Alle jagen den perfekten Prompt. Das beste Modell. Das ideale Agenten-Setup.
Dabei läuft ein Solo-Entwickler mit einem Produkt, das Tausende nutzen — er schreibt keine einzige Zeile Code von Hand, kümmert sich alleine um den gesamten Kundensupport und veröffentlicht Bug-Fixes im Schlaf.
Sein Name ist Naveen. Er ist GM und alleiniger Entwickler hinter Monologue, einer smarten Diktat-App, die täglich über 2 Millionen Wörter verarbeitet. Ich habe mich mit ihm zusammengesetzt, um zu verstehen, wie er das macht — und bin mit sieben KI-Lektionen gegangen, die für jeden gelten, der heute Wissensarbeit leistet.
1. Hör auf zu tippen, fang an zu reden
Das Einzige, das deine KI-Ergebnisse am stärksten verbessert, hat nichts mit Prompt Engineering zu tun. Es ist der Wechsel vom Tippen zur Sprache. Dieses Prinzip deckt sich damit, wie strukturiertes Prompting in Notion AI funktioniert — bessere Input-Qualität verändert die Output-Qualität grundlegend.
Das klingt fast zu simpel. Aber hier ist die Logik: Wenn du tippst, redigierst du dich selbst. Du kürzt Kontext. Du schreibst kürzere, faulere Prompts, weil lange Prompts tippen sich nach Arbeit anfühlt.
Wenn du sprichst, machst du einen Brain-Dump. Du gibst der KI alles — den Kontext, die Ausweichthemen, die halbfertigen Gedanken. Und KI ist brillant darin, rohen, unstrukturierten Input zu strukturieren. Dieses Prinzip deckt sich damit, wie strukturiertes Prompting in Notion AI funktioniert — bessere Input-Qualität verändert die Output-Qualität grundlegend.
Monoloques Top-User diktiert 450.000 Wörter pro Monat. Sie haben das Tippen fast komplett aufgegeben — 99 % Sprache. Und ihre KI-Output-Qualität ist durch die Decke gegangen. Nicht weil die Modelle besser wurden, sondern weil der Input besser wurde.
Pro-Tipp: Fang nicht damit an, alles auf einmal umzustellen. Starte mit einer Sache — deinem nächsten ChatGPT- oder Claude-Gespräch. Diktiere statt zu tippen. Sobald du den Unterschied in der Output-Qualität spürst, wirst du von dort aus ganz natürlich mehr umstellen.
2. Behandle Kundensupport wie ein Produkt
Wie kann eine einzige Person Tausenden von Nutzenden schnellen, durchdachten Support bieten? Indem man Support nicht als Kostenstelle behandelt, sondern als zentralen Teil des Produkterlebnisses.
Naveen nutzt KI-Coding-Agenten (Codex) für seine Entwicklungsarbeit. Jede Aufgabe dauert 5–10 Minuten. Statt in dieser Zeit auf X zu scrollen oder YouTube zu schauen, wechselt er zu einem Support-Thread.
Er hat ein System aufgebaut, mit dem er per einzigem Befehl aktive Intercom-Gespräche abrufen kann. Die KI hat bereits Zugriff auf seine Codebasis, seine Datenbank und sein Help-Center — sie kann also in Sekunden Antworten entwerfen, Edge Cases identifizieren und Fixes vorschlagen. Für solch tiefe KI-Integrationen nutzen viele Teams Custom Agents in Notion, um automatisierte Support-Workflows zu bauen.
Das Ergebnis: Die meisten Nutzenden erhalten innerhalb von 30 Minuten eine Antwort. Von einem Ein-Personen-Team.
Die Lektion für Wissensarbeitende? Nutz die Lücken. Jedes Mal, wenn ein KI-Agent an etwas arbeitet, hast du ein Zeitfenster. Die Frage ist nicht, ob du Zeit hast — sondern was du mit den 5-Minuten-Fenstern machst, die KI im Laufe deines Tages schafft.
3. Baue Skills durch Tun, nicht durch Planen
Alle wollen mit dem perfekten System-Prompt starten. Der perfekt ausgearbeiteten Skill-Datei. Den fehlerfreien Agenten-Anweisungen.
