Schauen wir kurz, wer dabei ist. Ich freue mich, dass ihr die nächsten vier Wochen mit mir durchzieht. Ihr werdet euch gegenseitig ziemlich gut kennenlernen, und ich hoffe, ihr zeigt euch auch untereinander, was ihr baut.

Und das ist Seb, der Gründer von High Intent Labs. Er hat das Programm in London aufgebaut, mit Führungskräften aus großen Unternehmen. Was ihr hier bekommt, ist die deutschsprachige Fassung davon.

So sind die vier Wochen aufgebaut. Woche eins: raus aus dem Chatbot, Second Brain und eine Website. Woche zwei: einzelne Agenten an deine echten Werkzeuge anbinden. Woche drei: aus Agenten ein Team machen. Woche vier: dafür sorgen, dass die Qualität im Alltag hält, mit Scorecard, Kritiker-Agent und Testset. Jede Woche baut auf der davor auf.

Der Rhythmus ist jede Woche gleich. Montags kommt das Video, das schaust du, wann du willst. Dienstag und Mittwoch um 17 Uhr gibt es eine Sprechstunde, da kommst du mit deinen Fragen vorbei. Unter der Woche haben wir je nach Paket einen 1:1-Termin. Und freitags um 12 die Live-Session: Rückblick, Show and Tell, Fragen. Rechne mit zwei bis drei Stunden pro Woche.

Alles läuft über die WhatsApp-Gruppe: Fragen, Erfolge, Screenshots, Hilfe bei der Hausaufgabe. Ein Tipp, der viel Zeit spart: nicht tippen, sprechen. Wispr Flow macht aus deiner Sprache fertige Prompts. Und am Freitag, den 9. Oktober, gibt es die Abschluss-Session mit Zertifikat.

Am Ende ist dieser Kurs vor allem ein fester Rahmen, der dich ins Bauen bringt. Du baust jede Woche echte Dinge, in deinem echten Unternehmen. Nicht auf einem Spielbeispiel, sondern an dem, was dich gerade beschäftigt.

Vier Teile in der nächsten Stunde. Erst der Wandel vom Chatten zum Bauen. Dann nehmen wir einen Agenten auseinander: Gehirn, Werkzeuge, Kontext und Gedächtnis. Dann die Werkzeuge, mit denen wir bauen. Und zum Schluss das Second Brain, das Herzstück dieser Woche.

Diese Folie mag ich, weil sie mich daran erinnert, wie schnell das alles gegangen ist. Vier Daten.

November 2022. ChatGPT erscheint. Das kennt ihr alle. Das am schnellsten wachsende Internetprodukt aller Zeiten. Und was es war, war ein Gespräch. Pingpong. Du sagst etwas, es sagt etwas zurück, und es fühlte sich an wie Zauberei. Das hat die Chatbot-Ära gestartet. Viele Unternehmen, mit denen ich spreche, leben immer noch darin.

Februar 2025. Anthropic bringt Claude Code raus. Das ist der Moment, den außerhalb der Entwicklerwelt kaum jemand mitbekommen hat. Claude Code war ein Harness, das Wort definieren wir gleich sauber. Es hat einer KI erlaubt, zu handeln, statt nur Text zu produzieren. Das war der Start der Ära der Agenten, und die meisten von uns haben den Startschuss verpasst. Ich auch.

November 2025. Opus 4.5. Ab hier ist es keine Entwicklergeschichte mehr. Es wurde nutzbar für Leute wie uns, die nicht programmieren können und es auch nie lernen werden. Das ist der Moment, in dem dieser Kurs möglich wurde.

Juni 2026. Fable 5. Erschienen, gestoppt, wieder freigegeben. Diese Modelle sind so leistungsfähig, dass Regierungen darüber streiten, wer sie haben darf. Zweieinhalb Jahre von "wow, es hat mir eine Mail geschrieben" bis zur Frage der nationalen Sicherheit.

Links die Chatbot-Ära, rechts die Ära der Agenten. Die meisten Unternehmen, die ich kenne, stehen immer noch links von dieser Linie.

Warum das zählt: Agenten haben das Veröffentlichen billig gemacht. Die Zahl der App-Releases ist um rund 80 Prozent gestiegen. Die Nutzung hat sich nicht bewegt. Mehr Output kauft dir keine Aufmerksamkeit. Der Vorteil liegt nicht darin, mehr zu produzieren, sondern darin, die richtigen Dinge zu bauen.

So nutzen die meisten von euch KI heute: Du sitzt vor ChatGPT, du chattest mit ihm, es antwortet. Und die Arbeit machst am Ende du. Du kopierst die Antwort, du prüfst sie, du baust sie irgendwo ein.

Und jetzt der Unterschied. Beim Agenten gibst du den Auftrag, und er liefert die Arbeit. Er fragt nach, wenn ihm etwas fehlt, er nutzt Werkzeuge, er legt das Ergebnis ab. Ein Chatbot beantwortet eine Frage. Ein Agent erledigt die Aufgabe. Diesen Satz solltest du dir merken, alles Weitere hängt daran.

