Mein erster KI-Mitarbeiter: So habe ich ihn gebaut

Heute Morgen bin ich aufgestanden, hab mir einen Iced Matcha Latte gemacht, mich auf den Balkon in Larnaka gesetzt — und dann meinem KI-Assistenten über Telegram geschrieben: "Überarbeite meine komplette Website. Design, Blog, SEO. Alles."

Eine Stunde später: 24 Dateien geändert, 15 Tasks erledigt, alles deployt. Kein Freelancer, kein Team-Meeting, kein Slack-Channel. Nur ich, mein Matcha und ein KI-System, das im Hintergrund arbeitet wie eine kleine Agentur.

Klingt übertrieben? Ist es nicht. Und ich erzähle dir jetzt genau, wie ich dahin gekommen bin.

Die Ausgangslage: Solo-Entrepreneur mit zu vielen Baustellen

Kurzer Kontext: Ich bin Enrico, lebe in Larnaka, Zypern und baue seit Jahren Software-Produkte. Mit Hundeo haben wir über eine Million Downloads erreicht. Ich baue profitable Produkte, optimiere Ads, schreibe Code, mache Content — und irgendwann merkst du: Du bist das Bottleneck.

Das kennt jeder Solo-Entrepreneur. Du hast 47 Tabs offen, drei Projekte parallel, eine Liste mit "müsste ich mal machen"-Tasks die seit Wochen wächst. Du kommst nicht hinterher. Nicht weil du faul bist, sondern weil ein Mensch nun mal nicht gleichzeitig coden, Content schreiben und Ad-Performance analysieren kann.

Die klassischen Lösungen?

• Freelancer: Gut, aber teuer. Brauchen Einarbeitung. Und wenn du was Schnelles brauchst, ist der gerade im Urlaub.
• VAs: Können bestimmte Sachen übernehmen, aber für technische Tasks? Vergiss es.
• Ein Team aufbauen: Klar, irgendwann. Aber für bestimmte Projekte oversized und der Overhead an Kommunikation frisst die Hälfte der gewonnenen Zeit wieder auf.

Ich wollte etwas anderes. Etwas, das sofort verfügbar ist, technisch mitdenken kann und — das ist der Punkt — eigenständig arbeitet, ohne dass ich jeden Schritt micro-managen muss.

Der Auslöser: ChatGPT reicht nicht

Lass mich kurz ehrlich sein: ChatGPT, Claude, Gemini — die Web-Interfaces sind nice. Für eine schnelle Frage, einen Text umformulieren, ein Code-Snippet. Aber als Arbeits-Tool für einen Entrepreneur? Zu passiv.

Du musst ständig copy-pasten, Kontext erklären, die Antwort nehmen und manuell umsetzen. Das ist wie ein Mitarbeiter, dem du jeden Handgriff einzeln sagen musst, der aber sofort alles vergisst, sobald du den Browser-Tab schließt.

Was ich brauchte:

• Einen Assistenten, der meine Projekte kennt — nicht nur für die aktuelle Session, sondern dauerhaft
• Der eigenständig plant — nicht nur Antworten gibt, sondern Tasks aufbricht und abarbeitet
• Der echten Code schreibt — nicht Snippets in einem Chat-Fenster, sondern direkt in meinen Repositories
• Der über Telegram erreichbar ist — weil ich nicht immer am Laptop sitze

Und genau das hab ich mir gebaut.

Der Tech-Stack: Drei Schichten, ein System

Mein Setup besteht im Kern aus drei Ebenen. Ich halte das bewusst high-level — nicht weil es ein Geheimnis wäre, sondern weil die konkreten Config-Details niemanden weiterbringen und die Architektur das Interessante ist.

Schicht 1: Der Orchestrator ("Klaus")

Das Herzstück ist OpenClaw, ein KI-Orchestrator der auf meinem eigenen VPS läuft. Ich nenne ihn Klaus. Ja, mein KI-Assistent hat einen Namen. Deal with it.

Klaus ist im Prinzip mein Senior-Mitarbeiter. Er kennt meine Projekte, meine Prioritäten, meinen Arbeitsstil. Er hat Zugriff auf strukturierte Memory-Files, die er selbst pflegt — tägliche Notizen, Projekt-Kontext, Learnings.