Das ist falsch gedacht. Das spiegelt die Notion AI Skills-Philosophie wider — Skills entstehen aus echten Workflows, nicht aus theoretischen Frameworks.
Naveens Ansatz: einen leeren Ordner erstellen, einen Thread starten und die Aufgabe gemeinsam mit der KI unordentlich durcharbeiten. Musst du Intercom-Gespräche abrufen? Frag die KI, wie das geht. Sie führt dich durch Authentifizierung, API-Zugang, lokale Token-Speicherung. Ihr löst das Problem gemeinsam.
Erst dann — und nur dann — bittest du die KI, das Gelernte in einen wiederverwendbaren Skill zu komprimieren.
Das passt zu einem Framework, das wir mit unseren Kunden nutzen: AC/DC. Zuerst erklärst du der KI unstrukturiert die Aufgabe. Dann führt sie sie aus. Du reviewst. Und schließlich lässt du sie ihre eigenen Anweisungen entwerfen. Dieser letzte Schritt ist es, bis zu dem die meisten nie kommen — aber genau dort beginnt das Compounding. Unsere Notion Beratung hilft Teams, genau diesen AC/DC-Prozess zu skalieren.
Pro-Tipp: Widersteh dem Drang, vorgefertigte Skill-Templates herunterzuladen. Skills, die aus deinen eigenen Workflows entstehen, werden generische immer übertreffen — weil sie deinen Kontext, deine Edge Cases und deine Präferenzen kodieren.
4. Bring deiner KI das Compounding bei
Statische Anweisungen werden mit der Zeit schlechter. Wenn das Wissen deiner KI nicht wächst, wird die Zusammenarbeit mit ihr schwieriger — nicht einfacher.
Naveens Lösung: Nach jeder Kundensupport-Session bittet er die KI, alle Gespräche des Tages zu reviewen und ihre eigene Wissensbasis zu aktualisieren. Die Help-Center-Artikel verbessern sich. Die Skill-Dateien entwickeln sich weiter. Die KI wird besser darin, ähnliche Tickets beim nächsten Mal zu bearbeiten.
Das ist das Prinzip des Compound Engineering — die Idee, dass deine KI aus jeder Interaktion lernen sollte, statt immer dasselbe Playbook auszuführen.
Du brauchst dafür keine vollständig autonome Lernschleife. Schon eine einfache Gewohnheit funktioniert: Sag deiner KI alle 10 Sätze, dass sie sich merken soll, was ihr gerade besprochen habt. “Stell sicher, dass du das in deine Docs aufnimmst.” “Füge das deiner Skill-Datei hinzu.” Das dauert per Sprache fünf Sekunden — und der Payoff akkumuliert sich täglich.
Der Unterschied zwischen einem 2x- und einem 10x-Produktivitätsgewinn? Der 2x-Gewinn kommt vom Nutzen von KI. Der 10x-Gewinn kommt davon, sie lernen zu lassen.
5. Lass KI 80 % erledigen — und review dann die 20 %, die zählen
Naveen hat einen KI-Agenten namens Cooper gebaut (benannt nach dem Interstellar-Charakter). Cooper ist mit Sentry (Fehlertracking), Linear (Projektmanagement) und der gesamten GitHub-Codebasis verbunden. Dieses Modell autonomer Ausführung ist genau das, wofür Custom Agents in Notion entwickelt wurden — KI übernimmt das Volumen, du übernimmst das Urteilsvermögen.
Wenn ein Crash oder Fehler auftritt, liest Cooper automatisch die Logs, analysiert den Code und erstellt einen Pull Request mit einem Fix. Das läuft rund um die Uhr — auch während Naveen schläft.
Jeden Morgen reviewt Naveen, was Cooper über Nacht produziert hat. Meistens merged er den Code nicht eins zu eins. Er passt an, gibt Feedback, bereinigt. Aber die 80 %, die Cooper erledigt hat — die Diagnose, die Untersuchung, der erste Fix — sparen Stunden.
Das ist das Muster, das du verinnerlichen solltest: KI übernimmt das Volumen, du übernimmst das Urteilsvermögen. Dasselbe gilt, egal ob du E-Mails triagierst, Berichte reviewst oder Bewerbungen bearbeitest. Lass die KI den ersten Durchgang machen. Dein Job sind die letzten 20 % — der Geschmack, der Kontext, die Entscheidungen, die menschliches Verständnis erfordern.
