sqemes Blog

Was sind KI-Skills, und warum brauchen Teams mehr als Prompts?

2026-11-12T00:00:00.000Z

Die meisten Teams beginnen ihren Weg mit KI bei Prompts. Jemand schreibt einen guten Prompt für eine Pressemitteilung, teilt ihn im Chat, und bald gibt es ein Dokument voller Prompts, aus dem alle kopieren. Das funktioniert eine Weile. Dann ändert sich die Markenstimme, das Produkt bekommt ein neues Feature, und die Hälfte dieser Prompts wird still und leise falsch.

Was fehlt, ist meist kein besserer Prompt. Es ist das Wissen dahinter.

Prompts sind Aufgaben, Skills sind Wissen

Ein Prompt sagt, was zu tun ist: eine Aufgabe mit ein paar Feldern, die jemand ausfüllt. „Schreib eine Launch-Ankündigung für {{product}}, veröffentlicht am {{date}}.“ Daraus entsteht ein Entwurf, und die nächste Person kann den Prompt mit anderen Werten erneut ausführen.

Ein Skill sagt, was man wissen muss: ein wiederverwendbarer Block Unternehmenswissen, den jede Antwort beachten sollte. Eure Markenstimme. Was euer Produkt heute kann. Die Regeln dafür, wie euer Team ein Angebot schreibt, Code prüft oder ein Support-Ticket beantwortet. Ein Skill ist nicht an eine Aufgabe gebunden. Er greift bei jeder Aufgabe, die in seinen Bereich fällt.

Der Unterschied zählt, weil sich Wissen langsamer ändert als Aufgaben, dafür aber überall gleichzeitig. Wenn sich eure Positionierung verschiebt, willst du nicht dreißig Prompts bearbeiten. Du willst einen Skill aktualisieren.

Was in einen guten Skill gehört

Ein guter Skill liest sich wie das Briefing, das du einer neuen Kollegin an ihrem ersten Tag geben würdest:

Die Regeln. Tonalität, Formulierungen, die ihr verwendet und die ihr vermeidet, die Aussagen, die ihr nie macht.
Die Fakten. Was das Produkt kann, was es nicht kann, was sich mit dem letzten Release geändert hat.
Wie man etwas macht. Der Aufbau eines guten Angebots, die Checkliste für ein Code-Review.
Dateien, wenn sie helfen. Ein Styleguide, Referenzdokumente, ein Logo, sogar Skripte, die ein KI-Tool auf seiner Seite ausführen kann.

In sqemes werden Dateien einmal pro Workspace gespeichert und an die Skills angehängt, die sie brauchen. Aktualisierst du die Datei, arbeitet jeder Skill, der sie nutzt, mit der neuen Version.

Wo Skills arbeiten

Ein Skill nützt nur, wenn er dort ankommt, wo Menschen tatsächlich mit KI arbeiten. Das ist selten nur ein Tool. Das Marketing bevorzugt vielleicht ChatGPT, das Engineering arbeitet in Claude Code oder Cursor, und jemand anderes nutzt Gemini.

Deshalb bringt sqemes denselben Skill in jeden Kanal:

In ChatGPT, Claude und Gemini wendet die Browser-Erweiterung ihn direkt neben dem Eingabefeld an.
In sqemes Chat funktioniert er mit jedem KI-Anbieter, den du verbindest.
In Claude, ChatGPT, Claude Code, Cursor, Codex und anderen Tools, die MCP unterstützen, kann das KI-Tool mitten in der Aufgabe den passenden Skill finden und selbst laden. Es beginnt mit der Gliederung und liest eine Datei erst, wenn die Aufgabe sie braucht.

Warum das Wissen über die Qualität entscheidet

Stell zwei KI-Tools dieselbe Frage ohne Kontext, und du bekommst zwei allgemeine Antworten. Gib beiden denselben Skill, und die Antworten klingen allmählich nach deinem Unternehmen: dieselben Begriffe, dieselben Fakten, derselbe Ton. Die Aufgabe hat sich nicht geändert. Das Wissen schon.

