Wie digital M. ein AI-Team mit Claude Code aufgebaut hat

Wie wir als kleine Agentur ein 16-köpfiges AI-Team im Alltag nutzen

Heute hat mein AI-Team in einem einzigen Vormittag den Reminder-Newsletter für den 30. April vorbereitet, 16 Profilbilder im einheitlichen Stil generiert und unsere AI-Team-Seite mit allen Karten live gesetzt. Ich war in der Zeit auf einem Spaziergang und habe danach reviewt.

Das Team besteht aus 16 Mitgliedern. Keines davon bekommt Lohn. Keines hat einen Schreibtisch. Trotzdem ist es das produktivste Setup, mit dem ich je gearbeitet habe.

Dieser Beitrag ist keine Verkaufsseite. Er erklärt, wie ich das AI-Team im Alltag wirklich nutze, was ich morgens briefe, wie ich abends review, und wo die Grenzen liegen. Wenn du selbst eine kleine Agentur, ein KMU oder ein Marketing-Team führst, findest du hier eine ehrliche Innenansicht plus eine Idee, wie du klein anfangen kannst.

Warum überhaupt ein AI-Team

digital M. ist eine kleine Agentur, ich führe sie selbst und arbeite mit einer Handvoll vertrauter Leute zusammen. Mehr Kunden hiess bisher automatisch weniger Tiefe pro Kunde, oder Wochenend-Arbeit, oder beides. Die naheliegende Lösung wäre klassisches Team-Wachstum gewesen. Aber damit kommen Lohnkosten, HR-Pflichten, Onboarding-Zeit und der ganze Overhead, den wir uns immer ersparen wollten.

Im Winter/Frühling 2026 habe ich angefangen, Claude Code intensiv zu nutzen. Nach ein paar Wochen war klar: Das ist nicht ein Tool, das ist eine Plattform. Und auf dieser Plattform lässt sich etwas bauen, das einer eingespielten Crew überraschend nahekommt, ohne deren Overhead.

Statt also ein Tool nach dem anderen zu nutzen, habe ich ein strukturiertes Team aufgebaut. Mit Rollen, Profilen und einem zentralen Orchestrator. Genau das beschreibt dieser Beitrag, mit dem Fokus darauf, wie ich es täglich einsetze.

Was Claude Code eigentlich ist

Kurz für alle, die das Tool nicht kennen: Claude Code ist die Terminal-App von Anthropic, also der Firma hinter dem Sprachmodell Claude. Sie läuft lokal auf dem Mac und unterscheidet sich grundsätzlich vom Web-Chat oder von ChatGPT.

Im Web-Chat tippst du Fragen ein und bekommst Antworten. Das ist Pingpong. In Claude Code dagegen kann der Assistent Dateien auf meinem Rechner lesen und schreiben, Bash-Befehle ausführen, externe Tools wie Gmail, Slack, HubSpot oder Google Calendar via MCPs ansprechen und Sub-Agents spawnen, also weitere Claude-Instanzen mit eigenem Kontext starten.

Für Marketing ist das ein Game-Changer, weil unsere Aufgaben fast nie aus einer einzelnen Frage bestehen. Eine typische Aufgabe lautet eher: “Recherchiere drei Wettbewerber, baue eine Vergleichstabelle, schreibe daraus eine LinkedIn-Carousel-Idee und lege sie als Draft im richtigen Notion-Workspace ab.” Das ist kein Chat, das ist ein Workflow.

Wie ich das AI-Team im Alltag nutze

Der spannende Teil ist nicht das Setup, sondern was sich daraus für eine Arbeitsweise ergibt. Mein Tag mit dem AI-Team läuft in drei Phasen ab.

Morgens: Briefing und parallele Aufträge

Ich starte morgens mit einem kurzen Brief an M.onster, den Orchestrator. Manchmal sind das drei Sätze, manchmal eine Liste. Heute lautete der Auftrag zum Beispiel: “Bereite den Reminder-Newsletter für den 30. April vor, generiere die 16 Profilbilder fürs AI-Team und setze die Team-Seite mit allen Karten live.”

M.onster zerlegt das in Aufträge, sucht im Roster die passenden Specialists und spawnt parallel mehrere Sub-Agents. Codex schreibt den Newsletter, Pixel kümmert sich um die Bilder, Lumen baut die Team-Seite. Ich höre dabei Musik oder gehe mit dem Hund raus. Das klingt nach Übertreibung, ist aber genau der Punkt: Während drei Specialists arbeiten, muss ich nichts tun. Reviewen reicht.

