Nutzen Sie noch keine KI-Agenten? Ein Fünf-Minuten-Leitfaden zum Einstieg.
Warum Agenten Chatbots übertrumpfen – zusammen mit schnellen Einrichtungstipps für Claude Cowork, Claude Code, die Codex-App und Codex CLI, einschließlich Kosten, Einschränkungen und einem Beispiel-Arbeitsablauf.
Quellen: Still not using AI Agents? Get Caught up in Five Minutes.
Falls Sie bisher nur KI-Tools im Chat-Format verwendet haben, ist dies ein Anreiz, es mit einem Agenten zu versuchen. Viele Menschen suchen nach KI-Shortcuts und schnellen Tipps, doch nichts ersetzt das eigentliche Arbeiten mit einer solchen KI. Agenten haben die Arbeitsweise, das Erstellen und Gestalten vieler Menschen verändert, und der Unterschied zwischen denen, die sie bereits ausprobiert haben, und denen, die es noch nicht getan haben, wird immer größer. Ein paar Minuten Lesen und eine kurze Einrichtung reichen aus, um loszulegen.
Was ein Agent Ihnen bietet, was ein Chatbot nicht kann
Neben einer normalen Chat-Erfahrung wie bei ChatGPT ist es berechtigt, sich zu fragen, was ein Agent zusätzlich bietet. Vier Aspekte stechen hervor.
Beständige Dateien
Ein Agent schreibt echte Dateien auf Ihrem Computer, was bedeutet, dass er auf Ihre Anweisungen hin echte Arbeit erledigen kann. Legen Sie einige Dateien in einen Ordner, geben Sie dem Agenten Anweisungen, wie er sie verarbeiten soll, und er macht sich an die Arbeit. Die Ergebnisse bleiben auf Ihrer Festplatte, nicht in einem scrollbaren Chatfenster.
Automatisierung im Browser
Man kann einen Agenten mit einer echten Chrome-Sitzung verbinden. Von dort aus kann er Ihr LinkedIn-Profil ansehen, Nachrichten auf X senden und lästige Aufgaben in anderen Softwareprogrammen erledigen.
Werkzeuge, einschließlich solcher, die er selbst erstellt
Agenten automatisieren komplexe Aufgaben mit integrierten Werkzeugen und können auch sofort neue Werkzeuge erstellen. Nehmen wir an, Sie überprüfen täglich Ihren Posteingang nach einer bestimmten Art von Nachrichten. Bitten Sie den Agenten, etwas dafür zu erstellen, und er wird Sie Schritt für Schritt bei der Einrichtung begleiten. Die Aufgabe wird nun von einem Agenten übernommen, der seinen eigenen Ablauf jederzeit anpassen kann, sobald Sie es wünschen. Es bedarf nur einer Anweisung.
Wiederholbare Workflows ohne Programmieren
Agenten unterstützen in der Regel Fähigkeiten. Eine Fähigkeit ist eine in Alltagssprache verfasste Beschreibung einer Aufgabe oder einer Gruppe von Aufgaben, die gespeichert wird, damit sie wiederverwendet werden kann. Sie oder der Agent schreiben sie einmal, und jeder Agent kann sie später nutzen, um die Arbeit ohne erneute Anweisung auszuführen. Angenommen, Sie möchten einen Agenten, der Tabellenkalkulationen prüft. Legen Sie den genauen Ablauf in eine skill.md-Datei – der Agent hilft gerne dabei, sie zu erstellen – und ab dann wiederholt er diese Prüfung auf Anfrage.
Erste Schritte
Hier ist ein schneller Einstieg in Agenten, beginnend mit einigen der besten Plattformen.
Claude Cowork
Cowork ist der freundlichste Einstiegspunkt, da es sich um eine Desktop-App statt um ein Terminal-Tool handelt. Diese Gewohnheiten helfen dabei:
- Arbeiten innerhalb eines Projekts. Beginnen Sie jede Sitzung in einem Ordner, den Cowork als Projekt bezeichnet, damit Ihre Dateien organisiert bleiben. Wählen Sie die Option, in einem Projekt zu arbeiten, erstellen Sie einen Ordner – und schon sind Sie fertig.
- Kritische Dateien unzugänglich halten. Bitten Sie Cowork niemals, Ihre wichtigen Originaldateien direkt zu öffnen oder zu bearbeiten. Verwenden Sie Kopien oder lassen Sie Cowork diese in das Projekt kopieren. Eine Einstellung, die Bearbeitungen außerhalb des Projektordners verhindert, ist standardmäßig aktiviert.
- Internetzugang freischalten. Legen Sie in den Einstellungen die Allowlist für Domains auf alle Domains fest. Solange die Einschränkung aktiv bleibt, sind Ihre Möglichkeiten ziemlich begrenzt.
- Fragen Sie nach dem, was möglich und was nicht möglich ist. Cowork weiß in der Regel, wenn eine Aufgabe nicht umsetzbar ist, und teilt dies mit – vorausgesetzt, Sie fragen danach.