Deshalb wächst der Wert des KI-Setups eines Teams auch mit der Zeit. Prompts sind leicht zu schreiben und leicht zu ersetzen. Eine Bibliothek gut gepflegter Skills ist der Teil, der sich schwer nachbauen lässt, weil darin steckt, was dein Unternehmen weiß.

Wie du anfängst

Du brauchst kein großes Projekt. Wähl das eine Stück Wissen, das dein Team am häufigsten wiederholt, meist die Markenstimme oder die Produktfakten, und schreib es als Skill auf. Nutze ihn eine Woche lang in den Tools, die dein Team schon verwendet. Dann ergänze den zweiten.

Willst du nicht vor einem leeren Blatt sitzen, entwirft der Setup Wizard von sqemes erste Skills und Prompts aus deiner Website, und im Marktplatz findest du fertige Playbooks, die du anpassen kannst.

Mehr über Skills erfahren oder sehen, wie Personas entscheiden, welchen Skill sie laden.

Coding-Standards deines Teams für Claude Code, Cursor und Codex

2026-11-12T00:00:00.000Z

Coding-Agents sind nur so gut wie der Kontext, den sie bekommen. Ohne Kontext schreiben sie Code, der kompiliert, aber nicht nach deiner Codebasis aussieht: andere Namen, ein anderer Stil bei der Fehlerbehandlung, Tests am falschen Ort. Also fangen Teams an, ihnen Kontext zu geben. Und genau da beginnt das Problem.

Das Kopierproblem

Der übliche erste Schritt ist eine Regeldatei in jedem Repository. Für ein Projekt funktioniert das. Bei fünf Repositories hast du fünf Kopien, die auseinanderlaufen. Jemand ändert die Regel zur Fehlerbehandlung in einer davon, die anderen behalten die alte Version, und der Agent im nächsten Repository folgt munter der veralteten.

Dasselbe passiert zwischen Tools. Eine Entwicklerin nutzt Claude Code, ein anderer Cursor, ein dritter Codex. Jedes Tool hat seinen eigenen Ort für Anweisungen, und jede Kopie muss von Hand synchron gehalten werden.

Eine Quelle, bei Bedarf geladen

Die Alternative: Du hältst deine Standards an einem Ort, und die Agents holen sie, wenn eine Aufgabe sie braucht. Genau dafür gibt es MCP, das Model Context Protocol. Das ist ein offener Standard, mit dem KI-Tools externe Tools und Daten nutzen können.

Ist sqemes über MCP verbunden, bekommt ein Agent Tools, um deine Bibliothek zu durchsuchen und einen Skill zu laden. Betrifft eine Aufgabe deine API, kann er den Skill mit deinen API-Konventionen finden und laden. Ist ein Pull Request fertig, kann er die Review-Checkliste laden. Niemand muss etwas hineinkopieren.

Skills werden schrittweise geladen. Der Agent sieht zuerst die Gliederung eines Skills und liest eine Referenzdatei erst, wenn die Aufgabe sie braucht. So füllt ein großer Styleguide nicht das Kontextfenster, wenn nur eine Zeile zu korrigieren ist.

Was in einen Engineering-Skill gehört

Fang mit dem an, was Reviewer am häufigsten anmerken:

Coding-Konventionen: Benennung, Struktur, Fehlerbehandlung, Logging.
Die Review-Checkliste: was ein Pull Request haben muss, bevor er gemergt werden kann.
Architekturkontext: wie das System zusammenhängt, als Referenzdatei, die der Agent liest, wenn er sie braucht.
Doku-Stil: ein Leitfaden für jedes README und jede Doku-Seite.

Ein Skill kann auch Skriptdateien enthalten. Die Skripte reisen mit dem Skill mit, und das Tool, das sie lädt, führt sie auf seiner Seite aus. Code aus einem Skill führt sqemes selbst nie aus.

Personas für Rollen

Sobald du ein paar Skills hast, bündelt eine Persona sie. Eine Tech-Lead-Persona kann sagen: Lade die Coding-Konventionen, während Code geschrieben wird, lade die Review-Checkliste, wenn ein Pull Request geprüft wird, und nutze den Release-Notes-Prompt, wenn eine Version erscheint. Über MCP können Claude Code, Cursor und Codex diese Persona laden und in der Rolle arbeiten.

