KI-Agent Skills: Wie du KI-Systemen beibringst, Aufgaben richtig zu erledigen

Hoi und herzlich willkomma zu den Büro für KI-Insights 🤓

Wie du als treue:r Leser:in dieses Newsletters weisst, nutze ich KI-Agenten mittlerweile täglich. Für Recherchen, für Content, für Workshop-Vorbereitung, für Analysen. Und obwohl die Modelle immer besser werden, hatte ich lange dasselbe Problem: Ich musste jedes Mal von vorne erklären, wie ich etwas haben will. Welcher Stil, welche Struktur, welche Quellen, welche Qualitätsstandards. Wie wenn du jeden Montag einen neuen Mitarbeiter einarbeiten würdest. Gleiche Aufgabe, gleiche Erklärung, immer wieder. 😅

Irgendwann habe ich dann angefangen, mit sogenannten «Skills» zu arbeiten. Und seitdem erkläre ich Dinge nur noch einmal. Das Thema Skills beschäftigt mich schon länger, und spätestens seit ChatGPT über die letzten Wochen (bei meinen Business Lizenzen seit dieser Woche) auch endlich offiziell integriert hat, ist es auch für alle relevant, die nicht täglich in agentischen Systemen unterwegs sind.

In dieser Ausgabe zeig ich dir:

Was KI-Agent Skills sind und woher das Konzept kommt
Warum Anthropic damit etwas angestossen hat, das grösser ist als MCP
Wie du Skills in ChatGPT, Claude und Manus konkret nutzen kannst
Wie ich selbst Skills im Alltag einsetze
Wie du mit dem «Von der SOP zum Skill» Framework selbst starten kannst
Ein paar Goodies zum mitnehmen 🎁

Let's dive in 🤿🤓

Was sind Skills? Die einfachste Erklärung

Stell dir vor, du stellst jemanden ein. Einen neuen Mitarbeiter, der klug ist, schnell lernt und motiviert ist. Aber er kennt dein Unternehmen nicht. Er weiss nicht, wie ihr Berichte schreibt, welche Tools ihr nutzt, wie eure Kunden angesprochen werden, welche Qualitätsstandards gelten.

Was machst du? Du gibst ihm ein Einarbeitungs-Handbuch. Vielleicht eine Checkliste. Vielleicht zeigst du ihm Beispiele von guter Arbeit. Du erklärst den Prozess einmal richtig und er kann ihn danach selbstständig wiederholen.

Genau das sind KI-Agent Skills.

Ein Skill ist im Kern nichts anderes als ein Ordner mit einer Markdown-Datei (SKILL.md), die einem KI-Agenten sagt, wie eine bestimmte Aufgabe erledigt werden soll. Dazu kommen optional Referenzdateien, Templates, Skripte und Beispiele.

Das klingt fast zu einfach. Und genau das ist der Punkt.

Skills sind kodifizierte Expertise. Sie beschreiben nicht, was ein Agent tun kann, sondern wie er es gut tun soll.

Ein Prompt ist eine einmalige Anweisung. Ein Skill dagegen bleibt. Der Agent lädt ihn automatisch, wenn er ihn braucht, und wendet ihn an.

Woher kommt das Konzept?

Die Vorgeschichte: Jeder hat es auf seine Art versucht

Bevor es Skills als Standard gab, haben viele von uns improvisiert. Ich zum Beispiel hatte mir ein eigenes System in meinem Google Drive (wir nutzen Google Workspace anstelle M365) aufgebaut: Ordner mit Anweisungen und Ressourcen für spezifische Aufgaben. Quasi eine Art strukturierte Prompt-Bibliothek mit zugehörigen Wissensdateien. Das war ein bisschen von OpenAI's Custom GPTs inspiriert, aber plattformunabhängig einsetzbar.

Das Problem: Es war umständlich. Ich musste die Inhalte entweder über Schnittstellen zu Google Drive oder per Copy-Paste in meine Chats einfügen. Bei klassischen Chatbots wie ChatGPT war das gegenüber Custom GPTs natürlich nutzlos.

