Vortrag bei den Techtelmechtel Talks #3

My AI Chief of Staff

Ich arbeite allein und habe trotzdem die ganze Verwaltung einer kleinen Firma am Hals. Inzwischen übernimmt ein Setup aus Claude und Notion einen großen Teil davon: Morgenbriefing, CRM, Meeting-Nachbereitung, Zeiterfassung, sogar Cashflow-Prognosen. Sachen, die ich mir als Freelancer normalerweise nicht leisten kann.

Diese Seite gehört zu meinem Talk. Hier findest du einen Planer für deine eigenen Agenten, die Prompts, mit denen ich anfange, und alles, was ich dafür gelesen habe.

Di 01.12.

19:00 im Techtelmechtel, Gürtelstraße 25, Berlin-Friedrichshain. Talk, Fragen und eine Übung zum Mitmachen. Der Talk ist auf Englisch.

00:0006:0012:0018:0014 von 21starten vor 08:10
Mein Schichtplan: wann meine geplanten Aufgaben starten. Chartreuse ist die Frühschicht.
„Im Endeffekt gibt mir das den Freiraum, hoffentlich mehr Zeit mit den Sachen zu verbringen, die ich mache.“
Aus meinen Notizen für den Talk, November 2026
geplante Aufgaben erledigen meine Verwaltung
21
dürfen an jemand anderen als mich senden, an feste Empfänger
4 von 21

Stand November 2026

Plan deinen eigenen Chief of Staff

Stell zusammen, welche Agenten du willst, wann sie laufen und was sie anfassen dürfen. Der Planer schätzt Modellkosten und Zeitgewinn, prüft jedes Risiko und schreibt dir pro Agent den Prompt zum Einrichten.

Faustregel aus meinem Setup: das kleinste Modell, das die Aufgabe schafft. Routine läuft bei mir auf Haiku oder Sonnet.

Mein Morgenbriefing, in seine Teile zerlegt. Jeder Agent im Planer hat dieselben.
Vorlage laden:

Kosten gegen Ertrag

Was dich deine Verwaltung heute kostet, wie viel davon die Agenten aus dem Planer übernehmen und wann sich das Einrichten bezahlt macht.

So bezahlst du die Modelle

Im Abo zählen die Läufe auf das Nutzungslimit deines Plans. Ob sie hineinpassen, hängt davon ab, was du sonst mit Claude machst.

60 %deiner Verwaltung
Chartreuse: was die Agenten übernehmen
Verwaltung heute pro Monat
44 h · 3.480 €
Davon übernehmen die Agenten
25,9 h · 2.074 €
Kosten pro Monat
16 € · 18 $
Ertrag pro Euro Kosten
129 ×
Einrichten bezahlt sich nach
2,0 Wochen
So rechnet der Planer
  • Preise: Anthropic-Listenpreise pro Million Tokens, Stand So 22.11.2026. Haiku 5.5 kostet 0,10 $ für Eingabe und 0,50 $ für Ausgabe, Sonnet 5.5 2 $ und 10 $, Opus 5.5 4 $ und 20 $. Haiku wird bei Prompts über 100.000 Tokens teurer, das rechnet der Planer nicht mit. Preisliste
  • Abos: Claude Pro 20 $, Max 5x 100 $ und Max 20x 200 $ im Monat, Stand So 22.11.2026. Hilfeseite
  • Umrechnung: 1 US-Dollar sind 0,91 Euro, Mittelkurs Mitte November 2026.
  • Tokens pro Lauf: klein 20.000 rein und 2.000 raus, mittel 80.000 und 5.000, groß 300.000 und 12.000. Grobe Werte für einen Lauf mit ein paar Werkzeugaufrufen, echte Läufe schwanken stark. Ohne Prompt-Caching und ohne Batch-Rabatt, also eher zu hoch geschätzt.
  • Effort: Die Tokenmengen gelten für mittel. Niedrig rechne ich mit halber Ausgabe, hoch mit 1,6-fach, sehr hoch mit 2,5-fach, maximal mit 3,5-fach, die Eingabe wächst schwächer mit. Das sind meine groben Annahmen, Anthropic beschreibt die Unterschiede nur in Worten. Doku zu Effort
  • Lokale Modelle kosten keine Tokens, dafür Hardware, Strom und deine Zeit für Betrieb und Updates. Die stehen nicht in der Rechnung.
  • Ein Monat hat im Schnitt 21,7 Werktage und 4,35 Wochen.
  • Einrichten bezahlt sich nach: Stunden zum Einrichten mal Stundensatz, geteilt durch das, was pro Woche nach Abzug der Kosten übrig bleibt.
  • Dein Plan bleibt in deinem Browser. Er geht nicht an mich und an niemanden sonst.

