Alpenhain
AllBytes GmbH
AllBytes GmbH dleuverink@allbytes.de KI-Architekt · Daniel Leuverink
/
AllBytes GmbH Alpenhain

Alpenhain · Pfaffing · 12. Oktober 2026 · 14:30 Uhr

KI bei Alpenhain

Begriffe, Stufen und der Arbeitsplatz der Zukunft

„Schritt für Schritt. Der Mensch entscheidet."

Erweitertes Geschäftsleitungsteam

Daniel Leuverink  ·  Alexander Stanzl  ·  AllBytes GmbH

Daniel Leuverink · KI-Architekt · AllBytes GmbH Alpenhain Käsespezialitäten GmbH · 12.10.2026

01 — Woher wir kommen

Über 20 Jahre Softwarehandwerk

Wer wir sind

Über 20 Jahre Individualsoftware
mit Webtechnologien für den Mittelstand.

Seit 2004 entwickeln wir Software, seit 2015 als GmbH, heute aus Pfaffing: maßgeschneiderte Webanwendungen, Schnittstellen und ERP-Anbindungen für kleine und mittelständische Unternehmen.

→ Pfeiltaste drücken, um die Geschichte zu erkunden

2004

Der Anfang

Gründung als Webhosting-Provider — von Anfang an mit der Vision, Abläufe zu automatisieren. Aus den ersten Kundenprojekten wird schnell klar: Der eigentliche Bedarf ist individuelle Software.

Automatisierung war von Tag eins an der Antrieb.

2006

Erstes Großprojekt

Ein Catering-Management-System für alle Stadien der FIFA-WM in Deutschland. Der Beweis, dass individuelle Webanwendungen auch unter hoher Last zuverlässig laufen.

Hochlast, feste Termine, kein zweiter Versuch.

2012

Ausbildungsbetrieb

Die erste Ausbildung startet. Seitdem haben wir über 10 Entwickler selbst ausgebildet. Aus dem Einzelentwickler wird ein Team.

Ausgebildet

10+

Team

Festangestellt

2015

AllBytes GmbH

Gründung der AllBytes GmbH und Etablierung als Partner für den Mittelstand: Individualsoftware mit Webtechnologien (PHP, Laravel, Angular), APIs und ERP-Integration.

Gegründet im Sudetenweg 2 · 83533 Edling

2025

KI First

Strategische Neuausrichtung: 100 % Fokus auf KI-Beratung und KI-Entwicklung. Die 20 Jahre Softwarehandwerk sind dafür die Basis, denn KI wirkt erst, wenn sie an die echten Systeme angebunden ist.

„Software-Handwerk trifft Künstliche Intelligenz."

2025

Eigenes Gebäude

Neubau und Umzug in unser selbst gebautes Bürogebäude in Pfaffing. Ausgelegt auf Wachstum. Hier arbeiten wir an Kundenprojekten und KI-Lösungen.

Heute

~15

Leute

Platz für

40+

Arbeitsplätze

Referenzen

Für diese Unternehmen arbeiten wir

Grundlagen

Die wichtigsten Begriffe

LLM
✓

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
Google Gemini 2.5 Pro
Meta Llama 3.3 · 3.1

Kein Modell dominiert überall

Prompt
✓

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

Kontext
✓

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

Agent · Multi-Agent
✓

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

Multi-Agent: mehrere Agenten mit eigenen Rollen arbeiten als Team

Digitaler Mitarbeiter

Begriff 1 von 4

LLM

GPT-4o Claude Gemini Llama

Was ist ein Large Language Model (LLM)?

Ein KI-Modell, einmalig auf riesigen Textmengen trainiert — versteht und erzeugt Sprache. Kein echtes Denken, aber exzellente Mustererkennung.

A § B T Z % ∑ 📄

1. Training

Einmalig · Milliarden Texte

2. Deployment

LLM bereitgestellt

Frage ...
Antwort!
OpenAI Claude Gemini

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.

Begriff 2 von 4

Prompt

Rolle Aufgabe Kontext Format

Was ist ein Prompt?

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.

1

Rolle

Wer soll die KI sein? („Du bist ein erfahrener Buchhalter...")

2

Aufgabe

Was soll sie tun? („Analysiere diese Rechnung und...")

