Ich habe meine KI-Prompts automatisiert – So habe ich Stunden gewonnen

Einverstanden, Freunde, Ryan Cooper hier, euer Workflow-Enthusiast aus der Nachbarschaft von agntwork.com. Heute werden wir etwas erkunden, das mir schon seit einiger Zeit im Kopf herumgeht, etwas, das uns verspricht, wertvolle Stunden und mentale Bandbreite zurückzugeben: die erstaunlich einfache Kunst, eure AI-Anfragen zu automatisieren.

Ich weiß, ich weiß, der Ausdruck „AI-Anfragen automatisieren“ mag ein wenig meta klingen, ein bisschen so, als würde man einem Roboter beibringen, sich selbst zu trainieren. Aber hört mir zu. Im großen Schema der Dinge verbringen wir alle viel Zeit damit, die perfekte Anfrage zu formulieren. Wir justieren, wir verfeinern, wir kopieren, wir fügen ein. Und wenn ihr wie ich seid, dann macht ihr das *häufig*.

Es war vor etwa sechs Monaten, nach meinem dritten Kaffee am Morgen und während ich ins Leere auf ein Dokument starrte, das für einen Kunden zusammengefasst werden sollte, als es mich traf. Wahrscheinlich hatte ich „Fasse das folgende Dokument zusammen, hebe die wichtigsten Handlungs Punkte und potenziellen Risiken hervor, in weniger als 500 Wörtern“ in dieser Woche fast hundert Mal eingegeben. Meine Finger waren müde, mein Gehirn war müde, und ehrlich gesagt, ich war gelangweilt. In diesem Moment wurde mir klar, dass die repetitive Natur des Formulierens meiner Anfragen an sich ein Problem des Workflows war. Und wenn ich eines über Workflows gelernt habe, dann ist es, dass Wiederholung der Feind der Produktivität und der beste Freund der Automatisierung ist.

Heute sprechen wir nicht nur über KI. Wir sprechen über den *Meta-Workflow* der Interaktion mit KI. Genauer gesagt darüber, wie man aufhört, ein Anfragen-Affe zu sein und stattdessen ein Anfragen-Orchestrator wird. Wir werden ein System aufbauen, das eure häufigsten KI-Interaktionen nimmt und sie in Wunder mit einem Klick verwandelt. Und ja, wir werden das tun, ohne wie ein Risikokapitalgeber auszusehen, der seine neueste „revolutionäre Lösung“ präsentiert.

Das Problem: Anfragenmüdigkeit und Kontextwechsel

Seien wir ehrlich, die Verwendung von KI-Tools wie ChatGPT, Claude oder sogar spezialisierteren APIs ist zu einem Grundpfeiler unserer täglichen Arbeit geworden. Von der Verfassung von E-Mails über die Generierung von Ideen für Inhalte, von der Synthese von Forschungen bis zur Fehlersuche in Codeausschnitten – KI ist überall. Aber mit großer Macht kommt große… Wiederholung.

Denkt an eure typische Interaktion:

• Das KI-Tool öffnen.
• Eine Standard-Einleitung tippen (zum Beispiel: „Agieren Sie als Senior Marketing-Strategist…“).
• Euren spezifischen Input einfügen (den E-Mail-Entwurf, den Artikel, die Daten).
• Eure spezifische Anfrage hinzufügen (zum Beispiel: „… und schreibe das um, um es prägnanter und ansprechender für ein Publikum der Generation Z zu machen.“).
• Auf Eingabetaste drücken.
• Die Ausgabe kopieren.
• Woanders einfügen.

Dieser Zyklus, obwohl effizient, ist von Mikro-Reibungspunkten durchsetzt. Jedes Mal, wenn ihr diese Einleitung tippt, verliert ihr ein paar Sekunden. Jedes Mal, wenn ihr kopiert und einfügt, riskiert ihr einen Fehler. Jedes Mal, wenn ihr zwischen eurem Dokument und dem KI-Tool wechselt, wechselt ihr den Kontext, was, wie Studien gezeigt haben, eure Produktivität erheblich beeinträchtigt. Meine persönliche Erfahrung stimmt damit überein: Ich finde, dass mein Gehirn nach ein paar Stunden dieses Hin und Her wie Rühreier aussieht.

Mein Ziel und das, was ich euch heute helfen möchte zu erreichen, ist es, diese Reibungspunkte zu beseitigen. Wir werden Mini-Automatisierungen erstellen, die eure gewohnten Anfragen vorverpacken, dynamische Eingaben ermöglichen und sogar in einigen Fällen die Ausgabe für euch übernehmen. Kein Programmierwissen erforderlich, sondern einfach eine intelligente Nutzung der vorhandenen Tools.

