Agenten nutzt, kann das Thema beobachten. Der Gedanke dahinter, klare Anleitungen statt Bauchgefühl, gilt für jede Arbeit, die du einer KI gibst.
Der zweite Test betrifft alle, die eine Website oder einen kleinen Shop betreiben. Klassisches SEO misst, wie du bei Google stehst. Aber immer mehr Leute fragen zuerst eine KI, bevor sie kaufen, ChatGPT, Perplexity oder Copilot. Was die dort über dein Unternehmen erzählen, siehst du nicht. Es gibt dafür inzwischen einen Begriff, Generative Engine Optimization, also die Kunst, in KI-Antworten vorzukommen. Und diese Woche ist ein Werkzeug erschienen, das das messbar macht, ohne dass du deine Daten an einen Anbieter gibst. Das Projekt heißt GEOInflow, ist erst zwei Tage alt und hat schon über 350 Sterne auf GitHub. Es läuft bei dir selbst, klassisch mit Docker. Es verfolgt, welche KI-Crawler auf deine Seite kommen, welche Unterseiten sie lesen, und wie oft deine Domain in KI-Antworten auftaucht. Dazu siehst du normale Messwerte wie Besucher und Conversions. Der Test: Container starten, eigene Domain eintragen, ein paar Tage laufen lassen, Report ansehen. Die Erfolgsschwelle ist erreicht, wenn du im Report siehst, ob deine Seite in KI-Antworten vorkommt und welche Inhalte die Crawler interessieren. Die Grenzen sind ehrlich. Die Abdeckung der KI-Plattformen ist begrenzt, und die Metriken sind noch nicht standardisiert. Es ist ein Anfang, kein Wundertool. Meine Entscheidung: Website- oder Shop-Betreiber sollten den Test machen, er kostet eine Stunde und läuft dann im Hintergrund weiter. Alle anderen können es beobachten. Wer nicht misst, ob er in KI-Antworten vorkommt, weiß schlicht nicht, ob er vorkommt.
Der dritte Test ist für alle, die regelmäßig Videos posten, als Creator oder für eine kleine Marke. Das Mühsamste daran ist nicht das Aufnehmen, sondern das Schneiden, aus Dutzenden Clips einen Beitrag machen, der zusammenhängt. AgentReel versucht genau das zu automatisieren. Du lädst mehrere hundert Clips hoch und gibst dem Tool dein Skript, also den Text, den du sprechen willst. Der Agent schaut sich jeden Clip an und wählt für jede Zeile das passende Bildmaterial. Am Ende kommt ein Video mit Untertiteln heraus, fertig zum Posten, in unter 20 Minuten. Mir gefällt daran, dass hier derselbe Gedanke steckt wie beim Bauplan. Du gibst dem Agenten den präzisen Input, das Skript, und er trifft die Auswahlentscheidungen. Ohne Skript würde er raten, was du sagen willst. Der Test: eigenes Material nehmen, Clips hochladen, Skript einfügen, Schnitt generieren. Die Erfolgsschwelle: ein Schnitt, den du nach kleinen Korrekturen wirklich posten würdest. Die Grenzen: Bei starken Dialekten oder Musik im Hintergrund kann die Spracherkennung danebenliegen, und das Ergebnis musst du wie bei jedem Agenten prüfen. Meine Entscheidung: Wer Content produziert, sollte es testen. Alle anderen können es sich sparen.
Zum Schluss der warnende Gegenentwurf. Letzte Woche haben wir gesehen, dass ein Agent bauen kann, aber am Vertrieb scheitert. Es gibt inzwischen Tools, die genau diese Lücke schließen wollen. Eines heißt OpenSparta und verspricht, dir auf Telegram Kunden zu finden, während du schläfst. Es durchsucht Konversationen nach passenden Gesprächen, schreibt Kommentare und verwaltet mehrere Accounts und Proxies aus einem Workspace. Klingt erst mal nach dem fehlenden Puzzleteil. Aber die Grenze ist nicht die Technik, sondern das Risiko für deine Accounts. Telegram sperrt Profile, die sich wie Spam verhalten. Das Tool hat deshalb eine Quarantäne und Gesundheitschecks eingebaut, was ehrlich ist. Trotzdem gilt: Wer viele Accounts mit Proxies steuert, bewegt sich im Graubereich, und die Plattform macht die Regeln. Die eigentliche Lektion: Vertriebsautomation ist die schwerste Disziplin der Agentenarbeit, nicht weil die Technik fehlt, sondern weil du von einer fremden Plattform abhängst. Die erste Erfolgsschwelle ist nicht die Zahl der Kommentare. Es zählt, dass deine Accounts den Tag überleben. Meine Entscheidung: beobachten, nicht testen. Wer es doch ausprobieren will, nimmt einen einzigen Account und eine sehr zurückhaltende Konfiguration, sonst lernt er die Sperrregeln von Telegram auf die harte Tour.
Bauplan statt Bauchgefühl. Das ist die ganze Folge in vier Worten. Ob du deinem Agenten eine Bauanleitung gibst, ein Skript für den Schnitt oder eine Kennzahl für die Sichtbarkeit, der Unterschied zwischen Glück und verlässlicher Arbeit ist fast immer der Input, den du vorbereitest. Und wo die Technik aufhört, entscheiden Plattformen und Regeln, nicht der Enthusiasmus der Tools. Wer diese Woche lieber versteht, was unter der Haube passiert: Sebastian Raschka hat einen kostenlosen Videokurs gestartet, der Reasoning-Modelle von Grund auf baut, mit Code. Ein guter Einstieg, nicht nur zum Anschauen, sondern zum Nachbauen. Ich bin gespannt, ob der Bauplan-Test bei euch genauso läuft wie bei mir. Erzählt mir davon als Kommentar auf Spotify oder Apple Podcasts, oder per Mail, die Adresse steht in den Shownotes. Pfiat euch und bis morgen, eure Lissy.