KI-Agent-Skills: Einem KI-Mitarbeiter eine Aufgabe richtig beibringen

Ein KI-Agent-Skill ist eine paketierte, wiederverwendbare Fähigkeit (Anweisungen plus optionale Skripte und Referenzdateien), die einem Agenten beibringt, eine bestimmte Aufgabe genau so zu erledigen, wie dein Unternehmen sie erledigt. Wiederholbar. Er ist kein Tool (etwas, das der Agent tun kann, etwa eine API aufrufen), und er ist auch kein einmaliger Prompt, den du jedes Mal neu eintippst. Ein Skill ist das Wissen und die Vorgehensweise für eine Aufgabe, einmal festgehalten, versioniert und nur dann in den Kontext des Agenten geholt, wenn eine Aufgabe sie tatsächlich braucht. Genau dieser eine Schritt macht aus einem cleveren Prompt eine verlässliche, wiederholbare Vorgehensweise, die ein KI-Mitarbeiter hundertmal auf dieselbe Weise ausführen kann.

Ich betreibe meine eigene Agentur so. Wir haben rund neun KI-Agenten quer durch unsere eigene Arbeit im Einsatz, und der Unterschied zwischen einem Agenten, der still vor sich hin verkümmert, und einem, der zuverlässig bleibt, liegt meist genau darin: ob seine Aufgaben in Skills stecken oder in einen einzigen riesigen Prompt gestopft sind. Weiter unten steht, was ein Skill wirklich ist, wie er sich von Tools und Prompts unterscheidet, und ein durchgerechnetes Beispiel daraus, wie wir bei Brixon Reporting machen.

Was ist ein KI-Agent-Skill?

Ein Skill ist ein in sich geschlossenes Paket, meist eine Markdown-Datei mit kleinen Skripten und Referenzdokumenten daneben, das beschreibt, wie eine bestimmte Aufgabe zu erledigen ist, und das ein Agent bei Bedarf lädt. Denk daran wie an eine Arbeitsanweisung, die du einem neuen Mitarbeiter in die Hand drückst. Statt eines vagen "sei schlau" steht darin "so erstellen wir den monatlichen Kundenreport, in dieser Reihenfolge, nach diesen Regeln".

Der Kern der Sache ist Progressive Disclosure. Der Agent hat nicht jede Vorgehensweise gleichzeitig im Kopf. Er hat ein kurzes Verzeichnis ("das sind die verfügbaren Skills") und liest den vollständigen Skill erst, wenn eine Aufgabe danach verlangt. Frag nach einer Prognose, und der Prognose-Skill lädt; frag nach etwas anderem, und er bleibt im Regal. Anthropic beschreibt Agent Skills genau so: Ordner mit Anweisungen, Skripten und Ressourcen, die ein Agent dynamisch lädt, wenn sie relevant sind (Anthropic, Introducing Agent Skills, 2025).

Das ist wichtig, weil Kontext nicht umsonst ist. Alles, was du dem Modell dauerhaft vorsetzt, konkurriert mit allem anderen um Aufmerksamkeit. Ein Skill hält seltenes, aber wichtiges Wissen aus dem Weg, bis es sich seinen Platz verdient hat.

Wie unterscheidet sich ein Skill von einem Tool oder einem Prompt?

Ein Skill, ein Tool und ein Prompt lösen unterschiedliche Probleme, und wer sie durcheinanderwirft, bläht seine Agenten auf. So ziehe ich die Grenze, wenn ich baue.

• Ein Tool ist etwas, das der Agent tun kann. Eine Handlung in der Welt: eine Datei lesen, Code ausführen, eine Datenbank abfragen, über einen Connector eine E-Mail verschicken. Die Hände des Agenten.
• Ein Skill ist etwas, das der Agent bei Bedarf wissen kann. Eine Regel, eine Methode, eine Schritt-für-Schritt-Vorgehensweise, nur dann in den Kontext geholt, wenn eine Aufgabe sie braucht. Das Playbook des Agenten für eine Aufgabe.
• Ein Prompt ist eine einzelne Anweisung in einem einzelnen Moment. Er funktioniert einmal. Er ist nicht versioniert, nicht wiederverwendbar, und wer als Nächstes dieselbe Ausgabe braucht, muss ihn aus dem Gedächtnis rekonstruieren.

