Wie Marketer KI-Workflows aufbauen können, die zuverlässige und konsistente Ergebnisse liefern

Episodenbeschreibung

„Bessere Menschenqualität produziert bessere Sandwiches.“

Das ist Ann Stanleys Kernaussage aus Jahren des Aufbaus von KI-Workflows für eine der ursprünglichen Digitalagenturen Großbritanniens. Frederick Vallaeys, CEO & Co-Founder von Optmyzr, spricht mit Ann darüber, was hinter dieser Metapher steckt, und geht der Frage nach, warum KI im Grunde nur die Füllung in einem Prozess ist, der weiterhin menschliche Expertise braucht, um verlässliche, konsistente Ergebnisse zu liefern.

Das Gespräch zeigt, warum KI-Ausgaben oft unvorhersehbar wirken und wie sich das mit besserer Struktur, mehr Kontext und Systemen wie RAG (Retrieval-Augmented Generation) beheben lässt. Ann erklärt, wie Tools wie n8n, Claude und benutzerdefinierte KI-Agenten Teams dabei helfen können, wiederkehrende Marketingaufgaben in skalierbare Workflows zu überführen, ohne Qualität oder Kontrolle einzubüßen.

Wenn du KI im Marketing einsetzt, aber mit inkonsistenten Ergebnissen oder Einmal-Ergebnissen kämpfst, hilft dir diese Episode dabei, Workflows aufzubauen, die zuverlässiger, wiederholbarer und für den praktischen Einsatz in der realen Welt geeignet sind.

Das lernst du hier:

• Warum KI-Ausgaben inkonsistent wirken (und wie man das mit besseren Prompts behebt)
• Was n8n ist und warum strukturierte Workflows Ad-hoc-Prompting übertreffen
• Wie RAG dafür sorgt, dass KI nicht mehr über dein Unternehmen halluziniert
• Warum KI die Kapazität erhöht statt die Arbeitslast zu senken
• Wie Claude Code als Ausführungsschicht für alles fungiert
• Die echten Risiken: Memory Compaction, Fehlerfortpflanzung und Versionskontrolle
• Wann sich Automatisierung lohnt (und wann nicht)
• Wie man Teams tatsächlich dazu bringt, KI zu nutzen (und warum Widerstand nachvollziehbar ist)
• Was KI für Agenturen bedeutet, die über Expertise statt über Ausführung konkurrieren
• Das menschliche KI-Sandwich: Warum Qualitätskontrolle weiterhin Menschen braucht

Erkenntnisse aus der Episode

Ann Stanley geht an KI-Einführung nicht so heran wie die meisten Marketer. Mit 23 Jahren Erfahrung im Digitalmarketing und einem Hintergrund in medizinischer Forschung und klinischen Studien bringt sie wissenschaftliche Strenge ins Marketing. Sie ist Gründerin und CEO von Anicca Digital, einer der ursprünglichen Digitalagenturen Großbritanniens. Im vergangenen Jahr ist sie vom Experimentieren mit KI-Tools dazu übergegangen, produktionsreife Workflows zu bauen, die ihr 20-köpfiges Team tatsächlich nutzt.

Fred eröffnete das Gespräch mit einer Frage zu n8n, dem Workflow-Automatisierungstool, das Ann 2024 sieben Monate lang gemeistert hat. Es ist nicht mehr das Neueste auf dem Markt — Claude Code und andere Tools haben es inzwischen überholt —, aber die Prinzipien, die Ann beim Aufbau von n8n-Workflows gelernt hat, gelten weiterhin für alles, was sie heute baut.

Und diese Prinzipien sind wichtig, weil sie die Frage beantworten, an der jede Agentur scheitert: Wie macht man KI-Ausgaben zuverlässig statt zufällig?

Das Gespräch bewegt sich durch die praktischen Mechaniken beim Aufbau funktionierender KI-Systeme: Welche Tools man verwenden sollte, wie Prompts strukturiert werden, warum Kontext wichtiger ist als Cleverness und wann sich Automatisierung als Investition lohnt. Doch unter den technischen Details zieht sich ein noch wichtigerer Gedanke durch das Gespräch: KI ersetzt Expertise nicht, sondern verstärkt sie. Die Menschen, die verstehen, was gebaut werden muss und warum, werden am meisten profitieren.

Warum KI-Ausgaben inkonsistent wirken (und wie man das mit besseren Prompts behebt)

Die erste echte Frage, die Fred stellte, traf direkt das Problem, mit dem Agenturen jeden Tag zu tun haben: Wie macht man KI vorhersehbar, wenn sie im Kern ein probabilistisches System ist?

Ann stellte das gesamte Problem neu dar. „LLMs ist einfach ein mathematisches Modell, das eine Menge Wörter nimmt und es auf Basis statistischer Wahrscheinlichkeit zurückgibt“, erklärte sie.

Die KI versagt nicht, weil sie kaputt ist. Sie versagt, weil du ihr nicht genug Informationen gegeben hast, um erfolgreich zu sein.

Sie verwendet ein scheinbar einfaches Beispiel: das Wort „apple“. Gib das in eine KI ein, und sie weiß nicht, ob du Steve Jobs und iPhones meinst oder Apfelkuchen und Obstgärten. Beides ist möglich. Aber die KI kann nicht wissen, was du meinst, wenn du keinen Kontext lieferst.

Sie erklärt das weiter mit einer Koch-Analogie. Wenn du fragst: „Was kann ich für eine vierköpfige Familie kochen? Ich bin Vegetarier. Ich habe diese Zutaten“, bekommst du Vorschläge. Aber wenn du dieselben Zutaten einem italienischen und einem französischen Koch gibst, entstehen völlig unterschiedliche Gerichte. Die Zutaten sind identisch. Das Ergebnis hängt von Expertise, Ausbildung und Kontext ab.

„Wenn du in etwas wie einem Workflow einen KI-Agenten erstellst, gibst du ihm nicht nur die Anweisungen für die Aufgabe“, sagte Ann. „Du gibst ihm den ganzen Hintergrund, Beispiele und das Wissen dahinter. Du brauchst also ein paar Dinge. Du brauchst die Anweisungen im Moment. Du brauchst die Nutzeranweisungen und das RAG oder den Speicher, das Gehirn dahinter.“

Das ist das Kernprinzip, auf dem alles andere in diesem Gespräch aufbaut. KI kennt dein Unternehmen, deine Kunden oder deine Standards nicht automatisch. Du musst diesen Kontext explizit bereitstellen. Je mehr Kontext du lieferst, desto vorhersehbarer und nützlicher wird das Ergebnis.

Für Agenturen bedeutet das: Systeme bauen, die Kontext erzwingen. Lass Teammitglieder nicht einfach zufällige Prompts in ChatGPT eingeben. Baue Custom GPTs oder Claude Projects mit Markenrichtlinien, Schreibbeispielen und strategischen Leitplanken, die bereits integriert sind. Mach es unmöglich, generische Ausgaben zu erzeugen, indem du den vollständigen Kontext bereitstellst.

Was n8n ist und warum strukturierte Workflows Ad-hoc-Prompting übertreffen

Fred bat Ann, n8n für Menschen zu erklären, die es nicht kennen. Und das sagte sie:

„n8n ist wie ein Miro-Board, das eine Menge Nodes hat, die verschiedene Dinge, verschiedene Funktionen machen“, erklärte Ann. „Das gibt dir Zugriff auf viele APIs. Es gibt dir KI-Gehirne darin, sodass es Entscheidungen treffen kann.“

Der entscheidende Vorteil ist nicht die visuelle Oberfläche oder das Node-basierte System, sondern die Vorhersehbarkeit. Solange du deine Prompts richtig strukturierst, erhältst du jedes Mal konsistente Ergebnisse. Das ist entscheidend für Agenturen, die ihren Kunden ein bestimmtes Qualitätsniveau versprechen.

Ann und ihr Team haben eine Plattform namens Secret Agents entwickelt, um ein häufiges Problem zu lösen: Die meisten Menschen wissen nicht, wie man KI richtig promptet.

„Der Vorteil, am Anfang eines KI-Agenten wie n8n ein Formular zu verwenden, ist, dass du die richtigen Informationen erfassen und den Nutzer dazu bringen kannst, die Informationen einzugeben, die er auch bei einem Prompt schreiben sollte“, sagte sie. „Und dann nimmst du das, und das führt zu einem viel besseren Ergebnis.“

Das Formular zwingt uns zu einer Struktur. Statt eines vagen „Schreib mir einen Blog“ fragt das Formular: „Wer ist die Zielgruppe?“ Welchen Ton sollen wir verwenden? Welche Beispiele sollen wir befolgen? Was sollen wir vermeiden? Diese strukturierte Eingabe erzeugt strukturierte, verlässliche Ausgaben.

Der andere große Vorteil ist, dass n8n über APIs funktioniert, was bedeutet, dass es keine Token-Limits gibt. Du kannst riesige Datenmengen verarbeiten, ohne an die Grenzen zu stoßen, die du in der Chat-Oberfläche von ChatGPT oder Claude erreichen würdest. Und Workflows können im Hintergrund laufen, ohne manuelle Auslöser.

Das Team von Ann hat einen vollautomatisierten Blog-Workflow gebaut, der jede Woche 25 Websites durchsucht, die Inhalte verarbeitet, einen Roundup schreibt und ihn in WordPress hochlädt. Sobald er gebaut ist, ist kein menschliches Eingreifen mehr erforderlich. Dieses Maß an Automatisierung funktioniert nur, weil der Workflow in jedem Schritt Struktur erzwingt.

Wie RAG dafür sorgt, dass KI nicht mehr über dein Unternehmen halluziniert

RAG, kurz für Retrieval-Augmented Generation, ist ein Standard-LLM, das auf riesigen Mengen an Text aus dem Internet trainiert wurde. Zwar kennen diese Modelle verschiedene Informationen, aber sie wissen nichts Spezifisches über dein Unternehmen, deine Kunden, deine Markenstimme oder deine strategischen Prioritäten, solange du es ihnen nicht sagst.

RAG löst das, indem es der KI eine Wissensbasis gibt, in der sie bei der Generierung von Antworten suchen und Informationen abrufen kann. Statt sich ausschließlich auf Trainingsdaten zu verlassen, greift die KI auf Dokumente, Richtlinien und Beispiele zurück, die du bereitgestellt hast.

Ann erklärte ihren Ansatz anhand dessen, was sie die AI Adoption Ladder nennt. Die meisten Menschen beginnen mit der kostenlosen Version von ChatGPT, und 80 % der 4.000 Marketer, mit denen sie im letzten Jahr gesprochen hat, nutzten sie immer noch. Die meisten hatten Claude nicht ausprobiert, und keiner von ihnen wusste, was ein KI-Agent ist.

Deshalb empfahl Ann als nächsten Schritt ein Custom GPT oder ein Claude Project.

„Wenn du ein Projekt oder ein Custom GPT erstellst, stellst du ein Rezept bereit, also deinen Prompt, aber du lieferst auch Beispiele dafür, wie gut aussieht“, sagte Ann.

Für Agenturen, die mehrere Kunden betreuen, ist diese Struktur unverzichtbar. Kunde A bekommt seine Markenrichtlinien, Schreibbeispiele und Branchenkenntnisse in sein Projekt geladen. Kunde B bekommt völlig andere Materialien. Die KI schreibt dann in der Stimme jedes einzelnen Kunden, weil du ihr die Referenzbibliothek gegeben hast, aus der sie schöpfen kann.

Der Vorteil von Claude Projects gegenüber Custom GPTs liegt laut Ann in der persistierenden Erinnerung innerhalb eines Projekts.

„Du kannst in Claude arbeiten und ein ganzes Projekt rund um diesen einen Kunden haben, und es wird sich an alles und diese Gespräche erinnern“, erklärte Ann. „Und das ist wirklich der Ausgangspunkt für all die wirklich spannenden Dinge, die im letzten Jahr herausgekommen sind.“

Warum KI die Kapazität erhöht statt die Arbeitslast zu senken

Fred lachte, als Ann vor Schlafmangel warnte, weil er dieselbe Realität erlebt. Das Versprechen von KI ist, dass sie all diese Arbeit für dich erledigt und dir Zeit freisetzt. Die tatsächliche Erfahrung ist völlig anders.

