lyfX as an Agentic Organization

Andre Moreira, Claude AI und ChatGPT

Hinweis: Dies ist ein gemeinsames Dokument; wenn “Ich” erwähnt wird, bedeutet dies “Andre” (der einzige menschliche Mitherausgeber).

Wir (Claude und ich) haben kürzlich eine schnelle interne Bestandsaufnahme aller CLAUDE.md-Dateien von Andre, Chats unter Claude AI und ChatGPT sowie anderer KI-bezogener Arbeiten, die wir durchgeführt haben (z. B. meine persönliche Implementierung von FuzzyClaw für den täglichen Gebrauch), vorgenommen. Nach Besprechung der Ergebnisse haben wir dieses Dokument erstellt, das 3 Zwecken dient:

Wie stark hat sich meine (Andres) alltägliche Arbeit in den letzten 2 Jahren verändert? Über die Anwendungsfälle für Programmierung und Chat hinaus, welchen Einfluss hatten KI-Agenten wirklich auf unsere Arbeitsweise? Als “AI-first”-Unternehmen, wie viel von unserem eigenen “Dogfood” verzehren wir?
Um Klarheit für uns zu schaffen, was eindeutig als produktive KI-agentische Arbeit klassifiziert werden kann.
Begeistern Sie die Menschen in unserem Netzwerk und darüber hinaus mit diesen Erkenntnissen: Vielleicht nutzen Sie bereits KI-Agenten? Oder vielleicht sind einige der hier erwähnten Dinge auch für Sie nützlich?

Das Dokument enthält eine Beschreibung davon, was ist bereits geschieht, nicht was wir Plan zu tun.

Zwei Dinge, die Sie beim Lesen getrennt halten sollten:

Wie wir KI nutzen — das vier verschiedene Modi hat, jeweils mit eigenem Wert und eigenem, passenden Anbieter.
Wofür wir es verwenden – was einer erkennbaren Organigramm von Abteilungen und Rollen entspricht.

1. Vier Arten der Nutzung von KI

Das sind keine Sophistizierungsstufen; sie existieren nebeneinander und wir nutzen alle vier jeden Tag. Das Vermischen dieser Stufen lässt das Bild manchmal chaotisch oder “nicht agentiv” erscheinen.

Modus 1 – KI als Chatbot

Einmalig, gesprächig, vergänglich. Kein dauerhafter Kontext, keine Automatisierung, keine angehängten Werkzeuge (außer Internetsuche, wenn aktualisierter Kontext benötigt wird). Sie bringen eine kleine Arbeitseinheit mit – eine E-Mail zum Überarbeiten, eine Phrase zum Übersetzen, einen Ton zum Abmildern – und das Modell gibt Ihnen eine bessere Version davon zurück.

Der Anbieter spielt nach Stilvorliebe eine Rolle, nicht nach Fähigkeit. Ich benutze ChatGPT oft für die meisten Chatbox-Aufgaben, da der Schreibstil besser passt. Die Werkzeuge sind in dieser Größenordnung austauschbar genug, dass der Geschmack entscheidet.
Kein Gedächtnis benötigt. Die Interaktion beginnt und endet auf einem Bildschirm.
Das Volumen ist hoch; der Aufwand pro Interaktion ist gering. Dies ist der Großteil der alltäglichen KI-Nutzung, obwohl er einen kleinen Anteil der Agentisch Arbeit.

Dieser Modus ist minimal agentisch (das Modell kann selbst entscheiden, zusätzliche Informationen aus Online-Quellen abzurufen, wodurch es agentisch wird).

Modus 2 – KI als zweites Gehirn

Konversationell, aber hoher Kontext, oft eine lange Sitzung. Wird als Denkpartner verwendet: Sparring bei App-Architektur, Fehlersuche bei Logik, Brainstorming für einen Positionierungswechsel, Belastungstest eines Konzepts, Erarbeitung dessen, was in einem Vorschlag fehlt.

Beispiele Architekturdiskussionen für AutoGraph oder FuzzyClaw, Erkundung von Geschäftsmodellen, Ausarbeitung von Förderstrategien, Post-Mortems eines Pitches.
Der Anbieter ist hier wichtiger. Claude für Code-Reasoning und Architektur; GPT für narrative Rahmenbedingungen oder wenn semi-obsessive Detailgenauigkeit zählt; Gemini für Recherchen und Arbeiten, die lange Kontextfenster benötigen. Ich lasse dieselbe Frage routinemäßig von mehr als einem Anbieter bearbeiten.
Wert schnelleres und tieferes Denken als allein, deckt blinde Flecken auf, wird nicht müde, wenn du es wirst. Am nächsten zu “einem nicht wertenden Kollegen, mit dem man laut denken kann”.”

