Zugang freigeschaltet

Claude Code
Mini-Tutorial

Wie du mit Claude Code 100-mal produktiver wirst. Vollständiger Systemleitfaden für Wissensarbeiter.

Schnellnavigation

Schnellstart (10 Min.)1. Verständnis 2. Einrichtung 3. Speicher & Progressive Disclosure 4. Agenten, Skills, Hooks & Harnesses Harness Engineering 5. MCP-Integration 6. Nächste Schritte

Wer dir das hier beibringt

Iwo Szapar

Mitgründer von AI Maturity Index (im Januar 2026 von ISG, Nasdaq: III übernommen). Habe über 3.000 Unternehmen dabei geholfen, ihre Arbeitsweise zu transformieren. Vorgestellt in der Financial Times und Forbes – und ich führe mein gesamtes Geschäft mit genau dem System, das du gleich lernst.

Referenzen:

• Über 1.164 Tage täglicher KI-Nutzung
• Über 30 eigene Agenten im Produktivbetrieb
• 3 KI-gestützte Produkte aufgebaut
• Berater für Fortune-500-Teams

Was mich unterscheidet:

• Context Engineering, keine Prompt-Tricks
• Ein echtes System mit über 30 Agenten (keine Theorie)
• Fokus auf Nicht-Techniker

So arbeitest du dich durch dieses Tutorial

Dieser Leitfaden ist in 6 aufeinander aufbauenden Phasen aufgebaut, plus einer neuen Harness-Engineering-Ebene für zuverlässige KI-Arbeit.

Phasen 1-2: Grundlagen (15 Min.)

Verstehe, was Claude Code ist, und bring es zum Laufen

Phasen 3-4: Die zentrale Power (30 Min.)

Progressive Disclosure, Hooks, Agenten, Skills und kumulatives Lernen

Phase 5: Fortgeschritten (20 Min.)

MCP-Integrationen, um deine Business-Tools anzubinden

Phase 6: Umsetzung (10 Min.)

Dein Weg nach vorn mit fertigen Vorlagen

Profi-Tipp: Klicke auf die Abschnittstitel zum Auf- und Zuklappen. Spare Zeit, indem du dich auf das konzentrierst, was du am dringendsten brauchst.

Schnellstart: deine ersten 10 Minuten

Willst du die Magie sehen, bevor du die Theorie liest? Wähle dein Setup und mach das jetzt sofort.

Claude Code installieren (2 Min.)

curl -fsSL https://claude.ai/install.sh | bash

Terminal öffnen, authentifizieren, starten

claude login
claude

Sag das (wörtlich kopieren und einfügen):

"Research the top 3 competitors in my space and
summarize their pricing models. Run them in parallel
with subagents."

Sieh zu, wie Claude automatisch mehrere Agenten startet

Du hast gerade einen Multi-Agenten-Workflow ausgeführt. Drei KI-Worker haben parallel recherchiert, während du dich zurücklehnen konntest. Das ist die Grundidee – lies jetzt weiter, um zu erfahren, wie du ein komplettes System darum herum baust.

Nutzt du Claude Code schon? Spring direkt zu Phase 4: Agenten, Skills, Hooks & Harnesses für die fortgeschrittenen Orchestrierungsmuster.

Phase 1

Verständnis: der Wechsel vom Chat zur repository-basierten KI

Einführung in 30 Sekunden

Claude Code ist ein KI-Coding-Agent von Anthropic, der über dein Terminal, deine IDE, die Desktop-App und den Browser hinweg arbeitet. Sitzungen starten weiterhin bei null, aber dein Repository kann dauerhaften Kontext über Dateien wie CLAUDE.md, .claude/rules/, Skills, Agenten und Projektdokumentation mitführen.

"Claude Code ist das am meisten unterschätzte KI-Tool für nicht-technische Leute."

Aktuelle Anthropic-Oberflächen

Drei Wege, mit Claude zu arbeiten

Die Benennung ist verwirrend, weil die Desktop-App jetzt mehrere Tabs enthält. Trenne die Produktoberfläche vom Workflow, den du willst.

Chat-Tab · Browser oder App

Claude Chat

• Am besten für Fragen, Entwürfe, Brainstorming
• Kein Repository-Workflow nötig
• Dateien sind Anhänge, kein arbeitendes Projektgehirn
• Nutze das, wenn die Aufgabe einmalig ist

Am besten für: schnelles Denken, nicht für wiederverwendbare Systeme

Cowork-Tab · Desktop-App

Claude Cowork

• Autonomer Hintergrund-Agent in einer Cloud-VM
• Gut für längere Wissensarbeit
• Weniger Einrichtung als Terminal-Workflows
• Idealer Einstieg, wenn du Ergebnisse willst, keine Infrastruktur

Am besten für: Berater, Analysten, Operators

Code-Tab, CLI, IDE, Web

Claude Code (dieser Leitfaden)

• Coding-Agent für Dateien, Repos, GitHub und Automatisierung
• Läuft im Terminal, in IDEs, der Desktop-App, im Browser, in Slack und in CI/CD
• Skills, Subagenten, Hooks, MCP, Routines und Hintergrundsitzungen
• Am stärksten, wenn deine Arbeit in einem strukturierten Repository lebt

Am besten für: Power-User, die ein wiederverwendbares Betriebssystem bauen

Du liest gerade den Leitfaden dazu ↗

Unsicher? Nimm Chat für einmaliges Denken, Cowork für Hintergrundarbeit mit wenig Einrichtung und Claude Code, wenn du Projektspeicher, eigene Workflows, Hooks, MCP und wiederholbare Systeme willst.

Jeder Wissensarbeiter, der:

Wiederkehrende Arbeit nach Mustern erledigt (Berichte, E-Mails, Angebote, Content)
Laufende Projekte managt, bei denen Kontext über Wochen und Monate hinweg zählt
Mit mehreren Tools jongliert (CRM, E-Mail, Kalender, Analytics, Content-Plattformen)
Eine KI will, die mit der Zeit klüger wird, statt nach jedem Chat alles zu vergessen

Berater

Kundenberichte, Angebote, Frameworks

Product Manager

PRDs, Roadmaps, User Stories

Marketer

Content-Kalender, Kampagnen

Gründer

Strategie, Investor-Updates, Operations

Sales & Revenue

Pipeline, Outreach, CRM-Automatisierung

Researcher & Analysten

Datensynthese, Wettbewerbsanalyse

Nicht ideal für:

Einmalige Fragen ohne Folgeaufgaben, einfaches Brainstorming oder Aufgaben, die sich nie wiederholen. Dafür reicht der normale Claude-Chat völlig.

"Ich bin kein Programmierer. Ich schreibe keinen Code. Deshalb ist es unglaublich, dass so etwas verfügbar ist und tatsächlich passieren kann."

— Dominic, Cloud-Berater • Hat mit Claude Code eine Abo-Plattform gebaut, ganz ohne Programmierhintergrund

Bevor wir loslegen

Sieh, worauf du hinarbeitest

Dieses Tutorial vermittelt jedes Konzept Schritt für Schritt. Aber wenn du sehen willst, wie ein komplettes System in der Praxis aussieht, hier ist ein 3-minütiger Clip aus einer Live-Session.

Ein Befehl. Die KI liest deine E-Mails, WhatsApp-Nachrichten, Aufgaben und dein CRM – und sagt dir dann, worauf du dich heute konzentrieren solltest. Alles, was du hier siehst, lernst du in den folgenden Phasen zu bauen.

Live-Demo: Tagesplanung mit KI (startet bei 3:20)

Aus einer Second-Brain-Coworking-Session – die KI zieht aus 4 Datenquellen und priorisiert deinen Tag in unter 60 Sekunden.

