SKILL.md erklärt: Warum eine einzige Datei deine KI-Nutzung komplett verändert

Bruno Treichel • 27. September 2026

Eine SKILL.md ist eine Textdatei im Markdown-Format, die einer KI genau sagt, wie sie eine Aufgabe erledigen soll. Einmal geschrieben, arbeitet die KI bei jeder Anfrage nach denselben Regeln.

Die meisten Menschen prompten KI wie ein Gespräch.

Frage rein, Antwort raus, nicht zufrieden, nochmal nachbessern, wieder nicht zufrieden, nochmal von vorne und nach 45 Minuten und acht Versuchen hat man einen Text, der halbwegs passt.

Das Problem ist nicht die KI. Das Problem ist, dass du bei jeder Anfrage von null anfängst. Die KI weiß nicht, wer du bist, wie du schreibst, für wen du schreibst und welche Qualitätsstandards du hast. Also rät sie und liegt meistens daneben.

Die Lösung heißt SKILL.md. Eine einzige Datei, die alles enthält, was die KI über deine Arbeit wissen muss. Einmal geschrieben, bei jeder Anfrage automatisch aktiv. Kein Rätselraten mehr, kein Nachbessern, keine acht Versuche.

Was ist eine SKILL.md?

Eine SKILL.md ist eine strukturierte Textdatei im Markdown-Format, die einer KI präzise Anweisungen gibt. Sie definiert: Was soll die KI tun? Für wen? In welchem Stil und mit welchen Qualitätsregeln und was darf sie auf keinen Fall?

Stell dir eine SKILL.md vor wie ein Briefing, das du einem neuen Mitarbeiter gibst. Nicht bei jedem Auftrag, sondern einmalig: “So arbeiten wir hier. Das sind unsere Standards. Das sind die Fehler, die du vermeiden musst.” Danach reicht ein kurzer Auftrag — der Mitarbeiter weiß, was zu tun ist.

Genau so funktioniert eine SKILL.md für KI-Modelle wie Claude, ChatGPT oder Gemini.

Warum Prompts allein nicht reichen

Ein Prompt ist eine einzelne Anweisung. “Schreib mir einen Blog-Artikel über KI-Agenten.” Die KI hat keine Ahnung, ob du einen 500-Wörter-Listicle oder einen 2.000-Wörter-Tiefgang willst. Ob locker oder formell. Ob für Einsteiger oder Experten, also entscheidet sie selbst und du korrigierst hinterher.

Mit einer SKILL.md sind all diese Informationen bereits hinterlegt. Der Prompt reduziert sich auf: “Schreib einen Artikel zu KI-Agenten.” Die KI kennt deine Zielgruppe, deinen Schreibstil, deine Mindestlänge und deine verbotenen Formulierungen. Ein Versuch, fertiges Ergebnis.

Der Unterschied ist nicht marginal. Er ist der Unterschied zwischen 45 Minuten und 5 Minuten pro Text. Zwischen “geht so” und “kann ich so veröffentlichen”.

Wie ist eine SKILL.md aufgebaut?

Jede SKILL.md besteht aus fünf Bausteinen. Du brauchst kein technisches Wissen, um sie zu schreiben, es ist reiner Text.

Baustein 1: Metadaten

Am Anfang steht der Name und eine kurze Beschreibung. Das hilft dir, den Überblick zu behalten, wenn du mehrere SKILL-Dateien hast.

---
name: blog-artikel-schreiber
description: Schreibt SEO-optimierte Blog-Artikel für Medium
---

Baustein 2: Ziel und Zielgruppe

Was soll die KI erreichen und für wen? Je konkreter, desto besser. “Schreibe gute Texte” ist zu vage. “Schreibe Blog-Artikel, die auf Seite 1 bei Google ranken, für Selbstständige im DACH-Raum” ist ein klares Ziel.

Baustein 3: Ablauf

Die Schritte, die die KI in welcher Reihenfolge abarbeiten soll. Nummeriert, klar, ohne Interpretationsspielraum. Bei einem Blog-Artikel wäre das: Keyword einbauen → Titel formulieren → Artikel strukturieren → FAQ anhängen → CTA einfügen.

Baustein 4: Stil-Regeln

Wie soll die Ausgabe klingen? Hier definierst du deinen Schreibstil: Satzlänge, Tonalität, Fachsprache ja oder nein, Du oder Sie. Das ist der Baustein, der dafür sorgt, dass Texte nach dir klingen — nicht nach generischer KI.

Baustein 5: Anti-Patterns

Das ist der wichtigste Baustein, den die meisten weglassen. Anti-Patterns definieren, was die KI nicht tun darf. Keine Floskeln wie “es ist wichtig zu beachten”. Keine erfundenen Quellen. Keine Absätze, die mit “Zusammenfassend lässt sich sagen” beginnen. Die Anti-Pattern-Liste ist dein Qualitätsfilter.

Eine SKILL.md schreiben Schritt für Schritt

Du brauchst dafür 30 Minuten und einen Texteditor. Mehr nicht.

Schritt 1: Öffne einen beliebigen Texteditor (Notepad, VS Code, sogar die Notizen-App auf deinem Handy). Erstelle eine neue Datei und nenne sie blog-skill.md.

Schritt 2: Kopiere dieses Grundgerüst:

---
name: [dein-skill-name]
description: [was dieser Skill macht]
---
# Ziel
[Was soll die KI erreichen?]
# Zielgruppe
[Für wen schreibst du?]
# Ablauf
1. [Erster Schritt]
2. [Zweiter Schritt]
3. [Dritter Schritt]
# Stil
- [Tonalität]
- [Satzlänge]
- [Ansprache]
# Anti-Patterns
- Niemals: [Formulierung 1]
- Niemals: [Formulierung 2]

Schritt 3: Füll die Platzhalter mit deinen konkreten Anforderungen. Denk an die letzten 5 Texte, die du mit KI geschrieben hast. Was musstest du jedes Mal korrigieren? Genau das gehört in die Anti-Patterns.

