Claude Skills bauen, eine Schritt-für-Schritt-Anleitung

Skills sind die Brücke zwischen generischem Sprachmodell und marken- oder workflow-spezifischer Hilfs-Maschine. Diese Anleitung führt durch den Aufbau eines Anthropic Skills von der ersten Notiz bis zum produktiven Einsatz. Sie ist auf Claude konzentriert, mit Hinweisen zu OpenAI Custom GPTs und Google Gems an den entsprechenden Stellen.

Vorbereitung

Drei Voraussetzungen, bevor der Skill-Bau startet.

Voraussetzung 1: Anbieter-Tarif. Skills sind in Claude for Work und Claude Enterprise verfügbar. Bei OpenAI Custom GPTs ab Plus-Tarif, bei Google Gems ab Gemini Advanced.

Voraussetzung 2: Klarer Use Case. Ein Satz, der den Skill beschreibt. „Ein Briefing-Sparringspartner für Marke X, der aus zwei-Zeilen-Mails vollständige Kreativ-Briefings macht.“ Wenn der Use Case unklar ist, wird der Skill diffus.

Voraussetzung 3: Wissen, das in den Skill soll. 5-15 Reference Files. Brand-Voice-Notizen, Style-Guide, Beispiel-Outputs, Tool-Anleitungen.

Schritt 1: System-Prompt formulieren

Der System-Prompt ist das Herzstück. Vier Komponenten gehören rein.

Rolle. „Du bist Briefing-Sparringspartner für Marke X.“

Aufgabe. „Aus einem Stakeholder-Input formulierst du ein vollständiges Kreativ-Briefing für ein Social-First-Team. Du fragst nach, wo der Input unklar ist.“

Stil und Tonalität. „Schreib editorial, mit variablen Satzlängen, ohne Marketing-Floskeln, mit deutschen Anführungszeichen, ohne Em-Dash.“

Quality-Hinweise. „Wenn du Annahmen triffst, kennzeichne sie. Wenn etwas unklar bleibt, frag spezifisch nach. Wenn der Brief zu viele Floskeln enthält, formuliere neu.“

Vollständig ergibt das etwa 200-400 Wörter System-Prompt. Länger wird selten besser.

Schritt 2: Reference Files vorbereiten

Reference Files (bei Custom GPTs „Knowledge Files“, bei Gems „Workspace-Dateien“) sind die persistente Wissens-Schicht.

Typische Files für einen Brand-Skill:

• Marken-Manifest (1-2 Seiten).
• Tonalitäts-Notizen (1 Seite, oder als Teil des Manifest).
• 5-10 Beispiel-Texte aus der Marke (Captions, Blog-Posts, Pressemitteilungen).
• No-Go-Liste (verbotene Floskeln, Begriffe, Pattern).
• Briefing-Template (Struktur, Felder, Format-Anker).
• Wettbewerbs-Profile (drei bis fünf Wettbewerber mit Kurz-Tonalität).

Wichtig: Markdown- oder PDF-Format, mit klaren Überschriften, damit das Modell strukturiert lesen kann. Bilder in Reference Files werden nicht von allen Anbietern verlässlich verarbeitet, daher Text-fokussiert bleiben.

Schritt 3: Tool-Zugriff einrichten

Welche Tools darf der Skill nutzen? Drei Kategorien.

Kategorie 1: Eingebaute Tools. Web-Suche, Code-Ausführung, Bildgenerierung. Bei Claude und ChatGPT einfach aktivierbar.

Kategorie 2: MCP-Server. Falls der Skill auf Notion, Slack, CRM, Ads zugreifen soll. Pro MCP-Server eine Verbindung einrichten, OAuth durchlaufen.

Kategorie 3: Custom Actions. Bei OpenAI Custom GPTs als Actions definierbar (eigene API-Endpoints). Bei Claude Skills über MCP-Custom-Wrapper.

Empfehlung: nur die Tools aktivieren, die der Skill wirklich braucht. Mehr Tools heißt mehr Halluzinations-Risiko und mehr Datenschutz-Komplexität.