Problem Nr. 1: kein dauerhafter Speicher

Traditionelle KI (ChatGPT, Claude Chat): Jedes Gespräch beginnt bei null. Du erklärst dein Projekt mehr als 10-mal pro Woche neu.

Claude-Code-Lösung: Das Repository als dauerhafter Speicher. Die Datei CLAUDE.md wird zu jedem Sitzungsstart geladen. Dev-Docs (plan.md, context.md, tasks.md) für mehrwöchige Projekte.

Traditionelle KI-Sitzung:

Session 1:
You: "I'm building a SaaS product..."
[Explain project for 10 minutes]

Session 2 (next day):
You: "Remember my SaaS product?"
AI: "What product? Please explain."
[Re-explain AGAIN]

Claude-Code-Sitzung:

Session 1:
Claude reads CLAUDE.md
"I see you're building a SaaS
product. What would you like?"

Session 2 (next day):
Claude reads CLAUDE.md
"Back to the SaaS project.
What's next?"

Kernaussage: Dauerhafter Speicher eliminiert den Overhead des Kontextwechsels

Echter Effekt: Richard (Unternehmensberater, Australien) hat eine Woche damit verbracht, Claude Code allein einzurichten. Nach einer einzigen 2-stündigen Session mit den Second-Brain-Vorlagen: "Du hast in diesem Call das gelöst, was ich noch falsch gemacht habe – ich habe es gepromptet, als wäre es ein Chatbot. Mit Befehlen und Agenten kannst du es deinen täglichen Workflow für dich managen lassen. Das ist riesig. Definitiv das Geld wert, um mir drei bis vier Monate zu sparen, in denen ich mich sonst durchgehangelt hätte."

Problem Nr. 2: der sequenzielle Flaschenhals

Traditionelle KI: Kann nur an EINER Sache gleichzeitig arbeiten. 10 Dateien analysieren? Auf jede einzeln warten.

Claude-Code-Lösung: Subagenten führen mehrere Aufgaben parallel innerhalb der Sitzung aus. Für unabhängige, langlaufende Arbeit nutzt du Hintergrundsitzungen aus Claude Code im Web, Desktop, Slack oder der Agent View.

Visueller Vergleich

SEQUENTIAL (ChatGPT Way):
[Agent 1: Research] → [Agent 2: Content] → [Agent 3: Analysis]
15 min                 20 min               10 min
Total: 45 minutes

PARALLEL (Claude Code Way):
[Agent 1: Research]  ─┐
[Agent 2: Content]   ─┼─ All running simultaneously
[Agent 3: Analysis]  ─┘
Total: MAX(15, 20, 10) = 20 minutes

Speedup: 45 min → 20 min = 2.25x faster

Echter Effekt: Ein Berater analysierte 5 Wettbewerber (Asana, Monday, ClickUp, Notion, Airtable). ChatGPT brauchte 45 Min. und schaffte nur 3. Claude Code mit Subagenten brauchte 20 Min. und erledigte alle 5 gleichzeitig.

Kernaussage: Hintergrund-Agenten ermöglichen echte parallele Verarbeitung

Echter Effekt: Damian (KI-Berater, Schweiz) baute in 2 Tagen einen kompletten Social-Media-Content-Flow – etwas, das ein kommerzielles SaaS-Tool für Hunderte pro Monat verkauft. Sein Workflow: Ideen erfassen → LinkedIn-Stimm-DNA extrahieren → Karussell-PDFs erzeugen → Posts planen. "Ein Freund hat mir gerade von dieser neuen, super coolen Lösung erzählt, die er gekauft hat. Es war genau das, was ich in zwei Tagen mit dem Second Brain gebaut hatte. Reine Magie."

Problem Nr. 3: die Kontextwechsel-Steuer

Traditionelle KI: Doks kopieren → einfügen → warten. Code kopieren → einfügen → warten. Mehr als 30 Minuten pro Sitzung verloren.

Claude-Code-Lösung: MCP (Model Context Protocol) verbindet sich direkt mit Gmail, Kalender, CRM und Analytics. Schluss mit dem Kopieren und Einfügen zwischen Apps.

Manueller Prozess:

1. HubSpot öffnen
2. 200 Webinar-Teilnehmer exportieren
3. CSV herunterladen
4. E-Mail-Liste kopieren
5. In ChatGPT einfügen
6. Um Analyse bitten
7. Ergebnisse zurückkopieren
8. In HubSpot hochladen

Zeit: 35 Minuten

MCP-Prozess:

1. "Markiere die Webinar-Teilnehmer"
2. Claude verbindet sich mit HubSpot
3. Fertig.

Zeit: 3 Minuten

Echter Effekt: Ein Sales-Ops-Manager ging von 2 Stunden/Woche manueller CRM-Pflege auf null. Alles automatisiert über MCP.

Problem Nr. 4: die Tool-Isolation

Traditionelle KI: Die KI kommt nicht an deine echten Business-Tools heran. Überall manueller Datentransfer.

Claude-Code-Lösung: Skills aktivieren sich automatisch anhand von Schlüsselwörtern. Hooks führen Skripte automatisch aus. Einmal bauen, für immer wiederverwenden.

Beispiel: Automatisierung des Wochenberichts

Traditional AI:
You: "Generate weekly sales report"
AI: "Please provide data..."
You: [Copy sales from HubSpot]
You: [Copy traffic from Analytics]
You: [Copy revenue from Stripe]
AI: [Generates report]
You: [Format manually]
You: [Send to team]
Time: 45 minutes

Claude Code with Skills:
You: "Generate weekly sales report"
Skill auto-loads:
  ├─ MCP: Fetch HubSpot deals
  ├─ MCP: Fetch GA4 traffic
  ├─ MCP: Fetch Stripe revenue
  └─ Generate formatted report
  └─ Save to reports/weekly-2025-01-11.md
Time: 2 minutes

Echter Effekt: Eine Marketingleiterin automatisierte 5 Wochenberichte. Von 3,5 Stunden/Woche auf 10 Minuten/Woche. Das ist 21-mal schneller.

Was ein Tool + strukturierter Kontext tatsächlich ersetzt hat

Das ist nicht theoretisch. Das sind echte Admin-Seiten, die genau jetzt im Produktivbetrieb laufen.

SaaS-Kategorie	Typische Monatskosten	Jetzt in Second Brain integriert
CRM (HubSpot/Pipedrive)	$45-100/mo	Sales-Pipeline + Prospect-Tracking
E-Mail-Marketing (Mailchimp)	$30-60/mo	Automatisierte Sequenzen + Newsletter
Content-Planung (Buffer)	$15-30/mo	Content-Kalender + Queue-Management
Aufgabenmanagement (Asana/Linear)	$10-25/mo	Aufgaben-Tracking + Sitzungs-Workflow
Analytics-Dashboard	$20-50/mo	Business Intelligence + Reporting
Kunden-Lieferportal	Individuell	Repository-Generator + Onboarding

$120-265/Mon. vorher

→

$20/Mon. nachher (Claude Pro)

Das ist kein Vergleich zwischen Claude und HubSpot. HubSpot ist besser darin, ein CRM zu sein. Aber für einen Solopreneur oder ein kleines Team deckt Claude Code + strukturierter Kontext 80 % dessen ab, wofür du diese Tools tatsächlich nutzt – zu 10 % der Kosten.

Checkliste Phase 1

Den Unterschied zwischen Chat-KI und repository-basierter KI verstehen Die 4 Probleme kennen, die Claude Code löst (Speicher, Parallelität, Kontextwechsel, Tool-Isolation) Die Kernbegriffe verstehen: CLAUDE.md, Subagenten, Skills, MCP, Hooks, Progressive Disclosure Entscheiden, mit welchem Anwendungsfall du startest (Content, Recherche, Reporting, CRM-Automatisierung)

Willst du die Abkürzung?

