Wichtigste Erkenntnisse
- Wiederverwendbare Agent Skills sollten wie SOPs geregelt werden, nicht als Wegwerf-Prompts behandelt werden.
- Eine gemeinsame Bibliothek braucht klare Verantwortlichkeiten, Berechtigungen, Versionshistorie und regelmäßige Überprüfungen.
- Die Übertragbarkeit macht eine verbindliche Quelle für Anweisungen wertvoller, aber auch risikoreicher.
- Menschliches Lernen muss Begründungen, Ausnahmen, Eskalationen und Urteilsvermögen bei der Aufsicht abdecken.
- Wesentliche Änderungen an Skills sollten gezielte Auffrischungen für betroffene Mitarbeitende auslösen.
Die meisten KI-Anwendungen beginnen mit einem individuellen Prompt. Jemand entdeckt eine hilfreiche Abfolge, ergänzt den passenden Kontext und erzielt ein verlässliches Ergebnis. Das Problem beginnt, wenn dieses Wissen in einem Chatverlauf, einer privaten Notiz oder einem undokumentierten Ablauf bleibt. Das Team kann es nicht finden, bewerten, verbessern oder nachvollziehen, welche Version ein Agent genutzt hat.
Am 15. September 2026 führte Notion 3.7 gemeinsame Agent Skills ein: wiederverwendbare Anweisungen in einer Teambibliothek, die sich manuell oder automatisch ausführen und als `SKILL.md`-Pakete mit freigegebenen Begleitdateien für Claude Code, Codex, Cursor, Gemini und Grok exportieren lassen. Das ist ein Produktsignal, kein vollständiges Betriebsmodell. Es weist jedoch auf einen wichtigen Wandel hin, wie Unternehmen wiederverwendbare KI-Prompts behandeln sollten.
Der Prompt wird zum wiederverwendbaren Baustein im Arbeitsablauf
Ein Prompt wird zu einem Baustein im Arbeitsablauf, wenn er wiederholt wichtige Arbeit prägt. Er kann eingehende Anfragen kategorisieren, eine Kundenkommunikation vorbereiten, eine Kontrollübersicht erstellen oder einen Ausnahmebericht entwerfen. Ab diesem Punkt bildet er einen Ablauf ab: Eingaben, Entscheidungsregeln, Vorgaben, Ausgabeformat und Eskalationspunkte. Damit ähnelt er eher einer SOP als einer einmaligen Anweisung.
Für eine Bank ist der Test einfach: Beeinflusst ein Skill den Umgang mit Kunden, Risikoentscheidungen, Kommunikation mit Vorgaben oder Übergaben in Abläufen, braucht er eine klar verantwortliche Person und einen freigegebenen Zweck. Das Artefakt sollte nicht geregelt werden, weil es KI nutzt, sondern weil es Arbeit steuert.
Gemeinsame Bibliotheken ordnen die Verantwortung für Wissen neu
Eine gemeinsame Bibliothek für Agent Skills verlagert nützliche Anweisungen aus der persönlichen Produktivität in das Organisationswissen. In einem Beitrag vom 17. September bezeichnete Notion agentenübergreifende Skills als zentralen Bestand an Organisationswissen, der Zusammenarbeit, Berechtigungen, Versionshistorie, Analysen und Kontrolle darüber braucht, wer welche Skills erhält. Diese Einordnung ist hilfreich, weil sie das Verantwortungsproblem direkt benennt.
- Eine fachlich verantwortliche Person ist für den Ablauf und das gewünschte Ergebnis zuständig.
- Eine für Risiko oder Kontrolle verantwortliche Person prüft wesentliche Vorgaben und Eskalationsregeln.
- Eine technisch verantwortliche Person steuert Laufzeitkompatibilität, Zugriffe und Bereitstellung.
- Eine für Lernen verantwortliche Person überträgt Änderungen in rollenspezifische Lernangebote.
Versionskontrolle betrifft auch die Lernorganisation
Eine Versionshistorie allein ist noch keine Steuerung. Teams müssen zwischen einer sprachlichen Verbesserung und einer wesentlichen Änderung des Ablaufs unterscheiden. Eine neue Datenquelle, ein Freigabeschritt, eine Kontrolle, ein Kundenschwellenwert oder ein Eskalationsweg verändern die Arbeit. Sie können auch verändern, was Mitarbeitende verstehen müssen, um Ergebnisse sicher zu beaufsichtigen.
Genau hier scheitern Programme für wiederverwendbare KI-Prompts in Unternehmen oft. Sie regeln das Modell, Tool-Zugriffe und den Prompt-Text, aber nicht die Folgen einer geänderten Anweisung für Menschen. Die Steuerung von SKILL.md sollte eine Klassifizierung der Änderung, eine verantwortliche Freigabe, ein Wirksamkeitsdatum, die betroffenen Rollen und die Entscheidung umfassen, ob eine Auffrischung erforderlich ist.