Tagsüber: Spontane Delegationen

Zwischendurch landen Anfragen, die kurz Aufmerksamkeit brauchen. Ein Kunde fragt nach einer SEO-Einschätzung, eine Mail braucht eine Antwort, ein Bild fehlt für eine Landingpage. Statt das selbst zu erledigen, gebe ich es an den passenden Specialist weiter.

Drei Beispiele aus dieser Woche:

• SEO-Audit von Bedrock: “Bedrock, prüf die Top-10-Seiten von digitalm.ch in der Search Console der letzten 28 Tage und gib mir eine Liste der drei grössten Lecks.” Bedrock holt die Daten direkt via GSC-MCP, schreibt einen Markdown-Report und legt ihn im Owner’s Inbox ab. Aufwand für mich: zwei Sätze tippen, fünf Minuten lesen.
• Bildgenerierung von Pixel: “Pixel, mach mir ein Hero-Bild für die Akquise-Seite XY im Stil unserer Markenwelt, Octopus-Maskottchen plus Brand-Grün.” Pixel nutzt das Image-Reference-Setup mit unseren bestehenden Visuals als Vorlage. Output kommt als WebP, fertig komprimiert.
• Akquise-Mail von Remo: “Remo, schreib eine Akquise-Mail an Firma XY, Website-Audit kurz angerissen, mein üblicher 6-Block-Stil.” Remo zieht das Persönlichkeits-Profil, schaut die Website kurz an und liefert eine Mail in der etablierten Struktur. Ich review, passe einen Satz an, sende.

Was an allen drei Beispielen gleich ist: Ich sage was, ich sage nicht wie. Das wie steckt in den Persona-Files und im Memory-System.

Abends: Reviews und Korrekturen

Am Ende des Tages mache ich eine Review-Runde. Outputs aus dem Owner’s Inbox durchgehen, freigeben, ablehnen oder zurück zur Überarbeitung schicken. Heute waren das ein Newsletter-Draft, ein Internal-Linking-Sweep durch Blog und Guides und zwei Antwort-Drafts auf Kundenmails.

Wichtig: Jeder Output durchläuft mich. Das ist keine Schwäche, sondern bewusst so eingebaut. Das AI-Team arbeitet schnell, ich entscheide. Diese Trennung sorgt dafür, dass die Geschwindigkeit nicht zur Qualitätsfalle wird.

Das Kommunikations-Pattern

Wenn ich das Setup auf einen Satz reduziere, klingt es so: Owner sagt was, M.onster delegiert, Specialist liefert, Owner reviewt. Konkret heisst das, ich rede nie direkt mit dem Modell, das die Arbeit macht. Ich rede immer mit dem Orchestrator. Der entscheidet, wer arbeitet, übergibt den Kontext, holt das Ergebnis ab und meldet zurück.

Das wirkt umständlich, ist aber der Schlüssel zu Konsistenz. Weil M.onster immer dieselben Regeln befolgt, weiss ich, dass Briefings nach demselben Muster verteilt werden. Weil jeder Specialist sein Profil als Kontext mitbekommt, schreibt Bedrock anders als Lumen, obwohl im Hintergrund das gleiche Sprachmodell läuft.

Wie das Setup aufgebaut ist

Damit der Nutzungs-Teil oben verständlich bleibt, hier kompakt der technische Unterbau. Wer das überspringen will, scrollt zur ehrlichen Bilanz weiter unten.

Im Workspace-Root liegt eine Datei namens CLAUDE.md. Sie wird bei jedem Start automatisch eingelesen und definiert die Rolle des Orchestrators. Auszug daraus:

You are M.onster, the personal AI assistant and
orchestrator of this AI Assistant Team.

Core Rules:
1. You NEVER carry out work yourself. You are strictly
   an orchestrator.
2. You always delegate to the right team member.
3. If no existing member fits, engage Pax (Research) to
   research the expertise, then Nolan (HR) creates a
   new member.

