🤖 Lektion 6📖 10 Min · Basis + optional Technik-Teil
KI-Agenten – was steckt dahinter?
Bisher haben wir KI immer manuell angewiesen – du tippst, die KI antwortet. Ein Agent macht das nächste Level: Er erledigt Aufgaben selbstständig, ohne dass du jeden Schritt eingibst. In dieser Lektion siehst du wie das funktioniert – und was ein echter Agent live tut.
Du kennst ChatGPT und Claude bereits – du schreibst, die KI antwortet. Das ist ein Chatbot. Praktisch, aber du bist immer der Fahrer.
Ein Agent ist anders. Du gibst ihm ein Ziel – und er entscheidet selbst wie er dahin kommt. Er kann mehrere Schritte hintereinander ausführen, Daten sammeln, analysieren und Ergebnisse speichern. Du bist nicht mehr der Fahrer – du bist der Chef.
💬 Chatbot
Du führst – KI folgt
Du stellst eine Frage, die KI antwortet einmal. Beim nächsten Schritt fragst du wieder. Jeder Schritt braucht dich.
🤖 Agent
Du gibst ein Ziel – Agent erledigt es
Du sagst was du willst. Der Agent plant, führt aus und liefert das Ergebnis. Du tust nichts außer warten.
💡 Merksatz: Ein Chatbot beantwortet Fragen. Ein Agent erledigt Aufgaben. Der Unterschied ist Autonomie – wie ein Assistent der nicht auf jede Einzelanweisung wartet.
📋
Phase 2 · Nachmachen
Ein echter Agent – live ansehen
Reden wir nicht lange – schau dir an was ein Agent tatsächlich tut. Dieser Agent analysiert jede Woche automatisch die viralen Food-Trends auf Instagram und TikTok und bewertet sie mit KI:
Was du gerade siehst ist das automatische Ergebnis eines Agents der wöchentlich läuft – kein manuelles Eintippen, keine Copy-Paste Arbeit. Der Agent hat die Themen gesammelt, Claude hat sie analysiert und bewertet, das Ergebnis wurde gespeichert.
3 Alltagsbeispiele wo Agents Zeit sparen
Food-Trends sind nur ein Beispiel. Agents können fast jede wiederkehrende Aufgabe übernehmen:
📧
E-Mail Zusammenfassung
Ein Agent scannt täglich deinen Posteingang, filtert wichtige Emails und schickt dir um 8 Uhr eine kurze Zusammenfassung – was dringend ist, was warten kann.
⏱️ Spart ~20 Min täglich
📊
Wöchentlicher Report
Ein Agent sammelt automatisch Zahlen aus verschiedenen Quellen, erstellt jeden Montag einen Bericht und schickt ihn ans Team – ohne dass jemand einen Finger rührt.
⏱️ Spart ~2 Std pro Woche
🔍
Markt-Monitoring
Ein Agent beobachtet täglich Mitbewerber, neue Produkte oder Preisänderungen und meldet sich nur wenn etwas Relevantes passiert.
⏱️ Spart stundenlange manuelle Recherche
🚀
Phase 3 · Anwenden
Deine Aufgabe – nachdenken, nicht nachmachen
Für diese Phase musst du nichts installieren. Stell dir einfach vor welche wiederkehrende Aufgabe in deinem Alltag ein Agent übernehmen könnte:
☐Schau dir das Live Dashboard an – sieh wie ein echter Agent aussieht
☐Denk an eine Aufgabe die du jede Woche manuell erledigst – könnte ein Agent das übernehmen?
☐Schreib den Ablauf in 3 Schritten auf: Was sammelt der Agent? Was analysiert er? Was gibt er aus?
🎯 Das Wichtigste: Du musst keinen Agent selbst bauen um davon zu profitieren. Verstehen wie Agents denken – das reicht um bessere Entscheidungen darüber zu treffen wann und wie du KI-Automatisierung einsetzt.
🔵 Block B – Einsteiger mit Python Grundkenntnissen
🔵
Den Agent selbst aufbauen – Schritt für Schritt
Du hast den Agent live gesehen – jetzt baust du ihn selbst. Keine Angst: Jeder Schritt ist genau erklärt. Du brauchst nur einen Computer, eine Internetverbindung und etwas Geduld. Wähle zuerst dein Betriebssystem:
1
Python prüfen – hast du es schon?
