Wie arbeiten wir bei k3i?

Ein frisch geöffnetes KI-Fenster ist wie ein neuer Mitarbeiter am ersten Tag: klug, aber ohne Ahnung, wer unsere Kunden sind, wie wir schreiben und wo die Unterlagen liegen. Wer aus dem Harness heraus arbeitet, arbeitet dagegen mit einem eingearbeiteten Kollegen, der unsere Sprache, unsere Vorlagen und unsere Abläufe kennt.

Wir arbeiten vor allem mit Claude. An das Modell gebunden sind wir aber nicht. Skills, Anbindungen und Landkarte funktionieren auch mit einem anderen Modell, und für manche Aufgaben nutzen wir auch Modelle von OpenAI.

Unsere Agents arbeiten nicht im leeren Raum. Sie sind an die Werkzeuge angebunden, mit denen wir ohnehin arbeiten:

Werkzeuge allein reichen nicht. Entscheidend ist, dass wir uns auf eine Datenkonvention geeinigt haben: was wo liegt, wie es heißt und wohin etwas abgelegt wird. Ein Gespräch ist in Notion eine Interaktion, verknüpft mit Firma, Kontakten und Projekt. Ein Transkript liegt im file-vault, nach einem festen Namensschema.

Diese Konvention haben wir für die Agents als Landkarte aufgeschrieben. So wissen sie immer, wo sie eine Information finden und wohin sie gehört. In Notion sind seit Mitte 2025 mehr als 1.300 Gespräche und fast 2.000 Aufgaben zusammengekommen, alle mit Kunden und Projekten verknüpft. Ein Agent, der etwas über einen Kunden wissen will, folgt einfach diesen Verknüpfungen.

Über hundert Skills beschreiben, wie wir eine bestimmte Aufgabe lösen: ein Angebot im k3i-Design, eine Rechnung, die sich das zugehörige Angebot selbst heraussucht, eine Präsentation aus Stichpunkten, ein Protokoll für den Kunden, ein Erklärvideo. Einmal sauber aufgeschrieben, sind sie immer wieder nutzbar, und alle von uns arbeiten nach denselben Regeln. Auch die beiden Videos in diesem Beitrag sind mit einem Skill entstanden.

Manche Aufgaben brauchen mehr als eine Anleitung, etwa eine Datenbank oder eine eigene Oberfläche. Dann bauen wir eine kleine App. Belege leiten wir nur noch per Mail weiter: Die KI liest sie aus und ordnet sie der passenden Buchung zu. Wechselkurse schätzt sie dabei nicht, die kommen aus dem Kontoauszug. Angebote, Transkripte und Protokolle teilen wir über unseren file-vault, mit festem Link und Freigabe pro Person. Und für Kunden betreiben wir Interview-Agents, die strukturierte Gespräche mit vielen Mitarbeitenden führen.

Dazu laufen Routinen, die niemand anstoßen muss. Die wichtigste zeigt das erste Video: Direkt nach jedem Meeting wandert das Transkript aus Circleback ins CRM, daraus entstehen die Aufgaben, die ein weiterer Agent aufbereitet, und die Projektseite wird fortgeschrieben. Nachts werden die Projektstände aktualisiert, montags liegt die Vorbereitung für unser Weekly bereit.

Keiner dieser Schritte ist für sich spektakulär. Zusammen sorgen sie dafür, dass nichts verloren geht.

Das heißt nicht, dass bei uns die KI alles macht. Wie eine Aufgabe geschrieben wird, was in eine Gesprächszusammenfassung gehört, wann und wie ein Projektstand aktualisiert wird: Das haben wir festgelegt, Schritt für Schritt, in Skills und Routinen. Die KI führt es aus, jedes Mal nach denselben Regeln. Kein Ergebnis verlässt das System ungeprüft, Mails und Protokolle entstehen als Entwurf.

Wann immer wir einen Fehler oder eine bessere Lösung sehen, fließt das zurück in den Skill oder die Routine. Ein Beispiel: Eine Zeit lang landeten Aufgaben beim falschen Martin. Das Transkript-Tool hatte die Sprecher aus der Kalendereinladung geraten, und der Agent hat den ersten Treffer übernommen. Heute erkennen die Modelle aus dem Kontext meist selbst, wer gemeint ist. Wir lassen sie das aber ausdrücklich prüfen: Verantwortlich ist, wer im Gespräch zusagt, belegt mit Zitat und Zeitstempel. Seitdem klappt die Zuordnung gut.

Wir bauen das System. Die KI hält es aktuell.

Martin LohmannMitgründer, k3i