- Der CEO eines 7-köpfigen AI-SaaS-Startups schildert seine Praxiserfahrung beim Aufbau eines 5-köpfigen KI-Marketing-Teams aus CMO, Content-Autor, Social-Media-Verantwortlichem, HN-Manager und Performance-Analyst mithilfe der experimentellen Agent-Teams-Funktion von Claude Code
- Er schrieb keine einzige Zeile Code selbst; das gesamte Agentensystem lief ausschließlich mit 15–20 Markdown-Dateien und Claude Code
- Auf einem Mac Mini M1 wurde es per cron stündlich automatisch ausgeführt und erledigte Blog-Erstellung, SNS-Verbreitung, HN-Aktivitäten und Performance-Analyse autonom ohne menschliches Eingreifen
- In der ersten Woche wurden drei Blogbeiträge automatisch veröffentlicht, und über Social Media kamen tatsächlich eingehende DMs und LinkedIn-Kontaktanfragen zustande. Jemand, der nicht mit ihm selbst, sondern mit einem KI-Agenten gesprochen hatte, schickte eine Kontaktanfrage
Hintergrund: Die realen Einschränkungen eines Startups
- Ein junges Startup mit $500K ARR, bei dem sich der neu eingestiegene Growth-Verantwortliche auf Outbound Sales konzentrieren musste
- Direkt nach dem Launch einer neuen Funktion entstand eine Marketing-Lücke. Der CEO übernahm das Marketing selbst und entschied sich statt der bisherigen Arbeitsweise für den Aufbau eines KI-Marketing-Teams
- Der erste Prototyp brauchte zwei Stunden, der erste vollständige Loop zwei Tage und bis zum vollständig autonomen Betrieb etwa eine Woche
Kerndesign: Nicht als Prompt, sondern wie eine Stellenausschreibung denken
- Der Ansatz für Agenten war nicht „Prompt“, sondern „Mitarbeiter einstellen“. Aufgabenbereich, Styleguide, Unternehmensdokumente, Tool-Berechtigungen und Zeitplan wurden in Markdown definiert
- Jeder Agent ist als eine einzelne Markdown-Datei unter
.claude/agents/ definiert. Sie besteht aus YAML-Frontmatter (Name, Modell, Memory) und einem System-Prompt (Arbeitsabläufe, Regeln)
- In
.claude/rules/ gespeicherte teamweite Richtlinien wie CMS-Schema, UTM-Regeln oder Richtlinien zur Bilderzeugung werden automatisch von allen Agenten übernommen
CLAUDE.md fungiert als Team-Charta. Es teilt Struktur der Agenten, Sicherheitsregeln und Ordnerstruktur mit dem gesamten Team
Architektur für autonomen Betrieb
- Der CMO-Agent erstellt jeden Sonntag die Wochenstrategie und verteilt Aufgaben in 3-Stunden-Zeitfenstern
- Wenn
cron Claude Code stündlich im Headless-Modus (-dangerously-skip-permissions) startet, spawnt der CMO spezialisierte Agenten parallel als Subprozesse (unter Nutzung von Claudes experimenteller Agent-Team-Funktion)
- Formen der Zusammenarbeit zwischen den Agenten
- Task-System:
TaskCreate / TaskUpdate
- Dateisystem: gemeinsamer CSV-Tracker
- SendMessage: Berichte an den CMO
- Jeder Agent hält in
.claude/agent-memory/ ein persistentes Memory, sodass sich Strategien, Ergebnisse und Muster über Sitzungen hinweg als „Organisationswissen“ ansammeln
Tool-Integration
- MCP-Server: Sanity CMS (Beiträge erstellen und veröffentlichen), X/Twitter (Tweets und Suche), Slack (Benachrichtigungen), Ahrefs (SEO-Analyse und Keywords)
- Custom Script: Reddit OAuth2, HN headless, Gemini-Bilderzeugung, Sanity-CDN-Upload. Alle Skripte wurden von Claude geschrieben
- Im Slack-Kanal #team-ai-marketing wurden alle Aktivitäten wie in einem Team-Stand-up gemeldet, einschließlich Tagesplan, veröffentlichter Beiträge, Fehler und Performance-Zusammenfassung
Feedback-Loop
- Social-Media-Verantwortlicher → CSV-Log → Performance-Analyst → Tagesreport → CMO → Strategie-Update → Content-Erstellung → Verbreitung → Wiederholung
- Wenn der Performance-Analyst
marketing-insights.md automatisch aktualisiert, lesen andere Agenten dies vor der nächsten Aufgabe, sodass Erkenntnisse innerhalb eines Tages im gesamten Team verbreitet werden
- Die Steuerung durch den CEO erfolgte über natürliche Sprache in Claude Code. Beispiel: „Sorge dafür, dass der Social-Verantwortliche keinen em dash verwendet“ → automatische Markdown-Anpassung → ab der nächsten Session berücksichtigt
Erkenntnisse
- Das Wichtigste ist nicht der Code, sondern der Aufbau eines Feedback-Loops – entscheidend ist, das System die Folgen seines Handelns selbst lernen zu lassen
- Regeln akkumulieren sich mit Zinseszinseffekt. Eine einmal hinzugefügte Regel verbessert das Verhalten aller Agenten dauerhaft
- Das 3-Stunden-Zeitfenster-System ist zentral. Ohne dieses tun die Agenten entweder zu viel oder zu wenig
- Im dritten Teil der Serie soll betrachtet werden, ob dies eine neue Arbeitsweise ist oder letztlich etwas, das einen selbst in Schwierigkeiten bringen könnte
Noch keine Kommentare.