Einrichtung

In sqemes führt dich der Bereich Settings, API & MCP in drei Schritten durch die Einrichtung jedes Clients. Alle im Team verbinden sich mit dem eigenen Konto und sehen die Playbooks, auf die sie Zugriff haben. Die Rechte sind dieselben wie in der App: Ist ein Skill auf das Plattformteam beschränkt, bleibt er in jedem Agent beschränkt.

Ändere eine Konvention einmal, und jeder Agent lädt ab dann die neue Version. Ist die Freigabe eingeschaltet, wartet eine Änderung an einem geteilten Skill auf ihre Freigabe, bevor der Rest des Teams damit arbeitet.

Sieh dir an, wie der MCP-Server funktioniert oder was sqemes für Engineering-Teams tut.

So bleibt jede KI-Antwort in ChatGPT, Claude und Gemini markentreu

2026-11-12T00:00:00.000Z

Jedes Marketingteam hat Markenrichtlinien. Meist liegen sie in einem PDF, das niemand öffnet, wenn um fünf Uhr nachmittags noch ein LinkedIn-Post geschrieben werden muss. Mit KI wird die Lücke größer: Jede Person promptet ihr Lieblingstool mit eigenen Worten, und die Ergebnisse klingen nach fünf verschiedenen Firmen.

Warum Richtlinien den Chat nicht erreichen

Richtlinien scheitern aus einem einfachen Grund: Geschrieben wird nicht dort, wo sie liegen. Geschrieben wird heute in ChatGPT, Claude, Gemini oder in einem Chat in irgendeinem anderen Tool. Ist die Markenstimme nicht in diesem Chat, kennt die KI sie nicht.

Die Richtlinien in jedes Gespräch einzufügen funktioniert auch nicht. Leute vergessen es, fügen eine alte Version ein oder nur den Teil, an den sie sich erinnern.

Mach die Markenstimme zum Skill

Ein Skill für die Markenstimme ist der Teil deiner Richtlinien, den eine KI tatsächlich braucht, so geschrieben, dass sie ihm folgen kann:

Tonalität: zum Beispiel selbstbewusst, klar und herzlich.
Wörter, die ihr verwendet, und Wörter, die ihr vermeidet, mit Beispielen.
Aussagen, die ihr nie macht, und die Fakten, die ihr nennen könnt.
Formatregeln: Überschriften, Ausrufezeichen, Länge.

Halt ihn kurz und konkret. „Wir schreiben wie eine hilfsbereite Expertin, nicht wie eine Werbeanzeige“ hilft einer KI mehr als drei Absätze über Markenwerte.

Produktfakten gehören in einen zweiten Skill. Dann lässt sich ein Launch-Post daran prüfen, was das Produkt wirklich kann, und wenn sich das Produkt ändert, aktualisierst du die Fakten einmal.

Bring sie in jedes Tool

Die Markenstimme hilft nur, wenn sie da ist, wenn jemand schreibt. Mit sqemes:

Die Browser-Erweiterung wendet den Skill in ChatGPT, Claude und Gemini an, direkt neben dem Eingabefeld.
sqemes Chat nutzt ihn mit jedem KI-Anbieter, den du verbindest.
Tools, die MCP unterstützen, können ihn selbst laden, wenn eine Aufgabe danach verlangt.

Ergänze Prompts für die Arbeit, die sich wiederholt, etwa den Newsletter oder das Kampagnenbriefing. Der Prompt enthält die Aufgabe, der Skill die Stimme.

Dateien in eurem Look

Text ist nur die Hälfte. Bitte sqemes Chat um einen Onepager, ein Word-Dokument oder Folien, und die Datei entsteht im Dokumentstil deines Workspace: mit deinen Farben, deiner Schrift, deinem Logo, deiner Kopf- und Fußzeile. Ein Skill kann auch einen anderen Look beschreiben, zum Beispiel für eine Untermarke.

Behalt die Kontrolle

Eine Markenstimme, die jeder bearbeiten kann, ist bald keine Markenstimme mehr. Leg fest, wer den Skill bearbeiten darf, und lass ihn für alle lesbar. Ist die Freigabe eingeschaltet, wartet eine Änderung, bis jemand sie freigibt, und das Team arbeitet so lange mit der freigegebenen Version weiter. Jede gespeicherte Änderung ist eine Version, die du wiederherstellen kannst.