„Warte, bis du anfängst, Claude Code zu verwenden“, sagte Ann. „Dann wirst du nie wieder schlafen.“

Der Grund ist: KI reduziert deine Arbeitslast nicht. Sie erweitert das, was möglich ist. Du wirst von den Möglichkeiten so begeistert, dass du anfängst, fünfmal mehr zu bauen als früher. Also bleibst du bis zwei oder drei Uhr morgens wach, weil du etwas Kaputtes nicht einfach liegen lassen kannst.

„Diese Idee, dass man mehr Zeit für sich selbst hat, ist einfach Quatsch“, sagte Ann unverblümt. „Man macht einfach fünfmal so viel Arbeit.“

Fred stimmte voll zu. Er ist inzwischen regelmäßig nach Mitternacht noch wach, nicht weil er muss, sondern weil er in den Aufbau von Prozessen investiert, die die Fähigkeiten seines Teams verzehnfachen werden. Einzelne Teammitglieder nutzen KI vielleicht, um Aufgaben schneller zu erledigen, aber sie sind nicht diejenigen, die lange aufbleiben. Das sind die Gründer und technischen Leiter, die das Potenzial sehen und nicht aufhören können, es zu erkunden.

Ann teilte zwei Produktivitätsveränderungen, die für sie alles verändert haben. Erstens: „Die größte Veränderung bei der Produktivität ist, wenn du aufhörst zu tippen und anfängst zu sprechen.“ Sprachbefehle beschleunigen Iterationszyklen enorm, weil du beim Sprechen mehr Details, mehr Nuancen und mehr Kontext liefern kannst als beim Tippen.

Zweitens: mehrere Dinge parallel laufen lassen. „Du musst wahrscheinlich mindestens zwei Dinge gleichzeitig am Laufen haben, denn wenn du nur dasitzt und auf eine Sache wartest, verschwendest du am Ende viel Zeit“, erklärte sie. „Eine der größten Fähigkeiten ist es, dein Gehirn zwischen zwei Aufgaben hin- und herschalten zu können.“

Das ist der aktuelle Stand der KI-Tools. Sie sind schnell, aber nicht sofortig, also stellst du mehrere Aufgaben in die Warteschlange, wechselst zwischen ihnen und kommst voran, statt untätig herumzusitzen.

Wie Claude Code als Ausführungsschicht für alles fungiert

Ann erläuterte die Entwicklung vom einfachen Prompting über Claude Projects bis hin zu Claude Code und warum jeder Schritt für Marketer wichtig ist, die verlässliche Systeme aufbauen wollen.

Claude Projects führte „Skills“ ein, also gespeicherte Workflows für bestimmte Aufgaben. Wenn du eine Angebotsvorlage mit bestimmter Formatierung und Struktur erstellst, speicherst du sie als Skill. Wenn du das nächste Mal ein Angebot brauchst, rufst du diesen Skill auf, und Claude erstellt es nach der Vorlage.

Dann brachte Claude Co-work auf den Markt, wodurch diese Funktionen ohne technische Einrichtung zugänglich werden.

„Du kannst Connectors verwenden, um es mit deinem Drive, deinem Gmail usw. zu integrieren“, erklärte Ann. „Plötzlich spricht es also mit deinen Dateien auf deinem Laptop. Es spricht mit anderen Diensten.“

Die nächste Stufe ist Claude Code, das Entwickler und technisch versierte Menschen begeistert aufgenommen haben. Du nutzt es über Tools wie Cursor oder Terminal, die „kleine schwarze Box, wie aus The Matrix“, mit der IT-Leute deinen Laptop reparieren, wie Ann es beschrieb.

Aber die Leistung ist die Lernkurve wert.

„Dann sprichst du mit Claude Code und führst ein Gespräch damit und bittest es, einige dieser Skills aufzurufen, die du vielleicht erstellt hast, oder im Internet danach zu suchen“, sagte Ann. „Und am Ende hast du im Grunde eine große Bibliothek von Skills, die du entwickelt hast.“

Diese Skills könnten Auftragsbestätigungen, Carousels, Blogposts, das Veröffentlichen in WordPress (weil du ihm API-Keys gegeben hast) und das Versenden von E-Mails sein.

„Plötzlich kannst du alles innerhalb von Claude Code erledigen, statt in Microsoft oder andere Plattformen zu gehen“, erklärte sie.

Die echten Risiken: Memory Compaction, Fehlerfortpflanzung und Versionskontrolle

Fred brachte etwas Kritisches zur Sprache, das viel zu selten diskutiert wird: die Risiken, sich auf KI-Systeme zu verlassen, die Speicher komprimieren und Entscheidungen autonom treffen.

Er erzählte die Geschichte einer Meta-Mitarbeiterin, deren E-Mails von Claude gelöscht wurden. Sie hatte ausdrücklich angewiesen, ihre E-Mails niemals zu löschen. Aber irgendwann füllte sich Claudes Kontextspeicher und wurde komprimiert. Während dieser Komprimierung ging die Anweisung verloren. Claude dachte dann, es sei in Ordnung, E-Mails im Rahmen einer Aufräumaufgabe zu löschen. „Sie hat buchstäblich aufgezeichnet, wie all ihre E-Mails vor ihren Augen gelöscht wurden, während sie ‚Stopp, stopp, stopp‘ sagte, und es hat sie einfach ignoriert“, sagte Ann.

Fred stellte klar, dass dies mit Open Claude (inzwischen umbenannt) passiert sei, das weniger Sicherheitsfunktionen als Claude Code habe. Aber das Prinzip ist wichtig: Wenn du siehst, dass Memory Compaction stattfindet, ist das ein Warnsignal. Du solltest überprüfen, woran sich die KI noch aus deinen ursprünglichen Anweisungen erinnert.

Anns Lösung ist Disziplin und Versionskontrolle. „Wenn ich mit einem neuen Projekt anfange, datiere ich es immer und setze die Überschrift hinein. Wenn ich also mehrere Tabs offen habe, kann ich sehen, welches es ist.“ Sie beobachtet die Anzeige für die Kontextnutzung in Cursor. Bei etwa 80 % erstellt sie ein Übergabedokument und speichert alles in GitHub.

„Im Laufe des Tages, wenn ich an einen Punkt komme, an dem ich wirklich gute Sachen habe, sage ich: ‚Update my skill, save to memory.md‘, also in eine Memory-Datei, und speichere es auch in GitHub“, erklärte Ann. „Dann mache ich eine Übergabe und starte anschließend einen neuen Chat.“

Das andere Risiko ist Fehlerfortpflanzung. Ann verglich es mit Excel, bevor es Auto-Save gab.

„Du hast zwei Stunden damit verbracht, eine Tabelle zu bauen, und wenn sie abgestürzt ist, war alles weg. Im Moment ist es sehr ähnlich“, sagte Ann. „Wenn es etwas vermasselt, dann vermasselt es es. Deshalb mache ich viele Versionen und speichere viel, damit du Kontrollpunkte hast, zu denen du zurückgehen kannst.“

Das sind die praktischen Realitäten beim Arbeiten mit KI-Systemen im Moment. Die Tools sind leistungsstark, aber nicht narrensicher. Deshalb brauchst du Disziplin, Backups und Versionskontrolle, um sie sicher zu nutzen.

Wann sich Automatisierung lohnt (und wann nicht)

Das ist die praktische Rechnung, die jede Agentur treffen muss: Wann sollte man Wochen in den Aufbau eines KI-Workflows investieren, und wann erledigt man es einfach manuell?

Anns Regel ist einfach: Häufigkeit rechtfertigt die Investition. „Wenn es nichts ist, was du regelmäßig machst, ist es sehr schwer, den Zeitaufwand zu rechtfertigen“, sagte sie. „Wenn du nur ein Audit pro Monat oder eines alle drei Monate machst, lohnt es sich nicht. Aber wenn du eines pro Tag machst, dann lohnt es sich.“

Blogging ist das klassische Beispiel. Die meisten Agenturen produzieren regelmäßig Blogs, etwa wöchentlich oder sogar täglich. Dieses Volumen rechtfertigt Automatisierung. Aber wenn du nur alle paar Monate ein Angebot schreibst, macht es finanziell keinen Sinn, eine Woche in die Automatisierung von Angeboten zu investieren.

Ann teilte ein aktuelles Beispiel. Ihr Team versuchte, ein 50-seitiges Tech-SEO-Audit zu automatisieren. Trotz erheblicher Anstrengungen bekamen sie es nicht zuverlässig zum Laufen. „Am Ende haben wir einfach seine normale Vorgehensweise genommen und es dann nur hübsch aussehen lassen“, sagte sie.

Mit Google Ads Audits hatten sie mehr Erfolg, weil sie die API-Zugriffsprobleme bereits gelöst hatten. Aber auch das erforderte erhebliche Vorarbeit.

„Man muss durch viele Hürden gehen, um sich registrieren zu lassen, damit man die Daten aus der API ziehen kann, ob du es glaubst oder nicht. Du brauchst das Development Token“, erwähnte Ann.

Anns aktuelles Projekt sind GEO-Reports für Outreach. Ihre E-Mail-Outreach-Aktivitäten erzeugen etwa 10 Chancen pro Woche.

„Wenn ich die manuell machen müsste, würde ich die ganze Woche dafür brauchen. Es ist immer noch ein Albtraum, weil es immer noch nicht immer das tut, was man ihm sagt“, gab sie zu. „Aber das Gute ist, sie sehen wirklich gut aus.“

Sie hat es mit Playwright verbunden, um Screenshots zu ziehen und sogar Konten automatisch einzurichten. „Wenn ich 10 davon machen müsste, würde es, wie gesagt, die ganze Woche dauern. Es dauert wahrscheinlich einen Tag, um 10 zu machen, weil sie problematisch sein können.“

Wie man Teams tatsächlich dazu bringt, KI zu nutzen (und warum Widerstand nachvollziehbar ist)

Fred sprach eine Herausforderung an, die jede Agenturführung kennt: Wie bringt man Teammitglieder dazu, Zeit in das Lernen von KI zu investieren, wenn sie bereits mit ihrer eigentlichen Arbeit am Limit sind?

Der Konflikt ist real. Wenn jemandes Aufgabe darin besteht, 10 Blogposts pro Monat zu produzieren, und du ihm sagst, er solle eine Woche damit verbringen, Automatisierung zu lernen, sieht er eine Woche ohne Output. Er denkt nicht unbedingt daran, dass er nach dieser Woche 100 Posts pro Monat statt 10 produzieren könnte.

Ann nannte ein klares Beispiel. Vor einem Jahr bot ihr Team KI-Schulungen an. „Wir haben dem Team Schulungen angeboten, und sie waren wirklich nicht interessiert“, sagte sie. Aber dann sahen sie, was mit Claude Code produziert wurde. „Ich glaube, jetzt sehen sie, dass das ein Assistent ist, den ich für alle möglichen Dinge nutzen kann. Plötzlich sind sie ganz scharf darauf, dass wir sie auf den neuesten Stand bringen.“

Der Wendepunkt ist erreicht, wenn der Nutzen den Schmerz klar überwiegt. „Sobald der Nutzen den Schmerz überwiegt, zieht das Team mit, und dann nimmst du sie mit auf die Reise“, erklärte Ann. „Aber die Finder und Pioniere an der Spitze sind normalerweise sechs Monate vor dem Rest des Teams.“

Diese sechs Monate Unterschied sind wichtig. Die Menschen, die die Systeme bauen, müssen mit Unsicherheit, Fehlern und Iteration umgehen können. Der Rest des Teams kann einsteigen, sobald die Systeme bewiesen sind und die Workflows reibungslos laufen.

Anns Ansatz ist es, mit Direktoren und technisch versierten Menschen zu beginnen, die bereit sind, die Zeit zu investieren und etwas zu bauen, das funktioniert und klaren Mehrwert zeigt. Danach nimmt man das Team mit, sobald der Weg bewiesen ist.

„Ihr müsst mindestens ein paar Leute haben, die bereit sind, die Zeit zu investieren“, sagte sie. „Und ich denke, das müssen in dieser Phase die Direktoren sein, oder du brauchst jemanden, der nerdig genug ist und die Hartnäckigkeit hat, weiterzumachen.“

Was KI für Agenturen bedeutet, die über Expertise statt über Ausführung konkurrieren

Gegen Ende des Gesprächs lenkte Ann den Blick auf die größere Frage: Was bedeutet das alles für Agenturen als Geschäftsmodell?