Schritt 4: Skill testen

Drei bis fünf typische Aufgaben durchspielen, Output gegen die Erwartung prüfen.

Test 1: Standard-Aufgabe. „Hier ist eine Stakeholder-Mail mit zwei Zeilen. Brief drauf machen.“ Output prüfen: vollständig? Marken-Stimme? Floskel-frei?

Test 2: Unklarer Input. „Hier ist eine vage Stakeholder-Anfrage.“ Output prüfen: Hat der Skill nachgefragt, statt Lücken zu füllen?

Test 3: Edge Case. „Hier ist eine Aufgabe außerhalb des typischen Workflows.“ Output prüfen: Hat der Skill seine Grenzen erkannt?

Test 4: Quality-Gate-Test. „Output enthält Adjektivkette.“ Hat der Skill die Adjektivkette ersetzt oder als problematisch markiert?

Wenn drei von vier Tests fehlschlagen, System-Prompt nachschärfen.

Schritt 5: Skill freigeben und teilen

Bei Claude for Work und Enterprise: Skill im Workspace freigeben, Berechtigungen vergeben (wer darf nutzen, wer darf editieren).

Bei OpenAI Custom GPTs: GPT-Sichtbarkeit setzen (privat, intern, öffentlich), Sharing-Link generieren.

Bei Google Gems: Workspace-Freigabe konfigurieren, Berechtigungen pro Team.

Häufige Anfänger-Fehler

Sechs Stolperfallen, die immer wieder auftauchen.

Fehler 1: System-Prompt zu lang. Wenn der System-Prompt 1.000 Wörter überschreitet, verliert das Modell den Fokus. 200-400 Wörter reichen.

Fehler 2: Zu wenige Beispiele in Reference Files. Ein Manifest ohne Beispiel-Texte gibt dem Modell keine konkrete Stilreferenz. 5-10 Beispiele sind Mindest-Maß.

Fehler 3: Reference Files mit Bildern. Wenn die Marken-Stimme in Bild-Layouts steckt, muss man Bild-Beschreibungen einbauen. Das Modell sieht Bilder nicht zuverlässig.

Fehler 4: Tool-Zugriff zu breit. Wenn der Skill Zugriff auf alles hat, wird er Standardmäßig versuchen, alles zu nutzen. Tool-Beschränkung als Disziplin.

Fehler 5: Kein Test mit echten Aufgaben. Drei Standard-Tests reichen nicht. Aus dem realen Werktag ein Setup-Test entwerfen.

Fehler 6: Skill liegen lassen. Skills veralten. Wer einen Skill einmal aufsetzt und dann nicht pflegt, hat in sechs Monaten einen ungenauen Skill.

Custom GPTs und Gems im Vergleich

Wer mit OpenAI oder Google statt mit Claude arbeitet, folgt einer ähnlichen Logik. Drei Unterschiede zu beachten.

Pflege-Routine

Quartalsweise:

• Reference Files gegen aktuelle Marken-Stimme prüfen.
• System-Prompt anpassen, falls Workflow sich entwickelt hat.
• Test-Aufgaben durchlaufen, Output-Qualität validieren.
• Tool-Zugriff prüfen (sind alle Tools noch nötig, sind neue dazugekommen?).

Quartalsweises Update braucht etwa eine Stunde pro Skill, ist aber Pflicht.

Trade-offs

Take

Skills bauen ist keine Zauberei. Es ist konsequente Setup-Disziplin. Wer System-Prompt sauber formuliert, Reference Files kuratiert und Tools beschränkt, hat in zwei bis vier Stunden einen produktiven Skill. Wer schlampig aufsetzt, hat einen Skill, der wie ein Standard-Chat funktioniert, nur mit mehr Overhead.

Was offen bleibt

Skill-Standards zwischen Anbietern bleiben proprietär. Wer einen Skill von Claude nach ChatGPT migrieren will, muss neu aufsetzen. Erste Diskussionen über interoperable Skill-Formate laufen, Standard nicht in Sicht. Wer skalieren will, plant Skill-Setups pro Anbieter separat.