Schritt 4: Teste den Skill. Gib der KI die SKILL.md als Kontext und einen kurzen Auftrag. Wenn das Ergebnis nicht passt, justiere die Regeln und nicht den Prompt.

Wo setzt du eine SKILL.md ein?

Eine einzige gut geschriebene SKILL.md ist kein Einmalprojekt. Sie funktioniert überall, wo du KI für Text, Kommunikation oder Automatisierung einsetzt:

Blog-Artikel  — Die SKILL.md steuert Länge, SEO-Struktur, Tonalität und CTA. Jeder Artikel folgt deinem Standard.

Social-Media-Posts  — Gleicher Stil, ob LinkedIn, Instagram oder Threads. Die KI kennt deine Hooks, deine Hashtag-Strategie und deine Zielgruppe.

E-Mail-Kampagnen  — Konsistente Kundenansprache über Newsletter, Outreach und Support-Mails.

Buchkapitel  — Einheitlicher Schreibstil über 200+ Seiten, ohne dass sich Kapitel 12 anders liest als Kapitel 3.

KI-Agenten  — SKILL.md-Dateien sind das Herzstück jedes KI-Agenten. Sie definieren, wie der Agent denkt, entscheidet und kommuniziert.

Das Prinzip: Einmal dein Briefing schreiben, überall denselben Standard bekommen.

Drei Beispiel-SKILLs für den sofortigen Einsatz

Beispiel 1: LinkedIn-Post-Skill

---
name: linkedin-post
description: Schreibt LinkedIn-Posts mit hoher Reichweite
---
# Ziel
Erstelle einen LinkedIn-Post, der Engagement erzeugt
und auf einen Blog-Artikel verlinkt.
# Ablauf
1. Hook: Provokante erste Zeile, die zum Weiterlesen zwingt
2. 3-4 Absätze mit konkretem Mehrwert
3. CTA: Link im Kommentar ankündigen
4. 3-5 Hashtags am Ende
# Stil
- Ich-Perspektive, direkt, ohne Floskeln
- Kurze Absätze (max. 2 Zeilen)
- Kein Emoji-Overload (max. 0-1 Emoji)
# Anti-Patterns
- Kein "Ich freue mich, mitteilen zu dürfen"
- Kein "Was denkt ihr?" als Frage ohne echtes Interesse
- Keine Aufzählungspunkte mit Emoji-Prefix

Beispiel 2: E-Mail-Antwort-Skill

---
name: email-antwort
description: Beantwortet Kundenanfragen professionell und schnell
---
# Ziel
Erstelle eine Antwort-E-Mail, die die Frage
in maximal 5 Sätzen beantwortet.
# Stil
- Freundlich aber knapp
- Du-Ansprache
- Kein Smalltalk
# Anti-Patterns
- Kein "Vielen Dank für Ihre Nachricht"
- Kein "Zögern Sie nicht, uns zu kontaktieren"

Beispiel 3: Marktrecherche-Skill

---
name: marktrecherche
description: Erstellt eine strukturierte Marktanalyse
---
# Ziel
Analysiere einen Markt oder ein Thema und liefere
einen strukturierten Report.
# Ablauf
1. Marktgröße und Wachstum
2. Top 5 Wettbewerber mit Stärken/Schwächen
3. Chancen für den DACH-Markt
4. Konkrete Handlungsempfehlung
# Stil
- Faktenbasiert, keine Spekulation
- Zahlen und Quellen wo verfügbar
- Maximal 800 Wörter

FAQ — Häufig gestellte Fragen

Brauche ich technische Kenntnisse, um eine SKILL.md zu schreiben? Nein. Es ist reiner Text im Markdown-Format. Wenn du eine E-Mail schreiben kannst, kannst du eine SKILL.md schreiben.

Funktioniert SKILL.md mit jedem KI-Modell? Ja. Die SKILL.md funktioniert mit Claude, ChatGPT, Gemini und jedem anderen Sprachmodell. Du gibst die Datei als Kontextanweisung mit, wie genau, hängt vom Tool ab: Bei Claude als Teil der System-Anweisung oder im Gespräch, bei ChatGPT als Custom Instruction oder direkt im Chat.

Wie viele SKILL-Dateien brauche ich? Starte mit einer. Eine SKILL.md für deine häufigste Aufgabe, wahrscheinlich Texte schreiben. Wenn die funktioniert, erstellst du weitere für andere Bereiche. Ich arbeite aktuell mit 8 verschiedenen SKILL-Dateien.

Was ist der Unterschied zu Custom Instructions oder GPTs? Custom Instructions und GPTs sind plattformgebunden, sie funktionieren nur bei ChatGPT. Eine SKILL.md ist universell. Du kannst dieselbe Datei bei Claude, ChatGPT, Gemini oder einem lokalen Modell verwenden und sie ist versionierbar. Du kannst Änderungen nachverfolgen und ältere Versionen wiederherstellen.

Kann ich mit SKILL-Dateien auch Geld verdienen? Ja. Gut geschriebene SKILL-Dateien für spezifische Nischen lassen sich als digitale Produkte verkaufen, auf Gumroad, Elopage oder im eigenen Shop. Ein “Content-Creator SKILL Pack” für 19,99 Euro, das sofort einsetzbare SKILLs für Blog, Social Media und Newsletter enthält, hat einen klaren Marktwert.