Eine einfache erste Woche

Schreib den Skill für die Markenstimme aus deinen Richtlinien, höchstens eine Seite lang.
Leg die Produktfakten als zweiten Skill an.
Bitte zwei Kolleginnen oder Kollegen, beide eine Woche lang in ihrem gewohnten Tool zu nutzen.
Sammle, was die KI noch falsch macht, und ergänze es im Skill.

Sieh dir an, was sqemes für Marketingteams tut oder erfahr, wie Skills funktionieren.

KI-Personas: Rollen, die zur richtigen Zeit das richtige Wissen laden

2026-11-12T00:00:00.000Z

Sobald ein Team mehr als eine Handvoll Skills und Prompts hat, stellt sich eine neue Frage: Welcher passt zu dieser Aufgabe? Die Leute sollten sich das nicht merken müssen. Die KI sollte es wissen. Genau dafür gibt es Personas.

Was eine Persona ist

Eine Persona sagt, wer die KI sein soll: eine Arbeitsrolle wie Tech Lead, Account Executive oder Support Specialist. Dazu gehören zwei Teile:

Eine Beschreibung der Rolle in einfachen Worten, wie eine kurze Stellenbeschreibung.
Eine Liste von Playbooks, jedes mit einer Bedingung, wann es geladen wird. „Lade den Positionierungs-Skill, wenn du einen Account recherchierst. Nutze den Angebots-Prompt, wenn ein Angebot gebraucht wird.“

Eine Persona ist keine weitere Art von Playbook. Eine Persona kopiert die Skills und Prompts nicht, die sie nutzt, sondern verlinkt auf sie. Aktualisierst du einen Skill einmal, arbeitet jede Persona, die ihn nutzt, mit der neuen Version.

Wie eine Persona entscheidet

Eine Persona lädt jeweils ein Playbook, und nur dann, wenn seine Bedingung zutrifft. Bittest du sie, einen Interessenten zu recherchieren, lädt sie eure Positionierung. Bittest du nach einem Gespräch um ein Follow-up, kommt der Follow-up-Prompt dazu. Für eine kurze Produktfrage reichen vielleicht schon die Produktfakten.

Braucht eine Aufgabe etwas, das keines ihrer Playbooks abdeckt, kann die KI in deiner Bibliothek nach einem passenden Playbook suchen und es innerhalb der Rolle nutzen.

Die Bedingungen sind als Fließtext geschrieben, und das KI-Tool übernimmt die Zuordnung. Nichts läuft im Hintergrund, und nach der Antwort passiert kein versteckter Schritt.

Wo Personas arbeiten

In sqemes Chat wählst du eine Persona für ein Gespräch, und sie bleibt die Rolle für den ganzen Chat. Oder du lässt die Auswahl auf Automatic, dann wählt die KI eine passende Persona, wenn eine zutrifft.
Über MCP können Tools wie Claude Code, Cursor und Codex eine Persona finden und laden, während sie arbeiten.
Die Browser-Erweiterung arbeitet mit Skills und Prompts. Personas gibt es in sqemes Chat und in MCP-Tools.

Eine Persona kann auch die Dienste nennen, mit denen die Rolle arbeitet, etwa Notion oder Linear. Wählst du die Persona in sqemes Chat, holt das die eigene Verbindung jeder Person in den Chat und zeigt an, wenn eine fehlt.

Personas, mit denen Teams starten

Die meisten Teams beginnen mit einer Persona pro Rolle, die jeden Tag mit KI arbeitet:

Social Media Manager: die Markenstimme für jeden Post, das Kampagnenbriefing, wenn ein Launch ansteht.
Account Executive: die Positionierung für die Account-Recherche, der Angebots-Prompt für Follow-ups.
Tech Lead: die Coding-Konventionen, während Code geschrieben wird, die Review-Checkliste für Pull Requests.
Support Specialist: Antworten aus dem Produktwissen-Skill, der Eskalations-Prompt, wenn ein Fall einen Menschen braucht.