Ein Agent besteht aus drei Teilen. Erstens das Gehirn: das Sprachmodell, egal ob von OpenAI, Anthropic, Google oder einem anderen Anbieter. Zweitens Kontext und Gedächtnis: Textdateien wie CLAUDE.md und MEMORY.md, die der Agent liest, bevor er anfängt. Drittens die Werkzeuge: die Anbindung an deine Mails, dein CRM, deine Systeme. In der Mitte sitzt der Harness, der das alles zusammenhält. Jeden dieser Begriffe schauen wir uns jetzt an.

Das Large Language Model ist das Gehirn. Davon gibt es viele, und die Spitze liegt eng beieinander. Die Rangliste ändert sich alle paar Wochen. Deshalb: Das Modell ist eine Einstellung, die du wechseln kannst. Dein Setup, also Kontext, Gedächtnis und Werkzeuge, bleibt.

Ein Begriff, der dir überall begegnen wird: Token. Die einfachste Erklärung: ein Token ist ungefähr ein Wort. Kurze, häufige Wörter sind ein Token, lange oder seltene Wörter werden in Stücke geteilt, Satzzeichen zählen extra. Dieser Satz hat 16 Wörter und 19 Tokens.

Tokens sind der Zähler. Jeder Token rein und raus wird abgerechnet. Dieselbe Aufgabe kostet 3 Cent bei einem Budget-Modell und 3 Dollar 15 beim Spitzenmodell, Faktor 100. Und trotzdem: Für alles, was nach außen geht, nimm das Spitzenmodell. Deine teuerste Aufgabe kostet weniger als ein Kaffee, und sie ist die, die keinen Müll schreibt.

Das Kontextfenster ist, wie viel das Modell gleichzeitig im Kopf behalten kann. Eine Seite sind etwa 500 Tokens. Die ersten Modelle haben ein paar Seiten geschafft, heute passen zehn Bücher rein. Und die praktische Regel: Wenn die KI in einem langen Gespräch anfängt, sich dumm anzustellen, ist das Fenster voll. Neuen Chat starten.

Jetzt der Begriff, den ich vorhin schuldig geblieben bin: der Harness. Ein Modell allein kann nur Text lesen und Text erzeugen. Es kann nicht selbst klicken, suchen, eine Mail schicken oder Code ausführen. Der Harness ist die Software drumherum, die ihm Hände und Füße gibt. Das Bild dazu: das Modell ist der Motor, der Harness ist das Auto.

Kontext und Gedächtnis sind Textdateien. Genauer: Markdown-Dateien, Endung punkt md. Reiner Text mit ein paar Formatzeichen: eine Raute für die Überschrift, Sternchen für fett, Bindestrich für die Liste. Links siehst du die rohe Datei, rechts, wie sie gerendert aussieht. So schreibst du alles, was deine Agenten lesen.

Das sind die Werkzeuge: Claude Code von Anthropic, Codex von OpenAI, Gemini von Google und Copilot Cowork von Microsoft. Alle vier funktionieren nach demselben Prinzip. Im Kurs arbeiten wir mit Claude Code und Claude Cowork, weil ich damit am meisten Erfahrung habe. Das Werkzeug zählt weniger als das Setup.

Hier ist das fehlende Stück. Ein brillantes Gehirn ohne Gedächtnis für dein Unternehmen schreibt trotzdem Müll. Jeder Agent, den du ab jetzt baust, muss dasselbe wissen: wer du bist, für wen du arbeitest, wie du klingst, was du verkaufst und was tatsächlich stimmt. Das schreibst du einmal auf. Jeder Agent liest es zuerst.

Das Second Brain ist ein Ordner mit Dateien. Zwei Teile: Was gleich bleibt, also wer du bist, wie du klingst, was du verkaufst. Und was sich laufend ändert: Kunden, Wettbewerber, Zahlen. Jeder Agent liest beides, bevor er für dich arbeitet. Egal ob er ein Angebot schreibt, Wettbewerber beobachtet oder einen Bericht baut.

Zwei Einstiege. Entweder du hast Unterlagen: Präsentationen, Angebote, Website-Texte, alte Analysen. Dann legst du alles so wie es ist in den Ordner Sources, und der Agent gleicht es ab. Widersprüche werden markiert, nicht glattgebügelt. Oder du hast nichts aufgeschrieben. Dann interviewt dich der Agent und recherchiert deinen Markt. Beide Wege führen ins selbe Brain.

Zum Schluss eine Studie. McKinsey hat 500 Marketing-Verantwortliche in Europa gefragt, was 2026 zählt. Befragt wurde Marketing, aber das Muster kennst du aus deinem Unternehmen. Generative KI und Agenten landen auf Platz 17 von 21. Weit unten.

Dieselbe Liste, eine andere Frage. Jetzt nicht mehr "wie wichtig ist das", sondern "wie wichtig ist das, gemessen daran, wie weit ihr schon seid". Vier Themen kommen hoch raus, und generative KI ist eines davon. Hohe Wichtigkeit, aber fast keine Reife. Das ist genau die Lücke, in der wir arbeiten.

Drei Zahlen zum Mitnehmen. Platz 17 von 21: da landen generative KI und Agenten bei der Wichtigkeit. 94 Prozent der befragten Teams in Europa sind bei generativer KI nicht weitergekommen. Und 22 Prozent Effizienzgewinn melden die 6 Prozent, die es tun. Genau da wollen wir dich in vier Wochen hinbringen. Bis Freitag.