Spar dir 2-3 Wochen Trial and Error. Alles weiter unten ist im Second Brain bereits fertig gebaut.

Pakete ansehen

Phase 2

Einrichtung: erste Schritte

Claude-Abo oder API-Abrechnung

Die meisten sollten mit einem Claude-Pro- oder Max-Plan für planbare Monatskosten starten. API-Abrechnung gibt es ebenfalls für programmatische oder Team-Workflows.

Wähle, wie du Claude Code nutzt

Wähle die Oberfläche, die zu deinem Komfortlevel und deinem Betriebssystem passt

Claude Code im Web

Research Preview. Verbinde GitHub unter claude.ai/code. Läuft in einer von Anthropic verwalteten Cloud-VM.

Code-Tab der Desktop-App

Native App für macOS und Windows. GUI für Claude Code mit Seitenleiste, Terminal, Datei-Editor, Diffs, Vorschauen und PR-Monitoring.

Terminal-CLI (am leistungsstärksten)

Volle Kontrolle über lokale Dateien, Shell, MCP, Hooks, Skripte, CI und Automatisierung.

IDE-Erweiterung

VS Code, Cursor und IDEs der JetBrains-Familie. Claude Code läuft direkt in deinem Editor, neben deinen Dateien.

GitHub-Konto (optional, aber empfohlen)

Stell es dir vor wie "Google Drive für das Gehirn deiner KI" – es sichert dein Repository und synchronisiert es über Geräte hinweg.

Checkliste Phase 2

Claude Code installieren (Desktop-App, Terminal-CLI, IDE-Erweiterung oder Web) Führe claude --version aus, um die Installation zu prüfen Authentifiziere dich mit claude login oder einem API-Key Führe claude aus und teste mit einem einfachen Prompt Erstelle deine erste CLAUDE.md (auch eine einfache reicht) Führe /status aus, um deine Authentifizierungsmethode zu bestätigen

Der beste Weg, Claude Code einzuführen

Versuch nicht, das ganze System auf einmal zu bauen. Der größte Fehler ist, gleich am ersten Tag alles automatisieren zu wollen. Das klappt nie.

Wähle einen Anwendungsfall pro Tag. Mehr nicht.

Tag 1

"Hilf mir, dieses Unternehmen zu recherchieren."

Tag 2

"Schreib mir einen LinkedIn-Post über X."

Tag 3

"Prüfe diese Landingpage."

Tag 4

"Erstelle einen Skill für meinen Wochenbericht."

Stück für Stück füllt sich dein Repo. Deine Skills, Agenten, Rules und deine CLAUDE.md werden klüger. Nach ein paar Wochen blickst du zurück und merkst, dass du ein ganzes System gebaut hast – ein kleines Teil nach dem anderen.

Deine 4-Wochen-Einführungs-Roadmap

Subagenten (null Einrichtung nötig)

Bitte Claude Code, für 2-3 unabhängige Recherche-Aufgaben Subagenten zu nutzen. Achte darauf, wie dein Hauptgespräch sauber bleibt, während die Spezialisten parallel arbeiten.

Dein erster Skill

Wähle deinen am häufigsten wiederkehrenden Workflow (Content-Erstellung, Code-Review, Datenanalyse). Erstelle .claude/skills/my-workflow/SKILL.md mit einer klaren Beschreibung und Schritt-für-Schritt-Anweisungen. Teste, indem du natürlich danach fragst oder /my-workflow aufrufst, und iteriere dann.

Skills + Subagenten kombiniert

Füge in deinem Skill Schritte hinzu, die Subagenten für Recherche nutzen. Verkette zwei Skills. Richte deine CLAUDE.md mit Projektkontext und Präferenzen ein.

Harness + MCP + Fortgeschrittenes (optional)

Füge Plan-, Test-, Review- und Freigabe-Gates um deine wichtigsten Workflows hinzu. Verbinde dann Business-Tools über MCP. Die meisten sollten den Harness bauen, bevor sie mehr Autonomie geben.

Phase 3

Speichersystem: CLAUDE.md & Repository-Struktur

Hinweis: CLAUDE.md ist optional, aber für dauerhaften Kontext dringend empfohlen. Sie erspart dir, dein Projekt in jeder Sitzung neu zu erklären.

Eine spezielle Markdown-Datei, die Claude Code zu Beginn jeder Sitzung lädt. Stell sie dir als das Handbuch deines Projekts vor – aber für die KI, nicht für Menschen.

Ohne CLAUDE.md:

• Jede Sitzung: "Hier ist mein Projekt..."
• Kontext mehr als 10-mal/Woche neu erklären
• Claude vergisst deine Präferenzen
• Inkonsistente Ergebnisse

Mit CLAUDE.md:

• Claude liest sie einmal pro Sitzung
• Sofortiger Kontext zu deinem Projekt
• Merkt sich Stil & Anforderungen
• Konsistente Qualität

Basis-Vorlage für CLAUDE.md

# CLAUDE.md

## Project Overview
[One sentence: What you're building]

**Mission**: [Your project's goal]
**Target Users**: [Who uses this]

## Repository Structure
- `company-brain/`: Business knowledge
- `agents/`: AI agent templates
- `data/`: Datasets and analysis

## Key Guidelines
- [Important fact #1 Claude should always know]
- [Important fact #2]
- [Important fact #3]

## Output Standards
- [How you want deliverables formatted]
- [Your writing style preferences]

## Guardrails
- [Things Claude should NEVER do]
- [Data privacy rules]

Sieh es in der Praxis

Wie ein echtes Second Brain auf GitHub aussieht

Vergiss die Theorie für einen Moment. Hier ist ein echtes Second-Brain-Repository mit über 30 Agenten, Skills, Befehlen und Wissensdateien – die Struktur, die alles in diesem Tutorial zum Laufen bringt.

Hinter den Kulissen: Durchgang durch ein echtes GitHub-Repo (startet bei 42:30)

Aus einer Live-Coworking-Session – ein Streifzug durch die echten Ordner, Agenten, Skills und die Dokumentation, die ein produktives Second Brain antreiben.

"Ich habe alles in CLAUDE.md gepackt – 500 Zeilen. Claude fing an, die Hälfte zu ignorieren. Dann habe ich von Progressive Disclosure gelernt und alles hat klick gemacht."

— Andrew, Product Director

Der Fehler Nr. 1, den alle machen

Die Leute stopfen alles in CLAUDE.md – Business-Kontext, API-Doks, Style-Guides, Gotchas, Vorlagen. Ab 500+ Zeilen fängt Claude an, Anweisungen zu ignorieren. Studien zeigen, dass das Befolgen von Anweisungen ab etwa 300 Zeilen und etwa 50 Regeln nachlässt. Mehr Anweisungen führen paradoxerweise zu schlechterem Befolgen von Anweisungen.

Die Lösung ist Progressive Disclosure: Halte CLAUDE.md kurz (unter 200 Zeilen) mit Verweistabellen, die detaillierte Doks bei Bedarf laden. Denk an ein Inhaltsverzeichnis, nicht an eine Enzyklopädie.