Aber bei agentischen Systemen wie Manus, wo es keine Custom GPTs gibt, war dieser DIY-Ansatz die einzige Möglichkeit, dem Agenten konsistenten Kontext und Prozesswissen mitzugeben.

Offenbar war ich damit nicht allein. 😅

Oktober 2025: Anthropic liefert

Am 16. Oktober 2025 lancierte Anthropic «Agent Skills» für Claude Code, Claude.ai und die Claude API. Der bekannte Entwickler Simon Willison nannte es in seinem Blog damals «maybe a bigger deal than MCP».

MCP (Model Context Protocol) gibt KI-Agenten Zugang zu externen Datenquellen und Tools. Skills geben ihnen das Wissen, wie sie diese Tools sinnvoll einsetzen. Anthropic nutzt dafür eine Analogie, die es gut auf den Punkt bringt:

Infografik zeigt Vergleich zwischen MCP (professionelle Küche mit Werkzeugen) und Skills (Rezeptbuch)

Die Küche allein macht noch keinen Koch. Erst die Rezepte machen den Unterschied.

Dezember 2025: Der offene Standard

Zwei Monate später, am 18. Dezember 2025 wurde Agent Skills als offener Standard veröffentlicht, mit einer formalen Spezifikation auf agentskills.io und einem GitHub-Repository mit 17 Open-Source-Skills. Gleichzeitig lancierte Anthropic Enterprise-Features und Partner-Skills von Atlassian, Figma, Canva, Stripe, Notion und Zapier.

Microsoft adoptierte den Standard sofort für VS Code und GitHub Copilot. Das Repository auf GitHub erreichte innerhalb weniger Wochen über 20'000 Stars.

Was danach passierte, ist in der Tech-Branche eher ungewöhnlich: Die Konkurrenz übernahm den Standard, statt einen eigenen zu bauen.

März 2026: Skills werden zum Industriestandard

Seit Februar 2026 unterstützt auch ChatGPT den Agent Skills Standard nativ. Google Gemini und Manus folgten. Das heisst: Ein Skill, den du für Claude erstellst, funktioniert auch in ChatGPT, in Manus und in den meisten anderen agentischen Systemen.

Timeline zeigt die Entwicklung von Agent Skills von Oktober 2025 bis März 2026

Wie funktionieren Skills technisch?

So viel vorweg: Du musst dafür nicht programmieren können. Skills bestehen aus Markdown-Dateien. Wer einen Text schreiben kann, kann auch einen Skill bauen.

Die Grundstruktur

Ein Skill ist ein Ordner mit mindestens einer Datei: SKILL.md. Diese Datei enthält einen kurzen YAML-Header (Name und Beschreibung) und dann die eigentlichen Anweisungen in Markdown. Wer das im Detail verstehen will, findet in der offiziellen Dokumentation von Anthropic eine gute Übersicht, und der Complete Guide to Building Skills (PDF) geht auf 32 Seiten in die Tiefe.

Progressive Disclosure: Warum Skills so effizient sind

KI-Modelle haben ein begrenztes Kontextfenster. Jedes Wort kostet Tokens. Skills lösen das über «Progressive Disclosure» in drei Stufen:

Infografik zeigt drei Stufen der progressiven Offenlegung von KI-Agent-Skills

Ein Agent kann also hunderte Skills «kennen» (Stufe 1), ohne dass sie sein Kontextfenster belasten. Erst wenn eine Aufgabe zu einem bestimmten Skill passt, werden die Details geladen.

Skills vs. Custom GPTs vs. MCP: Was ist der Unterschied?

Die drei Konzepte überlappen sich auf den ersten Blick:

Custom GPTs: Angepasste ChatGPT-Versionen. Proprietär, nur in ChatGPT nutzbar. Wechselst du morgen zu Claude oder Manus, nimmst du deine GPTs nicht mit.
Skills: Wiederverwendbare Workflow-Anleitungen im offenen Markdown-Standard. Plattformübergreifend einsetzbar, hochportabel. Funktionieren überall, wo der Standard unterstützt wird.
MCP: Offenes Protokoll für den Zugang zu externen Daten und Tools (Notion, Google Drive, Slack). Ebenfalls plattformübergreifend.