DimensionPromptToolSkillWas es istEine AnweisungEine HandlungVorgehensweise + WissenWiederverwendbar?Nein, jedes Mal neu getipptJaJa, als Datei gespeichertVersioniert?NeinManchmalJaWann geladen?Jedes Mal, von HandWenn die Handlung gebraucht wirdBei Bedarf, wenn die Aufgabe passt

So sieht das ein Ingenieur. Ein Prompt ist eine Anweisung, die man quer durch den Raum ruft. Ein Tool ist eine Maschine auf der Werkbank. Ein Skill ist die schriftliche Arbeitsanweisung, die an dieser Maschine klebt, damit die Aufgabe gleich läuft, egal ob du da bist oder im Urlaub, und wer auch immer an der Maschine steht, produziert dasselbe Teil. In der Fertigung müssen Eingaben zu vorhersehbaren Ausgaben führen. Ein Skill ist der Weg, diese Disziplin in einen KI-Mitarbeiter zu bekommen.

Und das ist auch der Kern, wie ich über die ganze Kategorie denke. Ein Chatbot wartet auf deinen Prompt: du machst die Arbeit, die KI antwortet. Ein KI-Mitarbeiter nimmt dir eine echte Aufgabe ab und erledigt sie. Skills sorgen dafür, dass "erledigt die Aufgabe" wiederholbar wird und kein einmaliger Trick bleibt.

Warum reicht ein einmaliger Prompt irgendwann nicht mehr?

Ein einmaliger Prompt scheitert in dem Moment, in dem die Aufgabe erneut anfällt, von jemand anderem, auf dieselbe Weise. Beim ersten Mal bringst du einen Agenten mit etwas Mühe dazu, einen guten Kundenreport zu schreiben, und das ist ein Erfolg. Beim zweiten Mal weißt du nicht mehr, was du ihm gesagt hast. Beim dritten Mal baut ein Kollege eine schlechtere Version nach. Nichts wurde festgehalten. Die Vorgehensweise lebte in deinem Kopf, und ein Kopf lässt sich nicht versionieren.

Das tiefere Problem ist, was Teams tun, um es zu lösen: Sie stopfen die Vorgehensweisen stattdessen in den System-Prompt. Dieses Muster habe ich oft gesehen. Ein Agent startet schlank, alle wollen mehr, jede neue Regel wird an den Prompt geschraubt, und ein paar Monate später hat der Prompt vierhundert Zeilen mit Regeln, die sich klammheimlich widersprechen. Dann macht der Agent seltsame Dinge. Er berechnet eine Zahl falsch, die er früher richtig hatte, weil zwei Regeln in diesem überladenen Prompt uneins waren und er die falsche gewählt hat.

Das ist kein Modellproblem. Es ist ein Kontextproblem. Die Lösung ist, jede Vorgehensweise aus dem dauerhaft aktiven Prompt herauszunehmen und in einen Skill zu packen, der nur dann lädt, wenn er relevant ist. In Anthropics eigenem Lehrbeispiel, einem Inventar-Agenten namens Stock Pilot, wurde die Geschäftslogik aus einem rund 400 Zeilen langen Prompt in einzelne Skills verlagert; das schrumpfte den Prompt auf ungefähr 15 Zeilen und ließ eine ganze Klasse von Widerspruchsfehlern verschwinden ([VERIFY] Zahlen einem Anthropic-Workshop "Code with Claude" zur Zerlegung von Agenten zugeschrieben). Der Prompt sollte nur enthalten, was unabhängig von der Aufgabe wahr ist: wer der Agent ist, wie er sich verhält. Alles, was nur manchmal gebraucht wird, gehört in einen Skill.

Wie sieht ein echter Skill aus? Ein Reporting-Beispiel

Hier ein konkretes: der Skill für das monatliche Kundenreporting, den wir bei Brixon laufen lassen. Die Aufgabe ist unspektakulär und perfekt für einen KI-Mitarbeiter. Sie fällt häufig an, folgt festen Regeln, hat jeden Monat dieselbe Form. Ohne Skill erklärt eine Person jedes Mal aufs Neue das Format. Mit Skill ist es eine gespeicherte Vorgehensweise.