Agentenanweisungen ersetzen kein menschliches Urteilsvermögen
Der Agent Skill sollte dem System vorgeben, wie es einen klar abgegrenzten Ablauf ausführt. Das Lernangebot für Mitarbeitende sollte erklären, warum der Ablauf existiert, wo er scheitern kann, welche Ausnahmen wichtig sind und wann Mitarbeitende stoppen oder eskalieren müssen. Beides in einem Artefakt zu vereinen, führt zu einem schwachen Prompt und einer schwachen Lernerfahrung.
Betrachten wir einen Skill, der eine Antwort für einen schutzbedürftigen Kunden entwirft oder eine Abweichung im Onboarding markiert. Die Anweisung kann die Schritte des Agenten begrenzen. Sie kann nicht sicherstellen, dass ein Kundenbetreuer oder eine Fachkraft im operativen Bereich die Begründung versteht, einen neuen Sonderfall erkennt oder ein unsicheres Ergebnis hinterfragt. Das sind Anforderungen an die menschliche Arbeit, und dafür braucht es Übung und Überprüfung.
Good to know
Wann sollte ein Prompt als Agent Skill geregelt werden?
Regeln Sie ihn, wenn er über mehrere Personen oder Workflows hinweg genutzt wird, einen geregelten Geschäftsprozess beeinflusst, auf freigegebenem Wissen beruht oder Ergebnisse erzeugt, die Mitarbeitende prüfen oder umsetzen müssen.
Sollten Agentenanweisung und Mitarbeiterschulung dasselbe Artefakt sein?
Nein. Beide sollten auf demselben verbindlichen Ablauf beruhen, aber unterschiedliche Zwecke erfüllen. Der Skill steuert die Ausführung, das Lernangebot vermittelt Verständnis, Urteilsvermögen, Umgang mit Ausnahmen und Sicherheit bei der Aufsicht.
Welche Änderungen sollten Auffrischungen für Mitarbeitende auslösen?
Lösen Sie gezielte Auffrischungen aus, wenn eine Änderung Entscheidungen, Kontrollen, Eskalationswege, Eingaben, Freigaben, Kundenauswirkungen oder die Aufsichtsverantwortung der Mitarbeitenden verändert. Kleinere sprachliche Änderungen benötigen in der Regel kein formales Lernangebot.
Aus einem Ablauf können zwei gesteuerte Artefakte entstehen
Führen Sie eine verbindliche Dokumentation des Ablaufs und veröffentlichen Sie daraus getrennte Ansichten für den Agenten und die Lernenden. So bleibt eine geregelte, verlässliche Quelle erhalten, ohne so zu tun, als seien maschinelle Ausführung und menschliches Verständnis dieselbe Aufgabe.
- Die Richtlinie definiert die Regel, den Zweck der Kontrolle und die zuständige Entscheidungsinstanz.
- Der Agent Skill definiert die Eingaben, zulässige Aktionen, Entscheidungslogik und das Ausgabeformat.
- Der Workflow definiert Auslöser, Übergaben, Freigaben und den Ausführungskontext.
- Lernnachweise belegen, dass jede betroffene Rolle Urteilsvermögen anwenden, Ausnahmen behandeln und den Workflow beaufsichtigen kann.
Diese Struktur macht auch den Betrieb von KI-Skills messbar. Führungskräfte sehen, welche Version eines Ablaufs aktiv ist, welche Agentenlaufzeiten sie erhalten haben, welche Rollen eine relevante Auffrischung absolviert haben und wo Prüfungsergebnisse auf Unsicherheit hinweisen. Das ist hilfreicher, als allein die Nutzung von Prompts zu verfolgen.
Machen Sie die Vorbereitung Ihrer Teams auf Änderungen an KI-Skills mit App-Learning messbar.
Mehr erfahrenÄnderungen in Arbeitsabläufen sollten gezielte Auffrischungen auslösen
Eine wesentliche Aktualisierung eines Skills sollte einen gezielten Lernimpuls auslösen, keine pauschale Kurszuweisung. Ordnen Sie die Änderung den Rollen zu, die Eingaben erstellen, Ergebnisse prüfen, Ausnahmen freigeben oder für Kundenergebnisse verantwortlich sind. Vermitteln Sie dann kurz die Änderung, nutzen Sie ein Szenario, das das betroffene Urteilsvermögen prüft, und fordern Sie eine Bestätigung nur dort, wo die Kontrollvorgabe sie erfordert.
App-Learning ergänzt geregelte Agent Skills um die menschliche Lernseite: prägnante rollenspezifische Erklärungen, mobile Übungen, Überprüfungen und Auffrischungen, die durch freigegebene Änderungen ausgelöst werden. Ziel ist nicht, alle Mitarbeitenden zu Prompt Engineers zu machen. Es geht darum, dass Menschen den Prozess verstehen, den sie nun mit einem Agenten teilen.
Die entstehende Struktur ist klar: Die Richtlinie gibt dem Skill den Rahmen vor, der Skill steuert den Workflow, und Lernnachweise belegen, dass Menschen ihn beaufsichtigen können. Banken, die diese Verbindung früh schaffen, machen aus verstreuten KI-Experimenten operatives Wissen, das sich skalieren lässt, ohne dass sie die Kontrolle verlieren.