Nächster Schritt

Öffne jetzt einen Texteditor. Kopiere das Grundgerüst aus diesem Artikel. Füll es mit deinen Anforderungen. Teste es. In 30 Minuten hast du eine SKILL.md, die deine KI-Nutzung dauerhaft verändert.

Wenn du tiefer einsteigen willst: In meinem Buch SKILL.md, das Handbuch für KI-Anweisungen zeige ich dir fortgeschrittene Techniken und mehrstufige SKILLs, Quality Gates, Agent-Orchestrierung und die komplette SKILL-Architektur.

→ Buch auf Amazon ansehen

Bruno Treichel ist KI-Systemarchitekt und Gründer von KI-REX Media & Marketing Solutions. Er hat das SKILL.md-Konzept für den deutschsprachigen Markt entwickelt und setzt es in über 15 Buchprojekten und Dutzenden KI-Agenten ein.

Mehr auf ki-rex.de

Tags für Medium: Artificial Intelligence, Prompt Engineering, Productivity, Tech, KI

von Bruno Treichel • 27. September 2026
Fünf Nachrichten aus der KI-Welt, die mehr gemeinsam haben, als es auf den ersten Blick aussieht Fünf Meldungen. Eine Richtung. Transparenzhinweis gemäß EU AI Act: Dieser Beitrag wurde mit Unterstützung eines KI-Schreibprogramms erstellt und von mir redaktionell geprüft. Auch die Grafiken sind mit KI-Unterstützung entstanden. Wer diese Woche die KI-News verfolgt hat, konnte leicht den Überblick verlieren. Google, Microsoft, Meta, Anthropic, dazu ein bekannter Programmierer, der seine Tastatur quasi an den Nagel hängt. Klingt nach fünf verschiedenen Geschichten, dabei ist es eine einzige. Hinter allen fünf steckt dieselbe Entwicklung: KI beantwortet nicht mehr nur Fragen. Sie erledigt Aufgaben. Sie ruft an, sie arbeitet im Hintergrund, sie bekommt einen eigenen Rechner. Genau das solltest du verstehen, bevor es dich im Alltag überholt. Hier sind die fünf Nachrichten, und was sie für dich bedeuten. 1. Gemini greift zum Telefon Google testet eine Funktion namens „Call for Me“. Die Idee ist simpel: Du sagst Gemini, was du willst, und Gemini ruft für dich beim Unternehmen an. Tisch reservieren, nachfragen, ob ein Produkt vorrätig ist, einen Termin verschieben. Gemini navigiert dabei durch Telefonmenüs und hängt auch in der Warteschleife. Du liest live mit, was gesprochen wird, und kannst jederzeit selbst übernehmen. Welche persönlichen Daten die KI im Gespräch weitergibt, gibst du vorher frei. Der Haken für uns: Der Test läuft vorerst nur in den USA, auf dem Pixel 11 und mit bezahltem Gemini-Abo (TechCrunch, 24.09.2026). Stell dir trotzdem mal vor, wie viele Stunden du im Jahr in Warteschleifen verbringst. Genau dort setzt das an. 2. Microsoft baut Copilot um und schickt einen Autopiloten los Microsoft gliedert Copilot neu in drei Bereiche: „Home“ für Chat und Zusammenarbeit, „Code“ zum Bauen von Apps und Automationen ohne Programmierkenntnisse und „Autopilot“. Autopilot ist der spannende Teil. Ein Agent, der dauerhaft läuft, eigene Cloud-Ressourcen bekommt, Teams-Kanäle beobachtet und wiederkehrende Aufgaben selbstständig abarbeitet. Aufgerufen wird er per @-Erwähnung in Teams, Outlook oder direkt im Dokument. Jetzt kommt der Teil, über den weniger geredet wird: Für Autopilot und Code rechnet Microsoft künftig nach Nutzung ab, nicht mehr pauschal. Die normale Copilot-Lizenz deckt dann nur noch Chat und die Office-Integration ab. Autopilot startet Ende September als geschlossene Vorschau (The Decoder, 25.09.2026). Das heißt für dich: Agenten werden bezahlt wie Mitarbeiter auf Stundenbasis. Wer sie klug einsetzt, spart. Wer sie planlos laufen lässt, zahlt. 3. Meta gibt jedem Agenten einen eigenen Computer Meta hat mit „Muse“ einen Agenten veröffentlicht, der einen vollständigen Cloud-Rechner mit Ubuntu Linux mitbringt. Software installieren, Code schreiben und ausführen, im Web recherchieren. Fast alles, was du an einem echten Rechner machen würdest, erledigt Muse in seiner eigenen Umgebung. Laut The Decoder hat die App in der ersten Woche mehr als 500.000 Nutzer gewonnen und stand auf Platz eins im Apple App Store (25.09.2026). Meta setzt damit auf Reichweite statt auf das stärkste Modell. Die Botschaft dahinter: Der Agent muss nicht perfekt sein. Er muss verfügbar sein. 4. Anthropic kauft Rechenleistung, diesmal für Agenten Anthropic, das Unternehmen hinter Claude, hat mit Akamai einen Cloud-Vertrag über 11,6 Milliarden US-Dollar abgeschlossen. Laufzeit: sieben Jahre. Mit Option auf bis zu 20 Milliarden (TechCrunch, 25.09.2026). Interessant ist, was da eingekauft wird. Nicht die üblichen Grafikchips fürs Training, sondern klassische Prozessoren. Genau die Art Rechenleistung, die Agenten brauchen, wenn sie Code ausführen oder im Web unterwegs sind. Zusätzlich erhält Anthropic Optionsrechte auf bis zu fünf Prozent der Akamai-Aktien. Laut The Decoder summieren sich Anthropics Rechenzentrums-Deals damit auf rund 517 Milliarden Dollar in elf Monaten. CEO Dario Amodei hat selbst gewarnt, dass sein Unternehmen schon bei kleinen Fehleinschätzungen pleitegehen könnte. Große Wette. Klare Richtung. 