Lösung 1: Tastenkombinationen und Textexpander – Eure erste Verteidigungslinie

Das ist wahrscheinlich der einfachste und unmittelbarste Gewinn, den ihr erzielen könnt. Wenn ihr 2026 keinen Textexpander verwendet, lasst ihr Zeit liegen. Tools wie TextExpander, Alfred Snippets (macOS) oder sogar die grundlegenden Textersetzungen des Betriebssystems können euch Stunden sparen.

So verwende ich es:

Ich habe eine gängige Anfrage, die ich benutze, um Besprechungsnotizen zusammenzufassen. Sie sieht so aus:

"Als Exekutivassistent analysiere das folgende Transkript einer Besprechung. Identifiziere die wichtigsten Entscheidungen, die getroffen wurden, die zugehörigen Handlungs Elemente (einschließlich wer verantwortlich ist und bis wann) und alle offenen Fragen oder Themen für zukünftige Diskussionen. Präsentiere dies in Form einer Aufzählung, gefolgt von einem prägnanten zusammenfassenden Absatz.
[TRANSKRIPT DER BESPRECHUNG HIER EINFÜGEN]"

Das jedes Mal eintippen? Nein danke. Ich habe ihm eine einfache Abkürzung zugewiesen: `;mnsum`. So tippe ich, wenn ich Notizen brauche, einfach `;mnsum`, und voilà, die gesamte Anfrage erscheint. Alles, was ich tun muss, ist das Transkript einzufügen.

Praktisches Beispiel: Textersetzung auf macOS

Wenn ihr einen Mac habt, könnt ihr das nativ so machen:

1. Geht zu Systemeinstellungen -> Tastatur -> Textersetzungen.
2. Klickt auf die Taste ‘+’.
3. Im Feld „Ersetzen“ gebt eure Abkürzung ein (zum Beispiel `;rewrite`).
4. Im Feld „Durch“ fügt eure vollständige AI-Anfrage ein (zum Beispiel: „Sie sind ein professioneller Texter. Schreiben Sie den folgenden Text um, um Klarheit, Kürze und Engagement zu verbessern. Konzentrieren Sie sich auf einen positiven und ermutigenden Ton. Achten Sie auf korrekte Grammatik und Zeichensetzung.
   [TEXT HIER EINFÜGEN]“).
5. Klickt auf „OK“.

Von nun an, wo immer ihr `;rewrite` tippt, wird es zu eurer vollständigen Anfrage erweitert. Es funktioniert in eurem Browser, eurem Texteditor, überall. Es ist eine kleine Veränderung, aber die kumulative Wirkung ist erheblich. Ich habe etwa 20 für verschiedene Aufgaben – das Erstellen von Social-Media-Beiträgen, das Generieren von Code-Kommentaren, sogar einfach die KI zu fragen, um Titel für Blogartikel zu finden.

Lösung 2: Optimierung mit benutzerdefinierten GPTs und AI-Assistenten

Okay, hier wird es ein wenig raffinierter, aber immer noch gut im „No-Code“-Bereich. Wenn ihr ein ChatGPT Plus-Abonnent seid, sind die benutzerdefinierten GPTs hier euer bester Freund. Sie verpacken im Grunde eine Persönlichkeit und ein Set an Anweisungen, sodass ihr sie nicht jedes Mal eintippen müsst.

Ich habe einen benutzerdefinierten GPT speziell zum Erstellen von LinkedIn-Beiträgen erstellt. Früher war meine Anfrage sowas wie:

"Sie sind ein B2B-Content-Marketing-Experte. Verfassen Sie einen prägnanten und ansprechenden LinkedIn-Beitrag basierend auf den folgenden Schlüsselpunkten. Fügen Sie relevante Emojis hinzu, wenn es angemessen ist, und schlagen Sie 2-3 relevante Hashtags vor. Der Ton sollte professionell, aber zugänglich sein.
[SCHLÜSSEL PUNKTE HIER EINFÜGEN]"

Jetzt hat mein benutzerdefinierter GPT, den ich „LinkedIn-Beitrags-Ersteller“ genannt habe, all dies bereits in seinen Anweisungen. Wenn ich ihn öffne, muss ich nur meine Schlüsselpunkte einfügen, und er weiß genau, was zu tun ist. Es ist wie ein dedizierter AI-Assistent für spezifische Aufgaben.