Monolithisch (bricht bei Skalierung):

CLAUDE.md (972 lines)
├─ Business context (50 lines)
├─ API documentation (200 lines)
├─ Database schema (150 lines)
├─ Style guide (100 lines)
├─ Email templates (120 lines)
├─ Gotchas list (80 lines)
├─ MCP configs (150 lines)
└─ ... Claude ignores half of it

Geschichtet (skaliert unbegrenzt):

CLAUDE.md (200 lines)
├─ Business context (always loaded)
├─ Tech stack (always loaded)
├─ Pointer table → docs/
├─ Critical gotchas (3-5 rules)
└─ Self-improvement protocol

.claude/docs/ (loaded on demand)
├─ api-guide.md
├─ database-ops.md
├─ email-system.md
└─ gotchas.md

Die drei Ebenen

Ebene 1: CLAUDE.md (immer geladen – unter 200 Zeilen)

Nur universell anwendbarer Kontext gehört hierher. Business-Kontext, Tech-Stack, kritische Gotchas und eine Verweistabelle zu allem anderen.

Das Muster der Verweistabelle

## Architecture & Patterns
| Area              | Read This File             |
|-------------------|----------------------------|
| Writing API code  | .claude/docs/api-guide.md  |
| Database work     | .claude/docs/database.md   |
| Email system      | docs/EMAIL_SYSTEM.md       |
| Known gotchas     | .claude/docs/gotchas.md    |
| Troubleshooting   | docs/TROUBLESHOOTING.md    |

Read the relevant file BEFORE making changes
in that area.

Wenn Claude am E-Mail-System arbeiten muss, liest es CLAUDE.md, sieht den Verweis und lädt docs/EMAIL_SYSTEM.md bei Bedarf. Die übrigen Doks bleiben außerhalb des Kontexts.

Ebene 2: .claude/docs/ (bei Bedarf geladen)

Detaillierte Dokumentation, die Claude nur liest, wenn es in einem bestimmten Bereich arbeitet. Jede Datei beginnt mit einem "Wann lesen"-Trigger.

Beispiel: .claude/docs/api-guide.md

# API Development Guide

> When to read: Before writing or modifying
> any API endpoint

## Pattern: Legacy Request/Response
All endpoints MUST use VercelRequest/
VercelResponse pattern. Web API pattern
causes 30-second timeouts.

## Required: .js Extensions
All imports in API files MUST include .js
extension. Missing extensions cause silent
build failures in production.

## Template
export default async function handler(
  req: VercelRequest,
  res: VercelResponse
) { ... }

Ebene 3: knowledge/ (agentenspezifischer Kontext)

Tiefes Referenzmaterial, das nur bestimmte Agenten oder Skills brauchen. Wird nie in allgemeine Sitzungen geladen.

.claude/knowledge/
├─ content-creator/    # Voice DNA, templates
│   ├─ brand-voice.md
│   └─ content-types.md
├─ sales/              # CRM context, scripts
│   ├─ objection-handling.md
│   └─ email-sequences.md
└─ data-analysis/      # Schema, query patterns
    └─ common-queries.md

Warum das funktioniert:

Kontext-Effizienz

Eine schlanke CLAUDE.md mit Verweisen nutzt weit weniger Tokens als eine riesige Datei. Lässt Platz für die eigentliche Arbeit.

Besseres Befolgen von Anweisungen

50 Regeln in einer fokussierten Datei schlagen 200 Regeln in einer aufgeblähten Datei. Jedes Mal.

Skaliert unbegrenzt

Füge neue Doks hinzu, ohne CLAUDE.md anzufassen. Ergänze einfach eine Zeile in der Verweistabelle.

Schnellstart: Progressive Disclosure in 3 Schritten

1. Erstelle das Verzeichnis .claude/docs/
Verschiebe jeden Abschnitt, der länger als 20 Zeilen ist, aus CLAUDE.md in eine eigene Datei.
2. Füge CLAUDE.md eine Verweistabelle hinzu
Ordne jeden Arbeitsbereich der Datei zu, die Claude vor dem Start lesen soll.
3. Füge "Wann lesen"-Trigger hinzu
Beginne jede Doks-Datei mit einem einzeiligen Trigger: "Wann lesen: bevor du an [X] arbeitest"

Diese Architektur zu bauen dauert 4-6 Stunden

Verweistabellen schreiben, Doks mit "Wann lesen"-Triggern organisieren, testen, dass Claude die richtige Datei zur richtigen Zeit lädt. Das Second Brain kommt mit über 10 vorkonfigurierten Doks, Trigger-Tabellen und der vollständigen, startbereiten Progressive-Disclosure-Architektur.

Spar dir die Einrichtung

Checkliste Phase 3

Eine CLAUDE.md unter 200 Zeilen mit Business-Kontext und Tech-Stack erstellen Das Verzeichnis .claude/docs/ für Dokumentation auf Abruf erstellen Eine Verweistabelle hinzufügen, die Arbeitsbereiche den Doks-Dateien zuordnet Jeden Abschnitt, der länger als 20 Zeilen ist, in eine eigene Datei verschieben Jeder Doks-Datei einen "Wann lesen"-Trigger hinzufügen Die Repository-Struktur aufsetzen (knowledge/, agents/, skills/, docs/) Test: Starte eine neue Sitzung und prüfe, ob Claude CLAUDE.md automatisch liest

Phase 4

Automatisierung: Agenten, Skills, Hooks, Harnesses & Lernen

"Das ist der echte Vorteil von Claude Code. Parallele Programmierung. Du feuerst 3 Recherche-Agenten ab und alle kommen mit Ergebnissen zurück, während du am Hauptstrang weiterarbeitest."

— Wytze, Community-Mitglied

Subagenten sind spezialisierte KI-Worker mit isoliertem Kontext. Wie ein Recherche-Analyst UND ein Texter, die gleichzeitig in deinem Team arbeiten.

Wann Subagenten nutzen:

✅ Parallele Analyse (10 Wettbewerber auf einmal)
✅ Spezialisiertes Fachwissen nötig
✅ Unabhängige Teilaufgaben
✅ Große Projekte mit klar getrennten Phasen

Wann NICHT nutzen:

❌ Einzelne, einfache Aufgaben
❌ Sequenzielle Abhängigkeiten
❌ Aufgaben, die gemeinsamen Kontext brauchen

Echtes Beispiel: Wettbewerbsanalyse

Aufgabe: 5 Wettbewerber analysieren (Asana, Monday, ClickUp, Notion, Airtable)

Sequenziell (ChatGPT): 45 Minuten

Einen analysieren → nächster → nächster... 3 schlecht erledigt, 2 aus Erschöpfung übersprungen

Parallel (Claude Code): 8 Minuten

5 Subagenten laufen gleichzeitig. Alle 5 fertig, hohe Qualität, einheitliches Format

Wie Subagenten funktionieren – visueller Ablauf

USER PROMPT:
"Analyze these 5 competitors: Asana, Monday, ClickUp,
Notion, Airtable. For each, analyze pricing, features,
target market."

CLAUDE CODE SPAWNS 5 SUBAGENTS:
┌─────────────────────────────────────────────┐
│ Main Claude                                 │
│ ├─ Subagent 1: Analyze Asana              │
│ ├─ Subagent 2: Analyze Monday             │
│ ├─ Subagent 3: Analyze ClickUp            │
│ ├─ Subagent 4: Analyze Notion             │
│ └─ Subagent 5: Analyze Airtable           │
│                                             │
│ [All run in parallel]                       │
│                                             │
│ After 8 min: Aggregate results →           │
│ Generate comparison table                   │
└─────────────────────────────────────────────┘

Realitätscheck zu den Kosten

Subagenten verbrauchen ihre eigenen Kontextfenster. Eine parallele Aufgabe mit 3 Agenten nutzt rund 3-mal so viele Tokens wie die sequenzielle Erledigung. Agenten-Teams (5+ Agenten) können 7-mal oder mehr erreichen. Das ist wichtig, wenn du per API abrechnest.

