Moin AInauten,

Willkommen zur neuen Ausgabe deines Lieblingsnewsletters!

AI ist inzwischen so weit, dass sie echte Arbeit für dich übernehmen kann. Aber fühlt es sich in deinem Alltag schon so an? Der Chatbot ist offen, doch die Arbeit bleibt trotzdem bei dir hängen: Kontext erklären, nachschärfen, gegenchecken, copy-paste, nochmal fragen. Kommt uns unangenehm bekannt vor…

Diese Woche geht es deshalb nicht um den nächsten Hack. Es geht um den Moment, in dem AI aus dem Chatfenster rauskommt und näher an echte Arbeit rückt. OpenAI und Anthropic machen das jetzt für große Unternehmen. Wir übersetzen es auf ein Setup, das du selbst bauen kannst.

Das haben wir heute für dich im Gepäck:

Los geht’s!

Wir wollten eigentlich nicht schon wieder über OpenAI und Anthropic schreiben. Der Vorsatz hat während der Themenrecherche ungefähr zwölf Minuten gehalten...

Denn diese Woche wurde sehr klar, wohin der Markt gerade läuft: Die Musik spielt nicht mehr nur im Modell. Sie spielt dort, wo AI in echte Arbeit eingebaut wird.

Die meisten Unternehmen scheitern nämlich nicht daran, dass sie keinen Zugriff auf AI haben. Sie scheitern an der Frage: Wer übersetzt diese AI jetzt in unsere echten Abläufe?

OpenAI startet die OpenAI Deployment Company - und kauft dafür Tomoro. Damit kommen rund 150 Forward Deployed Engineers und Deployment Specialists dazu. OpenAI nennt außerdem mehr als 4 Milliarden Dollar Startkapital. Also Menschen und Geld für genau eine Frage: Wie kommt AI aus der Demoecke in den Arbeitsalltag?

Anthropic macht fast zeitgleich drei Dinge:

Das ist kein kleiner Pilot mehr. Das ist eine schlagkräftige Truppe, die AI in Unternehmen bringt.

Die Labs haben gemerkt, dass der Wert maximiert werden kann, wenn AI in echte Arbeit übersetzt wird. Im Konzern sagt man dem “AI-Deployment”. Es ist nicht günstig und kommt mit Engineers, Change-Management und Governance.

Bei Solo-Selbstständigen, kleinen Teams und Agenturen sieht es weniger fancy aus. Da heißt es eher: Diese eine Aufgabe muss endlich raus aus dem Kopf und rein in ein wiederholbares Setup. Und genau da hängt es bei vielen. Wir kennen das nur zu gut…

Übrigens: Mit den Claude Connectors kannst du bereits sehr einfach über “Customize” verschiedene Apps hinzufügen, um damit Tools direkt in deinen Chats zu nutzen. Ausprobieren!

Wir sind vor ein paar Monaten in ein AI-Problem reingelaufen… Ein guter Prompt hier. Ein halb fertiger Workflow da. Ein Projekt, das mal wichtig war. Dazu Call-Notizen, Newsletter-Ideen, Screenshots, Kundenfragen, Launch-Texte, irgendwelche "müssen wir noch sauber machen"-Dokumente. Nicht zu wenig Tools. Eher zu viele…

Alles war nützlich. Und trotzdem sind wir letztlich immer wieder vor dem leeren Chatfenster gelandet und haben erklärt, erklärt, erklärt…

Das ist das AI-Hamsterrad. Und wir waren absolut drin.

Besser wurde es bei uns nicht durch den geheimen Super-Prompt, sondern durch ein neues Setup:

Oder anders gesagt: Wir haben angefangen, AI als Mitarbeiter einzuarbeiten.

Ein echter Mitarbeiter bekommt am ersten Tag ja auch nicht "mach mal Marketing" zugerufen. Sondern du gibst Beispiele. Du erklärst Qualität. Du zeigst, was gar nicht geht. Du schaust am Anfang öfter drüber, bis es sitzt.

Bei AI ist es nicht anders. Das ist vielleicht nicht so sexy wie der neueste Hack, aber es funktioniert.

Delegieren ist die neue Schlüsselfähigkeit! Deshalb wollen wir heute eine Aufgabe nachhaltig mit AI lösen, die du nächste Woche wieder wegschieben wirst.

Du brauchst dafür nur eine Desktop App wie Codex oder Claude Cowork/Code.

Dann nimmst du dir einen simple Aufgabe, die dich immer wieder Zeit kostet.

Zum Beispiel:

Als nächstes geht es darum, einen Arbeitsauftrag zusammen mit der AI zu schreiben.

Mehr brauchst du am Anfang nicht. Hier ist unser Beispiel:

Du wirst damit nicht auf Anhieb dein ganzes Business automatisieren. Gott sei Dank. Sonst müssten wir nächste Woche über ganz andere Probleme schreiben 😄

Aber du merkst sehr schnell, ob AI bei dir wirklich mitarbeiten könnte.

Der erste Aha-Moment ist selten die vollständige Automatisierung auf Autopilot. Es ist eher dieser kleine Gedanke: „Moment mal, das könnte ich ja immer so machen!“

Genau dort beginnt der Unterschied zwischen Chatten und Delegieren. Aus einem guten Arbeitsauftrag wird ein wiederholbarer Ablauf. Aus einem Ablauf wird ein Skill. Aus ein paar Skills wird ein Setup, das deine Arbeit kennt.

Und genau dieses Setup bauen wir im AI MITARBEITER-Bootcamp mit dir!

(Das war eine smoothe Überleitung, oder 😄?)

Google hat gerade den offiziellen Guide „Optimizing your website for generative AI features on Google Search“ veröffentlicht und darin ziemlich klar gemacht:

Aus Sicht von Google ist Answer Engine Optimization im Kern eigentlich SEO.