So erstellt ihr einen benutzerdefinierten GPT (schnelle Schritte):

1. Geht zu chat.openai.com, klickt auf „Erforschen“ (oben links) und dann auf „Benutzerdefinierten GPT erstellen.“
2. Im Tab „Erstellen“ sagt ihr dem GPT-Bauer, was ihr von eurem GPT erwartet. Zum Beispiel: „Ich möchte einen GPT, der mir hilft, professionelle E-Mails zu schreiben. Er sollte meine Hauptpunkte und den Empfänger nehmen und dann eine höfliche, klare und prägnante E-Mail generieren. Er sollte mich immer fragen, den Ton zu bestätigen, bevor er abschließt.“
3. Der Erbauer wird euch dann Klärungsfragen stellen. Hier gebt ihr eure spezifischen Anweisungen, den Ton und das gewünschte Ausgabeformat ein.
4. Sobald ihr zufrieden seid, geht zum Tab „Konfigurieren“. Hier könnt ihr seine Anweisungen direkt verfeinern, Dateien (Wissensdatenbank) hochladen und „Fähigkeiten“ (Web-Navigation, DALL-E, Code-Interpreter) hinzufügen.
5. Gebt ihm einen Namen und eine Beschreibung.
6. Bestimmt seine Privatsphäre (öffentlich, nicht gelistet oder privat).
7. Speichert ihn!

Von nun an, anstatt eure lange Einleitung einzugeben, wählt ihr einfach euren GPT „LinkedIn-Beitrags-Ersteller“, fügt euren Inhalt ein und drückt die Eingabetaste. Es ist ein riesiger Zeitgewinn und gewährleistet die Konsistenz eurer AI-Ausgabe.

Lösung 3: Automatisierungstools für mehrstufige Workflows nutzen

Hier machen wir einen Schritt weiter. Was passiert, wenn ihr einen Artikel nehmen, ihn zusammenfassen und dann Handlungs Elemente extrahieren müsst, um anschließend eine E-Mail basierend auf diesen Handlungs Elementen zu schreiben? Das ist ein mehrstufiger Workflow, der teilweise mit Tools wie Zapier, Make (ehemals Integromat) oder sogar den Apple-Shortcuts automatisiert werden kann.

Mein Lieblingsbeispiel dafür ist die Automatisierung der Synthese meiner Artikel und die Extraktion der wichtigsten Punkte. Ich lese oft lange Artikel für meine Recherchen und benötige schnelle Punkte für meine Notizen. Kopieren, Einfügen, Neustarten und dann manuelles Kopieren ist mühsam.

Praktisches Beispiel: Automatisierung von Artikelzusammenfassungen mit Make.com und einer AI-API

Das mag etwas komplizierter erscheinen, aber ich verspreche Ihnen, es ist hauptsächlich Drag-and-Drop. Dafür benötigen Sie einen API-Schlüssel für einen AI-Dienst (wie die OpenAI-API, die oft kostengünstiger für die Automatisierung ist als Webschnittstellen für ein hohes Volumen). Ich benutze Make.com dafür.

1. Trigger: Ich beginne mit einem einfachen Google Sheet. Wenn ich eine neue Artikel-URL in eine spezifische Spalte hinzufüge, dient dies als Trigger.
2. Inhalt extrahieren: Ich verwende ein “HTTP Request”-Modul in Make, um den Inhalt dieser URL abzurufen. Oft verwende ich einen Dienst wie Diffbot oder Newspaper3k (wenn ich es lokal mit Python mache), um den Artikel zu bereinigen und nur den Haupttext zu extrahieren. Für Make können Sie ein “Get a page content”-Modul einer seiner Integrationen nutzen oder mit Regex analysieren, wenn Sie sich abenteuerlustig fühlen.
3. IA fragen: Das ist das Herzstück des Prozesses. Ich sende den extrahierten Text an die OpenAI-API (indem ich das “OpenAI”-Modul in Make verwende). Meine Anfrage sieht etwa so aus:

   
   "Fassen Sie den folgenden Artikel in 3 bis 5 wichtigen Punkten zusammen. Identifizieren Sie anschließend alle potenziellen Handlungsdetails oder strategisch relevanten Perspektiven für einen technischen Blogger.
   Artikel:
   {{text_from_article}}"
   

   Ich füge dynamisch das `{{text_from_article}}` aus dem vorherigen Schritt ein.

4. Ausgabe verarbeiten: Die IA gibt die Zusammenfassung zurück. Ich verwende dann ein anderes Modul, um diese Zusammenfassung zu analysieren (zum Beispiel einen “Text Parser”, um spezifische Punkte oder Abschnitte zu extrahieren).
5. Ausgabe speichern: Schließlich aktualisiere ich eine andere Spalte in meinem Google Sheet mit der generierten Zusammenfassung und den wichtigsten Punkten. Ich kann mir auch eine Slack-Benachrichtigung mit der Zusammenfassung senden.