Strategie	Wie	Ersparnis
Kleinere Modelle für Worker	Nutze Haiku für einfache Aufgaben, Opus für Entscheidungen	60-80%
Agenten-Scope begrenzen	Tools und Dateizugriff pro Agent einschränken	30-50%
Explore-Agenten zum Suchen nutzen	Nur Lesen, schnell, minimaler Token-Verbrauch	~70%
In CLAUDE.md cachen	Ergebnisse speichern, damit Agenten nicht erneut recherchieren	Erheblich
max_turns setzen	Außer Kontrolle geratene Agenten-Schleifen verhindern	Harte Obergrenze

Mit einem Claude-Pro/Max-Abo (20-200 $/Mon.) laufen Subagenten innerhalb deiner Plan-Limits – keine zusätzlichen Kosten pro Token. API-Key-Nutzer sollten ihren Verbrauch genauer im Blick behalten.

Sieh es in der Praxis

Was tatsächlich in einer Agenten-Datei steckt

Du hast gerade über Agenten-Konfigurationen gelesen. Hier wird eine live geöffnet – ein Content-Creator-Agent mit Tool-Zugriff, einem Entscheidungsbaum, Stimm-Einstellungen und Verweisen auf Wissensdateien. Es ist eine Textdatei, kein Code.

Live-Demo: im Inneren eines Content-Creator-Agenten (startet bei 11:54)

Aus einem Second-Brain-Webinar – das Öffnen der echten Agenten-Datei, die Anweisungen, Tool-Berechtigungen, Entscheidungsbaum und Schreibregeln zeigt.

"Ich habe besseren Content bemerkt, wenn ich einen zentralen Agenten habe und dazu eine Reihe von Skills, die er selbst aufrufen kann. Statt jedes Mal den genauen Workflow im Kopf zu haben, sage ich einfach 'schreib einen LinkedIn-Post' und er zieht den richtigen Skill."

— Shaun, Spezialist für Marketing & Growth

Agent = Modell + Harness

Die meisten aktualisieren immer wieder das Modell. Power-User aktualisieren den Harness um das Modell herum. Ein Harness ist das Betriebssystem für KI-Arbeit: Er definiert den Plan, gibt dem Agenten sichere Tools, prüft die Ausgabe, bittet um Review, hält Lektionen fest und lässt die Arbeit erst dann ausliefern.

Das Modell ist nur eine Eingabe. Der Harness ist alles andere: Prompts, CLAUDE.md, Rules, Tools, MCP-Server, Dateisystem, Git, Sandboxes, Hooks, Subagenten, Kontextrichtlinien, Logs, Grader, Wiederherstellungspfade und Release-Gates. Claude Code, Cursor, Codex, Aider, Cline und Managed Agents sind allesamt Harnesses um Modelle herum.

Die Ratsche: jeder Fehler wird zu einer dauerhaften Korrektur

Harness Engineering beginnt, wenn du aufhörst, standardmäßig dem Modell die Schuld zu geben. Wenn der Agent einen Fehler wiederholt, besteht die Aufgabe darin, den Harness so zu ändern, dass genau dieser Fehler beim nächsten Mal schwerer oder unmöglich wird.

Beobachteter Fehler	Harness-Korrektur	Wo es lebt
Hat eine Projektkonvention ignoriert	Füge eine kurze, erarbeitete Regel hinzu	`CLAUDE.md` oder `.claude/rules/`
Hat einen destruktiven Befehl ausgeführt	Blockiere ihn vor der Ausführung	PreToolUse-Hook
Hat sich in einer langen Aufgabe verloren	Trenne die Rollen Planer, Ausführer und Reviewer	Skill + Subagenten
War mit kaputter Ausgabe fertig	Führe objektive Prüfungen aus und speise Fehler zurück	Verifizierungs-Hook oder Grader
Hat denselben schwachen Entwurf wiederholt	Füge Beispiele, Rubrik und Review-Fragen hinzu	Referenzdateien des Skills

Füge Einschränkungen nur hinzu, wenn sie auf einen echten Fehler zurückgehen. Entferne sie, wenn sie überholt sind. Ein guter Harness ist ein lebendes Artefakt, kein Prompt-Friedhof.

1. Plan-Gate

Bevor Claude handelt, muss es das Ziel, die Annahmen, die Dateien oder Quellen, die es anfasst, und die Bedeutung von "fertig" neu formulieren.

2. Arbeitsgrenze

Der Agent erhält nur die Tools und den Scope, die er braucht. Nur Lesen für Recherche. Freigabe vor dem Senden, Löschen, Veröffentlichen oder Ändern von Datensätzen.

3. Verifizierungs-Gate

Die Ausgabe wird gegen objektive Kriterien geprüft: Quellen zitiert, Zahlen abgeglichen, Checkliste vollständig, Pflichtfelder vorhanden.

4. Review-Gate

Ein separater Durchgang sucht nach dem, was die Automatisierung übersieht: falsche Diagnose, Überentwicklung, unpassender Ton, versteckte Annahmen.

5. Kumulations-Gate

Jeder Fehler wird zu einer Regel, einer Vorlage, einem Beispiel oder einem Checklistenpunkt. Das System wird besser, weil der Harness lernt.

6. Ship-Gate

Nichts verlässt das System, bevor die Artefakte für Plan, Verifizierung, Review und Freigabe existieren. Claude kann vorschlagen; der Harness entscheidet.

Die tragenden Teile eines Harness

Zustand

Dateisystem, Git, Aufgabendateien, Speicherdateien und Ausgabeordner. Hier überlebt die Arbeit über das aktuelle Kontextfenster hinaus.

Tools

Bash, Code-Ausführung, Browser-Automatisierung, MCP-Server und APIs. Halte die Tools fokussiert; sich überschneidende Tools verwirren das Modell und blähen den Kontext auf.

Kontextrichtlinie

Was geladen, komprimiert, ausgelagert oder später abgerufen wird. Das entscheidet, was die Kontextgrenze des Modells überquert.

Durchsetzung

Hooks, Berechtigungen, Sandboxes, Testbefehle und Freigabe-Gates. Sie verwandeln Präferenzen in Einschränkungen.

Bewertung

Rubriken, Grader, Review-Agenten und Abnahmekriterien. Bewerte das Ergebnis, nicht den seltsamen Weg, den der Agent genommen hat.

Beobachtbarkeit

Logs, Traces, Token-Verbrauch, Kosten, Latenz und Fehler-Cluster. Eine Bewertung ohne Ticket ist nur Dashboard-Kunst.

Kontextmanagement ist Harness-Design

Das Modell kann nicht über Tokens nachdenken, die es nie erhält. Wenn das Kontextfenster voll wird, muss der Harness entscheiden, was bleibt, was komprimiert wird, was auf die Platte wandert und was später abgerufen wird. Diese Entscheidung ist oft wichtiger als die Wahl des Modells.

Abschneiden

Verwirf Ausgabe mit geringem Wert oder altes Transkript, wenn Kontinuität keine Rolle spielt.

Komprimieren

Fasse die Sitzung zusammen und fahre mit dem komprimierten Zustand fort.

Auslagern

Speichere lange Logs, Tool-Ergebnisse und Entwürfe in Dateien; behalte nur die nützliche Vorschau im Kontext.

Offenlegen

Lade detaillierte Doks, Skills und Tools nur, wenn die Aufgabe sie tatsächlich braucht.

Praktische Regel: halte den immer geladenen Kontext kurz, blättere mit offset/limit durch große Dateien, suche, bevor du ganze Dateien liest, und speichere lange Tool-Ausgaben auf der Platte, statt sie zurück ins Gespräch zu kopieren.

Ergebnis-Rubriken: definiere, wie "fertig" aussieht

Die Managed Agents API von Anthropic macht dieses Muster explizit: definiere ein Ergebnis, hänge eine Rubrik an, lass einen separaten Grader das Artefakt bewerten und speise dann die Lücken zur nächsten Iteration an den Agenten zurück. Du kannst dieselbe Idee in Claude Code manuell nutzen.