3

Kontext

Was muss sie wissen? (Hintergrundinformationen, Dokumente)

4

Ausgabeformat

Wie soll die Antwort aussehen? (Tabelle, Stichpunkte, E-Mail)

3 goldene Regeln

1

Präzise statt lang — Klarheit schlägt Wortanzahl

2

Beispiele helfen — zeig der KI, was du meinst

3

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 Ihr Unternehmen

Prompt-Training ist der günstigste KI-ROI-Hebel — jeder Mitarbeiter kann heute damit starten, ohne technisches Know-how.

Begriff 3 von 4

Kontext

Arbeitsgedächtnis Context Window RAG Fehlerresistenz

Was ist der Kontext?

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.

Context Window wird gesendet bei jedem Request →
System-Anweisung Gesprächsverlauf Neue Nachricht

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.

Fehlerresistenz bei Länge = Qualitätsmerkmal — Wie gut ein LLM lange Kontexte verarbeitet, ist ein direktes Qualitätsmerkmal. Gute Modelle bleiben auch bei 100k+ Tokens präzise.

Für Ihr Unternehmen

Halten Sie Kontextprotokolle kurz und strukturiert — das ist billiger, schneller und liefert bessere Ergebnisse.

Begriff 4 von 4

Agent

und Multi-Agent

Autonom Zielgerichtet Tools 24/7

Was ist ein KI-Agent?

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
memory.md heartbeat.md tools.md
LLM
Loop

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.

Multi-Agent

Mehrere Agenten mit eigenen Rollen arbeiten zusammen und geben sich Aufgaben weiter. Wie ein Team statt eines Einzelkämpfers.

PROMPTING CLAUDE COWORK VIBE & AGENT CODING MCP + ACP

Das Modell

Vier Stufen zum autonomen Unternehmen. Jede Stufe baut auf der vorherigen auf.

→ Drücke die Pfeiltaste, um die Stufen zu erkunden

Stufe 1: PROMPTING

ChatGPT, Gemini, Nano Banana, Claude Web

Nützlich, aber Handarbeit. Die KI wartet auf jeden Befehl. Kein Gedächtnis, kein Kontext, keine Integration.

Stufe 2: CLAUDE COWORK

KI mit Zugriff auf Dateien und Systeme.

Erster echter Arbeitspartner. Die KI kennt Ihren Unternehmenskontext und arbeitet direkt in Ihrer Umgebung.

Stufe 3: VIBE & AGENT CODING

Prozesse werden digital und autonom.

Beschreiben Sie einen Prozess in natürlicher Sprache — die KI baut das Tool. Agent Coding macht den Prozess selbstlaufend.

Stufe 4: MCP + ACP

Alle Systeme vernetzt. Agenten kommunizieren.

OpenClaw läuft dauerhaft. Das autonome Unternehmen. Prozesse laufen ohne menschliche Übergaben.

Schritt / 4 → Weiter

Stufe 1 — Prompting

PROMPTING CLAUDE COWORK VIBE & AGENT CODING MCP + ACP

Prompting

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 · Live-Demo

Einfacher Prompt: KI ohne Kontext

Was ich in die KI werfe — Gesprächsnotizen

Notizen Erstgespräch — Holzfensterbau Oberbayern

ca. 100 Mitarbeiter, Fokus auf Holz- und Holz-Alu-Fenster

zwei Sparten: B2B Objektbau und B2C private Sanierungen

Schmerzpunkt: Vertriebsinnendienst ertrinkt in Arbeit
zentrales Postfach, 50–80 Anfragen täglich
Bandbreite: kurzer Zweizeiler bis riesige PDF-Leistungsverzeichnisse

Problem: Angebotserstellung dauert 3–4 Wochen
Folge: ständiger Verlust von Aufträgen an schnellere Konkurrenz

IT: Microsoft Exchange, Outlook-Postfach (geteilt)
ERP: Klaes (ältere, starre Branchenlösung)
CRM: espcrm — im Einsatz aber absolute Baustelle. Null automatisiert, Daten veraltet, Dokumente landen auf Netzlaufwerk Z.

Meine spontane Idee: „Wir nehmen einfach eine KI und lassen die die Angebote schreiben"
GF skeptisch, gibt mir 2 echte Anfragen zum Testen mit.

Dazu 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

KI ohne Kontext — live gescheitert

⚡ Einfacher Prompt

Mein Prompt

Schreibe mir sofort ein fertiges Angebot mit Preisen für diesen Kunden.

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.