MCP und Skills ergänzen sich: MCP gibt dem Agenten Zugang zu deinen Systemen. Skills sagen ihm, was er damit tun soll und wie.

Wie nutze ich Skills? Ein kurzer Überblick nach Plattform

Die gute Nachricht: Auf den meisten Plattformen brauchst du keinen technischen Aufwand. Alle grossen Anbieter haben inzwischen einen eingebauten Skill-Creator oder eine vergleichbare Funktion.

ChatGPT: Seit März 2026 findest du Skills unter «Einstellungen > Fähigkeiten» (nicht in der Gratis-Version verfügbar). Du kannst dort eigene Skills erstellen oder bestehende SKILL.md-Dateien importieren. ChatGPT bietet auch einen eingebauten Skill-Creator, der dich durch den Prozess führt. Alternativ kannst du im Chat einfach sagen: «Erstelle mir einen Skill für [Aufgabe].»

ChatGPT-Fähigkeiten-Verwaltungsseite mit Skill-Creator-Button

Claude (claude.ai und Claude Code): Claude unterstützt Skills seit Oktober 2025. In claude.ai findest du sie links im Seitenmenü unter «Anpassen». In Claude Code werden Skills automatisch erkannt, wenn sie im Projektordner liegen. Claude hat den Standard erfunden und bietet die umfassendste Unterstützung, inklusive einem Skill-Creator, der aus deinen Beschreibungen direkt eine SKILL.md generiert.

Manus: Manus unterstützt Skills seit Februar 2026 nativ. Die Skill-Dateien werden über den integrierten Dateimanager oder via Google Drive bereitgestellt. Manus erkennt Skills automatisch und wendet sie kontextabhängig an. Besonders praktisch: Skills können auch Shell-Skripte und Python-Code enthalten, was bei Manus' agentischem Workflow gut passt.

Manus Agent-Einstellungen mit Skills-Bereich

Wie ich Skills im Alltag einsetze

Bevor ich ins Framework gehe, ein kurzer Blick hinter die Kulissen. Ich arbeite aktuell mit einem wachsenden Set von Skills, die meine häufigsten Aufgaben abdecken. Das hat sich organisch entwickelt: Über mein eigenes DIY-System zu einem standardisierten Setup. Zuerst war das Ganze ein Google-Drive-Ordner mit Anweisungen und Referenzprojekten, quasi eine Art persönliches Wissenssystem für KI-Agenten. Das funktionierte, war aber umständlich. Als Anthropic dann im Oktober 2025 Skills lancierte, dachte ich: Endlich. Genau das, was ich mir zusammengebastelt hatte, nur eben sauber standardisiert und von den Plattformen nativ unterstützt.

Mein Workflow: Erst machen, dann als Skill verpacken

Richtig intensiv angefangen habe ich mit Skills, als ich begann, mit agentischen Systemen wie Manus und OpenClaw zu arbeiten. Mein Workflow sieht dabei oft so aus: Ich arbeite eine Aufgabe zuerst ganz normal im Chat durch. Ich iteriere, korrigiere, verfeinere, bis das Ergebnis stimmt. Und am Schluss frage ich den Agenten: «Können wir daraus jetzt einen Skill erstellen, damit wir das in Zukunft gleich so umsetzen können?»

Der Agent analysiert dann, was im Chat gut funktioniert hat, welche Schritte nötig waren, welche Standards eingehalten wurden, und verpackt das Ganze in eine saubere SKILL.md. So entstehen Skills, die nicht theoretisch, sondern aus der Praxis heraus gebaut sind.

