Alles eine Frage der Skill-Datei!?

Im letzten Teil dieser kleinen Serie haben wir „Chef Watson“ kennengelernt: ein einzelnes, monolithisches System aus dem Jahr 2014 – für damalige Verhältnisse beeindruckend. Was heute geht, ist noch mal eine andere Liga. Und es rückt wichtige Fragen in den Fokus: Wieviel des kreativen Arbeitens lässt sich beschreiben und damit als Skill-Datei, dem Handwerkswissen in einem agentischen KI-System hinterlegen? Und wie erwirbt man als Mensch (und Unternehmen) Senior-Wissen, wenn KI-Systeme ganze Teams von Junioren ersetzen, es also zukünftig weniger Junioren gibt? Und wer wird dann in Zukunft eigentlich (wie) Creative Director?

Vom Super-Koch zur ganzen Küchen-Brigade

Wie haben wir uns das vorzustellen, was sich gerade entwickelt, was „next level“ ist? Leihen wir uns bei IBM und „Chef Watson“ mal die Küchenmetapher... Wenn wir klassisch von KI gesprochen haben, dann meinten wir damit in der Regel intelligente Koch-Computer. Wenn wir von generativer KI sprechen, meinen wir super-schnelle Assistenten, denen wir aber genau sagen müssen, was sie kochen sollen. Wenn wir von agentischen KI-Systemen sprechen, dann sprechen wir von einer ganzen Küchen-Brigade. Ein „Scout“, der beobachtet, was im Markt „frisch“ ist – Trends, Wettbewerb, Stimmungen. Ein:e Konzeptköchin/-koch, die/der Richtung und Positionierung festlegt. Die kochende Brigade, die die einzelnen Gerichte – Texte, Visuals, Kampagnen-Bausteine – tatsächlich zubereitet. Und ein:e Küchenchef:in, die/der das Ganze orchestriert, Qualität sichert, bei Konflikten entscheidet.

Jede dieser Rollen ist heute als Agent:in vorstellbar, ausgestattet mit vier Dingen: einer Skill-Datei (dem Handwerkswissen, „wie“ man etwas gut macht), einem Memory für das Erinnerungswissen („was war“), RAG (Retrieval-Augmented Generation) zum Zugriff auf aktuelle Fakten („was“ gerade der Fall ist), und dank/über einen offenen Standard namens MCP (Anthropic, 2024) auch die Fähigkeit, in der (digitalen) Welt zu handeln, z. B. mit Designsoftware, CRM- und Marketing Automation-Systemen sowie Analytics-Tools zu interagieren. Zusammen ergeben diese vier – Handwerkswissen, Erinnerung, Faktenzugriff und Handlungsfähigkeit – so etwas wie den Nervenstrang eines agentischen Systems; mehrere solcher Agent:innen werden dann von einer übergeordneten Instanz orchestriert, mal streng hierarchisch, mal eher dezentral abgestimmt. Das klingt wie Zukunftsmusik, ist es aber nicht länger: Selch et al. (2026) beschreiben das Zusammenspiel von Agent:innen zur Entwicklung der rivella/FOCUSWATER-Kampagne: spezialisierte Agenten für Konzept, Text und Visual, koordiniert von einem Orchestrator, mit Qualitäts-Gates an den Übergaben.

Und man kann dieses „Küchen-Setup“ noch weiterdenken... So könnte man Agent:innen einsetzen, die die Rollen von Gästen/Kund:innen (Personae) einnehmen und die „Gerichte vorkosten“, also testen und Optimierungsfeedback geben, bevor sie „auf den Tisch kommen“, der breiteren Öffentlichkeit ausgeliefert werden. Und man könnte auch Agent:innen für hoch-spezialisierte Spezialaufgaben ausbilden und anstellen, z. B. für ganz spezifische Landesküchen, oder „fancy shit“ wie Molekulare Küche. Könnte man alles machen, alles vorstellbar, solange das notwendige Wissen der/des Agent:in beschreibbar ist. Warum das?

Skill-Dateien: verschriftliches Senior-Wissen

Kern effektiv und effizient arbeitender KI-Agenten sind ihre Skill-Dateien. Die stellen das konkrete Handwerkswissen dar, sagen der/dem Agent:in, wie sie/er etwas tun muss, damit es gut wird. In so einer Skill-Datei steht also nicht das, was man im Studium und aus Lehrbüchern lernt, sondern das, was eine Senior-Kollegin einer Junior-Kollegin in den ersten Wochen beibringt: Das konkrete Anwendungswissen, die Faustregeln, die Vorgehensweisen, die Hinweise zur Beurteilung von Sachen, das „pass hier auf, frag da lieber nochmal“ und das „wenn die das so schreiben, meinen die das eigentlich so“ etc. Das System ersetzt also nicht nur die Aufgaben der Junioren. Es schluckt auch das Wissen, das sie überhaupt erst wertvoll machte. Wer es schon mal versucht hat, sein eigenes Handwerkswissen aufzuschreiben, um es anderen zugänglich zu machen (z. B. im Sinne von „Playbooks“ o. Ä.), der merkt: Es mag mühsam sein und sich zum Start auch herausfordernd anfühlen, es lässt sich aber erstaunlich viel davon und erstaunlich genau aufschreiben.