Wie Modus 1 ist dieser Modus aus denselben Gründen minimal agentisch.

Modus 3 – KI als generisches Agent, spezifisch gemacht durch Fähigkeiten

Hier beginnt die agentische Geschichte wirklich, und es ist die wichtigste Veränderung der letzten zwölf Monate.

Claude (insbesondere in Claude Code) ist eine allgemeine Engine. Fähigkeiten sind das, was diesen Motor in einen LyfX-förmigen Kollegen verwandelt. Eine Fähigkeit ist nicht ein Prompt. Ein Fähigkeits-Bundle, in einem Ordner:

Anleitung zur Ausführung: wann und wie gehandelt werden soll
Tooling-Konventionen (welche Werkzeuge verwendet werden, in welcher Reihenfolge, mit welchen Standardeinstellungen)
Beispiele und Few-Shot-Anker aus realen lyfX-Arbeiten
Hilfsskripte, bei denen deterministische Logik schneller ist als Tokens (ein Punkt, den viele Leute übersehen und der die “Superkraft” einer Fähigkeit darstellt)
Ausgabeformate und Hausstil
Organisatorische Standardeinstellungen

Derselbe generische Agent wird zum Spesenabrechner, Der VM-Operator, Der Gutachter für Förderanträge, Der Post-Call-Analyst, Der WordPress-Builder, Der Corporate Design Beauftragter — je nachdem, welche Fähigkeit geladen ist. Jede ist wiederholbar, versionierbar, teilbar und an die tatsächliche Funktionsweise von lyfX angepasst.

Wir haben derzeit ~60 solcher Fähigkeiten, die von übergreifender Infrastruktur (KI-Dev-Workflow, Git-Code-Commit, Code-Hygiene) bis hin zu tiefgreifenden lyfX-spezifischen Themen reichen (lyfX-VM-Checkups, lyfX-Corporate-Design, Astra-WP-Builder, Fireflies-Debriefing, Kundenprojekt-Briefing, Post-Call-Analyse).

Der Punkt ist, dass Fertigkeiten sind, wie wir Geschmack, Voreinstellungen und SOPs in etwas kodieren, das die KI weitertragen kann. Derselbe generische Agent erledigt die Arbeit einer ganzen Abteilung, wiederholbar, weil der Fähigkeiten. Dies ist die billige, organische handlungsfähige Schicht.

Modus 4 — KI als spezialisierter Agent (zweckgebunden)

Produktionsreife Software, bei der KI im Kern liegt und nicht nur unterstützend wirkt. Der Agent hat seine eigene Laufzeitumgebung, seinen eigenen Speicher, seine eigene Benutzeroberfläche, oft auch sein eigenes Nutzererlebnis mit Endnutzern (Kunden oder interne Mitarbeiter).

Zwei Geschmacksrichtungen:

In FuzzyClaw (lyfX eigene Orchestrierungsplattform):

Fuzzy — der Allzeit-Assistent: Schwarzes Brett, Plattformabfragen, Websuche
Shenlong / Wani — Speicher-An / Speicher-Aus Generalist Spezialist mit einer breiten Palette von Werkzeugen, die er nutzen kann (unsere eigene containerisierte Version von OpenClaw)
Marktforscher, Web-Scraper, Karriere-Scraper — speziell angefertigte Scraper/Forscher

Außerhalb von FuzzyClaw, als eigenständige Produkte:

PFD Bench — DXF → Prozessflussbeschreibungen; 3-Agenten-Pipeline (Worker → Prüfer → Generator)
CAPEX-Motor (in Entwicklung) — Blockschaltbild → Ausrüstungsspezifikationen + Kostenschätzungen; Projektor → Agent → Materialisierer Pipeline

Das ist die Produktschicht – was wir verkaufen, was wir liefern, was ohne unsere Überwachung läuft.

Warum das wichtig ist

Es ist wirklich nützlich, bei jeder KI-Interaktion zu fragen: Welcher Modus ist das?

Eine zweiminütige Aufforderung, eine E-Mail umzuschreiben Modus 1. Es verdient weder einen Ordner, noch eine Fähigkeit, noch einen Namen.
Ein 40-minütiger architektonischer Disput mit Claude ist Modus 2. Er verdient auch keinen Ordner, aber der Ausgabe eine Entscheidung, ein design_notes.md) tut.
Eine monatliche Ausgabenverarbeitung von Modus 3. Es verdient eine Fähigkeit und hat eine.
PFD-Bank ist Modus 4. Es verdient alles, was ein Produkt verdient.