„Die Sache ist, es wird zu einem Punkt kommen, an dem wahrscheinlich nur 1 oder 2 % der Leute Claude Code im Moment nutzen“, sagte sie. „Aber bei Agency Hackers nutzten 30 % der Leute im Publikum es. Vor einem Jahr, als ich sie fragte, ob sie schon von Claude oder KI-Agenten gehört hätten, waren es weniger als 20. Es entwickelt sich also sehr schnell.“

Die Technologie ist also kein Hindernis mehr. „Es wird nur noch deine Vorstellungskraft sein und deine Fähigkeit, sie zu verstehen und dich auch als Agentur oder als Praktiker zu vermarkten, um zu sagen, dass du diese Tools einsetzt“, erklärte Ann. „Denn wenn du es nicht tust, werden die Kunden vor dir dort sein.“

Das ist das existenzielle Risiko. Kunden werden diese Tools sehen, annehmen, dass sie einfach sind, und denken, sie könnten es selbst machen. Sie werden nicht verstehen, dass Expertise weiterhin zählt und dass es Jahre angesammelten Wissens braucht, um zu wissen, was man bauen sollte und warum.

„All das Wissen, das bedeutet, dass du weißt, was du bauen musst, und du weißt, wie du es bauen musst, weil du es gemacht hast und dort warst und das T-Shirt gekauft hast, diese Erfahrung ist etwas wert“, sagte Ann. Ihr gesamtes Team hat 10, 15, 20 Jahre Erfahrung. „Das ist das, was wertvoll wird, statt der täglichen Routinearbeit.“

Das menschliche KI-Sandwich: Warum Qualitätskontrolle weiterhin Menschen braucht

Zum Abschluss gab Ann eine Kernaussage mit auf den Weg: das menschliche KI-Sandwich.

“Du brauchst am Anfang des Prozesses Menschen, die die Idee und die Inspiration haben und der KI die richtigen Anweisungen geben können, um etwas zu erzeugen”, erklärte sie. “Und dann hast du auf der anderen Seite den Menschen, der diese Inhalte übernimmt, weiß, ob sie gut sind oder nicht, und sie anpasst, bearbeitet und noch besser macht.”

Das Sandwich: menschlicher Input oben, KI-Ausführung in der Mitte, menschliche Validierung unten.

“Je besser die Menschen sind, desto besser werden die Sandwiches, weil sie ihr Handwerk verstehen”, sagte Ann. Das ist der Wettbewerbsvorteil. Nicht die KI. Die Menschen, die sie nutzen.

Sowohl Ann als auch Fred über den grundlegenden Wandel, der sich gerade in der Art und Weise vollzieht, wie wir Dinge bauen. Fred brachte es so auf den Punkt:

“Wir sollten den Code auf der Seite nicht mehr als Menschen schreiben. Wir sollten schreiben, was wir mit dieser Seite erreichen wollen und was das Ziel ist. Und in sechs Monaten hat Claude Code vielleicht eine bessere Version, und es sollte sich einfach diese Anweisungen ansehen und sagen: ‘Oh, Fred, das wolltest du also erreichen, und so haben wir es vor sechs Monaten gemacht. Aber lass uns das Ganze einfach neu aufbauen, damit es besser funktioniert und dein Ziel trotzdem erreicht.’”

Anstatt also Code zu schreiben, schreibe die Absicht und überlasse der KI die Umsetzung. Wenn sich die Tools verbessern, generiere die Implementierung neu, ohne die Absicht neu zu schreiben.

Ann wies auf die Konsequenz für Agenturen hin: “Die Technologie wird nicht mehr die Hürde sein. Es wird nur noch eure Vorstellungskraft und eure Fähigkeit sein, sie zu verstehen.”

Diejenigen, die erfolgreich sein werden, sind nicht die, die am schnellsten umsetzen. Es werden die sein, die wissen, was gebaut werden muss, warum es wichtig ist und wie man Ergebnisse validiert. Das ist die Expertise, die KI nicht ersetzen kann.

Wie Ann alle daran erinnerte: Bessere Menschen produzieren bessere Sandwiches. Die KI ist nur die Füllung.

Episode Transcript

Frederick Vallaeys: Hallo und willkommen zu einer weiteren Folge von PPC Town Hall. Mein Name ist Fred Vallaeys. Ich bin euer Gastgeber. Außerdem bin ich CEO und Mitgründer von Optmyzr, einem Tool für PPC-Management.

Unsere heutige Gästin ist schon im Digital Marketing aktiv, seit es noch nicht einmal eine Google Ads-Oberfläche gab, über die man sich beschweren konnte. Und sie schaltet immer noch Kampagnen und schult Teams zu den neuesten Änderungen. Ann Stanley ist die Gründerin und CEO von Anicca Digital. Es ist eine der ursprünglichen Digitalagenturen im Vereinigten Königreich und hat seinen Sitz in Leicester.

Sie ist tatsächlich aus einer Karriere in Wissenschaft, medizinischer Forschung und insbesondere klinischen Studien ins Marketing gekommen. Und das merkt man, weil sie eine sehr wissenschaftliche Strenge und Disziplin sowie die Disziplin einer Forscherin in alles einbringt, von Kampagnenstrukturen bis hin zu KI-Einführung und -Management. Was mir in letzter Zeit besonders aufgefallen ist, ist die Arbeit, die Ann und ihr Team rund um KI im Marketing leisten, und sie veröffentlicht jede Woche einen Überblick, der in diesem Bereich definitiv Pflichtlektüre ist.

Und rund um die Konferenz Epic 25 im National Space Center, das war eine großartige Veranstaltung, bei der sie auch eine Keynote zu einigen der neuesten, hochmodernen KI-Tools gehalten hat. Bei all dem kann ich es wirklich kaum erwarten zu hören, was sie in die heutige Folge einbringt. Ich weiß, dass sie viel zu teilen hat und einiges, worüber die Leute wirklich etwas hören wollen. Also holen wir Ann dazu und legen los mit dieser Folge von PPC Town Hall.

Ann Stanley: Hi Fred, vielen Dank, dass du mich eingeladen hast.

Frederick Vallaeys: Danke, dass du in der Show bist, und schön, dich wiederzusehen. Ich glaube, wir kennen uns schon ziemlich lange, oder? Denn ursprünglich haben wir uns, glaube ich, vor über 10 Jahren bei PPC Hero getroffen, als wir über Shopping Ads gesprochen haben und darüber, wie sie gerade die Welt erobert haben, und du wolltest sie dann in Optmyzr einführen. Wir haben also eine bewegte gemeinsame Geschichte.

Ann Stanley: Genau. Ja. Du warst damals eine Inspiration. Du warst derjenige auf dem Panel, der Experte, und du hast mir ein paar Ideen gegeben, und ich dachte: Vielleicht kann ich das programmieren und den Leuten das Leben ein bisschen leichter machen, damit sie die Ann-Methodik nutzen können, aber dann mit ein bisschen Software.

Frederick Vallaeys: Ja, seit wir das letzte Mal gesprochen haben, ist ja schon viele, viele Jahre her, oder? Für alle, die noch nicht das Vergnügen hatten, auf einer deiner Konferenzen zu sein oder mit Anicca Digital zu arbeiten: Gib den Leuten doch bitte in 30 Sekunden einen Überblick darüber, wer du bist und womit du dich in letzter Zeit beschäftigt hast.

Ann Stanley: Okay. Ich bin seit 23 Jahren im Digital Marketing, was ziemlich beängstigend ist. Ich habe mich schon immer für Paid Media interessiert, insbesondere für Google Ads. Das war immer mein Hauptbereich, aber alles, was zahlenbasiert ist, also Analytics, Paid Media usw.

Und ich habe ein Team von knapp 20 Leuten, die wirklich erfahren sind. Sie sprechen auch viel auf Veranstaltungen. Wir machen Shopping, Search, Social, Strategie, und wir machen ziemlich viel Training.

Wir waren schon immer ziemlich altruistisch. Seit COVID vor sechs Jahren ausgebrochen ist, veranstalten wir tatsächlich jede Woche Webinare, kaum zu glauben. Wir organisieren seit 10 Jahren jährliche Konferenzen, und wir starten gerade ein brandneues Vorhaben namens Thursday AI Club, über das wir sicher noch sprechen werden. Das sind zweiwöchentliche Veranstaltungen, um alle auf den neuesten Stand zu bringen bei allem, was mit KI im Marketing und Management zu tun hat.

Frederick Vallaeys: Großartig. Ja, da steckt so viel drin, oder? Aber lass uns zu den frühen Tagen der KI zurückgehen, und ich weiß, dass du vor etwa einem Jahr einiges an Arbeit mit n8n gemacht hast. Ich weiß, das ist nicht mehr der neueste Stand der Technik, aber selbst heute haben manche Leute n8n vielleicht noch nie ausprobiert und sind neugierig, was das eigentlich ist.

Erzähl uns also ein bisschen über die Arbeit, die du dort gemacht hast, und ob das immer noch etwas ist, das sich Leute anschauen sollten.

Ann Stanley: Ja. Im Januar letzten Jahres habe ich einen siebenmonatigen Kurs aus Indien begonnen, jeden Samstag- und Sonntagnachmittag über sieben Monate hinweg. Und eines der ersten Dinge, die wir uns vorgenommen haben, war n8n.

n8n ist wie ein Miro-Board, das als eine Art Arbeitsfläche dient und eine Menge Nodes enthält, die verschiedene Dinge und Funktionen ausführen. Die meisten Marketer haben schon Tools wie Zapier genutzt oder Workflows in HubSpot oder Go HighLevel oder einer ähnlichen Automatisierung erstellt. Aber der Vorteil hier ist, dass du Zugriff auf eine Menge APIs bekommst. Du bekommst KI-Gehirne hinein, sodass es Entscheidungen treffen kann.

Ich habe am Wochenende tatsächlich noch einen weiteren Blog dazu geschrieben, also eine grundlegende Anleitung zur Nutzung. Und was wir gemacht haben, war, Single-Task-Automatisierungen zu bauen, wie: Mach mir meine Meeting-Notizen, schreib mir einen Blog. Der Vorteil von n8n ist, dass es vorhersehbar ist, und solange du lernst, richtig zu prompten, kannst du wirklich gute, konsistente Ergebnisse erzielen.

Und was wir gemacht haben, war, eine Plattform namens Secret Agents zu bauen, weil viele Leute Schwierigkeiten haben, richtig zu prompten. Der Vorteil, am Anfang eines KI-Agenten wie n8n ein Formular zu verwenden, besteht also darin, dass du die richtigen Informationen erfassen und den Nutzer die Informationen eingeben lassen kannst, die er eigentlich in einem Prompt schreiben sollte. Und dann nimmst du das, und das führt zu einem viel besseren Output.

Und der andere Vorteil ist natürlich: Wenn du über einen Chat wie ChatGPT oder Claude oder welchen Chat auch immer du bevorzugst gehst, hast du ziemlich starke Begrenzungen beim Token-Limit. Wenn du also etwas wie n8n verwendest, das über die API läuft, bekommst du viel bessere Inputs und folglich viel zuverlässigere Outputs. Es ist also wirklich gut für wiederholbare, konsistente Aufgaben.

Und das andere daran ist, dass es im Hintergrund laufen kann, und du musst überhaupt nichts auslösen. Wenn also eine E-Mail reinkommt, oder wir jede Woche einen Blog erstellen, bei dem 25 Websites gescraped werden und dann der Inhalt erzeugt und in WordPress hochgeladen wird, und das ist vollständig automatisiert. Es gibt also immer noch einen Platz dafür - es gibt definitiv weiterhin einen wichtigen Platz, und n8n ist mit Abstand die einfachste Plattform zum Lernen, wenn genau das dein Ziel ist.

Frederick Vallaeys: Ja, da steckt so viel drin, das wir hier ein wenig aufdröseln müssen. Aber eines der ersten Dinge, die du gesagt hast, war, dass es vorhersehbar ist. Und ich denke, das ist eine der Herausforderungen mit KI, besonders in Agenturen, wo du deinem Kunden versprochen hast, Dinge auf eine bestimmte Weise zu erledigen, oder wo du als Agentur, als Managementteam, eine bestimmte Strategie hast, die du liefern willst.

KI ist nicht immer vorhersehbar, oder? Sie ist nicht deterministisch. Ist n8n also der einzige Weg zu dieser Vorhersehbarkeit, oder wie nutzt du sonst deine Standard-LLMs und stellst sozusagen sicher, dass sie das tun, was sie tun sollen?