Wenn so etwas im Bereich des kreativen Arbeitens passiert, kann ein solches System weit mehr Stufen davon übernehmen, als den meisten Kreativen lieb sein dürfte – das divergente Erzeugen vieler Optionen ebenso wie das konvergente Auswählen und Verfeinern. Beide „Denkrichtungen“, die in der Kreativitätsforschung als Herzstück gelten, können durch eine „Agent:innen-Brigade“ eingeschlagen werden. Lösung: Dann schreiben wir unser Handwerkswissen einfach nicht auf, legen keine Skill-Dateien an! Nicht so leicht. Zum einen lohnt sich zu bedenken, wer motiviert ist, Skill-Dateien anzulegen und wer es honorieren (oder auch erzwingen) kann. (Seniorige) Kreative dürften durchaus motiviert sein, ihr Wissen einem KI-Agenten einzupflanzen, einfach weil er sie so besser unterstützen, entlasten kann, mehr Zeit und Kapazität für die wirklich wertvollen Tätigkeiten verschaffen kann. Zweitens dürften Auftraggeber es durch die Bereitstellung von KI-Tools oder auch Prämien honorieren (im positiven Falle) oder durch geringere Budgets und Projektlaufzeiten, engere Deadlines oder auch schlicht weniger Mitarbeitende forcieren (oder gar implizit erzwingen). Und unabhängig davon wird man (kreative) Skills für seine Agent:innen-Brigade einfach im Web suchen, herunterladen und im agentischen KI-System hinterlegen können. Man kann es aktuell schon, wenn auch auf eher konkrete, spezifische „kreative Skills“ ausgerichtet. Googeln Sie mal nach „ai skills collection“ oder auch „ai skills library“....

Und die drei menschlichen Reste?

„Es bleiben aber immer noch die drei hartnäckig menschlichen Dinge!“, werden Sie einwenden. Richtig, Teil 2 endete mit Inkubation, echtem Wollen und Verantwortung. „Hardcore human“. Nur: Auch dafür gibt es „Workarounds“, auch da ist die Praxis nicht so anspruchsvoll. Beginnen wir beim letzten Merkmal, der Verantwortung. Machen wir uns nichts vor, die delegiert der Mensch ohnehin gerne nach unten – oder eben an die Maschine, soweit zulässig. Und was ist dann mit dem „echten Wollen“? Guter Punkt. Gegenfrage: Könnten Sie bei einem ausführlichen präzisen Briefing sagen, ob die/der Verfasser:in „wirklich will“? Könnten Sie anhand eines Textes auf einer Landingpage oder einem E-Mail-Newsletter sagen, ob die/der Erschaffer:in es so wirklich (nicht) wollte?

Schauen wir auf die Inkubation von Ideen, die Dusche, den Spaziergang, die Yoga-Session, die den unverhofften Einfall fördern. Sie lassen sich erstaunlich gut stochastisch simulieren: Zufall einstreuen (Zufallsgenerator, die leichteste aller Sachen für Maschinen), über Domänengrenzen hinweg rekombinieren, mehrere Systeme gegeneinander laufen lassen, bis etwas Unerwartetes herausfällt. Eine künstliche Serendipität, wenn man so will. Hier die Empfehlung einfach mal in den „algorithmic-art“ Skill auf GitHub hineinzulesen... „To begin, create an ALGORITHMIC PHILOSOPHY..., [...] Seeded randomness, noise fields, organic systems [...] To achieve mastery, create algorithms that feel like they emerged through countless iterations by a master generative artist. Tune every parameter carefully. Ensure every pattern emerges with purpose [...]“. Klar, es ist im Kern nur eine Simulation echten kreativen Wirkens, wenn auch mit bewusster Einbettung von Zufall. Aber simulieren menschliche Kreative nicht über weite Strecken auch nur echtes kreatives Wirken?

Wie originell war der Durchschnitt je?