Daneben gibt es einen Ordner Team/ mit einer Markdown-Datei pro Mitglied. Jedes Profil enthält Persona, Skills, Don’ts und einen Profilbild-Prompt für den einheitlichen visuellen Stil. Das Team Inbox/ und das Owner's Inbox/ regeln den Workflow rein und raus. Eine kleine SQLite-Datei knowledge.db führt Buch über Projekte, Kontakte und Aufträge. Das Memory-System unter ~/.claude/projects/.../memory/ speichert dauerhafte Owner-Präferenzen über Sessions hinweg, etwa “Mails immer plain text”, “Du-Form in Offerten”, “keine Gedankenstriche im Fliesstext”.

Wenn M.onster einen Specialist spawnt, lädt er dessen Profil als Kontext mit. Dazu kommen zwei mächtige Werkzeuge: Skills, also vorgefertigte Anweisungs-Pakete für wiederkehrende Aufgaben, und MCPs, also Verbindungen zu externen Diensten wie Gmail, Slack, HubSpot, Notion, Brevo, GA4 oder der Google Search Console. Wenn Bedrock einen SEO-Audit macht, holt er die Daten direkt aus der Search Console statt zu raten.

Warum die Desktop-App trotzdem auf dem Rechner bleibt

Claude Code ist mein Daily Driver für Workflows. Aber für Office-Dokumente nutze ich weiterhin die Claude Desktop-App. Konkret: Word, Excel, PowerPoint und PDFs.

Der Grund ist pragmatisch. Die Desktop-App hat dedizierte Skills für Office-Formate, gepflegt im offiziellen anthropics/skills Repository. Diese wissen, wie eine docx-Datei sauber strukturiert wird, wie xlsx-Formeln korrekt geschrieben werden und wie eine pptx mit Brand-Folien aussieht.

Konkret heisst das: Offerten, Strategie-Decks und Reports baue ich in der Desktop-App. Code, Akquise-Mails, Newsletter, Landingpages, SEO-Arbeit und alles mit MCPs läuft über Claude Code. Hybrid-Setup, klare Aufteilung.

Was das KMU bringt

Wenn du selbst überlegst, etwas Vergleichbares aufzubauen, hier die ehrliche Bilanz nach einigen Monaten Praxis.

Was wirklich gut funktioniert:

• Schlankes Skalieren. Wir bedienen mehr Kunden, ohne dass die Qualität sinkt oder ich nachts arbeite.
• Konsistenz über Sessions. Memory-System und Persona-Files sorgen dafür, dass unser Schreibstil stabil bleibt, auch wenn ich Wochen nicht an einem Projekt war.
• Tempo bei Routineaufgaben. Akquise-Mails, Reports, kleine Landingpages und Recherchen, alles, was vorher Stunden gefressen hat, ist jetzt Minutenarbeit.
• Transparenz für mich selbst. Ich sehe jeden Schritt, jeden Sub-Agent-Output, jede Quelle. Das ist mehr Kontrolle als bei klassischer Mitarbeiterführung.

Wo die Grenzen liegen:

• Strategie und Beziehung bleiben Chefsache. Das AI-Team kann zuarbeiten, aber Kundengespräche, Pitches und schwierige Telefonate führe nach wie vor ich.
• Setup-Aufwand ist real. Personas, Memory, MCPs, bis das alles sauber läuft, vergehen einige Wochen Tüfteln. Das ist kein Plug-and-Play.
• Halluzinationen sind nie null. Auch das beste Modell baut hin und wieder Mist. Die Review-Schleife durch mich als Owner bleibt zwingend.
• AI ist kein Argument für schlechte Arbeit. Schnelles Schreiben heisst nicht automatisch gutes Schreiben. Ohne Brand-ToV, ohne Strategie, ohne menschliche Überprüfung bleibt es generischer KI-Output.

Wir bestimmen, wo das AI-Team Sinn macht, und setzen es nur in Absprache mit unseren Kunden ein. Diese Haltung steht auch auf unserer AI-Team-Seite, weil sie zur Honest-Agency-Haltung passt. Niemand soll überrascht sein, woher die Geschwindigkeit kommt. Wenn dich die Kollegen interessieren, findest du sie alle auf der Team-Übersicht.