Das Wichtigste: Klaus plant. Wenn ich ihm sage "überarbeite die Website", dann macht er nicht einfach irgendwas. Er analysiert den aktuellen Stand, bricht die Aufgabe in konkrete Tasks auf, priorisiert und delegiert. Wie ein Projektmanager, nur ohne Ego und ohne Meeting-Overhead.

Erreichbar ist das Ganze über Telegram. Ich schreibe Klaus eine Nachricht, er antwortet, fragt nach wenn was unklar ist, und legt los. Vom Handy, vom Laptop, aus dem Café — egal.

Schicht 2: Die Coding-Agents

Hier wird's spannend. Klaus selbst codet nicht (oder nur selten). Er delegiert an spezialisierte Coding-Agents:

Der Clou: Die Agents arbeiten parallel. Während Claude Code an einem Feature arbeitet, kann Codex gleichzeitig einen Bug fixen und Gemini den nächsten Task vorbereiten. Das ist der Multiplier, den ein einzelner Freelancer nie liefern kann.

Und weil jeder Agent seine Stärken hat, spart das auch Kosten. Nicht jede Aufgabe braucht das teuerste Modell.

Schicht 3: Das Gedächtnis

Der unterschätzteste Teil des ganzen Setups. Persistenz.

Klaus hat ein strukturiertes Dateisystem mit Memory-Files. Projekt-Kontext, vergangene Entscheidungen, meine Präferenzen, was funktioniert hat und was nicht. Wenn er morgen aufwacht, weiß er noch, was gestern passiert ist. Er weiß, dass meine Website mit Next.js und Tailwind gebaut ist. Er weiß, dass ich Deutsch und Englisch als Sprachen unterstütze. Er weiß, dass ich lieber pragmatische Lösungen mag als over-engineerte.

Das ist der Game-Changer gegenüber normalen KI-Tools: Kein Kalt-Start. Kein "Lass mich dir nochmal erklären, worum es geht." Klaus kennt den Kontext — und der wird mit jedem Tag besser.

Der erste echte Test: Website-Relaunch an einem Morgen

Heute war der große Tag. Das Setup lief technisch schon eine Weile, aber heute Morgen war der erste richtige Praxistest: Meine persönliche Website komplett überarbeiten.

Das Briefing an Klaus war simpel:

"Meine Website braucht ein Update. Das Design ist veraltet, der Blog braucht bessere Posts, die SEO muss optimiert werden. Mach einen Plan und setz ihn um."

Was dann passiert ist:

1. Klaus hat einen Plan erstellt. Innerhalb von Minuten hatte er die Aufgabe in 15 konkrete Tasks aufgebrochen: Design-Updates, neue Blog-Posts, SEO-Meta-Tags, Performance-Optimierungen, Dark-Mode-Verbesserungen.

2. Die Agents haben parallel gearbeitet. Claude Code hat sich um das Design und die Komponenten gekümmert. Codex hat kleinere Fixes und SEO-Tasks übernommen. Alles gleichzeitig.

3. Ergebnisse kamen im Minutentakt. Über Telegram bekam ich Updates: "Task erledigt", "Pull Request erstellt", "Hier ist eine Frage zu X". Ich konnte vom Handy aus reviewen und Feedback geben.

4. Nach unter einer Stunde: Done. 24 Dateien geändert. Neues Design, bessere Blog-Posts, optimierte Meta-Tags, Dark Mode mit localStorage-Persistenz. Alles committed und deployt.

Klar, ich hätte das auch selbst machen können. Aber es hätte einen ganzen Tag gedauert, nicht eine Stunde. Und ich hätte nicht gleichzeitig meinen Freddo Cappuccino auf dem Balkon trinken können.

Wie der Workflow im Alltag aussieht

Damit du dir das besser vorstellen kannst, hier ein typischer Ablauf:

Morgens: Ich checke Telegram und sehe, ob Klaus über Nacht irgendwas gemacht hat (Monitoring, Reports etc.). Dann gebe ich ihm die Prioritäten für den Tag.

Ich: "Hey Klaus, heute bitte:
1. Blog-Post über mein KI-Setup schreiben
2. Die Performance der Landing Page checken
3. Den Bug im Contact-Form fixen"

Klaus plant: Er schaut sich die Tasks an, schätzt den Aufwand ein, und schlägt eine Reihenfolge vor. Manchmal fragt er nach: "Soll der Blog-Post technisch oder eher storytelling-mäßig sein?"