6. Dein Organigramm stammt vielleicht aus dem 10. Jahrhundert
Hier ist ein Gedanke, der deine Sichtweise auf Teamstrukturen verändern wird.
Naveen verwies auf einen Blogpost von Jack Dorsey (Block / Square), in dem er argumentiert, dass moderne Organisationshierarchien nach militärischen Strukturen aus dem 10. Jahrhundert modelliert sind. Damals gab es keine Telefone. Keine E-Mails. Kein Instant Messaging. Die einzige Möglichkeit, große Gruppen zu koordinieren, war eine Befehlskette — jede Ebene existierte vor allem, um Informationen weiterzuleiten. Diesen Wandel zu verstehen ist zentral für das, was The Judgment Economy beschreibt — die Idee, dass KI die Informationsweiterleitung übernimmt und Führungskräfte sich auf Urteilsvermögen und Unternehmenskultur konzentrieren können.
Manager waren im Wesentlichen Kommunikationsinfrastruktur.
Stell dir jetzt vor: Wenn KI eine reichhaltige, stets verfügbare Kontextschicht bietet — eine, die Informationen zusammenfassen, verteilen und sogar darauf reagieren kann — brauchst du dann noch dieselbe Struktur?
Das bedeutet nicht, dass Führungskräfte irrelevant werden. Es bedeutet, dass sich ihre Rolle von der Informationsweiterleitung hin zu Urteilsvermögen, Kultur und strategischer Ausrichtung verschiebt. Und es bedeutet, dass kleinere Teams — oder sogar Solo-Operator — erreichen können, was früher eine ganze Abteilung erforderte. Diese Art der KI-Orchestrierung funktioniert am besten mit Multi-Agent-Orchestrierung in Notion, wo spezialisierte Agenten nahtlos zusammenarbeiten.
Die Frage für jede Führungsperson: Welche Ebenen deiner Organisation existieren wegen Kommunikations-Bottlenecks, die KI bereits gelöst hat?
7. Spiel, als wär’s 2007
Naveen vergleicht den aktuellen KI-Moment mit dem iPhone-Launch 2007. Das Fenster von 2007 bis 2011 war eine goldene Phase — eine Flut kreativer Apps, neuer Geschäftsmodelle, völlig neuer Kategorien.
Wir sind gerade in demselben Fenster. Die Regeln sind noch nicht geschrieben. Niemand hat den „richtigen“ Weg gefunden, mit KI zu arbeiten — und wer das behauptet, ist entweder selbst überzeugt oder verkauft etwas.
Bei Every (dem Unternehmen, mit dem Naveen arbeitet) ist die Kultur um ein einziges Wort herum aufgebaut: Spielen. Nicht im trivialen Sinne. Im kindlichen Sinne — wo es kein Zeitgefühl gibt, wo man ohne Angst vor dem Scheitern erkundet, wo jedes Experiment etwas lehrt, auch wenn es nicht funktioniert.
Das ist vielleicht die wichtigste Lektion von allen. Du brauchst keine Strategie für KI. Du brauchst eine Praxis. Probiere Dinge aus. Brich Dinge. Baue Dinge, die nirgendwo hinführen. Denn die Menschen, die in dieser Ära erfolgreich sein werden, sind nicht diejenigen, die auf das Playbook gewartet haben — sondern diejenigen, die es durch Experimentieren geschrieben haben. Wenn du KI-Workflows in Notion aufbaust, gilt dasselbe Prinzip — Multi-Agent-Orchestrierung entsteht durch Tun, nicht durch Planen.
Tritt unserer Community bei und lerne weiter
Wenn dir diese Lektionen etwas sagen, schließ dich über 40.000 ambitionierten Professionals an, die ihre Notion- und KI-Skills auf das nächste Level bringen. Hol dir unseren kostenlosen Notion-Newsletter — er enthält 41 kostenlose Notion-Ressourcen plus wöchentliche Insights zum Aufbau KI-nativer Workflows.