Und das funktioniert. Der Agent kann Aufgaben danach zuverlässig abarbeiten, mit guten Anweisungen in sehr hoher Qualität. Insbesondere seit Claude Opus 4.6 hat die Qualität nochmals zugenommen, weil das Modell die Skill-Anweisungen präziser interpretiert und umsetzt.

Beispiel: Der Workshop-Übungs-Skill

Eines meiner meistgenutzten Skills erstellt massgeschneiderte Praxisübungen für meine KI-Schulungen und Workshops. Der Skill berücksichtigt:

Den Kunden und seine Branche
Die Teilnehmenden und ihre Vorkenntnisse
Die aktuellen Fähigkeiten der KI-Tools (wird regelmässig automatisch aktualisiert)
Das Format der Übung (Slide-Text, Notion-Seite, Übungsdateien)

Statt jede Übung von Grund auf neu zu erstellen, beschreibe ich den Kontext und der Agent produziert Übungen, die genau zu dieser Schulung passen. Die Qualität bleibt konsistent, weil der Skill die Standards definiert.

Ein zweiter Skill erstellt die Übungen dann direkt auf einer definierten Notion-Seite via API. Alles exakt vorgegeben, wie es sein soll. Skills und Output werden regelmässig überprüft und angepasst.

Beispiel: Der Bexio-Offerten-Skill

Für Kundenofferten nutze ich Bexio, ein Schweizer Business-Tool. Bisher war der Ablauf so: Offerte als Dokument erstellen, dann manuell in Bexio eintippen. Jedes Mal die gleiche Grundstruktur, die gleichen Felder, die gleiche Logik. Von Grund auf.

Also haben wir das direkt in OpenClaw geändert. Zuerst alles im Chat durchgearbeitet: Bexio-API kennenlernen, echte Offerten aus dem System lesen, Muster erkennen, erste Offerte direkt via API erstellen. Dabei Fehler gefunden, zum Beispiel eine falsche MwSt-Einstellung, die zu falschen Beträgen führte. Korrigiert, getestet, bis es sauber funktionierte. Dann: «Erstelle daraus jetzt einen Skill.»

Der entstandene Skill enthält drei Teile:

Einen Workflow in vier Phasen (Kontakt prüfen, Offerte zusammenstellen, erstellen, versenden)
Einen Baukasten aus fünf Blueprint-Typen mit wiederverwendbaren Positionen
Eine technische Referenz mit Endpunkten, Feld-IDs und bekannten Fallstricken

Die Regel, dass eine bestimmte MwSt-Einstellungskombination die einzige funktionierende für korrekte Schweizer Berechnung ist, steht jetzt im Skill. Fehler einmal gemacht, analysiert, dokumentiert. Beim nächsten Mal passiert er nicht mehr.

Was früher 20 bis 30 Minuten pro Offerte gedauert hat, dauert jetzt meist nicht mehr als 5 Minuten.

Eine generische Version dieses Skills teile ich als Goodie am Ende dieser Ausgabe.

Beispiel: Diese Insights

Auch bei der Erstellung dieser KI-Insights unterstützt mich ein Skill. Der «ki-insights-creator» Skill definiert Struktur, Tonfall, visuelle Standards und den Recherche-Workflow. Er sorgt dafür, dass die Qualität über die Ausgaben hinweg konsistent bleibt und ich mich auf den Inhalt konzentrieren kann, statt jedes Mal die Rahmenbedingungen neu zu erklären.

Was bedeuten Skills für Unternehmen und Teams?

Für Einzelpersonen sind Skills schon extrem nützlich. Richtig interessant werden sie aber im Team.

Das Wissensproblem in Unternehmen

Jedes Unternehmen hat Prozesse, die «irgendwie» funktionieren. Die erfahrene Mitarbeiterin weiss, wie der Quartalsbericht aufgebaut sein muss. Der Teamleiter kennt die Qualitätsstandards für Kundenangebote. Die Marketingverantwortliche hat den Stil der Unternehmenskommunikation im Kopf.