5. Der Rails-Erfinder schreibt keinen Code mehr von Hand David Heinemeier Hansson hat Ruby on Rails erfunden und Basecamp mitgegründet. Vor gut einem Jahr gehörte er noch zu den lauten Kritikern von KI beim Programmieren. Auf der Rails World 2026 sagte er jetzt: Seit März 2026 schreibt er keinen Code mehr von Hand. Nach 25 Jahren. Englisch sei die bessere Programmiersprache als Ruby, so DHH in seiner Keynote. Programmierer werden aus seiner Sicht zu „professionellen Machern“, die KI steuern (The Decoder, 25.09.2026). Wenn einer der bekanntesten Skeptiker umschwenkt, ist das kein Hype-Signal mehr. Das ist ein Praxis-Signal. Was diese fünf Nachrichten verbindet Lies die fünf Meldungen noch einmal nebeneinander. Gemini telefoniert. Copilot arbeitet im Hintergrund weiter, wenn du längst im Feierabend bist. Muse bekommt einen eigenen Rechner. Anthropic kauft Milliarden an Rechenleistung, die genau solche Agenten antreiben soll. Ein erfahrener Entwickler lässt die Arbeit komplett von KI erledigen und steuert nur noch. Die Frage ist nicht mehr, ob KI-Agenten kommen. Die Frage ist, ob du weißt, wie du sie einsetzt. Ganz ehrlich: Die meisten nutzen KI immer noch wie eine bessere Suchmaschine. Frage rein, Antwort raus. Das ist okay. Es ist nur ungefähr so, als würdest du ein Auto kaufen und es als Radio benutzen. Falls du den Unterschied zwischen Chatbot, Copilot und Agent noch einmal nachlesen willst: Was ist ein KI-Agent? Klar erklärt . Was du jetzt konkret tun kannst Du musst nicht auf das Pixel 11 oder die nächste Copilot-Lizenz warten. Drei Schritte, die heute schon gehen: Schreib eine Woche lang auf, welche Aufgaben sich bei dir wiederholen. Mails sortieren, Recherchen, Berichte, Terminabstimmung. Such dir eine davon aus, die klar beschrieben werden kann. Klar heißt: Eingabe, Ablauf, Ergebnis. Beschreib diese Aufgabe schriftlich so, dass ein Agent sie ohne Rückfragen erledigen kann. Genau das ist der Kern von Agenten-Arbeit. Klingt banal. Genau an diesem Punkt scheitern die meisten. Wenn du tiefer einsteigen willst Wie du solche Agenten selbst baust und steuerst, zeige ich in meinem Buch „KI-Agenten, Agentenschwärme & SKILLs“: 👉 Hier findest du das Buch auf Amazon: https://www.amazon.de/dp/B0H1X4QZYC Welche der fünf Nachrichten betrifft dich am meisten? Schreib es mir in die Kommentare. Quellen TechCrunch, 24.09.2026: Google tests letting Gemini make phone calls, initially for US Pixel owners The Decoder, 25.09.2026: Microsoft gives Copilot another makeover, adding an Autopilot agent and usage-based billing The Decoder, 25.09.2026: Meta’s Muse agent gives every user a full cloud computer running Ubuntu Linux TechCrunch, 25.09.2026: Anthropic to pay Akamai $11.6 billion over seven years in cloud deal The Decoder, 25.09.2026: Anthropic signs $11.6 billion cloud deal with Akamai The Decoder, 25.09.2026: Ruby on Rails creator DHH says he’s done writing code by hand
von Bruno Treichel • 27. September 2026
Seit dem 2. August 2026 gilt die Kennzeichnungspflicht des EU AI Act. Artikel 50 verlangt: Wenn du KI-generierte Bilder, Videos oder Audio veröffentlichst, musst du sie als KI-generiert kennzeichnen. Wer das nicht tut, riskiert Bußgelder. Klingt klar. Ist es aber nicht. Denn die Abgrenzung was muss gekennzeichnet werden, was nicht ist in der Praxis unscharf. Muss ein Blog-Artikel, den ich mit Claude geschrieben und selbst überarbeitet habe, gekennzeichnet werden? Mein Amazon-Buchcover? Mein LinkedIn-Post? Ich habe mich intensiv mit dem EU AI Act beschäftigt, für meine eigene Arbeit mit 15 KI-gestützten Büchern und hunderten Marketing-Grafiken. In diesem Artikel erkläre ich dir, was der EU AI Act für Content Creator konkret bedeutet ohne Juristendeutsch, mit klaren Regeln zum Sofort-Anwenden. Was der EU AI Act ist in 30 Sekunden Der EU AI Act ist das weltweit erste umfassende KI-Gesetz. Er reguliert, wie KI in der Europäischen Union entwickelt und eingesetzt werden darf. Für Content Creator sind zwei Artikel relevant: Artikel 50 (Transparenzpflicht): KI-generierte Inhalte müssen als solche erkennbar sein. Betrifft Bilder, Videos, Audio und alles, was den Eindruck erwecken könnte, es sei von einem Menschen erstellt. Artikel 4 (KI-Kompetenzpflicht): Wer KI-Systeme einsetzt, muss ein ausreichendes Verständnis davon haben. Klingt vage, bedeutet aber: Du musst wissen, was deine Tools tun, welche Daten sie verarbeiten und wo ihre Grenzen liegen. Für Unternehmen mit