Wer KI-Assistenten im Arbeitsalltag nutzt, kennt das Muster: Dieselbe Aufgabe wird immer wieder neu formuliert. Ein Protokoll zusammenfassen, einen Text auf Tonalität prüfen, eine Produktbeschreibung nach festem Schema erstellen. Jedes Mal entsteht ein neuer Prompt, jedes Mal ein etwas anderes Ergebnis.

Unter dem Stichwort Skills adressieren ChatGPT und Claude genau diesen Punkt. Die Idee: Wiederkehrende Aufgaben werden einmal sauber beschrieben und stehen danach als abrufbare Funktion bereit, statt jedes Mal neu ausformuliert zu werden. Aus einer spontanen Eingabe wird eine Art Arbeitsanweisung, die reproduzierbar bleibt.

Warum Reproduzierbarkeit der eigentliche Gewinn ist

Der naheliegende Vorteil ist Zeitersparnis. Der wichtigere ist Konsistenz. Ein frei formulierter Prompt schwankt mit der Tagesform der Person, die ihn schreibt. Ergebnisse lassen sich schlecht vergleichen, Qualitätsprobleme schwer zurückverfolgen.

Eine festgehaltene Aufgabenbeschreibung ändert das. Sie macht aus einem individuellen Kniff ein Stück Teamwissen. Wenn drei Personen dieselbe Aufgabe mit derselben Vorlage bearbeiten, sind Abweichungen im Ergebnis ein Hinweis auf die Eingabedaten — nicht auf die Formulierung.

Für Unternehmen ist das der entscheidende Unterschied zwischen KI als persönlichem Werkzeug und KI als Teil eines Prozesses. Prozesse brauchen Wiederholbarkeit, Nachvollziehbarkeit und eine klare Zuständigkeit für Änderungen.

Wann sich der Aufwand lohnt — und wann nicht

Nicht jede Aufgabe verdient eine eigene Vorlage. Die Einrichtung kostet Zeit, und eine schlecht gepflegte Sammlung halbfertiger Skills schafft mehr Verwirrung als Nutzen. Drei Fragen helfen bei der Einschätzung:

  • Häufigkeit: Kommt die Aufgabe regelmäßig vor, oder war sie ein Einzelfall? Einmalige Rechercheaufträge rechtfertigen keine Formalisierung.
  • Stabilität: Bleibt die Aufgabenstellung über Monate ähnlich, oder ändert sie sich mit jedem Projekt? Nur stabile Abläufe lassen sich sinnvoll festschreiben.
  • Mehrere Nutzende: Arbeitet nur eine Person damit, oder soll ein Team dasselbe Ergebnis erzielen? Je mehr Beteiligte, desto höher der Wert einer gemeinsamen Vorlage.

Eine pragmatische Faustregel: Erst wenn eine Aufgabe zum dritten oder vierten Mal in ähnlicher Form auftaucht, lohnt es sich, sie festzuhalten. Vorher fehlt meist das Verständnis dafür, was an ihr eigentlich variabel ist und was fix.

Vom Prompt zur Arbeitsanweisung

Der Übergang von einem Prompt zu einer belastbaren Vorlage ist weniger technisch als redaktionell. Es geht darum, implizites Wissen explizit zu machen. Was setzt die Aufgabe voraus? Welches Format soll herauskommen? Welche Fälle sind Ausnahmen?

In der Praxis hat sich ein einfacher Aufbau bewährt:

  1. Zweck: Wofür ist die Vorlage gedacht und wofür ausdrücklich nicht.
  2. Eingaben: Welche Informationen müssen bereitstehen, damit das Ergebnis brauchbar wird.
  3. Vorgehen: Die Schritte in der Reihenfolge, in der eine erfahrene Kollegin sie erklären würde.
  4. Ausgabeformat: Struktur, Länge, Tonalität — möglichst konkret statt in Adjektiven.
  5. Abbruchkriterien: Wann soll die KI nachfragen, statt zu raten.

Der letzte Punkt wird häufig vergessen und ist in der Praxis der wertvollste. Ein Assistent, der bei unklarer Datenlage nachfragt, erzeugt deutlich weniger Nacharbeit als einer, der plausible Lücken füllt.

Einstieg ohne Entwicklungsprojekt

Bemerkenswert an diesem Ansatz ist die niedrige Einstiegshürde. Wer eine Aufgabe klar beschreiben kann, kann eine Vorlage bauen — ohne Programmierkenntnisse, ohne Schnittstellenanbindung, ohne Freigabeprozess für eine neue Software.

Das macht Skills zu einem guten Testfeld. Bevor ein Unternehmen eine KI-Funktion fest in ein System integriert, lässt sich in wenigen Tagen prüfen, ob der Anwendungsfall überhaupt trägt. Wird die Vorlage nach vier Wochen noch genutzt, ist das ein belastbares Signal. Verstaubt sie, war die Automatisierung vermutlich eine Lösung ohne Problem.

Diese Reihenfolge — erst manuell, dann als Vorlage, erst danach fest integriert — spart erfahrungsgemäß erhebliche Kosten. Viele gescheiterte Automatisierungsprojekte scheitern nicht an der Technik, sondern daran, dass der automatisierte Ablauf nie wirklich gebraucht wurde.

Was Unternehmen trotzdem regeln müssen

So niedrigschwellig der Einstieg ist, ganz ohne Rahmen funktioniert er nicht. Drei Punkte sollten früh geklärt sein:

  • Datenschutz: Welche Inhalte dürfen in den Assistenten eingegeben werden und welche nicht. Das gilt besonders für personenbezogene Daten und vertragliche Vertraulichkeitspflichten.
  • Pflege: Wer prüft, ob eine Vorlage noch zur aktuellen Aufgabenstellung passt. Veraltete Anweisungen produzieren verlässlich falsche Ergebnisse.
  • Kontrolle: Wer prüft die Ergebnisse, bevor sie das Haus verlassen. Reproduzierbarkeit ersetzt keine fachliche Freigabe.

Hinzu kommt ein organisatorischer Aspekt: Vorlagen, die nur auf einem einzelnen Konto liegen, gehen mit der Person verloren, die sie erstellt hat. Wer KI-Unterstützung als Prozessbestandteil versteht, sollte die zugehörigen Beschreibungen dort ablegen, wo auch andere Arbeitsanweisungen liegen.

Einordnung für Web- und Softwareprojekte

Für die Projektpraxis ist der Ansatz vor allem als Zwischenschritt interessant: Er erlaubt es, einen Automatisierungsfall zu validieren, bevor Entwicklungsbudget fließt. Wer redaktionelle Routinen in einem TYPO3-Projekt oder wiederkehrende Textaufgaben in der Produktpflege entlasten will, gewinnt so belastbare Anforderungen statt Annahmen. Und die Arbeit ist nicht verloren: Eine sauber formulierte Aufgabenbeschreibung ist bereits die halbe Spezifikation für eine spätere Integration ins eigene System.

Quellen