Ergebnisse — Inventur agentischer Arbeit (Januar 2025 → Mai 2026)

Datenquellen:

~/.claude/projekte/ (47 Projektordner, ~95 Speicherdateien)
alle CLAUDE.md-Dateien auf Andre's privatem Laptop
~/.claude/skills/ (über 60 Fähigkeiten)
~/Documents/fuzzy-lyfx/ (die Live-Instanz von FuzzyClaw, die wir täglich für persönliche Zwecke nutzen).

Aktivitätsmix (grob, den sechs Abteilungen unten zugeordnet):

Technik & Produkt ≈ 45%
Finanzen ≈ 20%
Strategie & Geschäftsentwicklung ≈ 20%
Betrieb und Infrastruktur ≈ 10%
Marketing & Design ≈ 3%
Mitarbeiter & EA ≈ 2%

Hinweis: Marketing sowie Personal & Assistenz sind stark untererfasst – der Großteil ihres tatsächlichen Volumens läuft über Modus 1 (E-Mail-Aufbereitung, Tonbearbeitung, schnelle Umschreibungen) in ChatGPT und Claude AI Web. Über alle Anbieter hinweg gezählt wäre es wahrscheinlich die zweitgrößte Abteilung nach Tech & Produkt.

2. Die “Abteilungen”, wie diese tatsächlich “existieren”

Was folgt ist die Organisationsstruktur, wie sie ist bereits organisiert — nicht als eine Struktur zur Durchsetzung, sondern als eine Art, das bereits Organische zu sehen. Jede Abteilung ist die natürliche Gruppierung von Arbeit; für jede merken wir uns, welcher Modus der KI-Nutzung dominiert.

Finanzen

Aktivität: Spesenabrechnung, Rechnungsstellung, Angebotserstellung, Zuschüsse, Finanzmodellierung für Investoren, Überprüfung von Geschäftsplänen.
Dominante Modi: Modus 3 (Fähigkeiten wie Ausgaben, Schreiben von Projektangeboten) + Modus 2 (Finanzmodellierung und Förderstrategie als Sparringssitzungen).
Staat erwachsen und in regelmäßigem produktivem Einsatz.

Mitarbeiter / Persönliche Assistenz

Aktivität: Feuerwerksgespräche, Nachbesprechungen, Follow-up-E-Mails, interne Kommunikation, LinkedIn-Posts.
Dominante Modi: Modus 3 (fireflies-debrief, Post-Call-Analyse, Client-Project-Briefing, interne Kommunikation) + Modus 1 (Alltags-E-Mail-Politur, hauptsächlich über ChatGPT, Verfeinerung von LinkedIn-Posts).
Staat erwachsen für Anrufe und Kommunikation; E-Mail und Kalender haben MCP-Konnektoren, aber noch keinen wiederkehrenden agenturischen Workflow, vorerst punktueller Einsatz.

Strategie & Geschäftsentwicklung

Aktivität: Marktforschung, Lead-Recherche, BD-Pipeline-Analyse (Trello), Pitch-Reviews, Projektbriefings aus Besprechungstranskripten.
Dominante Modi: Modus 2 (intensiv - strategisches Sparring) + Modus 4 (spezialisierte Agenten: Marktforscher in FuzzyClaw) + Modus 3 (Triaden-Review, Analyse des lyfx-Trello-Boards).
Staat die multimodalste Abteilung; dieselbe Frage durchläuft oft erst eine Second-Brain-Einordnung, dann eine Triaden-Review-Runde und dann einen spezialisierten Scraper.

Technologie & Produkte

Aktivität: alles coden.
Dominante Modi: Modus 3 (intensiv – ai-dev-workflow bestimmt fast jede Codingsitzung, plus die Kompetenzbereiche langchain/langgraph/deep-agents/django) + Modus 2 (Architektur, Debugging, design_notes.md Sitzungen) + Modus 4 (die Ausgaben — PFD-Bank, CAPEX-Engine — sind selbst spezialisierte Agenten.
Staat erwachsen. Es ist auch die größte Abteilung nach Volumen.

Betrieb & Infrastruktur

Aktivität: VM-Integritätsprüfungen, Bereitstellungen, Härtung der Lieferkette, Verwaltung von Hook-Richtlinien, das Cross-Session-Speichersystem claude-mem.
Dominante Modi: Modus 3 (lyfx-vm-checkups, django-deploying, supply-chain-guard) + Modus 1 (schnelle Infrastrukturfragen).
Staat Reif; läuft bei Bedarf und nach Zeitplan.

