Es ist kurz vor neun, im Zoom-Chat trudeln die ersten Grüße ein, und noch bevor die erste Folie steht, gibt Raphael unserem Desktop Agent eine kleine Aufgabe: Begrüße alle, die schon im Chat geschrieben haben, mit Vornamen direkt auf unserer Website. Sekunden später liest auf der Live-Seite jeder seinen eigenen Namen, dazu die Zeile, dass hier gerade echte Demos laufen und wer jetzt nicht dabei ist, genau das verpasst. Der Crashkurs hat noch nicht mal richtig angefangen, und schon hat ein Agent unseren Code gelesen, die Startseite umgebaut und live geschaltet.
Über 170 Menschen sind an diesem Vormittag dabei, aus Hamburg, Köln, München, dem Ruhrpott, aus Wien, Zürich, Tirol, Linz, und sogar aus Dubai und Sesimbra in Portugal. Rund 44 Prozent haben in der Eingangsumfrage angegeben, schon mal von Desktop Agents gehört, aber noch nie selbst eines ausprobiert zu haben. Genau für diese Mischung ist der AI Crashkurs gebaut: kein Hype, kein trockenes Tutorial, sondern eine Live-Demo, die zeigt, was sich gerade an der Art zu arbeiten verschiebt.
Diese Ausgabe vom 24. Juni 2026 dreht sich um eine einzige große Idee: agentisch arbeiten. Nicht mehr zwischen zwanzig Tools springen, sondern einem Agenten ein Ziel geben und ihn losziehen lassen. Was das konkret bedeutet, haben wir nicht erklärt, sondern live gebaut: aus einem spontanen Interview ein komplettes Angebot, eine ROI-Kalkulation, ein Pitch-Deck, einen Projekteintrag und am Ende sogar ein Social-Video. Wir nehmen dich mit durch den Vormittag, inklusive der unbequemen Fragen aus dem Chat.
Was bedeutet agentisch arbeiten?
Agentisch arbeiten heißt, einem Desktop Agent ein Ziel zu geben und ihm den Weg dorthin selbst zu überlassen. Ein Desktop Agent ist eine Anwendung, die nicht nur auf Fragen antwortet, sondern eigenständig mehrstufige Aufgaben auf deinem Computer erledigt: Er liest und schreibt Dateien, steuert Programme wie Excel oder PowerPoint, recherchiert im Browser und bindet externe Dienste an. Du sagst, was am Ende herauskommen soll, der Agent sucht sich den Rest.
Raphael führt das mit einem Bild ein, das im Chat sofort sitzt: dem Trüffelschwein. Du gibst dem Agenten eine Aufgabe, und er läuft mit seinen eigenen Werkzeugen los, um den Trüffel zu finden. Mal nimmt er eine Abzweigung, merkt, dass es nicht klappt, läuft zurück und probiert einen anderen Weg. Diese Selbstständigkeit ist neu. Mit den jüngsten Modellen von Anthropic, sagt Raphael, sei das Trüffelschwein so gut geworden, dass es den Trüffel fast immer findet, solange ihm physisch nichts im Weg steht, also kein fehlendes Recht und kein gesperrter Zugang.
Davor lautete die Antwort auf jede Aufgabe dreieinhalb Jahre lang: noch ein Tool. Eins für Werbetexte, eins für E-Mails, eins für Logos, eins für Social Media, eins fürs Schneiden, eins für Voice-Cloning. Selbst wir als AI-Trainer kommen da nicht mehr hinterher. Agentisch arbeiten dreht diese Logik um: Statt zwischen neunzehn Oberflächen zu springen, steuerst du die Fähigkeiten aus einem Ort heraus. Wenn du tiefer in die Abgrenzung einsteigen willst, haben wir das in unserem Artikel zu Desktop Agents und Claude Cowork ausführlich beschrieben.