Viele Grüße, Familie Weber

Kein Kontext · kein System-Prompt · keine Preise hinterlegt

Kein Unternehmenskontext

Kein System-Prompt

Kein Prozesswissen

Stufe 1 — Prompting · Einfacher Prompt

Prompt mit Rolle, Ausgabeformat & Aufgabe

⚡ Einfacher Prompt
Mein Prompt
Rolle

Du bist ein Vertriebsmitarbeiter bei einem Fensterbauer.

Kontext

Wir haben ein detailliertes Leistungsverzeichnis von einem Architekten als PDF bekommen. Der Architekt erwartet ein vollständiges Angebot für das Projekt Wohnpark am See.

Aufgabe

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.

Ausgabeformat

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

So entsteht ein KI-Assistent

1

Experte suchen

KI durchsucht weltweites Wissen nach dem besten Vertriebsexperten

2

Experten finden

Neil Rackham — SPIN Selling. Avatar erscheint als Wissensquelle

3

Know-how extrahieren

Rackhams Prinzipien werden aus dem Web geholt und auf den Innendienst übertragen

Sarah
4

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

Die Suche nach dem Experten

✓ Strukturierter Prompt

Mein Prompt

Ich baue einen KI-Assistenten für den Vertriebsinnendienst eines Fensterbauers. Der Assistent soll aus unstrukturierten E-Mails und komplexen Architekten-PDFs strukturierte Angebote machen und dabei stark kundenorientiert agieren. Wer sind die drei weltweit besten Vertriebsexperten oder Autoren, deren Methodik perfekt für dieses Szenario passen würde?

Kein System-Prompt — offene Recherchefrage an die KI

KI-Antwort

Gemini 2.5 Pro

Spannendes 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

Der Research — Neil Rackham

✓ Strukturierter Prompt

Mein Prompt

Wir entscheiden uns für Neil Rackham und SPIN Selling. Recherchiere im Internet die genauen Kernprinzipien dieser Methodik und fasse zusammen, wie ein Innendienstmitarbeiter diese Prinzipien bei der schriftlichen Angebotserstellung anwenden würde.

KI recherchiert live im Internet — Ergebnis fließt direkt in den System-Prompt

KI-Antwort

Gemini 2.5 Pro

SPIN = 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

Sarah entsteht — der System-Prompt

✓ Strukturierter Prompt

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 Pro

Ich 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 in Aktion — das Kontextprotokoll

✓ Strukturierter Prompt

Sarah · Chatverlauf

● Online
Du
Hallo liebes Team, wir sanieren unser Einfamilienhaus und brauchen neue Fenster — 8 Holz-Alu-Fenster Standardmaß und eine große Terrassenschiebetür. Können Sie ein Angebot machen?
Viele Grüße, Familie Weber
Sarah

⚠ Preisabfrage erforderlich

Anfrage erfasst. Noch keine Preise im Chatverlauf — ich erfinde keine. Bitte nennen Sie mir:

  • ▸ Preis Holz-Alu-Fenster (Std.)
  • ▸ Preis Terrassenschiebetür
  • ▸ Montagekosten & Lieferzeit
Du
Fenster: 850 € · Schiebetür: 3.200 € · Montage: 1.600 € · Lieferzeit: 6–8 Wo.
Sarah — Preise gespeichert ✓

✓ 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

Neue Anfrage
Du

LV_Wohnpark_am_See_BA3.pdf

284 KB · Leistungsverzeichnis

Erstelle ein vollständiges Angebot für diesen Kunden.

Sarah — Preise aus Kontext ✓

✓ 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

Stufe 1 — Prompting · Fazit

Herzlichen Glückwunsch 🎉

Sie haben gerade Ihren ersten KI-Agenten gebaut.

Was Sarah jetzt kann

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

Was noch fehlt

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.

Stufe 2 — Claude Cowork

PROMPTING CLAUDE COWORK VIBE & AGENT CODING MCP + ACP

Claude Cowork

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

Was ist Claude Cowork?

Claude Cowork 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

Was bedeutet das für Sarah?

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

Lokales System
Sarah Vertriebsexperte
als lokaler Agent

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

Demo / 3

Schritt 1 von 3

Sarah als Agent einrichten

Claude Cowork wird lokal installiert und als "Sarah" konfiguriert — mit direktem Zugriff auf Mailordner, ERP-System und Preislisten.

Lokale Installation auf dem Firmen-PC
Ordnerpfade & Zugriffsrechte definiert
sarah-vertrieb.md als Agenten-Instruktion geladen

Schritt 2 von 3

Auftrag: Angebote erstellen

Sarah bekommt den initialen Auftrag: Kundenanfragen aus dem Mailordner lesen und daraus strukturierte Angebote erstellen.