Dieser Prozess läuft im Hintergrund ab. Ich lege einfach eine URL in ein Spreadsheet, und einige Minuten später habe ich eine prägnante Zusammenfassung und Handlungsweisungen, die auf mich warten. Das ist ein bedeutender Wandel für die Recherche und die Inhaltspflege. Die Erstkonfiguration dauert etwa eine Stunde, aber wahrscheinlich spare ich mir 30 Minuten pro Artikel, der auf diese Weise bearbeitet wird.

Sie können dieselbe Logik auf viele andere Szenarien anwenden: Automatisch Social Media-Beiträge aus neuen Blogartikeln generieren, Feedback-E-Mails von Kunden zusammenfassen oder sogar Support-Tickets basierend auf einer IA-Analyse sortieren.

Umsetzbare Informationen: Ihr Spielbuch zur Automatisierung von IA-Anfragen

Okay, wir haben über Theorie gesprochen, wir haben über Beispiele gesprochen. Jetzt kommen wir zu den wichtigen Dingen. Wie können Sie *Ihre* IA-Anfragen heute automatisieren?

1. Überprüfen Sie Ihre Anfragen: Verbringen Sie eine Woche damit, bewusst jede Anfrage, die Sie verwenden, zu notieren. Welche sind wiederholt? Welche tippen Sie fast Wort für Wort mehrmals am Tag? Das sind Ihre Hauptkandidaten für die Automatisierung.
2. Einfach beginnen mit Text-Extras: Für Ihre häufigsten, leicht wiederholbaren Anfragen lassen Sie Tastenkombinationen oder Text-Erweiterungsausschnitte einrichten. Das ist die einfachste Frucht und wird Ihnen sofortige Gewinne bringen. Streben Sie an, in Ihrer ersten Woche 5 bis 10 dieser Ausschnitte zu haben.
3. Personalisieren mit benutzerdefinierten GPTs (oder ähnlichem): Wenn Sie ChatGPT Plus verwenden, identifizieren Sie die Aufgaben, bei denen Sie der IA regelmäßig ein bestimmtes Persona oder eine Reihe von Anweisungen geben (z. B. “Treten Sie als Marketingexperte auf”, “Generieren Sie Code-Feedback für Python”). Erstellen Sie für jeden diese benutzerdefinierte GPT. Das vereinfacht Ihre Interaktion erheblich.
4. Automatisierung ohne Code für mehrstufige Workflows erkunden: Für Aufgaben, die das Abrufen von Daten, deren Verarbeitung mit IA und dann das Ausführen weiterer Aktionen mit der Ausgabe (wie das Aktualisieren eines Sheets, das Senden einer E-Mail oder das Posten in sozialen Medien) umfassen, suchen Sie nach Tools wie Zapier oder Make. Beginnen Sie mit einer einfachen Automatisierung aus zwei oder drei Schritten. Versuchen Sie nicht, Ihr ganzes Leben am ersten Tag zu automatisieren.
5. Vergessen Sie nicht die Vorlagen: Manchmal ist die einfachste Lösung ein gut organisiertes Set von Anfragevorlagen in einem Dokument oder einer Notizanwendung. Auch wenn das nicht im eigentlichen Sinne “Automatisierung” ist, verringert das Vorhandensein reduzierten mentalen Aufwand für das vollständige Erstellen.
6. Iterieren und verfeinern: Ihre erste automatisierte Anfrage wird vielleicht nicht perfekt sein. Das ist in Ordnung! Achten Sie auf die Ausgabe. Passen Sie Ihre Ausschnitte an, verfeinern Sie die Anweisungen Ihres benutzerdefinierten GPTs und justieren Sie Ihre Make-Szenarien. Automatisierung ist ein Prozess kontinuierlicher Verbesserung.

Das Ziel hier ist nicht, menschliches Denken zu eliminieren – ganz im Gegenteil. Es geht darum, Ihre mentale Energie von den banalen und wiederholbaren Aufgaben der Interaktion mit der IA zu befreien, damit Sie sich auf strategisches, hochrangiges Denken konzentrieren können, das IA (noch) nicht reproduzieren kann. Hören Sie auf, ein Kopierer von Anfragen zu sein, und beginnen Sie, ein Architekt von Anfragen zu sein. Ihr Gehirn und Ihr Zeitplan werden es Ihnen danken.

Bis zum nächsten Mal, bleiben Sie dabei, diese intelligenten Workflows zu erstellen!

Verwandte Artikel

• Beste KI-Produktivitätstools für 2025
• Wie ich meine Terminplanung automatisiert habe
• Beste Alternativen zu DSPy im Jahr 2026 (Getestet)

🕒 Published: March 30, 2026