Skills, Custom GPTs, Gems, drei Wege zur eigenen Brand-KI

Wer eine Markenstimme oder einen Workflow dauerhaft in ein Sprachmodell einspeisen will, hat 2026 drei Wege. Anthropic Skills, OpenAI Custom GPTs, Google Gems. Drei Anbieter, drei Implementierungen, ein gemeinsames Ziel: aus einem generischen Sprachmodell eine markenspezifische, workflow-spezifische Hilfs-Maschine machen.

Warum Persistenz im Sprachmodell zählt

Ohne Skills oder Custom GPTs ist jeder Chat ein Neuanfang. Das Sprachmodell vergisst alles, was vorher war. Markenstimme, Brief-Templates, Workflow-Schritte, Quality-Standards müssen jedes Mal neu eingespielt werden. Das funktioniert für Einzelfälle, nicht für Routine.

Skills, Custom GPTs und Gems lösen das Problem. Sie sind persistierte Konfigurationen, die ein Sprachmodell mit dauerhaftem Kontext, Anweisungen und Tool-Zugriff ausstatten. Wer einmal einen Briefing-Skill aufsetzt, ruft ihn jeden Tag ab, ohne den Workflow neu zu erklären.

Vier Claude-Begriffe sauber getrennt

Wer mit Claude arbeitet, trifft in der UX auf vier verwandte, aber unterschiedliche Begriffe: Connector, Erweiterung, Skill, Plugin. Sie liegen alle in derselben Konfigurations-Logik, bedeuten aber etwas anderes. Saubere Trennung spart Stolperer im Setup.

„Connector." Eine im claude.ai-Interface aktivierbare Verbindung zu einem externen Dienst wie Notion, Slack oder Google Drive. Technisch ein vom Nutzer ein- und ausschaltbarer MCP-Endpunkt, gehostet beim Anbieter des jeweiligen Tools oder bei Anthropic. Setup-Aufwand: niedrig, meistens OAuth-Bestätigung in zwei Minuten. Wofür im Marketing: schneller Zugriff auf Team-Tools mitten in einer Chat-Session, ohne lokale Installation. Wichtig im Team-Setup: Custom Connectors in Claude for Work und Claude Enterprise müssen vom Workspace-Admin freigegeben werden, bevor einzelne Nutzer sie aktivieren können. Standard-Connectors (offizielle Notion-, Slack-, Drive-Bridges) sind in der Regel vorautorisierbar, eigene MCP-Endpunkte brauchen pro Workspace eine explizite Admin-Entscheidung.

„Erweiterung (Claude Desktop Extension)." Ein .mcpb-Paket, das mit einem Klick im Claude Desktop installiert wird und lokal einen MCP-Server bereitstellt. Kein Cloud-Service, sondern eine auf der eigenen Maschine laufende Anwendung. Setup-Aufwand: niedrig, Doppelklick auf die Datei. Wofür im Marketing: Tools, die auf lokale Dateien zugreifen müssen, oder eigene Skripte, die nicht in die Cloud sollen.

„Skill." Eine persistierte Konfiguration aus System-Prompt, Reference Files und Tool-Auswahl, die das Modell in einen bestimmten Modus versetzt. Kein MCP-Server, sondern eine eigene Anthropic-Mechanik. Setup-Aufwand: mittel, weil Reference Files vorbereitet werden müssen. Wofür im Marketing: wiederkehrende Aufgaben mit eigener Tonalität und Methodik wie Briefing-Sparring, Marken-Reviews, Reportings.

„Plugin." Ein installierbares Bündel aus mehreren Komponenten, das in Claude Code oder im Claude-Hauptprodukt als Paket aktiviert wird. Ein Plugin kann mehrere MCPs, mehrere Skills und mehrere Slash-Commands enthalten. Setup-Aufwand: niedrig bis mittel, je nach Bündel. Wofür im Marketing: thematische Toolkits, zum Beispiel ein „Content-Pipeline-Plugin", das alle relevanten MCPs plus passende Skills plus Quality-Gate-Commands in einem Schritt aktiviert. Im Team-Setup gelten dieselben Admin-Regeln wie für Connectoren: Plugins, die externe MCP-Server enthalten, müssen vom Workspace-Admin freigegeben werden, bevor Nutzer:innen sie aktivieren können.

Disambiguierungs-Tabelle:

Entscheidungs-Hilfe für typische Marketing-Szenarien:

Wichtig: Skills sind die Mechanik mit dem höchsten Setup-Aufwand, aber auch dem größten Hebel. Connectoren und Erweiterungen sind Werkzeuge auf MCP-Basis. Plugins sind Bündelungs-Format. Wer alle vier sauber unterscheidet, baut sein Claude-Setup gezielt statt zufällig.

Anthropic Claude Skills

Skills sind in Claude integrierte Konfigurationen, die das Modell in einen bestimmten Modus versetzen. Sie bestehen aus:

• Instructions: der System-Prompt mit Anweisungen zur Rolle, zum Workflow, zu Stilregeln.
• Reference files: PDFs, Markdown-Dateien, Datensätze, die das Modell kennen soll.
• Tools: MCP-Server, Web-Search, Code-Ausführung, die der Skill nutzen darf.

