Skills erzeugen: Agent-Workflows statt Einweg-Prompts

Ein Prompt ist eine Idee. Ein Skill ist ein Werkzeug. Der Unterschied entscheidet, ob die KI-Arbeit in einzelnen Köpfen oder im Teamrepository lebt.

Was ein Skill ist

Ein Skill bündelt drei Dinge an einem Ort:

1. Eine Systemanweisung, die Rolle, Zweck und Grenzen definiert.
2. Werkzeuge, auf die der Skill zugreifen darf - Dateisystem, Datenbank, HTTP-Client, interne API.
3. Einen Qualitätsstandard, der festlegt, was als "fertig" gilt.

Was ein Skill nicht ist: ein schicker Prompt in einem Notion-Dokument. Entscheidend ist die Versionierung: ein Skill lebt im Git, hat eine Geschichte, lässt sich reviewen und zurückrollen.

Warum das den Alltag verändert

Drei konkrete Effekte sehen wir regelmäßig:

• Reproduzierbarkeit. Zwei Kolleg:innen bekommen bei gleicher Aufgabe vergleichbare Ergebnisse.
• Review-fähigkeit. Pull-Requests auf Skills ermöglichen inhaltliche Diskussion - anders als "wer hat den besseren Prompt".
• Delegation an Agenten. Ein Skill, den ein Mensch heute nutzt, kann morgen ein Agent automatisiert aufrufen.

Ein Beispiel aus unserem Alltag

Unser timetrack-Skill liest Git-Commits, gleicht sie mit Projektregeln ab und bucht Zeiteinträge in TimeCockpit. Vorher: manueller Abgleich, fünf bis zehn Minuten pro Tag, fehleranfällig. Nachher: ein Befehl, zwei Rückfragen, Buchung. Entscheidend war nicht das Sprachmodell, sondern der strukturierte Skill drumherum - mit konkreten Projektregeln in .claude/TIMECOCKPIT.md und klaren Erfolgs-Kriterien.

Vom Einzel-Prompt zum Team-Asset

Drei Fragen helfen, vorhandene Prompts zu Skill-Kandidaten zu verdichten:

1. Wird dieser Prompt öfter als dreimal im Monat gebraucht?
2. Braucht er Kontext, der sich nicht jedes Mal ändert?
3. Gibt es einen klaren Erfolgs-Check ("fertig heißt X")?

Bei drei Ja ist die Investition in einen echten Skill praktisch immer sinnvoll - für Menschen im Team heute, für Agenten morgen.