HR-Abteilungen hat das besondere Konsequenzen! Was muss gekennzeichnet werden und was nicht? Die Faustregel ist einfach: Bilder, Videos und Audio = kennzeichnen. Text mit menschlicher Redaktion = frei. Im Detail: Kennzeichnungspflichtig KI-generierte Werbegrafiken: Jede Grafik, die du mit Midjourney, DALL-E, Canva AI oder ähnlichen Tools erstellst und für Marketing verwendest, braucht ein KI-Label. Das gilt für Social-Media-Posts, Pinterest-Pins, Facebook-Anzeigen, Newsletter-Header und alles, was visuell ist und veröffentlicht wird. KI-generierte Videos und Audio: Videotrailer, Voiceover mit ElevenLabs, KI-generierte Podcast-Segmente, alles kennzeichnungspflichtig und auch dann, wenn du das Material nachbearbeitest. KI-generierte Bilder in Blog-Artikeln: Wenn du in deinem Medium-Artikel ein KI-generiertes Bild verwendest, muss es gekennzeichnet sein. Eine einfache Bildunterschrift wie “Bild: KI-generiert” reicht. Nicht kennzeichnungspflichtig Buchtexte mit menschlicher Endredaktion: Wenn du ein Buch mit KI-Unterstützung schreibst und jedes Kapitel selbst redigierst, kontrollierst und freigibst, gilt der Text als redaktionell verantworteter Inhalt. Keine Kennzeichnungspflicht. Amazon verlangt allerdings die Angabe im KDP-Upload-Formular, ob KI-Tools verwendet wurden. Blog-Artikel und Newsletter: Solange du den Text gelesen, überarbeitet und freigegeben hast, ist er dein redaktioneller Inhalt unabhängig davon, ob Claude oder ChatGPT den Rohtext geliefert hat. Die menschliche Redaktionsleistung ist der entscheidende Faktor. E-Mails und Geschäftskorrespondenz: Auch hier gilt: Wenn du den Text vor dem Absenden liest und freigibst, keine Kennzeichnungspflicht. Wie kennzeichnest du richtig? Der EU AI Act schreibt keine exakte Form vor aber die Kennzeichnung muss “klar und deutlich erkennbar” sein. In der Praxis funktionieren drei Methoden: Methode 1: Bildunterschrift. Unter dem Bild steht: “Bild: KI-generiert” oder “Grafik erstellt mit KI-Unterstützung”. Einfach, universell, funktioniert auf jeder Plattform. Methode 2: Overlay im Bild. Ein kleiner Hinweis direkt im Bild — ähnlich einem Wasserzeichen. Das hat den Vorteil, dass die Kennzeichnung nicht verloren geht, wenn das Bild ohne Kontext geteilt wird. Methode 3: Metadaten. Einige Plattformen unterstützen KI-Kennzeichnung in den Bild-Metadaten (EXIF/IPTC). Instagram und Meta haben eigene KI-Labels eingeführt. Wenn du eine SKILL.md für deine Content-Produktion nutzt hier ist die Anleitung dazu kannst du die Kennzeichnung als festen Schritt im Workflow verankern. Meine Empfehlung: Methode 1 (Bildunterschrift) als Standard für Blog-Artikel, Methode 2 (Overlay) für Social-Media-Grafiken, die eigenständig geteilt werden. Was passiert, wenn du nicht kennzeichnest? Der EU AI Act sieht ein abgestuftes Sanktionssystem vor: Stufe 1: Verwarnung. Die zuständige Aufsichtsbehörde mahnt ab und gibt dir eine Frist zur Nachkennzeichnung. Das ist der wahrscheinlichste Fall für Einzelpersonen und kleine Unternehmen. Stufe 2: Bußgeld. Bis zu 15 Millionen Euro oder 3 Prozent des weltweiten Jahresumsatzes für Verstöße gegen Transparenzpflichten. Für ein DAX-Unternehmen wäre das existenzbedrohend. Für Selbstständige gelten niedrigere Obergrenzen aber auch 5.000 Euro sind für einen Freelancer kein Pappenstiel. Stufe 3: Bei schweren Verstößen (verbotene KI-Praktiken) bis zu 35 Millionen Euro oder 7 Prozent des Umsatzes. Für Content Creator praktisch nicht relevant und das betrifft Fälle wie Social Scoring oder manipulative KI. Die Realität: In der Anfangsphase werden Aufsichtsbehörden voraussichtlich auf Aufklärung und Verwarnungen setzen, nicht auf Maximalbußgelder. Aber das ändert sich, sobald sich die Durchsetzungspraxis etabliert hat. Wer jetzt sauber kennzeichnet, hat keinen Stress, wenn die Kontrollen ernster werden. Die 7-Punkte-Checkliste für Content Creator Diese sieben Punkte solltest du jetzt erledigen: 1. KI-generierte Bilder kennzeichnen. Geh deine letzten 20 Social-Media-Posts und Blog-Artikel durch. Jedes KI-generierte Bild bekommt eine Kennzeichnung nachgetragen. 2. Standard-Kennzeichnung festlegen. Entscheide dich für ein Format und bleib dabei. “Bild: KI-generiert” als Bildunterschrift ist der einfachste Start. Leg das in deiner Content-SKILL.md als Pflichtschritt fest. 3. Redaktionelle Freigabe dokumentieren. Für Texte, die du mit KI-Unterstützung schreibst: Halte fest, wann du den Text freigegeben hast. Ein kurzer Vermerk (“Redaktionelle Endfreigabe: [Datum], [Name]”) reicht. Das ist deine Absicherung, falls jemand fragt, warum der Text nicht gekennzeichnet ist. 4. Social-Media-Vorlagen anpassen. Wenn du mit Canva oder ähnlichen Tools arbeitest erstelle eine Vorlage, die den KI-Hinweis automatisch enthält. Ein kleiner Text am unteren Bildrand, der bei jeder Grafik dabei ist. 5. Amazon-KDP-Uploads prüfen. Bei jedem Buchupload fragt Amazon, ob KI-Tools verwendet wurden. Beantworte das ehrlich. Es ist keine Strafe sondern es ist eine Pflichtangabe. 