Viele OpenClaw-Videos zeigen die Installation und enden kurz danach. Mich interessierte die andere Frage: Was macht man mit einem solchen Agenten, wenn er eingerichtet ist und echte Arbeit übernehmen soll?
In dieser Working Session öffne ich unser eigenes Setup bei Meeting Metrics. Ich zeige die Workflows, Skills und Zugriffsregeln, mit denen wir im Alltag arbeiten, statt eine fiktive Demo aufzubauen.
OpenClaw ist für uns mehr als ein Chatfenster
Ein normaler Chatbot beantwortet eine Frage. OpenClaw kann zusätzlich Tools verwenden, Skills laden und wiederkehrende Aufgaben ausführen. Wir sprechen den Agenten über Discord oder Telegram an. Abhängig von seinen Berechtigungen kann er mit APIs, Dateien, Datenbanken oder Servern arbeiten.
OpenClaw ist bei uns Teammitglied Nummer vier. Der Begriff ist etwas zugespitzt, beschreibt den Einsatz aber gut: Der Agent übernimmt wiederkehrende Vorarbeiten, während Entscheidungen bei uns bleiben.
Was ich in der Working Session zeige
Im Video geht es um Teamwork-Aufgaben, tägliche Content-Briefings, Performance-Auswertungen, Datenbank- und Log-Analysen, Support sowie CRM-, Lead- und Admin-Abläufe.
Teamwork-Aufgaben direkt aus dem Chat
Über die Teamwork-API ruft der Agent aktuelle Aufgaben ab, legt neue Aufgaben an und erfasst Arbeitszeit für die richtige Person und das gewünschte Datum. Ich muss dafür nicht jedes Mal das Projektmanagement öffnen und alle Angaben erneut eintragen.
Content-Briefings um 06:00 Uhr
Um 06:00 Uhr liefert der Agent drei Vorschläge auf Basis aktueller News und früherer Beiträge. Wählen wir ein Thema aus, erstellt er den Textentwurf und ein Bild. Für die Bildgenerierung können wir zwischen verschiedenen Modellen wechseln. Wir können später auch auswerten, welche Blogbeiträge oder Posts besser funktioniert haben.
Der Skill legt Quellen, Aufbau und Ton fest. Dadurch passen die Vorschläge besser zu Meeting Metrics, und wir müssen nicht jedes Mal wieder bei null anfangen.
Daten, Logs und Support
Für Analysen hat OpenClaw bewusst nur lesenden Zugriff auf bestimmte Produktionsdaten. Wir können ihn fragen, wie viele Meetings verarbeitet wurden, ob Jobs in einer Queue hängen oder warum eine Transkription fehlgeschlagen ist. Er kann Logs und Audiodateien prüfen und den Fehler eingrenzen. Diese Beschränkung gehört bewusst zum Setup.
Bei Kundenanfragen prüft der Agent unsere Dokumentation und bei Bedarf den relevanten Code. Danach erstellt er einen Antwortentwurf in Outlook. Erkennt er einen möglichen Bug, bereitet er zusätzlich eine Aufgabe in Teamwork vor. Wir kontrollieren den Entwurf, bevor etwas an den Kunden geht.
CRM, Leads und administrative Arbeit
Weitere Workflows betreffen HubSpot, Kontaktrecherchen, E-Mail-Entwürfe, Rechnungen und administrative Aufgaben. Auch hier geht es meist um Vorarbeit: Informationen zusammentragen, einen nächsten Schritt vorbereiten und das Ergebnis so hinterlegen, dass wir es schnell prüfen können.
Warum Skills und begrenzte Zugriffe zusammengehören
Ein guter Prompt kann ein gutes Einzelergebnis erzeugen. Ein Skill hält dagegen fest, welche Systeme und Daten der Agent verwenden darf, welches Format wir erwarten und wo wir das Ergebnis kontrollieren.
Wir haben dafür mehr als 25 begrenzte Skills für Content, Support, Analytics, CRM und interne Abläufe aufgebaut. Bei Produktionsdaten setzen wir beispielsweise auf Lesezugriffe; Support-Antworten landen als Entwurf in Outlook. So wird aus einem Chat ein wiederholbarer Arbeitsablauf, ohne dem Agenten unnötig viele Rechte zu geben.
Was vom praktischen Einsatz bleibt
Ein Agent nimmt dann Arbeit ab, wenn er den Ablauf kennt, genug Kontext hat und nur die Zugriffe bekommt, die er wirklich braucht. Die Beispiele in der Working Session zeigen, wie wir das bei Meeting Metrics umgesetzt haben.
Wenn du prüfen möchtest, welche Abläufe sich in deinem Unternehmen für KI-Agenten eignen, kontaktiere uns.