Ann Stanley: Okay. Das Problem ist, dass LLMs nur ein mathematisches Modell sind, das eine Menge Wörter nimmt und auf Basis statistischer Wahrscheinlichkeit etwas zurückgibt. Und deshalb verwende ich, wenn ich diese Dinge unterrichte, immer das Beispiel Apple.

Bei Apple denkst du sofort entweder an Tech und Steve Jobs und iPads und iPhones, oder du denkst an Apfelkuchen und Apfelbäume. Aber es ist trotzdem dasselbe Wort. Wenn du ihm also nicht genug Kontext gibst, kann es alles Mögliche daraus machen - du weißt schon, es gibt die falschen Informationen zurück.

Was wir also beim Prompten tun müssen, ist, genug Kontext und genug Informationen bereitzustellen, um die bestmögliche Antwort zu bekommen. Andernfalls halluziniert es einfach und liefert dir nur Unsinn. Die Analogie, die ich verwende, ist Kochen.

Wenn du in einem Agenten in n8n einen Prompt erstellst, gibst du ihm viel mehr Informationen, als wenn du einfach in ChatGPT oder Claude oder Gemini chattest. Stell dir vor, du würdest nach einem Rezept für eine vierköpfige Familie fragen. Was kann ich kochen? Ich bin Vegetarier. Welche Zutaten? Und es würde einige Beispiele liefern.

Aber was du machst, ist, dass du einen User Prompt hast, der dein Koch ist. Und wenn du einem italienischen Koch dieselben Zutaten gibst und einem französischen Koch dieselben Zutaten noch einmal, würden sie etwas völlig anderes daraus machen. Wenn du also einen KI-Agenten in so etwas wie einem Workflow erstellst, gibst du ihm nicht nur die Anweisungen für die Aufgabe. Du gibst ihm den ganzen Hintergrund, Beispiele und das Wissen dahinter.

Du brauchst also ein paar Dinge. Du brauchst die Anweisungen für den Moment. Du brauchst die User Instructions und das RAG oder das Gedächtnis, das Gehirn dahinter. Und diese Prinzipien sind genau dieselben wie das, was wir dieses Jahr in neue Technologie übernommen haben, denn ohne diesen Kontext und ohne diese zusätzlichen Informationen kommt einfach nur Unsinn heraus.

Es ist also immer besser, einen KI-Agenten mit Informationen zu stärken, die du bereits hast. Selbst wenn du also als Agentur etwas wie n8n nicht verwenden würdest und nur ein Custom GPT nutzen würdest, kannst du, solange du genug Hintergrundinformationen, genug Richtlinien und genug Leitplanken erstellst, eine vorhersehbarere Antwort bekommen, die nicht jedes Mal Unsinn ist, oder?

Frederick Vallaeys: Und ich glaube, ich habe irgendwo RAG gehört.

Ann Stanley: Ja.

Frederick Vallaeys: Und ich kann mir nie merken, wofür das steht.

Ann Stanley: Retrieval Augmented Generation.

Frederick Vallaeys: Genau. Ja. Aber erklär doch bitte ein bisschen, was das bedeutet, warum es wichtig ist und wie es in einen Agentur-Workflow passen könnte.

Ann Stanley: Okay. Lass mich einen Schritt zurückgehen. Wir haben etwas, das sich AI Adoption Ladder nennt. Die meisten Leute fangen also einfach damit an, ChatGPT oder so etwas zu nutzen. Und tatsächlich habe ich letztes Jahr mit 4.000 Menschen gesprochen, und 80 % von ihnen nutzten einfach das kostenlose ChatGPT. Sie hatten sich nicht einmal die Mühe gemacht, ein kostenpflichtiges Paket zu kaufen.

Die meisten von ihnen hatten Claude noch gar nicht ausprobiert, und das ist mit Abstand besser, wenn es darum geht, qualitativ hochwertige Inhalte zu schreiben. Und keiner von ihnen wusste, was ein KI-Agent ist. Naja, ungefähr 20 % wussten, was ein KI-Agent ist.

Ich sehe den nächsten Schritt als etwas wie ein Custom GPT oder ein Claude Project. Und der Grund, warum das ein großer Sprung nach vorne ist, liegt darin, dass du beim Erstellen eines Projekts oder eines Custom GPT ein Rezept bereitstellst, also deinen Prompt, aber du lieferst auch Beispiele dafür, wie gut aussieht. Wenn du also zum Beispiel einen Blog in meinem französischen und italienischen Kochbeispiel schreiben würdest, könnten das Kunde A und Kunde B sein.

Und für Kunde A stellst du die Markenrichtlinien bereit, du lieferst Beispiele für frühere Texte, du bringst Branchenwissen ein. Das wird dann dein Gehirn oder dein RAG oder dein Wissen, welches Wort du auch immer verwenden möchtest. Und für Kunde B hättest du eine völlig andere Art von Regeln und Beispielen.

Und Custom GPTs, die es jetzt seit etwa zweieinhalb, fast drei Jahren gibt, definitiv zweieinhalb Jahre, ermöglichen dir genau das. Der Vorteil von Claude ist, dass du bei einem Claude Project eine Nachricht nach der anderen senden kannst und es sich daran erinnert, worüber ihr gesprochen habt. Du kannst also in Claude arbeiten und ein ganzes Projekt rund um einen einzelnen Kunden haben, und es erinnert sich an alles und an diese Gespräche. Und das ist wirklich der Ausgangspunkt für all die wirklich spannenden Dinge, die im letzten Jahr herausgekommen sind.

Frederick Vallaeys: Richtig. Und das ist interessant, denn wenn man an GPT am Anfang denkt, war jede Unterhaltung ein eigener Memory-Thread. Man konnte also sagen: Okay, ich führe eine Unterhaltung, die nur über einen Kunden geht, und es beginnt, sich an die Markenrichtlinien zu erinnern. Aber dann haben sie tatsächlich gesagt: Wir geben euch Memory über Chats hinweg.

Plötzlich stößt man als Agentur also auf das Problem, dass es jetzt denkt, Marke A verwendet tatsächlich die Farben von Marke B. Und wenn du diese Einstellungen nicht anpasst, bringt dich das in Schwierigkeiten, oder? Und wie das in OpenAI ChatGPT im Vergleich zu Claude oder Gemini funktioniert, ist alles unterschiedlich. Und ich denke, das ist ein Teil des Werts, den eine Agentur einbringen muss: zu verstehen, wie man das aufteilt und wie man sicherstellt, dass man den richtigen Kontext und das richtige Gedächtnis hat.

Ann Stanley: Ja, genau. Und der Grund, ich meine, ich nutze Claude Projects jetzt seit über einem Jahr. Und der Hauptgrund, warum ich sie wirklich mag, ist, dass sie es dir ermöglichen, es ist fast wie dein eigenes Ablagesystem. Aber all diese Chats laufen irgendwann aus dem Kontextfenster heraus, und du hast nur eine bestimmte Anzahl von Chats, bevor du rausgeworfen wirst.

Und besonders, wenn du das 20-Dollar-Paket oder das günstigste Paket hast. Ich habe also bereits das 75-Dollar-Paket oder das nächsthöhere genutzt, weil mir einfach der Platz ausgegangen ist, und dann musst du wieder einen neuen Chat starten. Und ich habe Claude sehr oft verwendet, als ich gebaut habe - es ist ein bisschen ein Kreislauf, aber wenn ich einen n8n-Workflow erstellt habe, kann ich nicht programmieren. Ich habe keine Ahnung.

Also habe ich Claude benutzt, um mir beim Erstellen von Skripten und JSON-Code usw. zu helfen, all die Dinge, die ich tun musste. Und weil man manchmal durch - einige davon werden ziemlich lang und kompliziert - tatsächlich interaktiv oder iterativ mit Claude arbeitet, um die Antwort in n8n zu bekommen, geht dir der Platz aus. Plötzlich ist es 22 Uhr, und es sagt: “Entschuldigung, du kannst bis 1 Uhr morgens nicht weiterarbeiten.”

Denn das Größte an all diesem KI-Zeug ist: Man bekommt keinen Schlaf mehr, sobald man wirklich drinsteckt. Ich muss also hier eine kleine Gesundheitswarnung für alle aussprechen. Wartet, bis ihr anfängt, Claude Code zu benutzen, und ja, dann werdet ihr nie wieder schlafen.

Frederick Vallaeys: Ja, lass uns tatsächlich darüber sprechen, oder? Ich meine, das Versprechen von KI ist ja, dass sie all diese Arbeit für uns erledigt, sodass wir weniger zu tun haben. Aber du sagst genau das, was ich erlebe. Ich bin länger wach als je zuvor. Vielleicht nicht jemals. Ich meine, aber es ist schon eine Weile her, dass ich nach Mitternacht noch wach war, weil ich so begeistert von diesen Projekten bin und weil es all diese Dinge gibt, die ich tun kann.

Aber ein Teil davon ist auch die Frustration, dass man ihr einen Befehl gibt, ein paar Minuten wartet, bis sie die Arbeit erledigt hat, dann validiert und zum nächsten Schritt geht. Wie sieht dein Leben in dieser Welt aus?

Ann Stanley: Nun, ich meine, es wurde viel schlimmer, als ich Claude Code entdeckt habe. Dafür müssen wir also Mike Rhodes und ein paar andere Kollegen verantwortlich machen, weil er das schon seit einiger Zeit predigt. Claude Code kam im September heraus, und Claude hatte bereits etwas namens MCP, also Model Context Protocol, das dir den Zugriff auf deinen lokalen PC ermöglicht. Das gibt es schon seit langer Zeit.

Und das bedeutet im Grunde, dass du auf Dateien auf deinem Laptop zugreifen kannst und außerdem Suchvorgänge starten und sogar deinen Chrome-Browser steuern kannst, sodass er Dinge für dich erledigen kann. Plötzlich bekommst du also - statt nur Inhalte aus einer KI zurückzubekommen - kann sie plötzlich Dinge für dich tun und Aufgaben erledigen. Ich habe das also vor etwa zwei Monaten intensiv zu nutzen begonnen.

Und die größte Veränderung in der Produktivität ist, wenn du aufhörst zu tippen und anfängst zu sprechen.

Verwendest du Whisper für deine Befehle?

Frederick Vallaeys: Nein.

Ann Stanley: Okay. Nun, das wird das massiv verändern -

Frederick Vallaeys: Ich mag Whisper nicht.

Ann Stanley: Oh, okay. Es gibt andere Produkte da draußen.

Frederick Vallaeys: Ja, genau. Ich meine, ich nutze Whisper also nicht als Tool, aber ich gebe ziemlich umfangreich Sprachbefehle.

Ann Stanley: Ja. Das ist also das Größte, was dich schneller macht. Eine der Sachen, die ich bei allem rund um n8n und KI festgestellt habe, ist, dass ich tendenziell mehrere Bildschirme brauche und wahrscheinlich mindestens zwei Dinge gleichzeitig laufen haben muss. Denn wenn du einfach nur darauf wartest, dass eine Sache passiert, verschwendest du am Ende viel Zeit.

Du musst also in der Lage sein, eines der größten Skills ist, dein Gehirn zwischen zwei Aufgaben hin und her zu schalten. Ich versuche, nicht mehr als ungefähr zwei Dinge gleichzeitig laufen zu haben, weil man dann den Überblick verliert. Wenn du also an einem Projekt arbeitest, hast du wahrscheinlich noch etwas anderes am Laufen. Dann wechselst du zwischen beiden hin und her, weil du absolut recht hast: Du musst warten, bis Dinge passieren.

Es ist jetzt viel schneller, insbesondere mit dem Update Claude Opus 4.6. Das ist deutlich schneller. Und außerdem hat es, glaube ich, eine Million Tokens, sodass du viel mehr machen kannst, bevor es dich rauswirft. Aber leider schläft keine dieser KI-Systeme.

Und was passiert, ist, dass du anfängst, etwas zu tun, und das war ehrlich gesagt auch bei n8n so: Du fängst an, etwas zu machen, kommst an einen Punkt und denkst: “Oh, das ist wirklich gut”, und speicherst es dann irgendwie, und denkst: “Großartig.” Und dann probierst du etwas anderes, und es geht kaputt, und du kannst nicht schlafen gehen, wenn etwas kaputt ist. Und ehe du dich versiehst, ist es zwei oder drei Uhr morgens.