Outcome:
Create a competitor pricing report for the 5 named companies.

Rubric:
- Includes all 5 companies
- Every price claim has a source URL
- Pricing tiers are normalized into one table
- Unknown prices are marked "not published" instead of invented
- Final section recommends what we should change

Iteration rule:
If any rubric item fails, revise once before showing me the final.

Der entscheidende Schritt ist die Trennung: eine Schleife erstellt das Artefakt, eine andere bewertet es gegen die Rubrik. Das reduziert Selbstbeweihräucherung und deckt Lücken schneller auf.

Die Harness-Vorlage für Wissensarbeiter

1. Track
   Capture the request in a task, client folder, or project log.

2. Plan
   Ask Claude: "Before doing the work, give me the plan,
   assumptions, sources/tools needed, and acceptance criteria."

3. Work
   Let Claude execute inside clear boundaries:
   read-only research, draft-only writing, no external sends.

4. Verify
   Run a checklist that matches the work type:
   sources, calculations, brand voice, missing fields, risks.

5. Review
   Ask a second pass: "Find what is wrong, overbuilt,
   unsupported, or not how we do things here."

6. Learn
   Capture one reusable rule or template improvement.

7. Ship
   Only publish, send, update CRM, or hand off after approval.

Copy-Paste-Prompt: verwandle jeden Workflow in einen Harness

I want to turn this repeated workflow into a reliable AI harness:
[describe the workflow]

Create:
1. The planning questions Claude must answer before starting
2. The tool and permission boundaries
3. The verification checklist
4. The review questions a second pass should ask
5. The human approval points
6. The learning rule to update after each run

Keep it practical for a non-technical knowledge worker.

Wöchentliches Harness-Audit: schneide den unsichtbaren Overhead weg

Wenn sich Claude langsamer, dümmer anfühlt oder durch deine Limits frisst, prüfe den Harness, bevor du dem Modell die Schuld gibst. Die meiste Verschwendung versteckt sich im immer geladenen Kontext.

Prüfpunkt	Worauf achten	Korrektur
`CLAUDE.md` -Größe	Regeln, die nicht mehr relevant sind oder in engere Doks gehören	Halte den Wurzelkontext kurz; verschiebe Spezifika in Rules, Doks oder Skills
Hooks	UserPromptSubmit- oder SessionStart-Hooks, die jedes Mal Kontext einspeisen	Deaktiviere alles ohne konkrete Aufgabe
MCP-Server	Tool-Schemata, die für selten genutzte Tools geladen werden	Lass nur tägliche Tools dauerhaft aktiv; aktiviere andere pro Sitzung
Skills	Breite Beschreibungen, die das Laden irrelevanter Skills auslösen	Schärfe die Beschreibungen oder deaktiviere ungenutzte Skills
Gesprächslänge	Lange Sitzungen, die veralteten Verlauf erneut lesen	Komprimiere, fasse zusammen oder starte mit einer Übergabenotiz neu

Beispiele nach Rolle

Workflow	Verifizierungs-Gate	Menschliches Gate
Beratungsbericht	Aussagen an Kundendaten gebunden, Empfehlungen auf den Scope abgebildet, keine vertraulichen Namen durchgesickert	Der Partner prüft die Qualität der Erkenntnisse vor dem Versand
Sales-Outreach	CRM-Verlauf geprüft, Personalisierungsquelle zitiert, kein erfundenes Trigger-Event	Du gibst frei, bevor per E-Mail, LinkedIn oder WhatsApp gesendet wird
Finanzanalyse	Summen stimmen überein, Annahmen aufgelistet, Auffälligkeiten markiert, Quelldateien benannt	Du gibst die Interpretation vor dem Teilen frei
Content-Veröffentlichung	Stimm-Check, verbotene Phrasen entfernt, Fakten mit Quelle, CTA vorhanden	Du gibst die finale Version vor Queue oder Veröffentlichung frei

Was kein Harness zuverlässig abfängt

• Fehldiagnose: die falsche Grundursache lösen
• Überentwicklung: Komplexität hinzufügen, die niemand wollte
• Missverstandene Anweisungen: die angrenzende Aufgabe erledigen

• Team-Normen nach dem Motto "so machen wir das hier nicht"
• Geschmack, Urteilsvermögen und unternehmerische Abwägungen
• Soziale Verantwortung für das Endergebnis

Die Regel: automatisiere das Tippen, Recherchieren, Prüfen und Formatieren. Lass Verantwortung, finales Urteil und externe Zusagen beim Menschen.

"Ich bin VERLIEBT in dieses neue System. Ich habe an einem einzigen Tag etwa 10 Tage Arbeit geschafft."

— Shaun, Spezialist für Marketing & Growth • Baute in seiner ersten Woche eine Audio-zu-Social-Post-Automatisierung

Dafür haben 5.475 Leute "BRAIN" kommentiert

Die meisten nutzen Claude als einzelnen Assistenten. Frage stellen, Antwort bekommen. Aber mit Claude Code kannst du ein ganzes Team von Spezialisten bauen, die die Arbeit untereinander weiterreichen – während du prüfst.

Wichtige Unterscheidung: Subagenten vs. Hintergrund-Agenten

Subagenten sind Spezialisten innerhalb einer Claude-Code-Sitzung. Sie haben ihren eigenen Kontext und ihre eigenen Tool-Berechtigungen und berichten dann an die Hauptsitzung zurück. Hintergrund-Agenten sind separate Cloud-Sitzungen, die du über Claude Code im Web, Desktop, Slack oder die Agent View verwaltest.

Nutze Subagenten, wenn:

Ein Haupt-Workflow mehrere fokussierte Analysen, Reviews oder Entwürfe parallel braucht.

Nutze Hintergrund-Agenten, wenn:

Du unabhängige, langlaufende Sitzungen auf verschiedenen Repos, Branches, PRs oder geplanten Jobs willst.

Drei Stufen der Agenten-Koordination

Stufe 1: Solo-Agent

Eine Claude-Sitzung erledigt alles. Wie die Arbeit mit einem einzigen, sehr fähigen Generalisten. Hier hören die meisten auf.

Stufe 2: delegierender Lead (Subagenten)

Deine Haupt-Claude-Sitzung agiert als Lead. Sie schickt Spezialisten los, um fokussierte Arbeit zu erledigen – Recherche, Entwürfe, Analyse – und zwar parallel. Jeder Spezialist berichtet an den Lead zurück, der die Ergebnisse zusammenführt. Das ist produktionsreif und das, was die meisten Power-User bauen.

Stufe 3: Hintergrundsitzungen + Agent View

Mehrere Claude-Code-Sitzungen, die unabhängig laufen. Nutze claude agents oder die Web-/Desktop-Oberflächen, um Arbeit loszuschicken, zu überwachen und fortzusetzen. Research-Preview-Terrain – mächtig, aber noch in Entwicklung.

Echtes Beispiel: Sales-Outreach-Pipeline

Das passiert tatsächlich, wenn ich sage "entwirf Outreach für diesen Prospect":

Lead Agent orchestrates the pipeline:
│
├─ Research Agent
│  → Pulls LinkedIn profile + company intel
│  → Returns: role, company size, recent posts
│
├─ CRM Agent
│  → Checks prospect history, stage, past notes
│  → Returns: last contact, deal stage, context
│
├─ Draft Agent
│  → Writes personalized email using research
│  → Uses voice guidelines from knowledge files
│
├─ Quality Agent
│  → Scores draft against brand voice rubric
│  → Flags generic phrases, suggests improvements
│
└─ Lead Agent
   → Reviews final draft
   → I approve → sends via email MCP

5 agents. 3 minutes.
What used to take 45 minutes of tab-switching
between LinkedIn, CRM, email, and style guides.