Was ich gelernt habe

  1. 1

    Gedächtnis vor Modell

    In Notion liegen meine Projekte, Kontakte, Meetings und Stunden. Das Modell ist der Teil, den ich morgen austauschen könnte.

  2. 2

    Die Regeln sind die Arbeit

    Ein Skill ist eine Anleitung in normaler Sprache. Der Prompt für mein Briefing ist eine Zeile, die Regeln dahinter sind Seiten.

  3. 3

    Ein Fehler, eine Regel

    Wann, Regel, Warum, Prüfen. Aufgeschrieben in dem Moment, in dem es schiefgeht, mit Datum.

  4. 4

    Sag, was du meinst

    Ungelesen ist nicht unbeantwortet. Ich lese die meisten Mails auf dem Handy, also hat mein Briefing genau die übersehen. Ein Wort im Prompt hat das behoben.

  5. 5

    Pro Schritt entscheiden, nicht pro Tool

    Kann die KI diesen Schritt allein machen, soll sie nur entwerfen, oder geht ohne mich nichts raus? Ein Ablauf braucht meistens alle drei Antworten.

  6. 6

    Nie alle drei auf einmal

    Private Daten, Text von Fremden, ein Weg nach draußen. Nimm jeder Aufgabe eins davon weg.

  7. 7

    Harmlos anfangen

    Erst eine Wetter-Mail, dann Entwürfe. Ein Schritt läuft erst allein, wenn er eine Weile sauber funktioniert hat.

  8. 8

    Behalte, was du gern machst

    Manche Schritte behalte ich aus zwei Gründen: Risiko und Freude.

Prompts zum Loslegen

Einfachere Fassungen von dem, was bei mir läuft. Kürzer als meine, und jede endet mit denselben Leitplanken. Ändere sie, bis sie nach dir klingen. Die ersten vier kannst du direkt in den Planer legen.

Dein erster Agent

Absichtlich harmlos. Du siehst ihn arbeiten, bevor er an etwas Wichtiges geht.

Recherchiere das Wetter, mein Lieblingsteam und die Nachrichten und schick mir eine Mail.

Mach das jeden Morgen um 7:00. Schick sie nur an mich.

Die Übung

Aus dem Talk, zum Weitermachen zu Hause.

  1. 1

    Nimm einen Ablauf, den du jede Woche machst. Rechnungen, Akquise-Mails, was auch immer.

  2. 2

    Schreib die Schritte auf. Fünf bis acht reichen.

  3. 3

    Frag bei jedem Schritt: Kann die KI ihn allein machen, soll sie nur entwerfen, oder geht ohne dich nichts raus?

  4. 4

    Nimm den Schritt, den du als Erstes abgeben würdest, und schreib eine Regel dafür: Wann, Regel, Warum, Prüfen.

Vorlage für eine Regel

Vier Zeilen. Die Prüfung ist die, die alle weglassen.

Regel (ergänzt am [Datum])
Wann: 
Regel: 
Warum: 
Prüfen: [ ] 
Prompt für die Übung

Leseliste

Was ich beim Aufbau meines Setups und für diesen Talk gelesen habe. Pro Quelle eine Zeile, warum sie sich lohnt. Die Quellen und meine Notizen dazu sind fast alle auf Englisch.

44 von 44 Quellen

Einstieg

Gedächtnis und Regeln

Skills schreiben

Wie Agenten arbeiten

Wie viel abgeben

  • AI doesn't care about your job title

    Patrick Neeman, UX Collective, Di 20.10.2026

    The spec-and-check test: hand over what you can describe in two sentences and check faster than you make it.