Eingehende Anfragen werden erkannt
Preislisten & Kundenstamm werden abgeglichen
Sarah arbeitet autonom im Loop

Schritt 3 von 3

Die fertigen Angebote

Sarah liefert fertige, strukturierte Angebote — als Word-Dokument, PDF oder direkt ins ERP. Bereit zum Versand, ohne manuelle Nacharbeit.

Vollständige Angebote in Minuten statt Stunden
Firmensprache & Formatvorgaben eingehalten
Mensch prüft & gibt frei — Sarah erledigt den Rest

Stufe 3 — Vibe & Agent Coding

PROMPTING CLAUDE COWORK VIBE & AGENT CODING MCP + ACP

Vibe & Agent Coding

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 →

Stufe 3

Vibe & Agent Coding

← Klick für Details

Teil 1

Vibe Coding

→ nächster Klick

KI schreibt Quellcode durch natürliche Sprache. Der Entwickler beschreibt das gewünschte Verhalten — die KI generiert den fertigen Code.

Wann sinnvoll?

Klarer Input Klarer Output Software

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

Agent Coding

→ nächster Klick

KI erstellt MD-Dateien, die Agenten exakt beschreiben und steuern. Der Agent reagiert dynamisch auf wechselnde Inputs — ohne neue Programmierung.

Wann sinnvoll?

Dynamischer Input Wechselnde Anforderungen Sich verändernde Prozesse Autonome Abläufe

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

Stufe 3 · Vibe Coding

Mehr Anfragen durch neue Website

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

Design per Sprache erstellen

Vibe Coding Vorstufe

Schritt 1

Systemprompt → Design

Ein Systemprompt beschreibt Zielgruppe, Stil und Marke. Stitch generiert daraus sofort ein vollständiges Website-Design.

Schritt 2

Inhalte per Sprachbefehl

Texte, Bilder und Struktur lassen sich per natürlicher Sprache anpassen — ohne Code, ohne Designer.

Schritt 3

Finales Design liegt vor

Das fertige Design ist pixelgenau und exportierbar — als Referenz für die weitere Entwicklung.

Nächster Schritt

→ Übergabe an Vibe Coding

Das Design wird direkt als Vorlage an die KI übergeben — Vibe Coding setzt es in echten Code um.

Stufe 4 — MCP + ACP

PROMPTING CLAUDE COWORK VIBE & AGENT CODING MCP + ACP

MCP + ACP

Systeme sprechen miteinander

KI bekommt Zugriff auf alle Systeme. Agenten kommunizieren autonom. Das Unternehmen läuft ohne manuelle Übergaben.

Wohin die Reise geht →

Stufe 4 · Das autonome Unternehmen

Die Evolution der KI

Vom Chatbot zum autonomen Server-System

24 / 7 · Immer erreichbar · Im Loop · Kontinuierlich lernend · Autonomes Unternehmen
···
Sarah
Tom
Max
Anna
Ben
Klaus
Lisa
Mia
Felix
Julia
···
OpenClaw

OpenClaw 2.0

seit 31.08.2026

Der bekannteste autonome Agent, heute von einer Stiftung getragen. Läuft auf dem Server, arbeitet mit beliebigen Modellen, gesteuert per Messenger. Neu: einfachere Einrichtung, geteilte Sitzungen im Team.

24/7 serverbasiert Team-Sitzungen 380k+ GitHub Stars

Hermes Agent

Nous Research

Der am schnellsten wachsende Agent 2026. Merkt sich, was er lernt, und baut sich aus Erfahrung eigene Skills. Läuft auf dem eigenen Server, erreichbar über Telegram, Slack oder Desktop-App.

Lernt selbst dazu Open Source (MIT) Bei AllBytes im Einsatz

Stark, aber noch nichts für sensible Firmendaten

Sicherheit ist bei beiden nicht ab Werk eingebaut: Bei OpenClaw 2.0 ist die Sandbox standardmäßig aus und gespeicherte Zugangsdaten liegen unverschlüsselt. Bei Hermes bleiben die Daten auf dem eigenen Server, der Betreiber ist aber selbst das Sicherheitsteam. Ideal zum Erproben, noch kein Werkzeug für den produktiven Einsatz.

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. So sieht diese Idee aus, wenn sie für Unternehmen gebaut wird.

