Von ChatGPT zum KI-System: Der Unterschied zwischen Prompt und Brain

Heute Morgen, 7:12 Uhr. Ich öffne mein Terminal und tippe /gm. Guten Morgen.

Was in den nächsten 54 Sekunden passiert:

Mein System prüft automatisch alle Google Ads Accounts meiner Kunden. Es scannt 52 Nachrichtenquellen nach relevanten Updates. Es klassifiziert neue Suchbegriffe und bucht irrelevante als Negatives ein. Es generiert einen neuen Blog-Artikel, baut ihn, deployed ihn auf den Server. Es prüft ob Kunden-Accounts Anomalien zeigen.

Dann zeigt es mir ein Dashboard. Ein Alert: Bei einem Kunden sind die Conversions eingebrochen. Ich weiß Bescheid bevor der Kunde anruft.

Ich mache mir einen Kaffee.

Das ist kein ChatGPT. Das ist ein KI-System. Und der Unterschied zwischen den beiden ist so groß wie der zwischen einer Google-Suche und einem Mitarbeiter der seit drei Jahren bei dir arbeitet.

Vor einem Jahr sah mein Morgen anders aus.

7 Uhr: Google Ads aufmachen. Account für Account durchklicken. Stimmen die Zahlen? Läuft das Budget? Gibt es Suchbegriffe die Geld verbrennen? Pro Account: 5-10 Minuten. Bei 20+ Accounts: rechne selbst.

8 Uhr: Branchen-News lesen. Google Ads Blog, Search Engine Land, Newsletter. Was hat sich geändert? Betrifft mich das? Betrifft es meine Kunden?

8:30 Uhr: Reporting. Daten exportieren, in Tabellen gießen, Kommentare schreiben.

9 Uhr: Endlich anfangen zu arbeiten.

Zwei Stunden für Routine. Jeden Tag. Und das Schlimmste: Manchmal habe ich trotzdem etwas übersehen. Ein Account mit einem Tracking-Problem. Eine Kampagne die still und leise Geld verbrennt. Nicht weil ich schlecht bin — sondern weil kein Mensch 20 Accounts täglich im Detail prüfen kann.

ChatGPT hat daran nichts geändert. Klar, ich konnte Texte schneller schreiben. Analyse-Prompts sparen Zeit. Aber das Grundproblem blieb: Ich musste alles manuell anstoßen. Jeden Tag von vorne erklären wer meine Kunden sind. Und nach jedem Gespräch: Reset. Nichts gespeichert, nichts gelernt.

Mein KI-System ist nicht perfekt. Weit davon entfernt.

Letzte Woche hat es einen Blog-Artikel generiert, der nicht kompiliert hat. Der Build ist dreimal gescheitert. Ich musste den Code manuell öffnen und Syntax-Fehler fixen. Das hat eine halbe Stunde gekostet statt null.

Manchmal generiert es Texte die sich nach KI lesen. Zu glatt, zu strukturiert, zu vorhersehbar. (Ironischerweise ist genau das der Grund warum ich diesen Artikel gerade zum zweiten Mal schreibe — die erste Version war AI Slop.)

Die Einrichtung hat nicht eine Woche gedauert, sondern Monate. Es ist ein laufender Prozess. Jede Woche kommt ein neues Problem dazu. Letzte Woche: Race Conditions weil mehrere Prozesse gleichzeitig die gleiche Datei beschrieben haben.

Stell dir vor:

Du öffnest morgens dein Terminal. Ein Befehl. Dein System hat über Nacht alle Accounts geprüft. Zwei Alerts warten auf dich: Ein Kunden-Budget läuft schneller als geplant. Bei einem anderen Account sind neue Suchbegriffe aufgetaucht die nicht passen.

Du weißt in einer Minute, was heute wichtig ist. Kein Account-Hopping. Kein manuelles Prüfen.

Dein System kennt deine Kunden. Es weiß, dass Kunde A ein E-Commerce-Shop mit saisonalen Schwankungen ist. Es weiß, dass Kunde B letzte Woche das Tracking umgebaut hat und die Daten gerade unzuverlässig sind. Es weiß, dass bei Kunde C nächste Woche ein großer Launch ansteht.

Das ist kein Science Fiction. Das ist das, was ich jeden Tag nutze. Der einzige Unterschied zu dir: Ich habe vor einem Jahr angefangen es aufzubauen.

Jeden Morgen den du ohne so ein System startest, verbringst du Zeit mit Routine die längst automatisch laufen könnte. 45 Minuten. Jeden Tag. Das sind über 15 Stunden im Monat die du nie zurückbekommst.

Schritt 1: Schreib auf wer du bist

Kein Witz. Öffne ein Textdokument und schreib drei Absätze: Wer bist du? Was macht dein Unternehmen? Wer sind deine Kunden?

Das ist dein Kontext. Wenn du dieses Dokument an eine KI gibst, bekommst du ab sofort bessere Antworten. Nicht weil die KI schlauer geworden ist — sondern weil sie jetzt weiß, für wen sie arbeitet.

Schritt 2: Dokumentiere deine Routine

Was machst du jeden Morgen? Was prüfst du? Welche Daten schaust du an? Schreib das auf. Das wird später dein Automatisierungs-Bauplan.

Schritt 3: Gib der KI ein Gedächtnis

Tools wie Claude Code oder Cursor haben eingebaute Projektdateien (CLAUDE.md, .cursorrules). Dort liegt dein Kontext. Die KI liest diese Dateien bei jedem Gespräch und weiß sofort, wer du bist und was du machst.

Schritt 4: Automatisiere eine Sache

Nicht alles auf einmal. Eine Sache. Bei mir war es der Morgen-Report: Alle Accounts prüfen und mir die wichtigsten Zahlen zusammenfassen. Das hat zwei Nachmittage gedauert einzurichten. Und spart seitdem 45 Minuten pro Tag.

Wenn du Google Ads Accounts betreust, könnte das ein automatisierter Performance-Report sein. Oder ein Workflow der Suchbegriffe klassifiziert. Fang mit dem an, was dich am meisten nervt.

Schritt 5: Iterate

Jede Woche kommt etwas dazu. Ein neuer Check, eine neue Automatisierung, ein neuer Report. Nach drei Monaten hast du ein System. Nach sechs Monaten fragst du dich wie du jemals ohne gearbeitet hast.