Deine erste Persona schreiben

Beschreib die Rolle in drei oder vier Sätzen. Füg dann die zwei oder drei Playbooks hinzu, die die Rolle am häufigsten nutzt, und gib jedem eine klare Bedingung. Teste die Persona mit echten Aufgaben und prüf, welche Playbooks sie lädt: sqemes Chat zeigt sie unter jeder Antwort an. Schärf die Bedingungen dort nach, wo sie das falsche Playbook wählt.

Mehr über Personas erfahren oder lesen, was Skills sind.

KI-Wissen in einem Unternehmen mit 250 Leuten einführen

2026-11-12T00:00:00.000Z

In einem Unternehmen mit 250 Leuten beginnt die KI-Nutzung meist überall gleichzeitig. Das Marketing hat seine Prompts, der Vertrieb ein geteiltes Dokument, das Engineering Regeldateien in ein paar Repositories, und der Rest des Unternehmens fragt, wer sich auszukennen scheint. Niemand hat das geplant, und niemand weiß, welche Version die richtige ist.

Um Ordnung hineinzubringen, braucht es kein großes Programm. Es braucht eine Bibliothek, ein paar klare Regeln und für jedes Stück jemanden, der dafür verantwortlich ist.

Schritt 1: Mit einem Team und einem Skill starten

Wähl das Team, das KI schon am meisten nutzt, und das Wissen, das es am häufigsten wiederholt. Im Marketing ist das meist die Markenstimme, im Support das Produktwissen. Schreib es als Skill auf, verbinde die Tools, die das Team schon nutzt, und lass es zwei Wochen damit arbeiten.

Beim ersten Schritt geht es nicht um Vollständigkeit. Es geht darum zu zeigen, dass ein gut gepflegter Skill die Antworten verändert, die Leute bekommen.

Schritt 2: Festlegen, wem was gehört

Jeder Skill braucht eine verantwortliche Person, die ihn aktuell hält. Der Brand Lead verantwortet die Markenstimme, das Produktmanagement die Produktfakten, das Plattformteam die Coding-Konventionen. Zuständigkeit ist keine Funktion im Tool, sondern eine Entscheidung, die ihr aufschreibt.

In sqemes legst du getrennt fest, wer ein Playbook sehen und wer es bearbeiten darf. Die meisten Skills können für alle sichtbar und von wenigen bearbeitbar sein. Manche, etwa Preisantworten oder ein Einstellungsplan, sollten nur die Leute sehen, die sie brauchen.

Schritt 3: Die Standards einmal setzen

Statt über jedes Playbook von Hand zu entscheiden, setzt du Standards im Workspace dafür, wie neue Playbooks starten: wer sie sehen und wer sie bearbeiten kann. Nutze die drei Rollen so, wie sie gedacht sind: Mitglieder nutzen Playbooks, Editoren schreiben sie, Admins setzen die Regeln.

Willst du ein zweites Paar Augen, schalte die Freigabe ein. Neue Playbooks bleiben dann bei der Person, die sie angelegt hat, bis sie freigegeben sind, und eine Änderung an einem geteilten Playbook wird zum Vorschlag. Das Team arbeitet mit der freigegebenen Version weiter, bis die Änderung freigegeben ist.

Schritt 4: Personas für die Rollen ergänzen

Sobald zwei oder drei Teams ihre Skills haben, ergänze Personas für die Rollen, die jeden Tag mit KI arbeiten. Eine Persona weiß, welchen Skill oder Prompt sie für welche Aufgabe laden soll, also müssen die Leute nicht selbst wählen. Ab hier fühlt sich die Bibliothek wie ein Teil der Arbeit an und nicht wie ein weiteres Tool.

Schritt 5: Aktuell halten

Wissen veraltet unbemerkt. Drei Gewohnheiten helfen:

An einem Ort aktualisieren. Wenn sich etwas ändert, änderst du den Skill, nicht die Chats.
Schauen, was genutzt wird. Die Nutzungsstatistik zeigt, welche Playbooks in welchem Kanal genutzt werden, nie wer sie genutzt hat. Ein Skill, den niemand nutzt, wird entweder nicht gebraucht oder nicht gefunden.
Versionen nutzen. Jede gespeicherte Änderung bleibt erhalten, also ist eine misslungene Bearbeitung nur eine Wiederherstellung entfernt.