Wer beim Crashkurs dabei war
Auf der Bühne stehen drei Leute aus dem Team: Raphael als Gründer und Host, Jenny in der Moderation und Liam an den Live-Demos. Der eigentliche Clou ist, dass wir zu dritt im selben Workspace arbeiten. Raphael gibt die Aufträge, Jenny und Liam setzen sie parallel an ihren Agenten um und legen die Ergebnisse in denselben Ordner. Genau diesen Team-Flow wollten wir zeigen, nicht eine einsame Person vor einem Chatfenster.
Aus dem Panel der angemeldeten Teilnehmenden holen wir uns Carsten für ein kurzes Live-Interview. Carsten ist Senior Consultant für Business Development bei einem Systemhaus mit 25 Mitarbeitenden, das aus dem Druckerbereich kommt und jetzt sein IT-Geschäft ausbaut. Spannend dabei: Carsten ist selbst schon Power-User. Er macht fast alles mit AI, Präsentationen, Konzepte, Verträge, und baut mit einem Kollegen interaktive HTML-Präsentationen. Raphael sagt deshalb radikal offen, dass dieses Unternehmen eigentlich keine klassische externe Hilfe braucht. Und genau das macht den Fall interessant.
Was wir live gezeigt haben
Aus dem Interview-Transkript ist in gut einer Stunde, parallel und nebenbei, ein vollständiges Kundenpaket entstanden. Niemand hat dafür gewartet, dass der vorige Schritt fertig ist. Während wir weiter Fragen aus dem Chat beantworten, laufen im Hintergrund mehrere Agenten gleichzeitig. Das ist die neue Art zu arbeiten: mehrere Tabs offen, und du springst immer zu dem, der gerade fertig ist.
Die ROI-Kalkulation zeigt, warum solche Demos im Chat für Bewegung sorgen. Der Agent hat eigene, bewusst nachvollziehbare Annahmen getroffen, wie viel Arbeit das AI Competence Center den Mitarbeitenden über sechs Monate abnimmt, und daraus den Punkt berechnet, ab dem sich das Angebot trägt:
| Szenario | Break-even | Return über 3 Jahre |
|---|---|---|
| Konservativ | rund 8 Monate | klar positiv |
| Realistisch | rund 6 Monate | mehrere Hundert Prozent |
| Optimistisch | rund 4 Monate | deutlich darüber |
Wichtig zur Einordnung, und das haben wir auch im Chat gesagt: Das sind modellierte Annahmen aus einer Live-Demo, keine geprüfte Wirtschaftlichkeitsrechnung. Der echte Business Case enthält Skill-Aufbau, Lizenzen und Schulungen und ist genau deshalb für jedes Unternehmen individuell.
Skills, MCPs und der Workspace
Damit agentisch arbeiten funktioniert, brauchst du nur drei Begriffe. Skills sind Anleitungen, die dem Agenten erklären, wie er eine wiederkehrende Aufgabe in deinem Stil löst. Es gibt allgemeine Skills, etwa wie man sauber eine Präsentation baut, und Prozess-Skills, die dein internes Wissen tragen, zum Beispiel unseren Brand-Guideline-Skill mit allen Design-Infos zur Marke. Stell dir den bestausgebildeten Berater vor: Er kennt jede Excel-Formel, aber nichts über dich. Deine Prozesse muss er erst lernen, und genau das stecken Skills ihm zu.
MCP-Server, auch Konnektoren genannt, sind die Schnittstellen zu externen Tools wie Slack, Notion, Google Drive oder dem Browser. Es gibt sie als Cloud-Variante, aber auch lokal, bis hin zu Kuriositäten wie iMessage oder rein lokal laufenden Programmen ohne Internetzugang. Genau über diese Konnektoren hat der Agent live in Slack gepostet und die Notion-Seite angelegt.