Kommen wir in dieser Hinsicht noch einmal kurz zur Theorie zurück. Boden (2004, S. 2) unterscheidet zwei Sorten des Neuen: H-Kreativität – historische Kreativität, neu für die ganze Menschheit – und P-Kreativität – psychologische Kreativität, neu nur für die Person, die es hervorbringt. Sind wir mal ehrlich: Das allermeiste, was das Marketing, insbesondere das digitale Marketing Tag für Tag ausstößt, ist – abseits ausgewählter herausragender Arbeiten und der Award-Reels – bestenfalls P-Kreativität. Sauber, markenkonform, kompetent... und in einer Woche vergessen. Wenn wir nun also fürchten, KI homogenisiere den Output (Doshi & Hauser, 2024, S. 4 - „Our results show that having access to generative AI ideas makes a story more similar to the average of other stories within the same condition“), dann meine ehrliche Rückfrage: Wie originell war der Durchschnitt bisher? Das Homogenisierungs-Paradox – Variation wird billig, also wird Anderssein teuer – bricht sich an einer schlichten Wahrheit: Für viele Marken war Einzigartigkeit, war Unverwechselbarkeit nie das größte Ziel. Es geht selten um „Punk“, sondern meistens darum die Codes der Branche zu sprechen, als einer Kategorie zugehörig wahrgenommen zu werden, professionell und vertrauenswürdig zu erscheinen etc. Und Me-too-Marken wollen gar so aussehen wie der etabliertere Wettbewerber. Für sie ist „so ähnlich wie Marke XY“ kein Manko, kein Versehen, sondern Programm.

Die eigentliche Bedrohung heißt „good enough“

Und damit sind wir vielleicht bei der eigentlichen Bedrohung. Sie lautet nicht: KI ist kreativer als der beste Mensch. Sie lautet: Der durchschnittliche Kreative konkurriert auf einem Feld, auf dem der Auftraggeber zunehmend streng ökonomisch denkt – und mit „good enough“ zufrieden ist. Sobald der Köder dem Fisch schmeckt – und entschieden hat das, wie in Teil 1 angekündigt, ohnehin die Zielgruppe, nicht der Kreativdirektor – und eine Agent:innen-Brigade dieses „gut genug“ zu einem Bruchteil der Kosten liefert, ist eben nicht nur die Junior-Stufe bedroht. Auch der vermeintlich sichere Sessel der Kreativdirektion wackelt. Denn die Orchestrierung, das Kuratieren, das Auswählen, das Kommunizieren der Ideen, das Geradestehen – auch das ist eine Rolle, die Handwerkswissen bedingt. Und das lässt sich als Skill beschreiben.

Ehrlich gesagt: Nicht jeden dieser Verluste würde ich betrauern. Vieles von dem, was die Szene „kreative Exzellenz“ nennt, ist Pose, nicht Urteil – das divenhafte Gehabe mancher Kreativdirektor:innen, das die eigene Entscheidung lieber „fühlt“, als sie zu begründen. Wenn agentische KI hier den Bluff auffliegen lässt und Attitüde von echtem Geschmack trennt, dann trifft sie vielleicht die richtige Schicht zuerst. Anmerkung: Ich habe mit Kreativdirektor:innen gearbeitet, die vielleicht auch etwas „gefühlt“ haben, aber alles andere als Diven waren, die alles erklären und begründen konnten, die jedem präzise erläutern konnten, in welche Richtung weitergedacht werden sollte, welches Gewürz bei einem Entwurf noch fehlte oder ob die Zubereitungsform noch nicht auf dem Punkt war. Ihr seid hier nicht gemeint, Sina und Hans.

Wer entscheidet, was zählt?

Bleibt die unbequemste Frage, die unter allem liegt: Wer entscheidet eigentlich, was zählt? Im Markt entscheidet der Markt – die Zielgruppe, vermittelt über Klick, Watchtime und „Brand Lift“. Vielleicht handelt diese kleine Serie am Ende gar nicht von Kreativität, sondern von einem Wirtschaftssystem, das das Messbare und das gerade noch Ausreichende schon lange über das Seltene, das Originelle, das mit Sorgfalt Gemachte stellt. Die KI erfindet dieses Problem nicht. Sie macht es nur sichtbarer.

Was ist die Antwort darauf? Erklären wir Kreativität wieder zur heiligen Kuh, wiederholen wir den Irrtum aus Teil 1? Die Antwort ist unbequemer: ehrlich exzellent zu sein, dort, wo es wirklich zählt. Vielleicht ist die Aufgabe der Kreativen von morgen nicht mehr, jedes Gericht selbst zu kochen – sondern zu wissen, welches Gericht diesen Gast an diesem Abend wirklich berührt. Kochen kann/wird die Maschine. Ob es schmeckt und wofür sich der Aufwand lohnt, bleibt vorerst unsere Frage. Und so ist die eigentliche Bedrohung vielleicht nicht die Maschine, sondern unsere Bequemlichkeit, mit der wir „gut genug“ akzeptieren – als Kreative wie als Auftraggeber wie als Konsument:innen.

Referenzen

Anthropic. (2024). Introducing the Model Context Protocol. https://www.anthropic.com/news/model-context-protocol

Boden, M. A. (2004). The creative mind: Myths and mechanisms (2nd ed.). Routledge.

Doshi, A. R., & Hauser, O. P. (2024). Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. https://doi.org/10.1126/sciadv.adn5290

Selch, D., Kaufmann, P., & Leemann, A. (2026). From „Campaign Operator“ to „AI Orchestrator“: How artificial intelligence is transforming marketing roles along the campaign creation process. Marketing Review St. Gallen, (1), 22–33.