S

Web-Interface

Im Browser · kein Gedächtnis

S

Lokales System

KI-Agent · lokal

S
M
L
F

Lokales System

Multi-Agent · S · M · L · F

Arbeitsplatz der Zukunft

Unsere Empfehlung: Erst das Firmenwissen

Der übliche Weg

1. Chatbot

ChatGPT oder Copilot, jeder für sich

2. Tools

Ein Werkzeug pro Aufgabe

3. Agenten

Ein Agent pro Prozess

Und dann?

Was wir dabei immer wieder sehen

Agent A

Strg+C · Strg+V

Agent B

Ein Mensch schiebt Inhalte von links nach rechts. Die Arbeit wird nur verlagert.

Firmenwissen

schon wieder

Neuer Agent

Jeder neue Prozess braucht wieder alle Infos zur Firma. Das Wissen liegt verstreut und doppelt.

Zweites Gehirn

Das Firmenwissen an einem Ort.
Einmal aufbauen, immer aktuell, mit Quelle.

Chat
Tools
Agenten
Mitarbeitende

Jeder neue Prozess greift auf dasselbe Wissen zu. Niemand muss mehr kopieren oder neu erklären.

Unsere Empfehlung: Erst das Firmenwissen bündeln, dann einzelne Abläufe automatisieren, dann Systeme anbinden. Agenten kommen zum Schluss.

Arbeitsplatz der Zukunft · Zweites Gehirn

Zwei Aufgaben: Wissen ablegen, Kontext herausholen

Aufgabe 1

Wissensmanagement

Wissen im Vault speichern.

Was in Köpfen, Postfächern und Ordnern steckt, landet an einem Ort. Geordnet, verlinkt, mit Quelle.

Vault

das Zweite Gehirn
z. B. in Obsidian

Aufgabe 2

Kontextmanagement

Kontext zusammenfassen, Arbeit erledigen.

Zur Aufgabe genau das Passende herausholen. Daraus entsteht ein guter Prompt und ein brauchbares Ergebnis.

Gespeichertes Wissen allein bringt wenig. Der Nutzen entsteht, wenn zur Aufgabe das Richtige herausgeholt wird.

Arbeitsplatz der Zukunft · Wissensmanagement

Wissen im Vault speichern

Heute verstreut

Köpfe
Postfächer
Ordner
Gesprächsnotizen
Chats

Vault

Personen
Firmen
Projekte
Abläufe
Entscheidungen
Schreibstil

Einfache Textnotizen

Für Menschen und KI lesbar. Die Daten gehören Ihnen.

Verlinkt

Person, Firma und Projekt hängen zusammen.

Wächst im Alltag mit

Die KI legt neues Wissen ab, mit Quelle und Datum.

Beispiel Einarbeitung: Wer neu dazukommt, findet Antworten im Vault, statt jedes Mal nachzufragen. Und das Wissen bleibt, auch wenn jemand im Urlaub ist.

Arbeitsplatz der Zukunft · Kontextmanagement

Kontext zusammenfassen, Arbeit erledigen

„Beantworte die Mail von Frau Berger."

Das ist alles, was man tippt.

Die KI holt aus dem Vault

Person: per Du, mag es kurz
Verlauf: letzte Mails, letzter Termin
Projekt: Stand und offene Punkte
Schreibstil: kurze Sätze, kein Floskeldeutsch
zusammenfassen

Was bei der KI ankommt

[Person] Frau Berger · per Du · mag es kurz

[Verlauf] 14 Mails seit März · Termin 18.06.

[Projekt] Stand · zwei offene Punkte

[Stil] kurz · direkt · ohne Floskeln

[Auftrag] Beantworte die Mail …

Ein Satz getippt. Ein guter Prompt kommt an.

Ergebnis

Antwortentwurf im eigenen Stil

Der Mensch liest, ändert und schickt.

Dasselbe Prinzip für

Mails im eigenen Stil
Tagesbriefing
Wiederkehrende Fragen
Einarbeitung

Ihr Thema

Jetzt sind Sie dran.

Wo drückt bei Alpenhain der Schuh?

Reklamationen

Viele Zuschriften, oft dieselbe Antwort. Antwortvorschläge bis 8 Uhr, der Mensch schickt ab?

Labor und QS

Daten vorbereiten und prüfen lassen. Die Freigabe bleibt beim Menschen?

Zeitwirtschaft

Vergessene Stempelungen prüfen und die Bestätigung beim Vorgesetzten einholen?

Daniel Leuverink · dleuverink@allbytes.de · www.allbytes.de AllBytes GmbH · Am Gleis 4 · 83539 Pfaffing