Multi-Agenten-Review: wenn Spezialisten einander herausfordern

Auf Stufe 2 läuft die gesamte Kommunikation über die Lead-Sitzung. Du kannst Claude trotzdem bitten, unabhängige Spezialisten-Durchgänge auszuführen, ihre Erkenntnisse zu vergleichen und die Meinungsverschiedenheiten zusammenzuführen. Für separate, langlaufende Arbeitsstränge nutzt du Hintergrundsitzungen und die Agent View.

Beispiel: konkurrierende Hypothesen

"Our conversion rate dropped 15% last week.
Use three specialist subagents to investigate:
- One analyzes traffic sources
- One reviews checkout funnel
- One checks pricing page changes
Then compare their findings and challenge contradictions."

What happens:
Traffic Agent: "Paid traffic quality dropped"
Checkout Agent: "But checkout completion is
  stable. The issue is upstream."
Pricing Agent: "New pricing page went live
  Tuesday. Bounce rate up 40%."
Traffic Agent: "That explains the drop—
  the traffic was fine, the page wasn't."

→ Root cause found in minutes, not hours.

Die Debattenstruktur verhindert Ankerverzerrung. Sequenzielle Untersuchung neigt dazu, eine Theorie zu finden und aufzuhören. Mehrere unabhängige Ermittler, die einander herausfordern, bringen die wahre Antwort ans Licht.

Über 30 spezialisierte Agenten zu bauen mit den richtigen Personas, Tool-Berechtigungen, Wissensdateien und der Koordinationslogik brauchte Monate an Iteration. Jeder Agent muss wissen, worauf er zugreifen kann, in welchem Format er ausgeben soll und wann er an den nächsten Agenten übergibt. Das Second Brain kommt mit der vollständigen Agenten-Bibliothek – vorkonfiguriert für Content-Erstellung, Sales-Outreach, Kundenmanagement, Datenanalyse und den Tagesbetrieb.

Claude Code arbeitet neben anderen Tools

Die effektivsten Setups sind nicht "nur Claude Code". Power-User kombinieren Tools strategisch: ChatGPT für kreatives Brainstorming, Claude Code für strukturierte Ausführung, Gemini für Review. Claude Code wird zur Orchestrierungsebene, die alles zusammenhält – nicht zum einzigen Tool in deinem Stack.

Beispiel für einen Multi-Modell-Workflow

1. Brainstorm with ChatGPT (creative, divergent thinking)
2. Hand the brief to Claude Code (precise execution)
3. Review output with Gemini (catching edge cases)
4. Final polish back in Claude Code

Why: Each model has different strengths.
Claude Code orchestrates the whole thing
through skills and sub-agents.

Checkliste Phase 4

Starte deinen ersten Subagenten: "Nutze einen Recherche-Subagenten, um X zu analysieren" Probiere parallele Ausführung: gib Claude 3 unabhängige Aufgaben auf einmal Erstelle einen eigenen Agenten in .claude/agents/ mit eingeschränkten Tools Schreibe deinen ersten Skill in .claude/skills/my-workflow/SKILL.md für deinen am häufigsten wiederkehrenden Workflow Füge eine breite description hinzu, damit Claude weiß, wann es den Skill laden soll Richte mindestens einen Hook ein (Branch-Schutz ist ein guter erster) Füge einem wiederkehrenden Workflow einen Harness hinzu: Plan, Arbeitsgrenze, Verifizierung, Review, Lernen, Ship Verkette zwei Skills (z. B. /research speist /draft) Prüfe nach einer Multi-Agenten-Sitzung deinen Sitzungsstatus und deine Limits

So sieht ein komplettes System aus

Über 30 Agenten, über 50 Skills, über 6 Hooks, Harness-Gates, kumulatives Lernen, Progressive Disclosure, Agenten-Koordination – alles konfiguriert und im Zusammenspiel. Dieses System brauchte Monate an Iteration. Das Second Brain liefert eine angepasste Version in Stunden.

Sieh, was enthalten ist

Phase 5

Integration: MCP-Verbindungen

MCP (Model Context Protocol) ist ein standardisierter Weg, Claude Code mit externen Tools zu verbinden. Stell es dir als USB-C für KI vor – ein Protokoll verbindet mit allem.

MCP-Architektur (vereinfacht)

┌─────────────────────────────────────────────┐
│ Claude Code                                 │
│  └─ MCP Client (built-in)                  │
└─────────┬───────────────────────────────────┘
          │
          ├─ MCP Server: Gmail
          │   └─ Functions: send_email, search, read
          │
          ├─ MCP Server: HubSpot
          │   └─ Functions: create_contact, update_deal
          │
          ├─ MCP Server: PostgreSQL
          │   └─ Functions: query, insert, update
          │
          └─ MCP Server: Google Calendar
              └─ Functions: create_event, list_events

Business-Tools

• HubSpot (CRM)
• Gmail
• Google Calendar
• Notion
• Slack

Dev-Tools

• GitHub
• Linear
• PostgreSQL
• Jira

Analytics

• Google Analytics
• Stripe
• Mixpanel

Echtes Beispiel: Sales-Operations

Aufgabe: 200 Webinar-Teilnehmer in HubSpot markieren

Ohne MCP: 35 Minuten

1. Teilnehmer aus Zoom exportieren
2. HubSpot öffnen
3. E-Mails manuell abgleichen
4. Massenimport mit Tags
5. Fehler beheben

Mit MCP: 3 Minuten

1. "Markiere die Teilnehmer aus webinar.csv"
2. Claude verbindet sich mit HubSpot
3. Fertig.

Kernaussage: Die MCP-Einrichtung kann die größte Zeitbarriere sein

Andrew (Product Director, Niederlande) baute ein automatisiertes System zum Tracking der Jobsuche – LinkedIn-Scraper → Datenbank → Follow-up-Planer. MCP-Einrichtung in Eigenregie: 6-8 Stunden OAuth-Debugging. Mit den Second-Brain-Vorlagen: 20 Minuten.

Sieh es in der Praxis

Ein MCP, drei Plattformen, 96 Sekunden

Abstrakte Diagramme sind schön. Hier ist, was ein MCP tatsächlich tut: ein einziger Befehl zieht je 20 Posts von Reddit, X und LinkedIn – 60 Datenpunkte, analysiert in unter 2 Minuten. Kein Kopieren und Einfügen zwischen Tabs.

Live-Demo: AnySite-MCP-Recherche über 3 Plattformen (startet bei 5:33)

Aus einer Live-Coworking-Session – eine MCP-Verbindung, die Reddit, X und LinkedIn gleichzeitig für eine Recherche zu KI-Vorhersagen scannt.

MCP-OAuth-Debugging dauert im Schnitt 6-8 Stunden

Das Done-With-You-Paket enthält eine Live-Konfigurationssession, in der wir deine Tools für Gmail, Calendar, CRM und Datenbank zusammenführen – plus Vorlagen, die du für künftige Tool-Verbindungen wiederverwenden kannst.