Dieses Wissen ist oft nirgends dokumentiert. Es lebt in den Köpfen einzelner Personen. Und wenn diese Personen im Urlaub sind, das Unternehmen verlassen oder einfach einen schlechten Tag haben, leidet die Qualität.

Skills machen dieses implizite Wissen explizit und maschinenlesbar.

Drei konkrete Szenarien

Onboarding: Neue Mitarbeitende erhalten Zugang zu den Unternehmens-Skills und können sofort in der definierten Qualität arbeiten. Der KI-Agent kennt die Standards, die Vorlagen, die Prozesse.

Qualitätssicherung: Egal ob der erfahrene Projektleiter oder die neue Praktikantin eine Offerte erstellt, der Skill stellt sicher, dass Struktur und Standards eingehalten werden.

Wissenstransfer: Wenn eine langjährige Mitarbeiterin das Unternehmen verlässt, bleibt ihr Prozesswissen im Skill erhalten. Nicht perfekt, aber besser als gar nicht.

Sicherheit: Was du beachten solltest

Skills sind mächtig, und genau deshalb lohnt sich ein Moment der Reflexion. Eine SKILL.md ist im Grunde eine Anweisung, die der Agent befolgt. Das heisst: Wer den Skill schreibt, bestimmt, was der Agent tut. Bei selbst erstellten Skills ist das kein Problem. Aber bei Skills aus externen Quellen solltest du genau hinschauen.

Worauf du achten solltest

Skills immer lesen, bevor du sie aktivierst. Es sind Markdown-Dateien (und je nachdem auch Code). Das dauert ein paar Minuten und du siehst sofort, was der Skill tut. Wenn du unsicher bist, kann dir KI den Skill auch helfen zu überprüfen.
Vorsicht bei Skills aus unbekannten Quellen. Genau wie bei Browser-Extensions oder npm-Paketen (diejenigen die mit Code arbeiten wissen Bescheid 😉) gilt: Nur installieren, was du verstehst und dem Autor vertraust.
Prompt Injection ist ein reales Risiko. Ein bösartig geschriebener Skill könnte versuchen, den Agenten zu ungewollten Aktionen zu bewegen. Besonders bei Agenten mit Schreibzugriff auf deine Systeme (via MCP) ist das relevant.
Im Team: Klare Governance. Wer darf Skills erstellen? Wer prüft sie? Wo werden sie gespeichert? Das sind Fragen, die ihr früh klären solltet.

Das soll nicht abschrecken. Die allermeisten Skills sind harmlos und nützlich. Aber ein gesundes Mass an Vorsicht gehört dazu, wie bei jeder Software, die man von aussen lädt. Wer sich vertieft mit Best Practices beschäftigen will, findet im Agent Skills Cookbook gute Leitlinien.

Von der SOP zum Skill: Ein Framework für den Einstieg

Jetzt kommt der praktische Teil. Viele Unternehmen haben bereits SOPs (Standard Operating Procedures), also dokumentierte Arbeitsanweisungen für wiederkehrende Prozesse. Falls du den Begriff nicht kennst: Eine SOP beschreibt Schritt für Schritt, wie eine bestimmte Aufgabe erledigt werden soll. Zum Beispiel «Wie wir ein Kundenangebot erstellen» oder «Wie wir einen neuen Mitarbeiter onboarden».

Und genau hier liegt die Brücke: Eine gute SOP ist im Grunde schon ein halber Skill. Du musst sie nur in ein Format bringen, das ein KI-Agent versteht.

Infografik zeigt fünf Schritte zur Umwandlung von SOPs in KI-Agent Skills

Die 5 Schritte

1. SOP identifizieren

Welche bestehenden SOPs oder Prozessbeschreibungen hat dein Unternehmen? Und falls keine formalen SOPs existieren: Welche Aufgaben werden immer wieder gleich erledigt, auch wenn der Prozess nur in den Köpfen der Leute steckt? Genau dort anfangen.