6. KI-Tools-Liste führen. Notiere, welche KI-Tools du einsetzt, wofür und seit wann. Das ist für die Nachweispflicht relevant und kostet 10 Minuten einmalig. 7. KI-Literacy sicherstellen. Verstehst du, was deine KI-Tools tun? Wo werden deine Daten verarbeitet? Welche Modelle stecken dahinter? Wenn nicht: nachlesen. Der EU AI Act verlangt dieses Grundverständnis. Was das für dein Content-Business bedeutet Kurz: Wenig Aufwand, wenn du es jetzt einrichtest. Die Kennzeichnungspflicht betrifft nur Bilder, Videos und Audio. Deine Texte, Blog-Artikel, Bücher, Newsletter bleiben frei, solange du die redaktionelle Kontrolle behältst. Der Kniff liegt in der Systematisierung. Wenn du bei jedem einzelnen Post überlegen musst, ob und wie du kennzeichnest, nervt es. Wenn du einmal eine Vorlage erstellst und eine SKILL.md schreibst, die den Kennzeichnungsschritt automatisch einbaut, denkst du nie wieder darüber nach. Für diejenigen, die mit KI-Agenten arbeiten: Du kannst die Kennzeichnung direkt in den Agent-Workflow einbauen. Der Agent erstellt die Grafik, fügt das KI-Label ein und exportiert — alles in einem Schritt. Das ist der Vorteil eines systematischen Ansatzes gegenüber manuellem Labeln. FAQ — Häufig gestellte Fragen Gilt der EU AI Act auch für Privatpersonen? Die Transparenzpflichten gelten für jeden, der KI-generierte Inhalte veröffentlicht auch Privatpersonen, Freelancer und Einzelunternehmer. Die Bußgeld-Obergrenzen sind für KMUs und Privatpersonen niedriger angesetzt. Muss ich meinen alten Content nachkennzeichnen? Formal ja der EU AI Act kennt keinen Bestandsschutz für bereits veröffentlichte Inhalte. Praktisch: Fang mit den sichtbarsten Inhalten an (Social Media, Website) und arbeite rückwärts. Was ist mit KI-bearbeiteten Fotos? Wenn du ein echtes Foto mit KI bearbeitest (Hintergrund entfernen, Farben korrigieren), ist das in der Regel nicht kennzeichnungspflichtig. Wenn die KI-Bearbeitung so stark ist, dass das Ergebnis irreführend sein könnte (Gesichter verändern, Szenen hinzufügen), greift die Pflicht. Ich nutze KI nur als Schreibhilfe, muss ich das angeben? Nein. Wenn du den Text selbst redigierst und freigibst, ist er dein redaktioneller Inhalt. Du bist der Autor, die KI war das Werkzeug. Wie ein Buch, das mit Word geschrieben wurde — niemand kennzeichnet “geschrieben mit Microsoft Word”. Wie schütze ich mich rechtlich? Dokumentiere deinen Prozess. Halte fest, welche KI-Tools du nutzt, wo die menschliche Redaktion stattfindet und wann du Inhalte freigibst. Das ist dein Nachweis, dass du den EU AI Act ernst nimmst. In 10 Minuten ist das erledigt. Nächster Schritt Geh jetzt deine letzten 10 veröffentlichten Inhalte durch. Wo fehlt ein KI-Label? Trag es nach. Dann erstelle eine Vorlage, die den Hinweis automatisch enthält. In 30 Minuten bist du compliant. Wenn du den EU AI Act und seine Auswirkungen auf Content-Unternehmer im Detail verstehen willst: In meinem Buch Nicht die KI ist das Problem widme ich dem EU AI Act ein ganzes Kapitel — mit Fallbeispielen, Checklisten und der Abgrenzung zwischen erlaubt und verboten. → Buch auf Amazon ansehen Weiterführende Artikel aus dieser Serie: KI-Agenten erstellen: So baust du deinen ersten digitalen Assistenten SKILL.md erklärt: Warum eine einzige Datei deine KI-Nutzung komplett verändert Bruno Treichel ist KI-Systemarchitekt und Gründer von KI-REX Media & Marketing Solutions. Er setzt den EU AI Act in seiner eigenen Content-Produktion um und dokumentiert die Erfahrungen für andere Content Creator im DACH-Markt. Mehr auf ki-rex.de Tags für Medium: EU AI Act, Content Creation, Regulation, Artificial Intelligence, Law
von Bruno Treichel • 27. September 2026
Die Personalabteilung hat ein Effizienzproblem. HR-Teams verbringen 60 bis 70 Prozent ihrer Zeit mit Routineaufgaben Stellenanzeigen formulieren, Bewerbungen sichten, Onboarding-Dokumente zusammenstellen, Reports bauen. Aufgaben, die wichtig sind, aber nicht die Art von Arbeit, für die HR-Profis ihren Job gewählt haben. KI kann diesen Anteil auf unter 30 Prozent drücken. Nicht durch Entlassung von Mitarbeitern, sondern durch Automatisierung der Vorbereitung, damit HR-Manager ihre Zeit dort investieren, wo sie am meisten bewirken: Bei den Menschen! Aber KI in HR einzuführen ist kein Selbstläufer. Es gibt rechtliche Grenzen, ethische Risiken und einen Faktor, den die meisten unterschätzen: die Angst der