Und diese Idee, dass du mehr Zeit für dich selbst hast, ist einfach Unsinn. Du machst einfach fünfmal so viel Arbeit.

Frederick Vallaeys: Aber ich auch… absolut einverstanden. Und ich bin neugierig, denn genau so ist es bei mir. Aber die Art, wie ich darüber nachdenke, ist, dass ich versuche, diese Prozesse aufzubauen und meine Zeit in den Aufbau des KI-Prozesses zu investieren, damit mein ganzes Team davon profitieren kann. Ich glaube nicht, dass sich die einzelnen Leute in meinem Team unbedingt genauso verhalten, oder?

Sie konzentrieren sich viel stärker darauf, ich muss einen Blogbeitrag veröffentlichen, oder ich muss Fallstudien fertigstellen, oder ich muss ein bestimmtes Stück Code für die Software bauen. KI ist da irgendwie mit drin, aber ich habe das Gefühl, dass ich viel stärker darauf fokussiert bin, wie weit ich KI pushen kann, um mein Team in Zukunft um das Zehnfache zu verstärken, und genau das bringt mich dann auch auf diese Wege, bis um zwei Uhr morgens wach zu sein.

Ann Stanley: Ja, absolut. Soll ich also erklären, was Claude Code ist, weil es hier einige geben wird, die nicht wissen, was Claude Code ist, und ich denke, das könnte ziemlich nützlich sein.

Frederick Vallaeys: Ja, absolut. Lass uns über Claude Code, Claude Co-work und vielleicht auch die neue Dispatch-Funktion sprechen, die sie haben.

Ann Stanley: Ja. Ja. Nun, lass uns einen Schritt zurück zu Claude Projects gehen, denn eines der Dinge, die uns aufgefallen sind, als wir Claude Projects ungefähr im September oder Oktober genutzt haben, war, dass es sagte: “Oh, wir werden die PowerPoint-Skill oder die Word-Skill oder so etwas starten.” Es begann also, dieses Wort Skills zu verwenden, was im Grunde bedeutete, dass es eine Aufgabe ausführen würde.

Also Claude Projects war wirklich gut darin, Artefakte zu erstellen, und der beste Typ von Artefakten in jeder KI, die wirklich dafür entwickelt wurde, Seiten und Code zu erstellen, ist HTML. Was ich also oft mache – und ich glaube, Mike Rhodes spricht auch darüber – ist: Wenn du etwas erstellen willst, insbesondere wenn es ein Bild oder eine Präsentation ist, dann erstelle es zuerst in HTML und wandle es später in PowerPoint oder Word oder etwas anderes um, weil du es pixelgenau hinbekommst.

Ich erstelle also Dinge wie Carousels, und ich erstelle viele Dokumente. Claude skills war also bereits in normalem Claude verfügbar, und das bedeutete: Wenn ich in ein Projekt ging und anfing, etwas zu machen – sagen wir, ich habe ein Angebot oder ein Audit-Dokument oder so etwas erstellt, und es hatte viele brillante Funktionen – dann würde ich es als Skill speichern. Und all das Markdown, das ist eine Art Text, der es ermöglicht – alles wird in Text gemacht.

Das Problem mit Text ist, dass man sich an die guten alten Zeiten erinnert, als wir Plain-Text-E-Mails verschickt haben: Wir haben Großbuchstaben und Unterstriche, Gleichheitszeichen und Überschriften und solche Dinge verwendet. Markdown verwendet einfach Hashtags und Sterne und solche Dinge, um es leichter lesbar zu machen. Jedenfalls erstellst du ein Markdown, das im Grunde eine Reihe von Anweisungen wäre, und dann hättest du all deine Vorlagen, dein Styling und eine Konfigurationsdatei, und das würde als Skill gespeichert.

Das kannst du jetzt also machen, und das gibt es schon seit einer Weile. Dann haben sie – ich bin mir nicht sicher, wann das chronologisch kam – etwas namens Co-work angeboten. Wenn du also eine bezahlte Version von Claude hast, erscheint ein großes Fenster, das aufblinkt und fragt: “Möchtest du Co-work verwenden?” Und Co-work ist wie eine einfach zu bedienende, leicht verständliche Oberfläche, die viele der gleichen Dinge macht, über die wir gesprochen haben, aber du musst nicht jede Menge zusätzliche Dinge installieren, worauf ich gleich noch komme.

Aber du kannst Connectors verwenden, um es mit deinem Drive, deinem Gmail usw. zu integrieren. Plötzlich spricht es also mit deinen Dateien auf deinem Laptop. Es spricht mit anderen Diensten. Dadurch kannst du eine Menge Dinge tun. Co-work bringt dich also auf die nächste Stufe.

Und die nächste Stufe danach ist etwas, das vor allem Entwickler oder Techies und Geeks wie wir aufgegriffen haben, die genug verstehen. Ich bin übrigens kein Coder. War ich nie. Aber ich verstehe genug. Und wir verwenden Tools wie Cursor oder Terminal, um Claude Code darin auszuführen.

Lass mich erklären, was das ist. Wenn du überhaupt nicht technisch bist, dann hast du ein Terminal wahrscheinlich das letzte Mal gesehen, als deine IT vorbeikam und deinen Laptop repariert hat, und sie dieses kleine schwarze Fenster geöffnet haben, wie aus The Matrix, und Befehle eingegeben haben, und es mit deinem Laptop kommuniziert hat und Dinge gemacht hat. Das ist also eine Möglichkeit, Code in diesem Fenster auszuführen.

Aber tatsächlich gibt es viel bessere und einfachere Wege wie Visual Studio Code und Cursor, die im Grunde einfach eine schöne Oberfläche bereitstellen, damit du Claude Code ausführen kannst. Und dann sprichst du mit Claude Code, führst eine Unterhaltung damit und bittest es, einige dieser Skills aufzurufen, die du vielleicht erstellt oder gespeichert hast, oder im Internet danach zu suchen. Und am Ende hast du im Grunde eine große Bibliothek von Skills, die du entwickelt hast.

Das könnte für eine Auftragsbestätigung oder ein Carousel sein, einen Blog schreiben oder deinen Blog in WordPress posten, weil du die API-Keys bereitgestellt hast, damit es mit WordPress sprechen kann, oder eine E-Mail senden, weil du es mit deinem E-Mail-System verbunden hast. Plötzlich gehst du also nicht mehr in Microsoft oder andere Plattformen, sondern kannst alles innerhalb von Claude Code erledigen. Und wie du, verbringst du deine ganze Zeit damit, es beim ersten Mal richtig hinzubekommen, und sobald du es beim ersten Mal richtig hinbekommen hast, hast du einen reproduzierbaren Skill, den du immer wieder verwenden kannst.

Es eröffnet dir also einfach eine neue Welt voller Möglichkeiten, in der du Dinge produzieren kannst, die du vorher vielleicht ohne einen Designer oder ohne mit vielen anderen Leuten zu sprechen nicht hättest produzieren können. Ich finde das revolutionär. Ich glaube, wenn du daran denkst, wie du reagiert hast, als du ChatGPT zum ersten Mal gesehen hast, dann ist es das, nur noch mit Extras. Es ist einfach noch einmal eine ganz andere Ebene dessen, was du tun kannst.

Frederick Vallaeys: Ja. Bist du – oh mein Gott. Also ja, ich habe gerade Dispatch, Claude Dispatch, auf einem meiner zusätzlichen Computer installiert, damit ich von meinem Handy aus im Grunde an diesen Agenten texten kann, an Claude Co-work, und dann fängt er an, Dinge zu tun, weil er einen Computer eingeschaltet haben muss, damit er Zugriff auf alle Dateien darauf hat. Er kann auf das Internet zugreifen. Er kann in meinem Namen E-Mails senden, aber jetzt steuere ich ihn von meinem Handy aus.

Und es ist sicherer als das Claude, von dem manche vielleicht gehört haben, aber das war sozusagen ohne jegliche Einschränkungen. Im Grunde: Mach mit meinem Computer, was immer du willst.

Ann Stanley: Ja, ich glaube, sie haben es Open Claude genannt, oder? Und da war doch diese Frau, die bei Meta gearbeitet hat, und sie hat buchstäblich aufgezeichnet, wie all ihre E-Mails vor ihren Augen gelöscht wurden, und sie sagte: “Stopp, stopp, stopp”, und es hat sie einfach ignoriert und einfach komplett—

Frederick Vallaeys: Ja. Und tatsächlich ist das die wahre Geschichte. Und dann hast du noch auf etwas anderes angespielt, das damit zusammenhängt. Du hast also gesagt, dass dir bei der Nutzung von Claude irgendwann der Speicher ausgeht, dein Kontextspeicher ausgeht, und du eine neue Unterhaltung starten musstest, und das war frustrierend, oder? Weil du dann sozusagen zwei, drei Unterhaltungen hast, die auf demselben Thema aufbauen. Und wenn du zurückgehen und sehen wolltest, was ich ihm gesagt habe, müsstest du dir merken, welche dieser drei Sachen zu derselben Aufgabe es war.

Also haben sie das behoben, aber jetzt machen sie sozusagen eine Komprimierung des Speichers. Wenn du siehst, dass das in Claude passiert, sei sehr, sehr vorsichtig, denn das bedeutet, dass versucht wird, die Dinge loszuwerden, von denen es denkt, dass sie nicht wichtig sind. Aber genau das ist dieser Frau passiert.

Irgendwann war der Speicher voll, und obwohl sie eine explizite Anweisung eingegeben hatte, die lautete, lösche niemals meine E-Mails, wurde das komprimiert. Und bei der Komprimierung ging es verloren. Und dann dachte Claude: “Oh, es ist in Ordnung, E-Mails zu löschen, was auch immer erledigt werden muss.” Und dadurch geriet sie in Schwierigkeiten, richtig?

Und wenn du also die Komprimierung des Speichers siehst, ist das ein Warnsignal, bei dem du vielleicht eingreifen und sagen solltest: “Hey Claude, woran erinnerst du dich aus meinen Anweisungen?” Denn offensichtlich ist ein Teil davon weg.

Ann Stanley: Aber wir müssen klarstellen, dass wir über Open Claude sprechen und über die riskante Seite der Dinge, weil Claude Code das nicht tun würde.

Frederick Vallaeys: Würde es. Oh, okay. Nun, das hättest du einbauen sollen. Also—

Ann Stanley: Okay, es gibt also ein paar Möglichkeiten, dieses Problem zu umgehen. Sie hat definitiv Open Claude verwendet, nicht Claude Code, weil Code deutlich mehr Sicherheitsfunktionen hat. Wenn du also – der Grund, warum ich Cursor verwende, ist zweifach. Ich habe mehrere Tabs oder Projekte offen, und was ich mache, ist, dass ich, wenn ich ein neues starte, immer das Datum und die Überschrift eintrage. Wenn ich also mehrere Tabs habe, kann ich sehen, welcher es ist.

Und wenn du es in Cursor ausführst, zeigt es dir auch einen Prozentsatz an, wie weit du gekommen bist. Wenn du also bei etwa 80 % bist, dann musst du ein sogenanntes Handover-Dokument erstellen. Und ich speichere auch alles in GitHub. Wenn ich also im Laufe des Tages an einen Punkt komme, an dem ich wirklich gute Sachen habe, sage ich: “Aktualisiere meinen Skill, speichere in memory.md”, was wie eine Speicherdatei ist, und speichere auch in GitHub. Und dann erstelle ich ein Handover, und dann starte ich einen neuen Chat.

Du brauchst also ziemlich viel Disziplin und auch etwas Hauskeeping, um das Beste daraus zu holen. Ich habe zum Beispiel bestimmte Cron-Jobs, die jeden Morgen um 7 Uhr laufen, um sicherzustellen, dass alles gespeichert ist.

Frederick Vallaeys: Nun, ein Cron-Job – Cron-Job ist ein Webbegriff, cron im Sinne von Zeit, aber man kann Aufgaben jetzt planen. Das war ein ziemlich aktuelles Update. Das bedeutet also, dass du tatsächlich Jobs planen kannst, die ausgeführt werden können. Am Samstag habe ich also eine Menge Jobs, die ich für Inhalte für die Woche erledigen muss. Aber ich habe auch bestimmte Aufgaben, die zu bestimmten Tageszeiten stattfinden.