Was du bei Daten bedenken solltest

Vor einer Einführung werden die Leute fragen, wohin die Inhalte gehen. Halte klare Antworten bereit: wo die Bibliothek gehostet wird (bei sqemes in der EU), ob Inhalte zum Training von Modellen verwendet werden (nein) und ob ihr eigene Keys eurer KI-Anbieter nutzen könnt (ja). Braucht ein Team alles auf den eigenen Servern, lässt sich sqemes selbst hosten.

Sieh dir an, wie Governance funktioniert oder was sqemes für Teamleads tut.

BYOK: Was der eigene Key für KI-Kosten und Datenkontrolle bedeutet

2026-11-12T00:00:00.000Z

BYOK steht für „bring your own key“, also: Bring deinen eigenen Key mit. Statt einem KI-Tool die Modellnutzung zu bezahlen, die es für dich einkauft, verbindest du den API-Key eines Anbieters, mit dem du schon einen Vertrag hast. Die Anfragen laufen dann über dein Konto bei diesem Anbieter.

Das klingt nach einem technischen Detail. Für ein Unternehmen ändert es drei Dinge: Kosten, Auswahl und Kontrolle.

Kosten: Nutzung über den eigenen Vertrag

Mit deinem eigenen Key rechnet der Anbieter die Modellnutzung ab, zu den Preisen aus deinem Vertrag mit ihm. In sqemes wird der eigene Key eines Workspace vor allen enthaltenen Credits genutzt, es gibt keinen Aufschlag darauf, und die Nutzung mit deinem eigenen Key ist nicht durch deinen Plan begrenzt.

So werden die Kosten leichter sichtbar. Die KI-Nutzung taucht dort auf, wo deine übrige KI-Nutzung schon auftaucht, nämlich auf der Rechnung des Anbieters, statt in einem Preis pro Platz zu verschwinden.

Auswahl: die Modelle, die du willst

Ein Key entscheidet auch darüber, welche Modelle du nutzen kannst. Verbinde Keys für die Anbieter, denen du vertraust, und wähl für jede Aufgabe das passende Modell. Mit einem OpenRouter-Key bietet sqemes Chat genau die Modelle an, die dein Workspace hinzugefügt hat.

Verschiedene Teams können für verschiedene Arbeit verschiedene Modelle nutzen, während das Wissen, mit dem sie arbeiten, dasselbe bleibt. Den Skills und Personas ist egal, welches Modell sie liest.

Kontrolle: wessen Bedingungen gelten

Geht eine Anfrage mit deinem Key an einen Anbieter, gilt dein Vertrag mit diesem Anbieter. Für viele Unternehmen ist genau das der Punkt: Die KI-Nutzung fällt unter eine Vereinbarung, die ihre Rechtsabteilung schon geprüft hat.

Unabhängig vom Key bleiben in sqemes ein paar Dinge gleich: Die Bibliothek wird in der EU gehostet, deine Inhalte werden nie zum Training eines Modells verwendet, und deine Keys werden verschlüsselt gespeichert.

Wann die enthaltenen Credits reichen

Nicht jedes Team braucht vom ersten Tag an einen eigenen Key. Jeder Plan von sqemes enthält ein monatliches Kontingent an AI-Credits für das Schreiben von Playbooks, den Setup Wizard und sqemes Chat. Ein Credit entspricht 1.000 Tokens, und das Kontingent wird jeden Monat zurückgesetzt.

Ein sinnvoller Weg für viele Teams:

Starte mit den enthaltenen Credits, während du deine ersten Skills aufbaust.
Verbinde deinen eigenen Key, sobald die Nutzung wächst oder ein Team ein bestimmtes Modell möchte.
Behalte die Credits als Rückfalloption für Personen oder Aufgaben ohne Key.

Self-Hosting

Betreibst du sqemes auf deinen eigenen Servern, sind eigene Keys der einzige Weg: Die selbst gehostete Version hat keine Pläne und keine Credits. Für deine eigene interne Nutzung ist sie unter der Sustainable Use License kostenlos.

Preise ansehen und was jeder Plan enthält oder mehr über sqemes Chat erfahren.