Der Workspace ist schlicht ein Ordner, in dem der Agent arbeitet, ablegt und nachschlägt. Bei uns liegt er inzwischen in einem geteilten Code-Repository statt in einer dauernd synchronisierenden Cloud, weil wir so besser steuern, wann welche Änderung bei den anderen ankommt. Hochladen heißt dabei push, herunterladen pull. Das Schöne: Der Agent findet sich in diesem Ordner selbstständig zurecht. Du wählst einmal den Überordner aus, den Rest, also Unterordner und passende Datei, sucht er allein.
Die ehrlichen Learnings
Radikale Offenheit ist einer unserer Werte, also gehört auch das hierher: Ein Teil des Chats fand diese Ausgabe zu fortgeschritten. „Ich checke hier gar nichts", schreibt eine Teilnehmerin, andere wünschen sich mehr Einsteiger-Framing, einen roteren Faden und vor allem die Basics, wie genau man startet. Diese Stimmen haben recht, und wir nehmen sie ernst. Die ehrlichste Antwort darauf ist die, die Raphael im Call gegeben hat: Das tiefe Verständnis kommt nicht durchs Zuschauen, sondern durchs Tun. Lade dir ein Tool herunter und probiere die erste Aufgabe an deinen eigenen, unkritischen Dateien aus.
Das zweite große Thema war Datenschutz, völlig zu Recht. Nein, in der Standard-Variante läuft so ein Agent nicht lokal, die Daten gehen über die Server des Anbieters. Du hast aber mehrere Hebel: Wenn deine Organisation ohnehin in der Cloud arbeitet, kannst du die zugrunde liegenden Modelle über europäische Server betreiben, etwa via Amazon Bedrock, inklusive Zero Data Retention. Du kannst pro Ordner Lese- und Schreibrechte vergeben, es muss nicht jeder alles dürfen. Und du kannst das Ganze sogar komplett offline fahren, mit einem lokalen Modell über Ollama. Das Trüffelschwein läuft eben nur dort, wo du es lässt.
Datenschutz bei Desktop Agents ist damit eine Setup-Frage, keine Folie. Welche Daten in welche Umgebung gehen, lässt sich in neunzig Minuten nicht seriös klären, das gehört in einen sauberen Rollout. Wie man so etwas grundsätzlich angeht, beschreiben wir in unserem Artikel zu Claude Cowork im Tool-Stack.
Fazit: Hol dir deine eigene Meinung
Ein Crashkurs ist kein Abschluss, sondern der Moment, in dem du dir selbst eine Meinung bildest, ob das hier wirklich etwas verändert. Am 24. Juni war diese Antwort schon nach dem ersten Auftrag da: aus einem spontanen Interview parallel ein Angebot, eine ROI-Kalkulation, ein Pitch-Deck, ein Projekteintrag und ein Video. Nicht weil ein PDF schön ist, sondern weil sich die Art zu arbeiten ändert. Der wichtigste Schritt ist dabei der kleinste: heute den ersten eigenen Desktop Agent installieren und eine einzige Aufgabe damit lösen.
Der nächste AI Crashkurs läuft bald wieder, jedes Mal ein bisschen anders, weil wir selbst dazulernen. Er ist kostenlos, dauert rund zwei Stunden, und du erlebst die Live-Demo, statt sie dir erklären zu lassen. Sichere dir deinen Platz im nächsten AI Crashkurs und bilde dir deine eigene Meinung, am besten live im Chat.
Mehr in unserer KI-Tool-Übersicht
Die vollständige AITI-Tool-Übersicht zeigt alle Tools, die wir aktuell empfehlen, mit Bewertung, Use-Case-Logik und Lernpfad. Zur Vertiefung: Desktop-Agents.
Hinweis zu den O-Tönen: Sämtliche Zitate stammen aus dem Live-Chat des AI Crashkurs vom 24. Juni 2026. Die Teilnehmenden wurden zu Beginn der Session darauf hingewiesen, dass Chat-Beiträge zur Content-Erstellung verwendet werden. Aus Datenschutzgründen verwenden wir ausschließlich Vornamen, und der Name des im Interview vorgestellten Unternehmens wurde bewusst anonymisiert.