Delegation: Klaus verteilt die Tasks. Der Blog-Post geht an Claude Code (braucht guten Kontext und Sprachgefühl), die Performance-Analyse an Gemini (Research-lastig), der Bug-Fix an Codex (schneller Fix).

Ich reviewe: Über den Tag bekomme ich Updates. Ich checke die Ergebnisse, gebe Feedback ("Der Ton ist zu formell, mach's lockerer"), und Klaus passt an.

Abends: Klaus schreibt sich seine Notizen: Was wurde erledigt, was ist offen, was hat er gelernt. Morgen kann er nahtlos weitermachen.

Was konkret damit möglich ist

Um das Ganze greifbarer zu machen — hier sind echte Use-Cases die ich damit umsetze:

Code & Development

• Website-Features entwickeln, Bugs fixen, Tests schreiben
• Neue Seiten und Blog-Posts anlegen (wie diesen hier)
• Code-Reviews und Refactoring
• Dependency-Updates und Security-Patches

Content & Marketing

• Blog-Posts vorbereiten und formatieren
• SEO-Optimierungen (Meta-Tags, Strukturierte Daten, Ladezeiten)
• Ad-Copy Varianten generieren
• Content in mehrere Sprachen übersetzen

Monitoring & Analyse

• Ad-Performance tracken und Anomalien melden
• Website-Performance überwachen
• Markt-Research zu bestimmten Themen

Proaktive Aufgaben

• Erinnerungen an Deadlines und offene Tasks
• Verbesserungsvorschläge für bestehende Projekte
• Tägliche Zusammenfassungen

Die ehrlichen Learnings

Ich will hier keinen "Alles ist perfekt"-Blogpost schreiben. Das Setup ist mächtig, aber es gibt Dinge die ich gelernt habe:

1. Context-Qualität ist alles

Ein KI-Agent ist nur so gut wie sein Kontext. Die ersten Versuche waren frustrierend — Klaus hat Sachen gemacht die technisch korrekt waren, aber nicht zu meinem Stil gepasst haben. Die Lösung: Bessere Memory-Files. Je genauer du beschreibst, wie du arbeitest, welche Konventionen du nutzt, was du magst und was nicht, desto besser werden die Ergebnisse.

Das ist wie einen neuen Mitarbeiter einarbeiten. Am Anfang musst du mehr erklären, aber mit der Zeit "versteht" er dich immer besser.

2. Delegation ist eine Skill

Klingt banal, ist es nicht. Die Qualität deiner Ergebnisse hängt direkt davon ab, wie gut du Aufgaben formulierst. "Mach die Website besser" bringt nichts. "Überarbeite das Design der Startseite, nutze den bestehenden Brand-Style, optimiere die Ladezeit und füge Dark Mode hinzu" — das liefert Ergebnisse.

Das Gleiche gilt übrigens für menschliche Mitarbeiter. KI zwingt dich nur, es explizit zu machen.

3. Vertrauen aufbauen — schrittweise

Am Anfang wollte ich jeden Output reviewen. Jede Code-Änderung einzeln durchgehen. Das ist wichtig — am Anfang. Aber mit der Zeit lernst du, welche Tasks du mit Vertrauen delegieren kannst und wo du genau hinschauen musst.

Simpler Bug-Fix? Kann der Agent alleine. Neues Feature das die Architektur betrifft? Da schau ich drüber.

4. Es ist Tag 1 — und das ist okay

Mein Setup ist heute zum ersten Mal richtig im Einsatz gewesen. Es funktioniert, die Ergebnisse sind beeindruckend, aber es wird besser. Jeden Tag. Jeder Task macht das System schlauer, jedes Feedback verbessert den Kontext.

In einem Monat wird dieses Setup Sachen können, die ich mir heute noch nicht vorstellen kann. Und genau das macht es so spannend.

Security & Downsides: Die andere Seite der Medaille

Ich will ehrlich mit dir sein: Ein KI-Agent der eigenständig auf deinem System arbeitet, Code schreibt und Aktionen ausführt — das ist nicht ohne Risiko. Wer dir erzählt, das sei alles harmlos, lügt oder hat es nicht verstanden.