Der Wandel auf einen Blick
| Bereich | Traditioneller Ansatz | KI-nativer Ansatz |
|---|---|---|
| KI-Input | Getippte Prompts, sorgfältig redigiert | Sprach-Brain-Dumps, roh und vollständig |
| Support | Dediziertes Team oder ausgelagert | KI-unterstützt, in Leerzeiten erledigt |
| Skill-Aufbau | Anweisungen vorab schreiben, dann ausführen | Erst arbeiten, dann zu Skills komprimieren |
| KI-Wissen | Statische Prompts und Templates | Dynamische Skills, die lernen und sich anpassen |
| Ausführung | Mensch erledigt 100 % der Arbeit | KI erledigt 80 %, Mensch reviewt 20 % |
| Organisationsdesign | Hierarchien für Informationsweiterleitung | Flache Strukturen für Urteilsvermögen |
| Mindset | Optimieren und planen, bevor man handelt | Experimentieren, schnell scheitern, Learnings akkumulieren |
Häufig gestellte Fragen
Warum ist Sprachdiktat besser als Tippen für KI?
Beim Tippen redigierst du dich automatisch und kürzt Kontext, um Aufwand zu sparen. Sprache ermöglicht dir einen vollständigen Brain-Dump — Ausweichthemen, Hintergrund, halbfertige Ideen inklusive. KI-Modelle liefern deutlich bessere Ergebnisse mit mehr Kontext, deshalb ist der Qualitätsunterschied zwischen getippten und diktierten Prompts erheblich. Monoloques Power-User berichten, dass der Wechsel zur Sprache die einzige größte Verbesserung ihrer KI-Outputs war. Genau deshalb betont der Notion AI Hub, der KI reichen, kontextuellen Input zu liefern.
Kann man wirklich ein Produkt als Ein-Personen-Team betreiben?
Ja — mit den richtigen Systemen. Naveen betreibt Monologue (täglich über 2 Millionen verarbeitete Wörter) komplett alleine und kümmert sich um Entwicklung, Kundensupport und Produktentwicklung. Der Schlüssel liegt nicht darin, mehr Stunden zu arbeiten. Sondern darin, KI-Systeme aufzubauen, die die Volumenarbeit übernehmen, während du dich auf Urteilsentscheidungen, Qualitätsprüfungen und strategische Entscheidungen konzentrierst.
Was ist der beste Weg, KI-Skills oder Anweisungen zu erstellen?
Schreib sie nicht vorab. Arbeite die Aufgabe zuerst unordentlich mit der KI durch — löst das echte Problem gemeinsam. Sobald ihr beide den Workflow verstanden habt, bitte die KI, alles in einen wiederverwendbaren Skill zu komprimieren. Dieser “Erst tun, dann dokumentieren”-Ansatz übertrifft konsistent vorgefertigte Templates, weil er deine tatsächlichen Edge Cases und Präferenzen erfässt. Mehr dazu im vollständigen Notion AI Skills-Leitfaden.
Wie erledigen KI-Agenten Code-Fixes autonom?
Naveens Agent (Cooper) ist mit Fehlertracking (Sentry), Projektmanagement (Linear) und der gesamten Codebasis (GitHub) verbunden. Wenn ein Fehler auftritt, analysiert Cooper die Logs, identifiziert das Problem und erstellt einen Pull Request mit einem vorgeschlagenen Fix — alles autonom. Die Person reviewt jeden Morgen, passt bei Bedarf an und merged. Das 80/20-Prinzip angewandt auf Software-Wartung. Für einen tiefen Einblick in den Aufbau dieser Systeme, lies wie Notion KI-Agenten intern einsetzt.
Brauchen KI-native Organisationen noch Führungskräfte?
Die Rolle verändert sich, verschwindet aber nicht. Traditionelle Management-Hierarchien wurden entwickelt, um Kommunikations-Bottlenecks zu lösen. KI beseitigt einen Großteil davon. Führungskräfte in KI-nativen Organisationen konzentrieren sich weniger auf Informationsweiterleitung und mehr auf Urteilsvermögen, Kultur und strategische Ausrichtung — während kleinere Teams erreichen, was früher ganze Abteilungen erforderte. Diese Transformation wird in The Judgment Economy ausführlich behandelt.