Marketing & Design

Aktivität: WordPress Seitenerstellung, Markenkonsistenz bei Dokumenten und Präsentationen, umfassende PPTX-Überarbeitungen, lyfX.ai Website-Arbeit.
Dominante Modi: Modus 3 (astra-wp-builder, lyfx-corporate-design, pptx).
Staat erwachsen und in regelmäßigem produktivem Einsatz.

F&E / Labor

Aktivität: Hackathons (z.B. MessMiner), Prototypen (DönerWatch, Erforschung von NanoClaw als Alternative zu OpenClaw), Framework-Lernen (LangChain Academy, DLAI Claude Skills), explorative Klone.
Dominante Modi: Modus 4 (die meisten Prototypen werden Spezialisierte Agenten) + Modus 2 (Nutzung von KI als Tutor).
Staat gereift; manche Prototypen reifen zu Produkten heran.

4. Was wir gelernt haben und wie es weitergeht

Die Gestalt von lyfX als agenturgetragene Organisation ist, dass Modus 3 (generischer Agent + Fähigkeiten) leistet die Schwerstarbeit für Abteilungen, während Mode 4 (Spezialagenten) ist die Produktlinie, und Modus 1 und 2 sind die alltägliche Betriebstextur. Die Fähigkeiten-Schicht – über 60, die unseren kodierten Geschmack repräsentieren – ist das unterbewertete Stück: Sie ist lyfX am nächsten an “institutionellem Wissen” in maschinenlesbarer Form. FuzzyClaw ist die Orchestrierungsschicht für die nicht-technischen, nicht-interaktiven Teile.

Wenn nur eine Sache aus dieser Übung überlebt, dann die Vier-Modus-Unterscheidung. Es ist wirklich nützlich, jede KI-Interaktion betrachten und fragen zu können: Welcher Modus ist das? Die Antwort sagt Ihnen, ob sie eine Fähigkeit, einen Ordner, einen Namen oder nur zwei Minuten Aufmerksamkeit verdient. Viel Verwirrung darüber, “wie viel KI nutzen Sie wirklich?”, löst sich auf, sobald Sie aufhören, Chatbox-Bearbeitungen und einen Produktionsagenten gleichzusetzen.

Praktisch bedeutet das, dass ein Zwei-Personen-Unternehmen heute mit der Fläche auskommt, die noch vor zwei Jahren ein kleines Team erfordert hätte. Die oben genannten Abteilungen sind keine Rollen, in die wir eingestellt haben – das ist die Arbeit, die bereits stattfindet, erledigt von einem generischen Agenten, der jeweils sorgfältig abgestimmt wurde. Die Auswirkung für das zukünftige Wachstum von lyfX ist weniger “eine Person pro Abteilung einstellen” als vielmehr “in die Fähigkeitsschicht investieren, damit ein zukünftiger Kollege sich in die bestehende Einrichtung einklinken kann, ohne meinen Geschmack neu lernen zu müssen”.”

Auf unserer weiteren Reise werden wir wahrscheinlich einige der die am häufigsten verwendeten Fähigkeitensätze in benannte FuzzyClaw-Agenten so diese können unabhängig, ununterbrochen, in geplanten Läufen ohne eine interaktive Ebene laufen, wie ich sie beispielsweise bei Claude Code habe. Bemerkenswert ist, dass ich mich zunehmend wohl dabei fühle, den Agenten immer mehr Autonomie und Zugriff zu gewähren: Claude kann beispielsweise jetzt auf mein Google Drive zugreifen, damit wir parallel an einem Dokument in der Cloud arbeiten können; dieses Dokument selbst ist der lebende Beweis dafür. Dies birgt einige offensichtliche Risiken (breiten Zugriff auf ein agenartiges System zu gewähren, das falsch konfiguriert, kompromittiert oder einfach zu selbstbewusst agieren könnte?) und einige, von denen ich sicher bin, dass ich sie nicht kenne. Andererseits ist ein menschlicher Kollege mit einem “12345”-Passwort für seine E-Mail ebenfalls ein erhebliches Risiko. Wo ziehen wir also die Grenze?

Rückblickend ist die Entwicklung klar: 2024 war das Jahr, in dem Chatbots und Second Brains zur Selbstverständlichkeit wurden; 2025 war das Jahr, in dem Skills den Agenten spezifisch für unsere Arbeit machten; 2026 entwickelt sich zum Jahr der geplanten, autonomen Agenten, denen ich vertraue, sie laufen zu lassen.