eigenen Belegschaft. Dieser Artikel zeigt dir, was funktioniert, was nicht, und wie du in 90 Tagen KI in deine Personalabteilung integrierst. Wo KI in HR heute eingesetzt wird 1. Bewerbungs-Screening Der zeitfressendste Prozess in jeder HR-Abteilung. Eine offene Stelle generiert im Schnitt 80 bis 250 Bewerbungen. Ein KI-Agent, was genau ein KI-Agent ist, erkläre ich in diesem Artikel , kann Lebensläufe vorsortieren, Qualifikationen mit dem Anforderungsprofil abgleichen und eine Rangliste erstellen. Der HR-Manager prüft die Top-20 statt alle 200. Aber Vorsicht: KI-Screening ohne menschliche Kontrolle ist gefährlich. Sprachmodelle können versteckte Biases aus ihren Trainingsdaten übernehmen, etwa Bewerbungen mit Lücken im Lebenslauf systematisch abwerten, obwohl diese durch Elternzeit oder Krankheit entstanden sind. Die KI sortiert vor, der Mensch entscheidet. 2. Onboarding automatisieren Der erste Arbeitstag entscheidet über den Eindruck. Ein KI-gestütztes Onboarding verschickt automatisch Willkommens-Mails, erstellt individuelle Einarbeitungspläne und stellt einen FAQ-Bot bereit, der neue Mitarbeiter in den ersten Wochen durch die häufigsten Fragen führt. Die Zeitersparnis ist enorm: Statt 8 bis 10 Stunden manueller Onboarding-Vorbereitung pro neuem Mitarbeiter reduziert sich der Aufwand auf eine Stunde Kontrolle und Feintuning. 3. Stellenanzeigen erstellen KI-Tools wie Claude oder ChatGPT können Stellenanzeigen in Minuten generieren. Aber der eigentliche Wert liegt woanders: Die KI prüft den Text auf inklusive Sprache. Formulierungen wie “junges dynamisches Team” oder “belastbar” schließen unbewusst Bewerbergruppen aus. Ein guter KI-Prompt erkennt das und schlägt neutrale Alternativen vor. 4. Mitarbeiter-Feedback analysieren Jährliche Mitarbeiterumfragen produzieren Berge von Freitextantworten, die niemand systematisch auswertet. Eine KI kann 500 Freitextantworten in 10 Minuten kategorisieren, Stimmungstrends erkennen und Frühwarnsignale für Fluktuation identifizieren, bevor die Kündigung auf dem Tisch liegt. 5. Weiterbildung personalisieren Statt einer Weiterbildungsliste für alle erstellt KI individuelle Lernpfade. Basierend auf der aktuellen Rolle, den vorhandenen Kompetenzen und den Unternehmenszielen bekommt jeder Mitarbeiter Empfehlungen, die zu seiner Karriere passen und nicht zur statistischen Mehrheit. 6. HR-Reporting Monatliche Headcount-Reports, Krankenstandsanalysen, Diversity-Kennzahlen — alles Aufgaben, die regelmäßig anfallen und einem klaren Muster folgen. Genau das, was ein KI-Agent eigenständig erledigen kann . Eine SKILL.md-Datei definiert, welche Daten gezogen, wie sie aufbereitet und in welchem Format sie geliefert werden. W ie du eine SKILL.md erstellst, zeige ich dir hier Schritt für Schritt . Chancen und Risiken ehrlich abgewogen Die Chancen sind real: schnellere Stellenbesetzung, objektivere Vorauswahl, mehr Zeit für strategische Arbeit, personalisierte Entwicklung aber die Risiken sind es auch. Bias und Diskriminierung ist das größte Risiko. KI-Modelle lernen aus historischen Daten und wenn diese Daten Diskriminierung enthalten (was sie fast immer tun), reproduziert die KI diese Muster. Ein Bewerbungs-Screening, das über Jahre hinweg hauptsächlich männliche Bewerber bevorzugt hat, wird ohne Korrektur weiterhin männliche Bewerber bevorzugen. Die Lösung: Jede KI-Entscheidung im Recruiting braucht eine menschliche Überprüfung. Ausnahmslos. DSGVO-Compliance ist nicht optional. Mitarbeiterdaten gehören zu den sensibelsten Daten, die ein Unternehmen verarbeitet. KI-Tools, die diese Daten in der Cloud verarbeiten, müssen DSGVO-konform sein. Offene Fragen: Wo werden die Daten gespeichert? Werden sie für KI-Training verwendet? Wer hat Zugriff? Ohne klare Antworten auf diese Fragen: keine Cloud-KI für Mitarbeiterdaten. Vertrauensverlust in der Belegschaft ist der Risikofaktor, den Führungskräfte am häufigsten unterschätzen. Wenn Mitarbeiter erfahren, dass eine KI ihre Bewerbung gefiltert, ihr Feedback analysiert oder ihre Leistung bewertet hat, ohne dass sie davon wussten ist das Vertrauen zerstört. Transparenz ist Pflicht. Nicht nur rechtlich (EU AI Act, Art. 50), sondern menschlich. Der 90-Tage-Plan: KI in HR einführen Phase 1: Grundlagen (Tag 1–30) Bevor du ein Tool einführst, brauchst du eine KI-Policy. Ein Dokument, das festlegt: Welche Daten dürfen in KI-Tools verarbeitet werden? Welche nicht? Wer entscheidet über den Einsatz? Wer prüft die Ergebnisse? Parallel testest du ein erstes Tool, idealerweise für eine unkritische Aufgabe. Stellenanzeigen schreiben ist der beste Einstieg: keine personenbezogenen Daten, sofort messbares Ergebnis, geringes Risiko. Am wichtigsten: Informiere dein Team. Nicht als Ankündigung (“Wir setzen jetzt KI ein”), sondern als Dialog (“Wir wollen testen, ob KI uns bei Routineaufgaben entlasten kann — was wäre für euch am hilfreichsten?”). Phase 2: Pilotieren (Tag 31–60) Jetzt wird getestet. Du nutzt KI für Stellenanzeigen und vergleichst: Wie schnell entstehen die Texte? Wie ist die Qualität im Vergleich zur manuellen Erstellung? Wie reagieren Bewerber? Parallel testest du Bewerbungs-Screening aber mit voller menschlicher Kontrolle. Die KI erstellt ein Ranking, du überprüfst es gegen deine eigene Einschätzung. Stimmen die Ergebnisse zu 80+ Prozent überein, funktioniert das Modell. Liegen sie weit auseinander, passt du die Kriterien an. In dieser Phase schreibst du auch deine erste HR-spezifische SKILL.md: Welche Qualifikationen sind Pflicht, welche Kür? Welcher Ton passt zu eurer Arbeitgebermarke? Welche Formulierungen sind tabu? Phase 3: Skalieren (Tag 61–90) Wenn die Pilotphase funktioniert hat, erweiterst du auf Onboarding, HR-Reporting und Feedback-Analyse. Du setzt Automatisierungen auf etwa einen wöchentlichen Headcount-Report, der automatisch generiert und per E-Mail versendet wird. Am Ende der 90 Tage prüfst du die EU-AI-Act-Compliance: Sind alle KI-Einsätze dokumentiert? Sind die Transparenzpflichten erfüllt? Gibt es eine Risikobewertung für Hochrisiko-Anwendungen (wie Bewerbungs-Screening)? Was der EU AI Act für HR-KI bedeutet Der EU AI Act stuft KI-Systeme im Recruiting als Hochrisiko-Anwendungen ein. Das bedeutet: Strengere Dokumentationspflichten, Transparenzanforderungen und die Pflicht zur menschlichen Aufsicht. Du darfst KI im Recruiting einsetzen aber du musst dokumentieren, wie die KI entscheidet, und sicherstellen, dass ein Mensch jede finale Entscheidung trifft. Zusätzlich gilt seit August 2026 die KI-Literacy-Pflicht (Art. 4): Unternehmen müssen sicherstellen, dass Mitarbeiter, die mit KI arbeiten, ein ausreichendes Verständnis der Technologie haben. Für HR-Teams heißt das: Schulung ist Pflicht, nicht Kür. FAQ — Häufig gestellte Fragen Ersetzt KI den HR-Manager? Nein. KI übernimmt Routinearbeit so wie vorsortieren, formatieren, analysieren. Die Entscheidung, wen du einstellst, wen du beförderst, wie du ein schwieriges Gespräch führst das bleibt Menschensache. KI ist der schnellste Sachbearbeiter, den du je hattest aber kein Führungskraft-Ersatz. Welches KI-Tool eignet sich für HR? Für den Einstieg: Claude oder ChatGPT in der kostenlosen Version. Für Automatisierung: n8n mit Claude-API-Anbindung. Spezialisierte HR-KI-Tools wie HireVue oder Eightfold sind für größere Unternehmen relevant, für KMUs aber oft zu teuer. Darf ich Bewerberdaten in KI-Tools eingeben? Nur in DSGVO-konforme Tools mit Auftragsverarbeitungsvertrag (AVV). Niemals Bewerberdaten in kostenlose Cloud-KI-Tools ohne AVV eingeben. Im Zweifelsfall: lokale oder europäische Lösungen bevorzugen. Wie nehme ich skeptische Mitarbeiter mit? Transparenz und Beteiligung. Zeige, welche Aufgaben KI übernimmt (Routine) und welche nicht (Entscheidungen). Lass Mitarbeiter eigene Vorschläge einbringen, wo KI ihnen helfen könnte. Die beste Akzeptanz erreichst du, wenn Menschen den Nutzen für ihren eigenen Arbeitsalltag sehen. Brauchen kleine Unternehmen KI in HR? Gerade kleine Unternehmen profitieren am meisten — weil sie keine eigene HR-Abteilung haben. Der Geschäftsführer, der nebenbei Bewerbungen sichtet und Stellenanzeigen schreibt, spart mit KI Stunden pro Woche. Ein ist oft der wirkungsvollste erste Schritt. Nächster Schritt Such dir eine HR-Aufgabe, die dich jede Woche Zeit kostet. Stellenanzeigen, Reports, Bewerbungs-Screening einfach eine davon. Teste diese Woche ein kostenloses KI-Tool dafür. Vergleiche das Ergebnis mit deiner bisherigen Methode. In einer Stunde weißt du, ob KI in deiner Personalabteilung einen Unterschied macht. Wenn du das Thema in der Tiefe verstehen willst: In meinem Buch KI-gestütztes HR & Personalwesen gehe ich jeden Einsatzbereich mit Vorlagen, rechtlichen Leitplanken und fertigen SKILL-Dateien für HR-Teams durch. → Buch auf Amazon ansehen Weiterführende Artikel aus dieser Serie: Was ist ein KI-Agent? Der Unterschied zwischen Chatbot, Copilot und Agent SKILL.md erklärt: Warum eine einzige Datei deine KI-Nutzung komplett verändert KI-Agenten erstellen: So baust du deinen ersten digitalen Assistenten Bruno Treichel ist KI-Systemarchitekt und Gründer von KI-REX Media & Marketing Solutions. Er hat das Buch „KI-gestütztes HR & Personalwesen” veröffentlicht und berät Unternehmen zum praktischen KI-Einsatz im DACH-Markt. Mehr auf ki-rex.de Tags für Medium: Human Resources, Artificial Intelligence, Leadership, Future of Work, HR