2. SOP strukturieren

Die bestehende Dokumentation in Markdown übersetzen. Klare Schritte definieren, Qualitätskriterien festhalten, Beispiele für guten Output sammeln. Wer noch keine SOPs hat, kann diesen Schritt auch direkt mit KI machen: Beschreib den Prozess im Chat und lass dir eine strukturierte SOP erstellen.

3. Skill bauen

Aus der strukturierten SOP eine SKILL.md erstellen. Den YAML-Header ergänzen (Name, Beschreibung), Referenzdateien in einen Unterordner legen, Templates hinzufügen wo nötig. Oder einfacher: Den Agenten bitten, aus der SOP einen Skill zu machen.

4. Testen und iterieren

Den Skill gegen reale Aufgaben laufen lassen. Stimmt der Output? Fehlt etwas? Ist etwas zu vage formuliert? Skills werden besser, wenn man sie benutzt und nachschärft. Das ist kein einmaliger Aufwand, sondern ein laufender Prozess.

5. Teilen und pflegen

Den fertigen Skill im Team verteilen. Regelmässig prüfen, ob der Skill noch zum aktuellen Prozess passt. Anpassen, wenn sich Anforderungen ändern.

Goodies: Zum Mitnehmen

1. SOP-Assistent (Custom GPT)

Ich nutze selbst einen Custom GPT, der beim Erstellen strukturierter SOPs hilft. Er fragt die richtigen Fragen, bringt den Prozess in eine saubere Struktur und liefert eine SOP, die du direkt als Grundlage für einen Skill verwenden kannst.

Wenn du also noch keine Prozesse dokumentierst, rate ich dir, bald damit anzufangen. Nur was dokumentiert ist, kriegen wir in die KI. 😉

Hier der Link: SOP-Assistent (Büro für KI)

2. Bexio-Offerten-Skill (generische Vorlage)

Wie im Artikel beschrieben, habe ich einen Skill gebaut, der Kundenofferten direkt via Bexio-API erstellt. Hier teile ich eine generische Version als Vorlage, die du an dein eigenes Bexio-Setup anpassen kannst: Bexio-Offerten-Skill

Du kannst den auch gut nehmen und von der KI anpassen lassen.

Ich selbst nutze den Skill in OpenClaw.

Key Takeaways

Skills sind wiederverwendbare Wissens-Pakete, die KI-Agenten sagen, wie eine Aufgabe gut erledigt wird
Anthropic hat Skills im Oktober 2025 lanciert, seit März 2026 sind sie ein branchenweiter Standard
Skills bestehen aus einfachen Markdown-Dateien, keine Programmierung nötig
Der Unterschied zu Prompts: Skills sind persistent, wiederverwendbar und plattformübergreifend
Skills ergänzen MCP (Datenzugang) um die fehlende Komponente: Prozesswissen
Im Team-Kontext ermöglichen Skills standardisierte Qualität und Wissenstransfer
Wer bereits SOPs hat, hat die halbe Arbeit für einen Skill schon gemacht
Skills aus externen Quellen immer lesen und prüfen, bevor du sie aktivierst

Fazit

Skills lösen ein reales Problem: Die Lücke zwischen «der Agent kann das grundsätzlich» und «der Agent macht es so, wie ich es brauche».

Was mich überzeugt: Kein komplexes Setup. Eine Markdown-Datei mit klaren Anweisungen. Dass sich die gesamte Branche auf genau dieses einfache Format geeinigt hat, sagt eigentlich alles.

Für KMU steckt hier viel Potenzial drin: Unternehmens-Know-how so verpacken, dass es nicht nur in den Köpfen einzelner Personen lebt, sondern von jedem Teammitglied mit KI-Unterstützung abgerufen werden kann. Wissensmanagement, wie es eigentlich immer hätte sein sollen.

Wenn du eine Sache aus dieser Ausgabe mitnimmst, dann diese: Überleg dir, welche Aufgabe du diese Woche zum dritten Mal einem KI-Tool von Grund auf erklärt hast. Genau das ist dein erster Skill. 😉

Bis nächsten Sonntag 👋🏽

Andreas