  • The judgment bottleneck

    McKinsey Quarterly, Do 15.10.2026

    AI speeds up analysis. Judging stays at human speed.

  • LLM Counter-Defaults

    AIxDESIGN

    Decide first which skills you want to protect when you work with AI.

Kosten und Ertrag

Sicherheit

Schreiben mit KI

Arbeit und Organisation

Selbst betreiben, ohne Claude

Alles auf dieser Seite geht auch mit offenen Modellen auf eigener Hardware. Deine Daten verlassen dann nicht deinen Rechner, und es fallen keine Tokenkosten an. Im Planer kannst du dafür bei jedem Agenten „Lokal (Ollama)“ wählen.

Nur mit technischem Hintergrund

  • Server, Updates, Backups, Zugangsdaten und Sicherheit liegen dann bei dir. Niemand sonst passt auf.
  • Kleine lokale Modelle sind deutlich schwächer als Claude, gerade bei langen Aufgaben mit vielen Werkzeugen.
  • Das Risiko-Dreieck gilt genauso. Kaspersky beschreibt, wie eine präparierte Mail einen selbst gehosteten Agenten dazu brachte, einen privaten Schlüssel herauszugeben. Kaspersky

Fang mit einem Agenten an, der nur liest und nur dir schreibt.

Modelle auf dem eigenen Rechner

  • Ollama · ollama.com

    Lädt offene Modelle wie Qwen oder Gemma und stellt sie lokal als Schnittstelle bereit. Der übliche Startpunkt.

  • LM Studio · lmstudio.ai

    Dasselbe als Desktop-App mit Oberfläche, ohne Terminal. Kann MCP-Server anbinden.

  • Open WebUI · docs.openwebui.com

    Chat-Oberfläche im Browser für Ollama und andere Modelle, mit Verlauf, Dokumenten und mehreren Nutzern.

Claude Code mit lokalem Modell

Abläufe nach Zeitplan

  • Self-hosted AI Starter Kit · n8n

    Docker-Vorlage mit n8n, Ollama, Qdrant und Postgres. Das Gegenstück zu geplanten Aufgaben, nur auf deinem Server.

  • n8n integration · Ollama Docs

    Wie die Agenten-Bausteine in n8n ein lokales Modell nutzen.

Persönliche Agenten

  • OpenClaw · docs.openclaw.ai

    Open-Source-Agent auf eigener Hardware, erreichbar über WhatsApp, Telegram oder Slack, mit Zugriff auf Dateien, Shell und Browser. Funktioniert mit Claude oder lokalen Modellen.

  • Hermes Agent · Nous Research

    Ähnliches Prinzip, MIT-Lizenz, mit eingebautem Zeitplan und eigenen Skills, die der Agent selbst anlegt.

  • Here are the OpenClaw security risks you should know about · TechRadar

    Vor dem Einrichten lesen: Prompt Injection, fremde Skills, offene Ports.

Stand November 2026

Willst du Hilfe bei deinem eigenen Chief of Staff?

Ich richte ihn mit dir ein: welche Abläufe zuerst, welche Tools und Modelle, welche Regeln und was die KI allein darf. Oder wir automatisieren gezielt einen Teil deines Geschäfts. Für Freelancer, Gründerinnen und Gründer und kleine Teams. Wir fangen mit 30 Minuten an.

Der Abend

Wann
Di 01.12.2026, Einlass 18:00, Talk um 19:00
Wo
Techtelmechtel, Gürtelstraße 25, 10247 Berlin-Friedrichshain, nahe Ostkreuz
Ablauf
Talk, offene Fragerunde, dann die Übung mit einem eigenen Ablauf. Danach Drinks.
Für wen
Freelancer und Selbstständige, die ihre Verwaltung loswerden wollen. Technisches Vorwissen brauchst du nicht.
Sprache
Englisch

Zur Anmeldung auf Luma

Nachbericht auf Substack

Nach dem Talk schreibe ich ihn auf Substack auf, mit allem, was in den Abend nicht mehr gepasst hat. Abonnieren kannst du unten auf der Seite oder direkt dort: niklaslaasch.substack.com