Es gibt also ziemlich viele Sicherheitsfunktionen und Dinge, die du einbauen kannst, um zu verhindern, dass du es im Grunde vermasselst. Aber es gibt ziemlich viele Tipps wie diese, die du verstehen musst, denn wenn du viel Zeit damit verbringen willst, ist das erste nervige Ding, wenn du Claude Code zum ersten Mal benutzt, dass du zu allem Ja sagen musst. Und das willst du nicht.

Du kannst also die Einstellungen anpassen, um das zu vermeiden, aber du musst wissen, was du tust. Und ich habe auch einen kleinen Leitfaden dazu geschrieben, wie man es benutzt. Ich denke also, dass das für Leute ziemlich nützlich sein könnte, sich das auf dem Anicca-Blog anzusehen. Denn ich habe in den letzten Wochen drei oder vier Leitfäden zu diesem Thema geschrieben, während ich versucht habe, zu lernen, wie man es benutzt, aber auch, um etwas von diesem Wissen weiterzugeben.

Für mich war eines der größten Dinge, dass ich statt des dunklen schwarzen Themes zu einem hellen Theme gewechselt bin, weil es für mich nicht so anstrengend für die Augen ist und sich anfühlt, als wäre ich in einem normalen SaaS-Produkt. Der andere Grund, warum ich Cursor wirklich mag, ist, dass du oft, besonders wenn du Dokumente erstellst, zeigen musst, was falsch ist. Ich kann also Screenshots machen und sie in Cursor verwenden, aber ich glaube nicht, dass das im Terminal geht. Das macht also ebenfalls einen großen Unterschied.

Frederick Vallaeys: Ja, ich mag den Tipp wirklich, den du gegeben hast, nämlich das Handover-Dokument zu erstellen, wenn du siehst, dass der Speicher fast voll ist. Und das zeigt wirklich, dass all diese Dinge auf den ersten Blick einfach aussehen, aber es steckt sehr viel Detailarbeit dahinter, um sicherzustellen, dass sie sicher laufen. Und deshalb gilt für alle, die heute zuhören: Wenn euch das interessiert, schaut euch unbedingt Anns Kurse und alles an, was sie geschrieben hat, denn es ist ein bisschen wie man im PPC sagt: PPC ist nicht einfach.

Es ist auch nicht extrem komplex, aber man lernt aus den Narben von Fehlern, wenn ein Keyword mit etwas anderem kollidiert ist oder du vielleicht das Budget geändert hast und nicht bemerkt hast, dass es mit etwas anderem in Konflikt geraten würde, richtig? Und so lernt man, wie man Dinge tatsächlich betreibt. Und genauso ist es mit all diesem KI-Kram. Also lernt auf jeden Fall von Leuten, die das schon vorher gemacht haben.

Ann Stanley: Ja, auf jeden Fall. Ich meine, ich denke, meine Erfahrung aus einigen der Berichte und Dinge, die ich mache, basiert auf jahrelanger Erfahrung darin, zu wissen, welche Art von Sachen ich gerne erstellen würde, es aber nicht konnte. Aber auch, ich meine, vor zwei Jahren habe ich viel Zeit damit verbracht, Go HighLevel-Automatisierungen für Dinge wie Formulare auf der Website und die Integration mit WhatsApp einzurichten, damit jemand, der ein Formular ausfüllt, eine E-Mail und eine WhatsApp-Nachricht bekommt, und wir haben damals Zapier verwendet.

Diese Informationen waren also wirklich nützlich. Dann habe ich gelernt, wie man n8n und die APIs verwendet. All das war also nützlich. Tatsächlich ist es also, obwohl es jetzt viel einfacher erscheint, was man tun kann, nicht so, dass ich darin so effektiv wäre, wenn ich nicht die Lehre all der anderen Dinge durchlaufen hätte, die ich lernen musste, um hierher zu kommen.

Aber auch am Anfang kann man viele Fehler machen. Erinnerst du dich an die Zeiten, als man ein Excel-Dokument erstellt hat, es kein Autosave hatte und man zwei Stunden Arbeit verloren hat und von vorne anfangen musste? Im Moment ist es sehr ähnlich, weil vieles von dem, was es macht – es erstellt ein HTML-Dokument. Es hat keinen Zurück-Button oder, weißt du, ein Control-Z oder was auch immer.

Wenn es es vermasselt, dann vermasselt es es. Deshalb mache ich viele Versionen und speichere viel, damit du Checkpoints hast, zu denen du zurückgehen kannst, damit du im Grunde nicht deine ganze Arbeit verlierst.

Frederick Vallaeys: Nun, und es klingt so, als hättest du vor einem Jahr viel Arbeit in n8n gesteckt. Ich habe ziemlich viel Vibe Coding in Lovable gemacht, und ein Teil davon ist, dass ich all diese KI-Funktionen mag. Aber wie du gesagt hast, gibt es keine Versionierung, oder wenn es mir hilft, ein Dokument zu erstellen, möchte ich etwas mehr granulare Kontrolle darüber, wie zum Beispiel diesen Absatz ändern, aber nicht den anderen.

Und sie haben alle diese canvas-ähnlichen Produkte, aber meiner Meinung nach sind sie ein bisschen klobig. Also denke ich mir: Lass mich Vibe Code machen, damit ich ein Dokument habe. Ich kann ihnen sagen, das ist der Absatz, den du ändern musst. Hier ist eine Stelle, an der du mir helfen musst, ein autoritativeres Zitat zu finden, bla, bla, bla. Aber es gibt unbegrenztes Undo. Jede Änderung, die vorgenommen wurde, ist nachvollziehbar, welche KI geantwortet hat, was die Antwort war, die sie gegeben hat, was die Anfrage war.

Damit du diese Ebenen von dem einbringst, was in Bezug auf Verantwortlichkeit und Wiederholbarkeit erwartet wird, die du nicht nativ bekommst, wenn du einfach den Chat innerhalb des LLM verwendest oder sogar wenn du Terminal oder Claude Code oder Co-work oder was auch immer es ist verwendest.

Ann Stanley: Interessanterweise habe ich, als ich Secret Agents erstellt habe, also dieses Produkt, das ich vor einem Jahr als Teil meines Kurses erstellt habe, angefangen, Bolt zu verwenden. Ich habe Bolt tatsächlich lieber gemocht als Lovable, aber ich fand – es war wirklich teuer wegen der Menge an Sachen – und ich habe eine ganze Website gebaut, bis ich sie an einen Entwickler übergeben musste, um sicherzustellen, dass sie nicht hackbar war.

Dahinter lief Supabase, also eine Postgres-Datenbank, und es war mit GitHub und Netlify für die Versionskontrolle verbunden. Ich habe also viel daraus gelernt. Danach bin ich ziemlich schnell zu Cursor gewechselt, und zu diesem Zeitpunkt war Cursor nur in der Terminal-Version verfügbar. Es gab noch nicht die Claude-Version.

Aber ich fand, dass dieses Maß an Kontrolle in Cursor viel besser verfügbar war. Aber Claude Code selbst hat diese zusätzliche Ebene obendrauf. Ich stimme dir also zu, die Fähigkeiten, die du durch Lovable oder die Verwendung von Cursor entwickelt hättest, sind jetzt wirklich wichtig, wenn du anfängst, Claude Code zu verwenden, besonders für Dokumente. Und tatsächlich denke ich, dass der Dokumentenbereich manchmal schwieriger ist, weil wir es gewohnt sind, einfach reinzugehen und ein Wort oder zwei auf einmal zu bearbeiten.

Und dieses Maß an Kontrolle. Was ich also tendenziell mache, ist, dass ich das Dokument so nah wie möglich heranbringe, und dann lasse ich es in ein Word-Dokument umwandeln. Und dann – oder ich kopiere das HTML in ein Word-Dokument. Ich kann es also vielleicht noch auf Word-Ebene verfeinern.

Aber vieles von dem, was ich mache, ist stark gestaltet. Ich gehe von Dokumenten, die man in PowerPoint oder Word hätte, zu fast etwas, das man in einem E-Book hätte, oder sogar besser als ein E-Book, was das Design angeht. Dann spart man sich ein Vermögen an Designkosten. Aber dann muss man die Geduld haben, es richtig hinzubekommen.

Und deshalb gilt: Wenn du wirklich nur Skills für Dinge aufbauen willst, die du oft tun möchtest, dann haben mich die ersten paar Male, als ich ein Carousel erstellt habe, einen ganzen Tag gekostet, um es richtig hinzubekommen. Und jetzt ist es nach zwei Versuchen richtig. Die Investition besteht also darin, es richtig hinzubekommen und dann die Hartnäckigkeit und Geduld aufzubringen, dranzubleiben, und dann bekommst du etwas, das reproduzierbar ist.

Frederick Vallaeys: Richtig. Lass uns da tiefer einsteigen, denn du hast den Luxus, Gründerin und Inhaberin der Agentur zu sein, und kannst also diese Zeit investieren. Aber ich glaube, du hast auch Teammitglieder, denen du die Aufgabe gegeben hast, herauszufinden, wie man KI im gesamten Unternehmen einsetzt. Und genau darauf möchte ich hinaus, richtig?

Denn ich denke, so viele Mitarbeiter haben eine Aufgabe, und egal ob die Aufgabe darin besteht, 10 Blogposts pro Monat zu erstellen – sie versuchen einfach, diese Dinge zu erledigen. Und in dem Moment, in dem sie auf ein Hindernis stoßen, wie zum Beispiel: Nun, dieser erste mit KI dauert vielleicht eine Woche, bis er perfekt ist, und sie denken nicht unbedingt daran, dass sie danach plötzlich 100 im Monat statt 10 machen können. Wie bringst du dein Team dazu, bereit zu sein, diese Investition zu machen, und zu wissen, dass am Ende des Tunnels Licht ist?

Ann Stanley: Ja, wir hatten kürzlich ein wirklich gutes Beispiel. Ich weiß, es ist Tech SEO, aber wir hatten tatsächlich auch ein ähnliches Beispiel mit unserem Google Ads-Audit. Das Tech-Audit umfasst 50 Seiten. Es ist wirklich, wirklich detailliert. Und es dazu zu bringen, das auszuführen, hätte wahrscheinlich zwei Wochen Arbeit gekostet.

Am Ende haben wir also einfach seine normale Vorgehensweise genommen und es dann hübsch aussehen lassen. Aber wir sind mit dem Google Ads-Audit weiter gekommen, weil wir bereits mit n8n herumgespielt hatten, um zu versuchen, die Daten aus der API zu ziehen. Und selbst dafür musst du, ob du es glaubst oder nicht, durch eine Menge Hürden springen, um dich registrieren zu lassen, damit du die Daten aus der API ziehen kannst. Du brauchst das Development Token.

Es gibt also ziemlich viele Hürden, um Informationen herauszubekommen. Du musst also mindestens ein paar Leute haben, die bereit sind, die Zeit zu investieren. Und ich denke, das müssen in dieser Phase die Geschäftsführer sein, oder du musst jemanden haben, der geeky genug ist und die Hartnäckigkeit hat, weiterzumachen.

Aber dann haben wir mit Claude Code Folgendes gemacht: Ich hatte bereits ziemlich viele Informationen und ziemlich viele Beispiele. Also sagte ich: “Kannst du daraus einen Skill erstellen?” Dann bat ich es, online nach den Skills anderer Leute zu suchen, wo sie Dinge erstellt haben. Und viele Leute haben sie offen auf GitHub gelassen, und es gibt ziemlich viele Verzeichnisse. Du kannst also einfach nehmen, was alle anderen machen.

Und dann sagst du: “Kannst du das zusammenfügen und etwas Besseres daraus machen?” Und dann habe ich ihm – also habe ich zunächst das reproduziert, was wir intern bereits ohne die API gemacht haben. Das war meine Version eins. Und dann habe ich ihm Zugriff auf die API gegeben, damit es direkt in Google Ads und GA4 gehen konnte, und habe es dann ergänzt und qualitativ bessere Daten obendrauf bekommen.

Aber es ist eine Menge Arbeit. Wenn es also nicht etwas ist, das du regelmäßig machst, ist es sehr schwierig, den Zeitaufwand zu rechtfertigen. Dein Blogging ist also ein klassisches Beispiel, weil du wahrscheinlich viel davon machen willst. Wenn du dagegen nur ein Audit pro Monat oder ein Audit alle drei Monate machst, lohnt es sich nicht. Aber wenn du ein Audit pro Tag machst – ich mache im Moment GEO-Reports als Outreach.