Der Skill ist ein Ordner. Darin:

• Anweisungen (der Markdown-Kern): die Kennzahlen des Vormonats ziehen, mit der Vorperiode und den Zielen des Kunden vergleichen, alles markieren, was sich um mehr als einen festgelegten Schwellenwert bewegt hat, den Text in unserem Hausstil schreiben, niemals eine Zahl erfinden, die nicht in den Quelldaten steht.
• Skripte: ein kleines Stück Code, das die Kennzahlen holt und die Rechnerei erledigt, damit der Agent mit echten Daten rechnet, statt eine in seinen Kontext gekippte Tabelle zu "lesen". Code über die Daten laufen zu lassen ist schneller, günstiger und weit weniger fehleranfällig, als das Modell an rohen Zeilen im Kopf rechnen zu lassen.
• Ressourcen: die Reportvorlage, die Liste, welche Kennzahlen für welche Kundenstufe zählen, die Tonalitätsregeln.

Sowas schreibst du nicht aus dem Nichts. Ich baue einen Skill so, wie ich einen Menschen anlernen würde: den Agenten die Aufgabe einmal machen lassen, beobachten, wo es schiefgeht, korrigieren, und dann das, was funktioniert hat, als Skill speichern. Jetzt liegt es als Datei vor, statt nur als Gewohnheit in irgendjemandes Kopf. Es ist überprüfbar, verbesserbar, versionsverwaltet und lässt sich an einen Kollegen übergeben, der genau dieselbe Vorgehensweise bekommt.

Was du davon hast, ist messbare Verlässlichkeit. Derselbe Skill läuft im Januar genauso wie im Juli. Wenn sich die Ziele eines Kunden ändern, bearbeitest du eine Datei und nicht elf Prompts, verstreut über die Chatverläufe von elf Leuten. Und weil er über ein Skript in echten Daten verankert ist und nicht auf Schätzungen beruht, stimmen die Zahlen.

Wann sollte eine Fähigkeit ein Skill sein und wann nicht?

Eine Fähigkeit sollte ein Skill sein, wenn sie Information ist, die der Agent nur manchmal braucht: eine Regel, eine Methode, eine mehrstufige Vorgehensweise für eine bestimmte Aufgabe. Sie sollte ein Tool sein, wenn sie eine Handlung ist, die der Agent in der Welt vornehmen muss. Sie sollte ein Subagent sein, wenn die Arbeit wirklich parallelen Einsatz oder einen frischen, unabhängigen Kontext braucht. Skills und Subagenten arbeiten oft innerhalb eines größeren Systems zusammen, weshalb ich Agenten-Teams und Subagenten als die nächste Schicht über Skills behandle. Und manchmal ist die ehrliche Antwort, gar nichts hinzuzufügen: Ein fähiges modernes Modell erledigt es einfach im Hauptagenten.

Die Disziplin besteht darin, die Frage jedes einzelne Mal zu stellen, wenn du eine Fähigkeit hinzufügst. Gehört das in ein Tool, einen Skill, einen Subagenten oder nirgendwo Neues? Einmal gefragt klingt sie belanglos. Bei jeder neuen Anforderung gefragt, entscheidet sie darüber, ob ein Agent mitwächst oder verkümmert. Halte dich zurück. "Nichts hinzufügen" ist häufig die beste Antwort.

Eine weitere Regel hält Skills ehrlich: Ein Skill ist nur so vertrauenswürdig wie deine Fähigkeit zu prüfen, ob er noch funktioniert. Wenn du eine Fähigkeit hinzufügst, füge die Prüfung hinzu, die sie schützt. Sonst merkst du den Tag nicht, an dem ein Modell-Update oder eine geänderte Datenquelle die Vorgehensweise klammheimlich kaputtmacht. Dasselbe Argument bringe ich für Evals bei KI-Agenten: Du kannst eine Vorgehensweise nicht verlässlich halten, wenn du nicht messen kannst, ob sie ihre Aufgabe noch tut.

Häufige Fragen

Was ist ein KI-Agent-Skill?