Also fast. Gut, dann noch einmal rein ins Rabbit Hole.

Wenn du auf Google etwas suchst, wirst du mit den AI Overviews und dem AI Mode konfrontiert. Diese hängen laut Google an den normalen Ranking- und Qualitätssystemen und sind keine geheime zweite Suchmaschine.

Google holt relevante, aktuelle Seiten aus dem Index, damit die AI-Antwort nicht im luftleeren Raum schwebt. Dann kommt das sogenannte “Query Fan-Out” zum Zug. Aus einer Nutzerfrage werden dabei mehrere verwandte Suchanfragen generiert, damit Google den Kontext besser trifft.

Zum Beispiel: Wenn jemand fragt, wie man einen vermoosten Rasen rettet, kann Google auch nach Herbiziden, chemiefreien Methoden oder Vorbeugung suchen. Nicht weil du exakt diese Wörter auf der Seite vorkommen, sondern weil Google den Zusammenhang versteht. Macht Sinn, oder?

Doch Google läßt sich noch direkter in die Karten schauen und wird im Mythbusting-Teil erstaunlich direkt. Um in den AI Features bei Google Search gelistet zu werden, brauchst du:

Wir mussten kurz lachen, weil das exakt die Zutaten sind, aus denen viele AEO-Strategien gebaut werden - auch unsere, die wir nach bestem Wissen und Gewissen recherchiert haben. Kann passieren, wenn Google sich nicht in die Karten schauen lässt.

ABER: Daraus jetzt „AEO ist tot,“ zu machen, wäre ein Denkfehler.

Google spricht logischerweise über Google Search. Aber nicht über ChatGPT Search, Perplexity oder Claude mit Websuche. Und auch nicht über Browser-Agenten, die deine Produktseiten, Shops etc. durchklicken werden. Für diese Systeme sind klare Daten, gute Dokumentation, saubere Seitenstruktur und agentenfreundliche UX weiterhin wichtig. Glauben wir zumindest 😄.

Was Google eigentlich will, ist sogenannter „non-commodity content“. Also Inhalte, die nicht klingen, als hätte jemand eine Keywordliste genommen, die Top-Ranking-Seite von drei Wettbewerbern zusammengefasst und ein paar Keyword-gestuffte Headings darübergelegt.

Du kennst diese Texte:

Kann alles stimmen. Kann alles ranken. Kann alles nach ordentlich gemachter SEO-Arbeit aussehen. Nur: Wenn ein Modell denselben Text aus fünf anderen Seiten rekonstruieren kann, ohne dass etwas Eigenes verloren geht, warum sollte Google genau deine Seite als Quelle lieben?

Google empfiehlt deshalb eigene Perspektive, echte Erfahrung, hilfreiche Struktur, gute Bilder und Videos, saubere technische Grundlagen.

Recycle nicht nur, was andere schon gesagt haben oder was ein generatives Modell leicht produzieren könnte. Nimm stattdessen deine wichtigste Seite. Nicht die ganze Website. Nur eine Seite. Und dann lasse diesen Prompt darauf los:

Danach entsprechend umbauen. Ein echter Testbericht. Ein persönliches Statement. Ein Screenshot. Eine kleine Tabelle mit eigenen Kriterien. Ein Abschnitt „Was bei uns nicht funktioniert hat“. Eine klare Entscheidung, die du begründest. Wir haben übrigens auch unsere Landingpage damit geprüft und werden genau da ansetzen und optimieren…

Am Wochenende hat unser Claude-Setup versagt. Dieses Mal war es nicht Claudes Schuld. Es war unser Fehler.

Wir wollten einen simplen Text erstellen lassen: Quelle lesen, Inhalt schreiben, Ton prüfen, als Markdown speichern.

Das Ergebnis sah auf den ersten Blick okay aus. Bei genauerem Hinschauen war es aber zu knapp, zu erklärend, zu vorsichtig und an ein paar Stellen plötzlich kreativ, wo es nicht wirklich gepasst hat.

Hmm… irgendwo war der Wurm drin. Und da haben wir uns an ein Prompt erinnert, das auf X die Runde gemacht hatte.

Wir hatten einen Verdacht.

Dein Chatbot bringt beim Laden jede Menge Ballast mit. CLAUDE.md. AGENTS.md. Skills. Projektkontext. Alte Custom Instructions. Neue Custom Instructions. Halbe Regeln, die irgendwann mal ein konkretes Problem lösen sollten und jetzt wie kleine Post-its an der AI kleben.

Eine Regel ist nicht das Problem. Zu viele gute Absichten übereinander aber schon: "Antworte kurz." "Denke gründlich." "Klinge natürlicher."

Jede einzelne Regel hatte irgendwann recht. Zusammen ziehen sie das Modell in mehrere Richtungen.

Anthropic hat dafür gerade den besten Beleg geliefert. Im Claude-Code-Postmortem beschreibt das Team, dass eine zusätzliche System-Prompt-Regel zur Kürze die Coding-Qualität messbar verschlechtert hat. Die Regel wurde wieder entfernt.

Heißt für uns: Custom Instructions sind kein Tagebuch für alte Frustrationen. Man muss auch hier ab und zu ausmisten. Daraus haben wir diesen Schnelltest abgeleitet:

Teste zuerst ein paar typische Aufgaben mit dem schlanken Setup. Wenn nichts schlechter wird, war die Regel Ballast. Wenn etwas konkret bricht, bringst du nur diese Regel zurück.

Geschafft! Wenn du diese Woche nur eine Sache mitnimmst: Der nächste große AI-Hebel ist kein Prompt-Hack. Es ist dein Setup.

Reto & Fabian von den AInauten