Ein Agent mit Systemzugriff kann theoretisch auch Schaden anrichten. Er könnte falsche E-Mails verschicken, Code deployen der die Seite crasht, oder im schlimmsten Fall Zugang zu Dingen bekommen, die er nicht haben sollte. Das sind reale Risiken, und ich nehme sie ernst.

Hier ist, wie ich damit umgehe:

Isolation: Der Agent läuft nicht auf meinem Rechner

Klaus läuft auf einem eigenen, isolierten VPS. Das ist der wichtigste Punkt. Wenn irgendetwas schiefgeht — ein Fehler im Agent, ein kompromittiertes Tool, ein halluzinierter Befehl — dann betrifft das eine isolierte Umgebung, nicht meinen Hauptrechner mit persönlichen Daten, Passwörtern und Accounts.

Kein Zugriff auf sensible Accounts

Der Agent hat keinen Zugriff auf Bankkonten, Kreditkarten, persönliche E-Mail-Accounts oder Social-Media-Logins. Null. Er arbeitet ausschließlich in der Entwicklungsumgebung: Code-Repositories, Deployment-Pipelines, Content-Management. Alles, was mit Geld oder persönlicher Identität zu tun hat, bleibt außerhalb seiner Reichweite.

Klare Berechtigungsregeln

Nicht jede Aktion ist gleich. Ich habe klare Regeln definiert, was der Agent alleine darf und was nur nach Rückfrage:

• Selbstständig: Code schreiben, Tests laufen lassen, lokale Änderungen committen, Research machen
• Nur nach Rückfrage: Deployment auf Production, externe Kommunikation (E-Mails, Posts), alles was Kosten verursacht
• Nie: Zugriff auf persönliche Accounts, Änderungen an der Server-Infrastruktur, Aktionen die nicht rückgängig gemacht werden können

Security Audit beim Start

Bevor Klaus zum ersten Mal produktiv gelaufen ist, habe ich ein Security Audit gemacht. Welche Berechtigungen hat er wirklich? Welche Ports sind offen? Welche APIs kann er erreichen? Das klingt nach Aufwand, aber es ist ein Nachmittag Arbeit der dir sehr viel Schlaf spart.

Externe Aktionen nur nach Freigabe

Alles was nach außen geht — eine E-Mail senden, einen Social-Media-Post veröffentlichen, ein Package deployen — passiert nur nach expliziter Freigabe durch mich. Klaus schlägt vor, ich bestätige. Punkt.

Ist das Setup damit 100% sicher? Nein, natürlich nicht. Kein System ist 100% sicher. Aber die Risiken sind kalkuliert, die Grenzen sind klar, und die möglichen Schäden sind begrenzt. Das ist der Unterschied zwischen "KI blind vertrauen" und "KI bewusst einsetzen".

Für wen ist das was?

Ehrliche Einschätzung:

Wenn du Solo-Entrepreneur bist, ein kleines Team hast oder einfach als Entwickler produktiver werden willst — dann ist das ein Setup das sich lohnt. Es fühlt sich an wie eine Superkraft. Nicht weil die KI magisch ist, sondern weil du plötzlich parallel arbeiten kannst.

Was kommt als nächstes?

Das hier ist erst der Anfang. Ein paar Dinge die ich als nächstes umsetzen will:

• Mehr Agents integrieren — spezialisierte Agents für Design, Copywriting, Datenanalyse
• Bessere Autonomie — Klaus soll bestimmte Routine-Tasks komplett selbstständig erledigen, ohne dass ich sie triggern muss
• Cross-Projekt-Wissen — Learnings aus einem Projekt sollen automatisch in andere einfließen
• Reporting — tägliche und wöchentliche Zusammenfassungen, was erledigt wurde und was als nächstes ansteht

Ich werde diesen Post regelmäßig aktualisieren, wenn sich mein Setup weiterentwickelt. Wenn dich das Thema interessiert, folge mir auf Social Media — ich teile regelmäßig, was ich lerne, was funktioniert und was nicht.

Und wenn du Fragen hast: Schreib mir. Ich bin kein Guru der dir einen Kurs verkaufen will. Ich bin ein Nerd der ein cooles Setup gebaut hat und gerne darüber redet.

Dieser Post wurde übrigens mit genau diesem Setup geschrieben. Ich hab Klaus das Briefing gegeben, Claude Code hat den Code geschrieben, und ich hab den Inhalt beigesteuert. Meta, oder?