Ein KI-Agent-Skill ist eine paketierte, wiederverwendbare Fähigkeit (Anweisungen plus optionale Skripte und Referenzdateien), die einem Agenten beibringt, eine bestimmte Aufgabe jedes Mal auf dieselbe Weise zu erledigen. Der Agent lädt ihn bei Bedarf, nur wenn eine Aufgabe passt, statt ihn dauerhaft im Kontext mitzuschleppen. Er macht aus einem einmaligen Prompt eine versionierte, wiederholbare Vorgehensweise.

Was ist der Unterschied zwischen einem Skill und einem Tool?

Ein Tool ist etwas, das der Agent tun kann: eine Handlung wie eine API aufrufen, Code ausführen oder eine E-Mail verschicken. Ein Skill ist etwas, das der Agent wissen kann: eine Vorgehensweise oder Regel, die er in den Kontext holt, wenn eine Aufgabe sie braucht. Tools sind die Hände; Skills sind das Playbook, das den Händen sagt, was zu tun ist und in welcher Reihenfolge.

Wie unterscheidet sich ein Skill davon, einfach einen guten Prompt zu schreiben?

Ein guter Prompt funktioniert einmal, in einem Moment, und ist weder wiederverwendbar noch versioniert. Die nächste Person tippt ihn aus dem Gedächtnis neu und bekommt ein schlechteres Ergebnis. Ein Skill hält die Vorgehensweise als gespeicherte Datei fest, die sich überprüfen, verbessern, versionsverwalten und teilen lässt. Er macht die Ausgabe wiederholbar, statt sie davon abhängen zu lassen, wer den Prompt zufällig geschrieben hat.

Wie erstelle ich einen Skill für einen KI-Agenten?

Schreib ihn nicht einfach aus dem Kopf herunter. Lass den Agenten die Aufgabe einmal ausführen, beobachte, wo es schiefgeht, korrigiere es, und speichere dann die korrigierte Vorgehensweise als Skill: eine Markdown-Datei mit den Skripten und Referenzdokumenten, die die Aufgabe braucht. Von da an läuft sie jedes Mal gleich und lässt sich an jeden im Team übergeben.

Sind KI-Agent-Skills dasselbe wie Claude Skills?

"Claude Skills" (Anthropics Agent Skills) sind eine konkrete Umsetzung der breiteren Idee: Ordner mit Anweisungen, Skripten und Ressourcen, die ein Agent dynamisch lädt, wenn sie relevant sind. Das Prinzip, eine wiederverwendbare Vorgehensweise bei Bedarf zu paketieren, gilt plattformübergreifend, egal ob du Claude, Microsoft Copilot oder einen Stack auf n8n-Basis betreibst.

Warum Skills nutzen, statt alles in den System-Prompt zu packen?

Ein langer System-Prompt belastet jede Anfrage mit Information, die die meisten Aufgaben nicht brauchen, und je mehr sich Vorgehensweisen häufen, desto eher fangen sie an, sich zu widersprechen, was den Agenten Fehler machen lässt, die er früher nicht gemacht hat. Skills reservieren den Prompt für das, was immer wahr ist, und laden den Rest nur bei Bedarf, was die Widerspruchsfehler beseitigt und den Agenten schlank hält.

Quellen und weiterführende Lektüre

• Anthropic: Introducing Agent Skills (2025), Skills als Ordner aus Anweisungen, Skripten und Ressourcen, die dynamisch geladen werden.
• Anthropic: Dokumentation zu Agent Skills, Progressive Disclosure und Skill-Aufbau.
• Anthropic: Workshop "Code with Claude" zur Zerlegung von Agenten (das durchgerechnete Stock-Pilot-Beispiel; Prompt-zu-Skills-Zahlen mit [VERIFY] markiert).

Ich baue KI-Mitarbeiter auf diese Weise, weil es die einzige ist, die im echten Betrieb eines Unternehmens standhält: jede Aufgabe als Skill festhalten, den Prompt schlank halten und prüfen, ob die Vorgehensweise noch funktioniert, während sich die Tools darunter verändern. Diese Disziplin, paketierte Vorgehensweisen über clevere Einmal-Tricks zu stellen, ist genau der Weg, wie ich fertige KI-Mitarbeiter für die Unternehmen betreibe, mit denen ich arbeite. Wenn du sehen willst, welche deiner wiederkehrenden Aufgaben zu einem Skill werden könnten, den ein KI-Mitarbeiter für dich ausführt, lass uns reden.