Ein Beispiel für einen Workflow
Eine gute Demo ist ein wiederholbarer PDF-Berichtsgenerator. Wenn man einen anfordert, beginnt Cowork damit, Sie zum Anwendungsfall auszufragen. In diesem Beispiel sucht es im Internet nach aktuellen Marktdaten und wandelt sie in einen Bericht um. Ebenso einfach lässt sich eine eigene Datengrundlage über eine API oder über die Standardanschlüsse, die zu Gmail, Google Drive, Notion und ähnlichen Diensten führen, einbinden.
Danach arbeitet es selbstständig weiter. Es installiert ein Python-Paket, sucht im Internet und beginnt mit dem Aufbau der Pipeline. Nach einigen Minuten hat es Skripte erstellt und einen Workflow eingerichtet, den es ohne weitere Anweisung täglich erneut ausführen kann – einen Workflow, den es oder ein anderer Agent jederzeit aufrufen kann.
Alles bleibt bestehen. Sie können Änderungen am Design anfordern, und es führt diese durch, wobei der Prozess am nächsten Tag erneut wiederholt wird, falls Sie es wünschen. Mit der aktivierten Chrome-Erweiterung können Sie noch weiter gehen und es beauftragen, das fertige Bild zusammen mit einem von ihm erstellten Titel und Text auf LinkedIn zu veröffentlichen.
Claude Code
Claude Code ist im Grunde dasselbe wie Cowork, nur mit einer anderen Benutzeroberfläche. Es handelt sich um ein Kommandozeilenwerkzeug, sodass Sie es über das Eingeben in einer Terminalkonsole bedienen.
Out of the box ist es erheblich leistungsstärker. Es kann viele der Einschränkungen umgehen, die Cowork hat, was es ermöglicht, eigene Tools zu entwickeln, benutzerdefinierte Software zu erstellen und diese in die Cloud zu deployen sowie automatisierte Recherchen im Deep Web durchzuführen.
Cowork verfügt über integrierten Claude Code, was praktisch ist, wenn man den Code selbst nicht bearbeiten möchte. Technisch versierte Nutzer profitieren mehr davon, es global zu installieren und in einer IDE zu nutzen, und das CLI-Design bietet eigene nützliche Funktionen. Um loszulegen, reicht ein einziger Befehl in der Terminal-App Windows PowerShell aus:
irm https://claude.ai/install.ps1 | iex
Dies erledigt Installation, Einrichtung und Anmeldung. Wie bei Cowork wird auch hier erklärt, was möglich und was nicht möglich ist, und Projektordner bleiben die beste Möglichkeit, die Arbeit zu organisieren.
Einschränkungen
Claude Code kann ein täglicher Bestandteil der Arbeit sein, hat aber echte Nachteile:
- Kosten. Für intensiven Gebrauch sollten Sie mit mindestens 50 US-Dollar pro Monat rechnen.
Mit großer Macht kommt große Verantwortung. Menschen nutzen es für automatisierte Handelsalgorithmen, Prognosemärkte, personalisierte Nachrichtenbenachrichtigungen, kleine kostenlose Softwareprojekte sowie einfache Full-Stack-Anwendungen für sich selbst und Kunden.
OpenAI Codex-App
Die Codex-App ähnelt am meisten Cowork, weshalb sie die natürliche Wahl ist, wenn Sie bereits im OpenAI-Ökosystem tätig sind. Viele Menschen betrachten OpenAI’s aktuelles Spitzenmodell, GPT-5.5, als das intelligenteste verfügbare Modell.
Anstatt dieselbe Demo immer wieder durchzuführen, bietet sich eine bessere Darstellung durch seine Automatisierungsfunktion an. Eine einzige Anweisung reicht aus, um eine tägliche Nachrichtenbenachrichtigung einzurichten, die Websuche nutzt. Für aufwändigere Arbeitsabläufe mit komplexen Datei-Lese- und Schreibvorgängen oder Datenauswertungen können Sie Codex bitten, Sie durch die Nutzung zu führen. Es genügt, ihm zu sagen, er solle Sie bei einer bestimmten Aufgabe Schritt für Schritt unterstützen, um loszulegen.
Codex CLI
OpenAI bietet außerdem ein auf Programmieren ausgerichtetes Produkt, das Codex-Command-Line-Tool, das viel Aufmerksamkeit erhalten hat und bereits 100 Millionen Downloads verzeichnet. Im Grunde handelt es sich um dieselbe Idee wie Claude Code, sodass die Wahl letztendlich der Präferenz überlassen bleibt – die gleichen Prinzipien gelten jedoch weiterhin.
Verwandte Artikel
- Eine lokale Lebenslauf-RAG-Datenbank mit Docling, PostgreSQL pgvector und Ollama — Wandeln Sie eine Ordner mit PDF- und DOCX-Lebensläufen in eine suchbare Kandidaten-Datenbank um: Docling zur Aufteilung in Fragmente, PostgreSQL mit pgvector, lokale Ollama-Modelle sowie eine Streamlit-Oberfläche.
- KI-Agenten gegen traditionelle Backends: Ablaufsteuerung, Kosten und Fehlermöglichkeiten — Vergleich eines deterministischen Backends mit einem LLM-Agenten-Loop am Beispiel von Rückerstattungen: Latenz, Tokenkosten, Kontextwachstum, Fehlermöglichkeiten sowie der optimale Einsatz eines hybriden Designs.