Du weißt schon, generative engine optimization oder AIO, wie auch immer du es nennen willst. Es gibt im Moment so viele verschiedene Namen dafür. Aber ich produziere – mein E-Mail-Outreach bringt mir etwa 10 Möglichkeiten pro Woche. Es ist wirklich lästig, das zu machen, aber wenn ich es manuell machen müsste, würde ich die ganze Woche dafür brauchen.

Es ist immer noch ein Albtraum, weil es immer noch nicht immer das tut, was man ihm sagt, und man hat das Gefühl, man sagt es ihm – es ist wie ein Kind. Man sagt ihm manchmal immer wieder dasselbe. Aber das Gute ist, dass sie wirklich gut aussehen. Und tatsächlich, weil ich es mit bestimmten Softwareteilen verbunden habe, weil es etwas namens Playwright verwenden kann und die Screenshots holt. Es richtet sogar die Konten für mich ein.

Wenn ich 10 davon machen müsste, würde es, wie gesagt, die ganze Woche dauern. Es dauert wahrscheinlich einen Tag, um 10 zu machen, weil sie problematisch sein können. Aber du musst die Zeit haben, um sie zu investieren. Ich denke also, um deine Frage zu beantworten: Ich glaube, es ist wirklich schwierig für Leute, Dinge wie n8n zu lernen.

Und interessanterweise hätten wir vor einem Jahr Schulungen für das Team gegeben, und sie waren wirklich nicht interessiert. Aber sie haben angefangen zu sehen, was wir mit Claude Code produzieren, und ich glaube, sie sehen jetzt: Das ist ein Assistent. Ich kann das benutzen, um alle möglichen Dinge zu erledigen. Und plötzlich sind sie verzweifelt darauf aus, dass wir sie auf den neuesten Stand bringen.

Ich denke also, sobald der Nutzen den Schmerz überwiegt, wissen sie noch nicht, worauf sie sich einlassen, oder, Fred? Sobald der Nutzen den Schmerz überwiegt, wird das Team mitziehen, und dann nimmst du sie mit. Aber die Finder und Pioniere an der Spitze sind normalerweise sechs Monate vor dem Rest des Teams, würde ich sagen.

Frederick Vallaeys: Ja. Nun, ich weiß, dass sie bei Anicca Digital Glück haben, dass sie dich haben, von dem sie lernen können, sobald sie sich entscheiden, diesen Sprung zu wagen. Aber du machst ja auch auf andere Weise viel Weiterbildung, oder? Ich glaube, ihr hattet August, AI August.

Ann Stanley: AI August.

Frederick Vallaeys: Ihr habt jetzt AI Thursdays. Erzähl uns also von einigen der Initiativen, bei denen die Leute wirklich praktisch mit anpacken und das Ganze mit dir wirklich lernen können.

Ann Stanley: Ja. Und nur zur Klarstellung: Ich bin nicht die Einzige. Zum Glück ist mein Geschäftsführer Darren auch total dabei; er war früher Head of PPC. Du kennst ihn wahrscheinlich noch von vor Jahren. Er ist genauso begeistert davon wie ich, und er hat einige wirklich interessante Dinge gemacht und Reporting aus den unterschiedlichsten Quellen eingebunden. Und dann ist da noch James, der technische SEO-Spezialist, der ist auch total drin.

Also sind wir drei wirklich begeistert davon. Und immer mehr vom Rest des Teams steigen ebenfalls ein. Aber es ist schwierig, sich darauf einzulassen, wenn man die Grundlagen nicht versteht. Deshalb wollten wir statt einfach nur jeden Monat einen zweitägigen Kurs anzubieten, bei dem das alles ist, was wir machen, etwas schaffen, das ein bisschen organischer ist.

Also haben wir beschlossen, etwas namens Thursday AI Club zu starten. Zunächst wird er alle zwei Wochen stattfinden, und der erste Termin ist am 9. April. Für den ersten Termin kann man sich kostenlos anmelden, und danach ist es ein Mitgliederclub. Die Idee ist, dass es eine Stunde lang ein Ask-us-anything gibt, und drei oder vier technische Leute sind dabei, um alle Fragen zu beantworten.

Und danach kann man noch für einen zweistündigen Workshop bleiben. Die Idee ist, dass es über sechs Monate hinweg 12 Workshops gibt, die bereits geplant sind, von denen wir die meisten schon einmal durchgeführt haben. Und es ist ein sich weiterentwickelndes Programm, denn in sechs Monaten braucht man nicht mehr genau das Gleiche wie jetzt, oder die Dinge haben sich wieder weiterentwickelt.

Die ganze Idee ist aber, dass es eine ganze Menge Ressourcen geben wird, alle bisherigen Aufzeichnungen. Und man kann einfach monatlich beitreten, oder man meldet sich für das Jahr an und bekommt einen großen Rabatt, wenn man sich für das Jahr anmeldet. Aber man kann es am 9. April erst einmal ausprobieren, bevor man sich entscheidet.

Frederick Vallaeys: Schön. Und was ist dann im August passiert?

Ann Stanley: Ah, August. Ich dachte, wenn ich das U in ein I ändere, wird daraus AI-gust. Also haben wir im August jede Woche zweistündige Workshops durchgeführt. Die sind ebenfalls alle auf der Website verfügbar. Man kann sich also einfach bedienen, und das gibt einem einen guten Eindruck. Das war fast wie der Prototyp dessen, was wir jetzt machen.

Ich glaube, es gibt fünf zweistündige Sessions, die man sich ansehen kann. Alle unsere Webinare auf unserer Website kann man kostenlos bekommen, und ich glaube, einige davon sind auf YouTube, aber am besten geht man direkt auf die Anicca-Website.

Frederick Vallaeys: Ich habe also auf der SMX in München einige Workshops gemacht, einen Vibe-Coding-Workshop, eine Stunde 20 Minuten. Und ich habe die Leute gebeten, eine Tabelle mit irgendeiner Art von Daten mitzubringen, die sie verwenden wollten. Denn ich wusste, dass man viele dieser Daten über APIs oder MCPs bekommen kann, aber ich war noch nicht bereit, den Leuten zu helfen, das alles einzurichten. Also dachte ich: Bringt es einfach in einer Tabelle mit, okay? Und dann schauen wir, was wir machen können.

Und sie kamen mit wirklich anspruchsvollen Anforderungen. Sie wollten Daten aus drei verschiedenen Quellen zusammenführen oder kombinieren und darüber eine Art KI-Schicht legen. Und ich dachte: Okay, wir haben eine Stunde 20 Minuten. Das hat außer mir noch niemand gemacht. Also bleiben wir realistisch.

Aber tatsächlich hatten am Ende der Stunde 20 Minuten alle wirklich gute Prototypen mit echten Daten. Das war schon etwas überraschend, oder? Ich weiß, dass es möglich ist, aber ich hätte nicht gedacht, dass es für jemanden, der das noch nie gemacht hat, in weniger als anderthalb Stunden möglich wäre. Und dann wollte niemand gehen, weil alle in denselben Modus kamen: Oh, das ist cool, aber was wäre, wenn, okay, und was wäre, wenn.

Und dann haben sie immer weiter mit den Was-wäre-wenns gemacht. Und sie wollten nicht gehen. Aber wie ist es bei dir, nachdem du diese Kurse gemacht und mit Leuten gesprochen hast? Hast du diese Erfahrung auch gemacht? Ein paar ermutigende Worte für Leute, die davor vielleicht ein bisschen Angst haben.

Ann Stanley: Ich denke, dass es einige Fähigkeiten gibt, bei denen man weggehen, damit spielen und dann zurückkommen muss. Deshalb versuchen wir immer, etwas Praktisches einzubauen. Aber was wir im AI Club machen werden, ist, dass wir jedes Quartal einen ganzen Hackathon-Tag haben werden. Wir werden also bestimmte Technologien und bestimmte Ideen auswählen. Das machen wir dann einmal pro Quartal.

Es wird an einem Samstag stattfinden, weil viele Leute sich während der Arbeitszeit nicht freinehmen können. Aber es wird jedes Mal immer etwas Praktisches geben. Wir haben auch schon praktische Übungen gemacht, als wir den zweitägigen Kurs durchgeführt haben. Wir hatten tatsächlich Breakout-Räume und so weiter. Und das war die ursprüngliche Idee, aber nicht jeder hat die Software.

Wenn man also reinkommt und anfängt, den Leuten Dinge beizubringen, sind sie nicht unbedingt bereit dafür. Ich habe letzte Woche eine Session bei etwas gemacht, das sich Agency Hackers in Großbritannien nennt, und ich habe einen 45-minütigen Kurs dazu gegeben, wie man sich selbst eine Joke Machine baut, was ziemlich interessant war. Also haben wir eine Joke Machine gebaut, aber ich musste dabei schon einiges erklären.

Man kann Leute nicht einfach in n8n hineinwerfen, ohne es zu erklären. Die Folien dazu sind übrigens einer der Blogs, die ich am Wochenende geschrieben habe. Da kann man also nachsehen. Das war aber wirklich einfach, weil es die Grundprinzipien erklärt hat. Aber ich stimme dir zu. Ich meine, ich habe an einem Wochenende ein komplettes Portal gebaut, ein Kundenportal an einem Wochenende, mit Claude Code.

Was man damit machen kann, ist einfach unglaublich, aber man muss sich irgendwie herantasten. Es bringt nichts, gleich ins kalte Wasser zu springen. Man muss mit kleinen Babyschritten anfangen und einfach die nervigen Aufgaben erledigen, die man millionenfach pro Woche machen muss. Wie deine Meeting-Notizen, wie deine Blogs, wie deine LinkedIn-Posts, was auch immer du ständig machst. Wenn du das draufhast, kannst du deine Fähigkeiten über einen gewissen Zeitraum ausbauen, oder?

Frederick Vallaeys: Ja, und ich meine, das ist ein guter, ausgewogener Ansatz. Ich würde eher einen etwas aggressiveren, vielleicht Silicon-Valley-artigen Ansatz wählen: Lass uns einfach bauen und Dinge kaputtmachen.

Ann Stanley: Ja, aber du hast ja schon jede Menge Erfahrung. Du hast das schon gemacht, du hast herumgespielt—

Frederick Vallaeys: Stimmt, ja. Aber ich möchte wirklich Menschen ermutigen, die noch nie etwas damit gemacht haben. Ich stimme dem zu, was du sagst, aber ich möchte die Leute wirklich ermutigen, jetzt diese Babyschritte zu machen. Und wenn man einen Fehler macht, ist das okay, oder? Claude Code zu verwenden ist so günstig. Wenn du diesen Plan hast, lass es etwas bauen, und wenn es völlig falsch ist oder Sicherheitsprobleme hat, dann lass es diese für dich identifizieren und deploye es nicht.

Aber schau, was es mit ein paar wirklich grundlegenden Dingen machen kann, und fange dann an, all diese Dinge darüber aufzubauen, es richtig zu bauen, es korrekt zu strukturieren, sicherzustellen, dass es sicher ist, sicherzustellen, dass deine API-Tokens nicht gestohlen werden, oder? Aber bis du die Power eines einzigen Prompts und das, was es mit einem einzigen Prompt machen kann, gesehen hast, ist das der Moment, in dem es Klick macht und du verstehst, was jetzt möglich ist.

Ann Stanley: Nun, der andere große Rat dazu ist, dass man in den sogenannten Planning Mode geht. Wenn du also sagst: “Oh, ich möchte bauen” — was ich gebaut habe, war ein Kundenportal. Und ich wusste schon genau, was ich wollte, weil ich mich ohnehin schon ziemlich lange mit diesem Zeug beschäftigt hatte. Also habe ich genau beschrieben, was ich wollte. Ich wusste, wie die Kunden hochgeladen werden sollten. Ich wusste, dass ich Benutzer hinzufügen wollte. Ich wusste, was ich im Layout und in den Menüs wollte, weil ich vor einem Jahr schon einiges ausprobiert hatte und es nicht zum Laufen bekam, weil die Technologie noch nicht so weit war.

Was ich also gemacht habe: Man geht in den sogenannten Planning Mode. Man beschreibt es noch einmal mit der Stimme, weil man viel mehr Details vermitteln kann, wenn man darüber spricht, als wenn man versucht, es einzutippen. Und dann sagt man: “Gib mir einen Plan.” Und dann sagt man: “Oh, okay. Da hast du diesen Teil ausgelassen.” Und dann arbeitet man gemeinsam am Plan. Danach lässt man es bauen.