Öffne das Terminal (CMD+Leertaste → "Terminal" tippen → Enter). Dann diesen Befehl eingeben:
python3 --version
✅ Wenn du "Python 3.x.x" siehst – perfekt, weiter zu Schritt 2.
⚠️ Wenn "command not found" erscheint → python.org öffnen → Download → Installieren → Terminal neu starten.
2
Projektordner anlegen
Im Terminal einen neuen Ordner erstellen und hineinwechseln:
mkdir dotry-agent && cd dotry-agent
✅ Du siehst jetzt "dotry-agent" am Ende deiner Terminal-Zeile.
3
Die 3 Agent-Dateien herunterladen
Lade diese 3 Dateien herunter und lege sie in den dotry-agent Ordner:
🟠 Block C – Fortgeschritten · Den Agent zu deinem machen
🟠
Den Agent verstehen – und anpassen
Du hast den Agent zum Laufen gebracht. Jetzt geht es einen Schritt weiter: Was macht jede Datei wirklich? Und wie baust du den Agent so um, dass er nicht mehr Food-Trends analysiert – sondern deine eigene Nische?
Was macht jede Datei wirklich?
📥 fetch_sources.py
Liefert die Rohstoff-Liste – die Themen die Claude analysieren soll. Aktuell sind das 15 kuratierte Food-Begriffe. Das ist die einzige Datei die du ändern musst um eine andere Nische zu analysieren.
🧠 analyze_trends.py
Schickt die Themen an Claude und gibt ihm genaue Anweisungen wie er antworten soll. Der Prompt hier bestimmt die Qualität der Analyse. Du kannst Kategorien, Sprache und Ausgabeformat anpassen.
⚙️ run_agent.py
Der Dirigent – ruft fetch und analyze auf, baut das JSON zusammen und speichert es. Diese Datei musst du kaum anfassen.
Beispiel: Von Food-Trends zu KI-Tool-Trends
Nur 2 Änderungen – und der Agent analysiert eine komplett andere Nische:
fetch_sources.py – Themen austauschen
# VORHER: Food-Trends
FOOD_SEED_TOPICS = [
"viral pasta recipes TikTok 2026",
"high protein meal prep trending",
...
]
# NACHHER: KI-Tool-Trends – einfach austauschen!
FOOD_SEED_TOPICS = [
"Claude AI neue Features 2026",
"Cursor AI coding viral",
"Perplexity vs Google trending",
"GPT-4o updates viral",
"AI Agents automation trending",
"Midjourney v7 viral",
"Sora video AI trending",
]
analyze_trends.py – Prompt und Kategorien anpassen
# VORHER: Food-Kategorien"category": "eine von: Comfort Food, Health, Asian Fusion..."# NACHHER: KI-Tool-Kategorien"category": "eine von: Bildgenerierung, Textgenerierung, Coding, Automatisierung, Suche"# Und den Prompt-Titel anpassen:# "Du bist ein Food-Trend Analyst"# → "Du bist ein KI-Tool Analyst"
💡 Ideen für eigene Nischen: Sport-Trends · Reiseziele · Aktien-Signale · Stellenangebote · lokale Events · Gaming-Trends · Mode. Die Architektur bleibt immer gleich – nur die Themen und Kategorien ändern sich.
Den Prompt verfeinern
Der Prompt in analyze_trends.py ist der mächtigste Hebel. Kleine Änderungen – große Wirkung:
Sprache ändern
Füge hinzu: "Antworte auf Englisch" → für internationale Märkte
Mehr Trends
Ändere: "wähle die 5 interessantesten" → "wähle die 10 interessantesten"
Zielgruppe angeben
Füge hinzu: "Erkläre es für Menschen ohne Vorkenntnisse"
✅ Lektion 6 abgeschlossen
Nächste Lektion: Automatisierung mit GitHub Actions
Der Agent läuft bald vollautomatisch – jeden Montag, ohne dass du etwas tust. GitHub Actions macht's möglich.