Done-With-You ansehen

Checkliste Phase 5

Die MCP-Architektur verstehen (Client → Server → Tool) Deine ersten 2-3 MCP-Integrationen identifizieren (E-Mail, Kalender, CRM) Eine Nur-Lese-MCP-Verbindung einrichten (sicher starten) MCP-Sicherheitsregeln zu deiner CLAUDE.md hinzufügen Einen End-to-End-Workflow testen: "Markiere die Teilnehmer aus dem CSV" oder "Fasse den heutigen Kalender zusammen" Nach 1 Woche Vertrauen im Nur-Lese-Betrieb zum Schreibzugriff aufsteigen

Was Kunden tatsächlich gebaut haben (erster Monat)

Woche 1: Damian (KI-Berater, Schweiz)

System zur Automatisierung von Social-Media-Content. Ideen erfassen → LinkedIn-Stimm-DNA extrahieren → Karussell-PDFs erzeugen → Posts planen. "Ein Freund hat mir gerade von dieser neuen, super coolen Lösung erzählt, die er gekauft hat. Es war genau das, was ich in zwei Tagen mit dem Second Brain gebaut hatte."

Woche 2: Andrew (Product Director, Niederlande)

Automatisiertes System zum Tracking der Jobsuche. LinkedIn-Scraper, Bewerbungsdatenbank, Follow-up-Planer. Ersetzte ein kommerzielles SaaS-Tool, für das er monatlich zahlte – gebaut in zwei Tagen mit dem Second Brain.

Woche 3: Dominic (Cloud-Berater)

Automatisierte wöchentliche Status-Berichte für Kunden. Salesforce-MCP-Integration, die Deal-Daten zieht, Microsoft Graph für den Kalender-/E-Mail-Kontext. Sparte 3 Stunden/Woche an Verwaltungsarbeit.

Woche 4: Richard (Unternehmensberater, Australien)

Nachdem er sich eine Woche allein abgemüht hatte: "Du hast in diesem Call das gelöst, was ich noch falsch gemacht habe – ich habe es gepromptet, als wäre es ein Chatbot. Mit Befehlen und Agenten kannst du es deinen täglichen Workflow für dich managen lassen. Definitiv das Geld wert, um mir drei bis vier Monate zu sparen, in denen ich mich sonst durchgehangelt hätte."

Phase 6

Nächste Schritte: dein Weg nach vorn

Du hast gesehen, wie ein komplettes System aussieht: Progressive-Disclosure-Architektur, durchsetzbare Hooks, kumulatives Lernen, das Skills-vs-Agenten-Framework, MCP-Integrationen. Das von Grund auf zu bauen dauert 3-4 Wochen Trial and Error– Dateistrukturen debuggen, Hooks schreiben, Skill-Trigger testen, MCP-OAuth-Flows konfigurieren, Speicher-Schemata entwerfen...

Oder du sparst dir das alles und bekommst eine angepasste Version in Stunden.

"Das war eine der besten Investitionen für mich und mein Geschäft. Es hat mir die Welt der leicht konfigurierbaren agentischen Arbeit eröffnet. Die üblichen KI-Tools wirken jetzt nur noch wie ein Kinderspiel."

— Damian, KI-Berater • Done-With-You-Kunde, der in 2 Tagen ein komplettes System zur Content-Automatisierung gebaut hat

Das Gesamtbild

5 Aufgaben. 20 Minuten. Ein System.

E-Mail-Triage, Kundenantworten, Finanzanalyse, LinkedIn-Content und eine Landingpage – alles aus demselben Terminal in einer einzigen Sitzung angestoßen. Das ist, was das komplette System liefert.

Live-Rückblick: 5 Aufgaben in 20 Minuten erledigt (startet bei 28:07)

Aus einem Second-Brain-Webinar – Zusammenfassung von allem, was in einer Sitzung erreicht wurde: E-Mails, Content, Finanzberichte, Kundenantworten und eine Landingpage.

Wähle deinen Weg

$197

DIY-Paket

Komplettes Second-Brain-Repository mit Agenten, Befehlen und Skills. Die Einrichtung übernimmst du selbst.

✅ Vollständiges Second-Brain-Repository
✅ Vorkonfiguriertes Hook-System
✅ MCP-Konfigurationsleitfäden
✅ Dokumentationsbasierter Support

Zeitrahmen: 1-2 Wochen Einrichtung

$597

Kickstart-Paket

Alles aus DIY + ein KI-Agent konfiguriert dein System anhand der Fragebogen-Antworten.

✅ Alles aus DIY, für dich personalisiert
✅ Ein KI-Agent baut das System aus deinen Antworten
✅ Asynchroner Priority-Support in 48 Stunden
✅ Erstes Jahr MemoryOS Pro inklusive (Wert: 349 $)

Zeitrahmen: einsatzbereit in Minuten, nicht Wochen

$2,497

Done-With-You

Alles aus Kickstart + ein 2-stündiger Onboarding-Call mit Iwo. Vollständige Infrastruktur-Bereitstellung.

✅ Alles aus Kickstart
✅ 2-stündiger Onboarding-Call mit Iwo
✅ Vollständige Infrastruktur-Bereitstellung (Vercel + Supabase)
✅ Monatliche Second-Brain-Updates
✅ 12 Monate MemoryOS inklusive

Zeitrahmen: produktiv in 2 Stunden

Anhang: fortgeschrittene Muster

Lerne weiter

Aufzeichnung der Coworking-Session

60-minütige Live-Session mit über 10 Demos – Tagesplanung, Content-Erstellung, MCP-Recherche, WhatsApp-Agenten und mehr.

AI-Chief-of-Staff-Vorlage

Kostenlose Agenten-Vorlage mit vollständiger Konfiguration, Struktur für die Wissensbasis und Anpassungsleitfaden für deine Rolle.

Offizielle Dokumentation

Offizielle Claude-Code-Doks Claude-Code-Changelog Skills-Dokumentation Best Practices für CLAUDE.md Hooks-Referenz Subagenten-Leitfaden MCP-Protokoll-Spezifikation Claude Cowork (Desktop-Agenten)

Das sind die maßgeblichen Quellen. Dieses Tutorial ergänzt das praktische "Wie" und "Wann", das die offizielle Dokumentation nicht abdeckt.

Bereit, dein eigenes Second Brain zu bauen?

Drei Pakete verfügbar – von DIY-Vorlagen bis zur Done-With-You-Umsetzung.

Pakete ansehen

30 Tage Geld-zurück-Garantie • Spar im ersten Monat über 10 Stunden oder volle Rückerstattung

Claude CodeMini-Tutorial

Schnellnavigation

Wer dir das hier beibringt

So arbeitest du dich durch dieses Tutorial

Schnellstart: deine ersten 10 Minuten

Verständnis: der Wechsel vom Chat zur repository-basierten KI

Drei Wege, mit Claude zu arbeiten

Sieh, worauf du hinarbeitest

Problem Nr. 1: kein dauerhafter Speicher

Problem Nr. 2: der sequenzielle Flaschenhals

Problem Nr. 3: die Kontextwechsel-Steuer

Problem Nr. 4: die Tool-Isolation

Was ein Tool + strukturierter Kontext tatsächlich ersetzt hat

Einrichtung: erste Schritte

Der beste Weg, Claude Code einzuführen

Speichersystem: CLAUDE.md & Repository-Struktur

Wie ein echtes Second Brain auf GitHub aussieht

Die drei Ebenen

Schnellstart: Progressive Disclosure in 3 Schritten

Automatisierung: Agenten, Skills, Hooks, Harnesses & Lernen

Was tatsächlich in einer Agenten-Datei steckt

Beispiele nach Rolle

Drei Stufen der Agenten-Koordination

Multi-Agenten-Review: wenn Spezialisten einander herausfordern

Integration: MCP-Verbindungen

Ein MCP, drei Plattformen, 96 Sekunden

Was Kunden tatsächlich gebaut haben (erster Monat)

Nächste Schritte: dein Weg nach vorn

5 Aufgaben. 20 Minuten. Ein System.

Wähle deinen Weg

Anhang: fortgeschrittene Muster

Lerne weiter

Bereit, dein eigenes Second Brain zu bauen?

Claude Code
Mini-Tutorial