Also ja, du hast recht, geh rein und probiere Dinge aus, aber eben mit diesem Zwischenschritt — denn denk daran: Wenn du nicht richtig promptest oder die Anweisungen nicht gibst, kommt auch nur Mist heraus. Wenn man aber gemeinsam daran arbeitet, zu entwickeln, was man will, dann bekommt man am Ende ein viel besseres Ergebnis. Das würde ich auf jeden Fall empfehlen.

Frederick Vallaeys: Ja. Und auch hier nehme ich wieder die Gegenposition ein, weil ich versucht habe, mehr davon zu planen und mit ChatGPT zu gehen, und ich habe ein langes Gespräch geführt. Aber ich habe so viele vorgefasste Vorstellungen. Wenn ich dagegen einfach sage: Hier ist, was ich bauen will, und ich definiere, was das Ziel ist, oder? Was will ich erreichen? Und dann hat es einfach so viele Informationen über andere Wege, wie das gebaut wurde, über Ansätze, die es verfolgt hat—

Ann Stanley: Nein, nein, ich sage dasselbe. Ja. Ja. Also ich sage dasselbe. Aber geh nicht einfach rein und chatte und mach es so. Mach es in Claude, weil Claude weiß, welche Tools es hat. Nein, ich stimme dir zu. Ich sage nur: Beschreibe es zunächst, was du willst, was du erreichen willst, wie das Ergebnis aussehen soll. Und dann wird es eine Beschreibung dessen liefern, was es für nötig hält.

Und dann kannst du sagen: “Oh nein, das ist noch nicht ganz richtig.” Und sobald du bei etwas angekommen bist, das ungefähr so aussieht wie das, was du im Kopf hattest — denn denk daran, wir alle sind ziemlich schlecht darin, wirklich zu beschreiben, was wir wollen. Außer man macht das sehr oft, dann lässt man es einfach bauen und arbeitet dann iterativ damit weiter.

Es geht also wirklich um ein Gespräch. Es ist, als würde man mit dem eigenen Assistenten neben sich arbeiten, der Design, Funktion, Content und alles andere kann und weiß, was funktioniert, weil er das schon millionenfach gemacht hat. Also ja, ich stimme dir eigentlich zu. Ich würde es genauso machen.

Frederick Vallaeys: Ja. Und ich denke, sobald man damit anfängt, entwickelt man einen ganz neuen Respekt für Leute, die Produkte bauen, und für Leute, die Kampagnen managen, denn man denkt: Nun, ich habe mir die 10 Dinge ausgedacht, die es tun sollte, aber dann, oh warte, jetzt, wo ich es benutze, gibt es noch dieses andere Ding und diesen Sonderfall und jenes, das ich nicht bedacht hatte. Es ist einfach so, dass man tatsächlich eine Menge Dinge bedenken muss.

Aber was auch schön ist: Die Systeme entwickeln sich so schnell weiter. Die Kosten sinken ständig. Also ist es so: Nun, in sechs Monaten hast du zwar dieses Dashboard, aber warum nicht einfach neu bauen? Und in der Programmierung gibt es diese ganze Philosophie, dass wir den Code nicht mehr auf der Seite als Menschen schreiben sollten. Wir sollten eher schreiben, was wir mit dieser Seite erreichen wollen, was das Ziel ist, oder?

Und in sechs Monaten hat Claude Code vielleicht eine bessere Version, und es sollte sich einfach diese Anweisungen ansehen und sagen: “Oh, nun, Fred, das wolltest du erreichen, und so haben wir es vor sechs Monaten gemacht. Aber lass uns das Ganze einfach neu aufbauen, damit es besser funktioniert und trotzdem dein Ziel erfüllt.” Und das ist ein so grundlegender Wandel in der Art, wie wir darüber denken, wie Dinge gebaut werden.

Und für die Menschen, die die Ziele haben.

Ann Stanley: Nun, ich meine, worüber wir noch nicht gesprochen haben, ist die Auswirkung, die das auf Agenturen und darauf haben wird, womit wir in Zukunft unseren Lebensunterhalt verdienen. Denn die Sache ist: Es wird irgendwann an einen Punkt kommen, an dem wahrscheinlich nur 1 oder 2 Prozent der Leute derzeit Claude Code nutzen. Aber bei Agency Hackers nutzten 30 Prozent der Leute es. Während es vor einem Jahr, als ich sie fragte, ob sie schon von Claude oder AI Agents gehört hätten, weniger als 20 waren.

Es entwickelt sich also wirklich schnell. Aber die Technologie wird nicht mehr die Hürde sein. Es wird nur noch deine Vorstellungskraft sein und deine Fähigkeit, es zu verstehen, und auch dich selbst als Agentur oder als Praktiker zu vermarkten und zu sagen, dass du diese Tools einsetzt. Denn wenn du es nicht tust, werden die Kunden vor dir da sein. Und sie werden denken, sie könnten es selbst machen, ohne zu verstehen, dass all dieses Wissen bedeutet, dass du weißt, was du bauen musst und wie du es bauen musst, weil du es gemacht hast und dort warst und das T-Shirt gekauft hast.

Diese Erfahrung ist etwas wert. Alle unsere Teammitglieder haben 10, 15, 20 Jahre Erfahrung. Das ist also das, was wertvoll wird, und nicht die alltäglichen Aufgaben. Und ich glaube, vor ein paar Jahren hast du ein Buch geschrieben, das im Grunde genau darüber sprach, wie KI alles verändern würde.

Frederick Vallaeys: Oh ja. Der größte Mindshift in der PPC-Geschichte und die Chancengleichheit. Ich habe tatsächlich ein neues Buch. Also für alle, die diese Folge sehen: The AI Amplified Marketer ist jetzt auf Amazon erhältlich. Das ist also das Buch, das all diese neuen generativen Dinge aufgreift. Es wurde vor Claude Code geschrieben, also geht es nicht darum, aber viele der Konzepte, die hineinspielen, und wie man über KI nachdenkt. Auf jeden Fall, ja, schaut euch das neue Buch an.

Ann Stanley: Also ich schätze, mit deinem neuen Buch und meinem ersten AI Club werden die Zuschauer das Ganze absolut rocken können, oder?

Frederick Vallaeys: Absolut. Aber ja, das war fantastisch, all deine Einblicke zu teilen. Ich habe das Gefühl, wir müssen in ein paar Monaten noch einmal eine Folge machen, wenn wieder alles neu sein wird, und wir noch bessere Ratschläge haben, wie man Dinge macht. Aber ja, alle, die heute zuschauen, sollten sich unbedingt all die großartige Arbeit ansehen, die Ann geleistet hat, und sich für diese Kurse anmelden, denn ehrlich gesagt wird sich die Stunde, die ihr jede Woche in diese Sache investiert, zehnfach, hundertfach auszahlen.

Und meine Philosophie ist: Du konkurrierst nicht gegen KI. Du konkurrierst gegen Menschen, die KI besser nutzen als du. Und genau das sehen wir hier, oder? Jemand kann dich um das 100-Fache übertreffen, indem er einfach die richtigen Tools verwendet.

Ann Stanley: Und vielleicht können wir in sechs Monaten sagen, dass wir ein bisschen mehr Schlaf bekommen haben.

Frederick Vallaeys: Ich weiß nicht. Ich meine, jede Stunde, die frei wird, denke ich: “Oh, da gibt es noch etwas anderes in meinem Leben, das ich schon immer wollte.” Ich habe tatsächlich jetzt eine App gebaut, die mir hilft, mich daran zu erinnern, was ich in bestimmten Restaurants gegessen habe, weil mich am meisten frustriert, dass ich schon dort war, mich aber nicht mehr daran erinnern kann, was auf der Speisekarte mir gefallen hat oder was ich probiert habe. Und ich brauche einfach eine kleine App, die mir hilft, mich zu erinnern. Und so fange ich an, all diese Dinge per Vibe Coding zu bauen.

Und ja, und nebenbei mache ich auch noch ein bisschen PPC.

Ann Stanley: Ja. Nun, wir haben nicht allzu viel über PPC gesprochen, aber ich glaube, worüber wir gesprochen haben, war, wie diese Tools dir helfen können, dein PPC zu machen, deine Reports zu erstellen, können — ich meine, einige der anderen Arten von Reports, Wettbewerbsanalysen, Landing-Page-, CRO-Sachen. Das liegt alles an der Schnittstelle dessen, was PPC- und Marketing-Leute wissen müssen. Hoffentlich wird es also ein paar Ausschnitte geben, die sie nützlich finden.

Frederick Vallaeys: Nun, ja, genau. Ich denke schon. Nimm diese Konzepte, wie du den Computer für dich arbeiten lassen kannst. Setze diese Fähigkeiten ein, die wirklich definieren — also für Optmyzr-Nutzer würdest du darüber nachdenken, was dein Blueprint dafür ist, wie du ein Konto verwaltest. Dieser Blueprint wird im Grunde zu deiner Skills-Datei, also mach diese Dinge in dieser Reihenfolge und berücksichtige dies und das dabei. Aber füge darauf aufbauend einige KI-LLM-Fähigkeiten hinzu, was ja das ist, was du beschrieben hast, dass man mit n8n machen kann, oder?

Das ist also ein Ausgangspunkt. Aber dann haben wir auch über die Business Intelligence und die Art von Erfahrung gesprochen, die man als Agentur oder als Software-Tool hat. Das Schwierige beim Aufbau eines Tools ist nicht das Grundlegende. Es sind die Sonderfälle, oder? Und genau darüber haben wir nachgedacht. Und dort kannst du einen Agenten für Claude Code einsetzen, aber du kannst sagen: Verbinde dich mit dem MCP von Optmyzr, das hilft, diese Fehler zu vermeiden, das auf 10 Jahren Erfahrung basiert, das Richtige zu tun, und dir Zuverlässigkeit gibt, oder?

Oder wenn du mit einer Agentur arbeitest, dann hat eine Agentur Zugriff auf all diese anderen Konten, und dadurch haben sie einen breiteren Einblick in die Branche. Und das ist wertvoll. Und sie haben das wahrscheinlich in ihre Art eingebaut, wie sie mit diesen Agenten kommunizieren, oder? Und das Risiko besteht im Moment darin, dass die Leute einfach denken: Oh, Claude allein kann alles besser. Nein, es kann bis zu einem gewissen Grad automatisieren, aber es braucht immer noch die Hilfe von den Dingen, die wir alle über Jahrzehnte Arbeit aufgebaut haben.

Ann Stanley: Ich habe eine wirklich gute Kernaussage für alle, wenn wir uns dem Ende unserer gemeinsamen Zeit nähern, und das ist das Human-AI-Sandwich. Also für alle, die gerade hungrig sind: Die Idee dahinter ist, dass man Menschen am Anfang des Prozesses braucht, die die Idee haben, die Inspiration haben und der KI die richtigen Anweisungen geben können, um etwas zu erzeugen. Und dann hat man auf der anderen Seite den Menschen, der diesen Inhalt nimmt, weiß, ob er gut ist oder nicht, und ihn anpasst, bearbeitet und noch besser macht.

Also das Human-AI-Sandwich ist das, worüber wir hier sprechen. Und was ich sage, ist: Die qualitativ besseren Menschen werden die qualitativ besseren Sandwiches produzieren, weil sie ihr Handwerk verstehen. Ich wollte gerade fast fluchen, habe es aber nicht getan. Ich habe es geschafft, die ganze Folge ohne ein einziges Mal zu fluchen durchzuziehen. Also ja, das Human-AI-Sandwich ist die Kernaussage dieses Podcasts mit dir heute, Fred.

Frederick Vallaeys: Okay. Nun, sehr gut. Jetzt hast du mich hungrig gemacht, Ann. Damit schließen wir hier ab. Das war fantastisch, Ann. Vielen Dank, dass du als Gast dabei warst, und danke an alle fürs Zuschauen. Bitte schreibt Kommentare, liked diese Folge, abonniert den Kanal und schaut euch all die großartige Arbeit an, die Ann und Anicca Digital geleistet haben. Und damit schließen wir hier ab, und wir sehen uns in der nächsten Folge.

Ann Stanley: Danke. Tschüss, Fred.