Verfügbar in: Claude for Work, Claude Enterprise. Pro Workspace lassen sich Skills für das ganze Team teilen. Aktualisierung zentral, Versionierung möglich.

Stärken: saubere Trennung zwischen Skill und Konversation, Reference Files bleiben dauerhaft im Kontext, Multi-User-fähig im Team-Setup.

Schwächen: nur in Claude verfügbar, Lernkurve für komplexe Skills mit MCP-Anbindungen.

OpenAI Custom GPTs

Custom GPTs sind in ChatGPT integrierte Mini-Assistenten. Bestehen aus:

• System-Anweisungen: Stil, Rolle, Workflow.
• Knowledge Files: Dokumente, die im Kontext bleiben.
• Actions: API-Anbindungen oder OpenAI-eigene Tools (Web, DALL-E, Code Interpreter, ChatGPT-eigene MCP-Connector).

Verfügbar in: ChatGPT Plus, Team, Enterprise. Im GPT Store öffentlich teilbar oder privat halten.

Stärken: sehr einfach in der Einrichtung, No-Code, riesiges Marktplatz-Ökosystem, auch privat im Team teilbar.

Schwächen: Limit bei Knowledge Files (Größe, Anzahl), Tool-Integration weniger granular als bei Skills, Versionierung weniger ausgebaut.

Google Gems

Gems sind in Gemini integrierte Personas. Bestehen aus:

• System-Prompt: Rolle, Stil, Workflow.
• Knowledge: Workspace-Dateien (Drive, Docs, Sheets) im Kontext.
• Tool-Zugriff: Google-eigene Tools (Workspace, Search), MCP-Connectors möglich.

Verfügbar in: Gemini Advanced, Gemini for Workspace. Im Team teilbar über Workspace.

Stärken: tiefe Workspace-Integration, Wer Drive, Docs, Sheets nutzt, ist nativ angeschlossen. Multilinguale Stärke.

Schwächen: außerhalb des Google-Ökosystems weniger flexibel, Marktplatz und Sharing-Optionen begrenzter.

Direkter Vergleich

Praxis: Wie ein Brand-Skill aufgebaut wird

Drei Schichten, die in jedem Skill sitzen sollten.

Schicht 1: Rolle und Workflow. Im System-Prompt definiert. Wer ist das Modell, welche Aufgabe übernimmt es, in welcher Reihenfolge, mit welchen Schritten.

Du bist Briefing-Sparringspartner für Marke X. Aus einem
Stakeholder-Input formulierst du ein vollständiges
Kreativ-Briefing für ein Social-First-Team. Du fragst
nach, wo der Input unklar ist. Du verwendest keine
Marketing-Floskeln. Du nutzt deutsche Anführungszeichen.

Schicht 2: Wissen. Reference Files oder Knowledge Files. Marken-Manifest, Style-Guide, Tone-of-Voice-Beispiele, Wettbewerbs-Analyse, Personas, Vergangenheits-Cases.

Schicht 3: Tool-Zugriff. MCP-Server für CRM, Analytics, Ads. Web-Search für aktuelle Themen. Code-Ausführung für Daten-Aufbereitung.

Wo Skills, Custom GPTs und Gems besonders Sinn machen

Sechs Use Cases aus dem Marketing-Werktag.

• Use Case 1: Briefing-Sparringspartner. Der Klassiker. Workflow plus Brand-Stimme persistent.
• Use Case 2: Reporting-Agent. MCP-Anbindungen plus Story-Prompt plus Brand-Tonalität.
• Use Case 3: Caption-Generator mit Brand Voice. Style-Guide als Knowledge File, Plattform-Logik als Workflow.
• Use Case 4: Strategie-Sparring-Partner. Marken-Manifest plus Wettbewerbs-Daten plus Sokratisches Frage-Muster.
• Use Case 5: Krisen-Statement-Drafter. Krisen-Playbook als Knowledge File, Tonalitäts-Vorgaben strikt, Quality-Gate-Hinweise eingebaut.
• Use Case 6: Community-Management-Assistent. Tonalitäts-Vorgaben, FAQ-Bank, Eskalations-Logik, Mensch-im-Loop-Trigger.

Empfehlung nach Setup-Typ

Trade-offs

Take

Skills, Custom GPTs und Gems sind die Brücke zwischen generischer KI und markenspezifischer Hilfs-Maschine. Wer sie nicht nutzt, lässt sein Sprachmodell jeden Tag bei Null beginnen. Wer sie nutzt, hat einen Workflow, der über die Zeit besser wird, weil das Setup mitwächst. Der Aufwand zahlt sich nach wenigen Wochen aus.

Was offen bleibt

Anbieter-übergreifende Standards für Skills entstehen langsam. Aktuell sind Skills, Custom GPTs und Gems jeweils proprietär. Wer auf einem Anbieter aufbaut, hat einen gewissen Lock-in. Erste Diskussionen über interoperable Skill-Formate laufen, ein verbindlicher Standard ist 2026 nicht in Sicht.