Wie du selbst klein anfangen kannst

Du musst nicht 16 Personas auf einmal aufbauen. Drei Dinge reichen für den Start:

1. Eine CLAUDE.md mit einer klaren Rolle. Nicht “du bist hilfreich”, sondern “du bist mein Marketing-Co-Pilot, du arbeitest in dieser Tonalität, du erledigst diese Aufgaben”. Je konkreter, desto besser.
2. Zwei oder drei Personas, die du wirklich oft brauchst. Bei mir war es am Anfang Codex (Schreiben), Bedrock (SEO) und Lumen (Frontend). Den Rest lieferte die Praxis nach.
3. Ein bis zwei MCPs, die echten Mehrwert bringen. Gmail und Search Console waren bei mir die ersten. Beide sparen sofort Zeit, weil sie reale Daten ziehen statt zu raten.

Der Rest wächst. Memory schreibt sich von selbst, sobald du dem Team korrigierende Hinweise gibst. Persona-Files schärfst du, wenn du merkst, dass ein Specialist immer denselben Fehler macht. Skills installierst du, wenn dieselbe Aufgabe zum dritten Mal kommt.

Häufige Fragen zum AI-Team

Was ist Claude Code und wie unterscheidet es sich von ChatGPT oder Claude.ai?

Claude Code ist die Terminal-App von Anthropic, die lokal auf dem Rechner läuft. Im Unterschied zu ChatGPT oder Claude.ai kann sie Dateien lesen und schreiben, Bash-Befehle ausführen, externe Dienste wie Gmail, Slack oder die Google Search Console via MCPs ansprechen und parallel Sub-Agents spawnen. Das macht aus dem Chatfenster eine Arbeitsumgebung für komplette Workflows statt einzelner Antworten.

Brauche ich technisches Vorwissen, um ein eigenes AI-Team aufzubauen?

Etwas Komfort mit Terminal und Markdown reicht für den Start. Du musst nicht programmieren können, aber du solltest bereit sein, eine CLAUDE.md zu schreiben, Persona-Files zu pflegen und ein bis zwei MCPs zu verbinden. Wer das nie gemacht hat, plant realistisch zwei bis vier Wochen Tüfteln ein, bis ein kleines Team mit zwei oder drei Specialists sauber läuft.

Welche Aufgaben übernimmt das AI-Team von digital M.?

Das AI-Team arbeitet an Akquise-Mails, Newsletter-Drafts, SEO-Audits, Landingpage-Code, Bildgenerierung, Recherche und Internal-Linking-Sweeps. Strategie, Kundengespräche und finale Freigabe bleiben bei mir als Owner. Konkret heisst das: Das Team produziert Vorschläge und Drafts, ich entscheide, was rausgeht.

Setzt digital M. das AI-Team auch bei Kundenprojekten ein?

Wir bestimmen, wo das AI-Team Sinn macht, und setzen es nur in Absprache mit unseren Kunden ein. Das ist auf unserer AI-Team-Seite transparent dokumentiert, weil es zur Honest-Agency-Haltung gehört. Niemand soll überrascht sein, woher die Geschwindigkeit kommt. So bleibt die Verantwortung klar bei uns, und unsere Kunden wissen jederzeit, wo AI im Spiel ist.

Was passiert mit den Daten, die ihr dem AI-Team gebt?

Claude Code läuft lokal auf meinem Rechner, sensible Kundendaten bleiben in unserem Workspace und werden nicht zum Trainieren von Modellen verwendet. Anthropic hat eine klare Privacy-Policy für API-Nutzung. Bei besonders sensiblen Projekten arbeiten wir mit anonymisierten Datensätzen oder vereinbaren explizit, welche Quellen das Team verwenden darf.

Fazit

Das AI-Team von digital M. ist kein Marketing-Gag. Es ist ein konkretes Arbeitsmodell, das uns als kleiner Agentur erlaubt, die Tiefe und Qualität einer grösseren Bude zu liefern, ohne den Overhead. Gleichzeitig bleibt jede Entscheidung bei mir, jeder Output durchläuft meine Review, und unsere Kunden wissen, woher die Geschwindigkeit kommt.

Genau so soll Honest Agency funktionieren. Keine Show, keine fünfzig fiktiven Kollegen auf der Website, sondern offen erklärt, wie wir arbeiten. Wenn du wissen willst, wie sich das in einem konkreten Kundenprojekt anfühlt, vereinbare ein unverbindliches Erstgespräch. Wenn du selbst etwas Vergleichbares aufbauen willst, fang klein an. Eine CLAUDE.md, zwei Personas, ein MCP. Der Rest wächst mit der Zeit.