Ein gespeicherter Prompt ist ein Risiko. Er liegt in der Oberfläche eines einzigen Anbieters, niemand sonst kann ihn lesen, und wenn das Produkt umbenannt wird, kann er verschwinden. Ein Skill ist dieselbe Anweisung, ergänzt um Trigger, Beispiele und einen Verantwortlichen, abgelegt in einem Ordner, den Sie kontrollieren. Nur diese Version überlebt.
Das Timing ist kein Zufall. Google stellt Gems in persönlichen Konten ein und wandelt sie nach einem Zeitplan, den das Unternehmen für später in 2026 angesetzt hat, in „Skills“ um. Nutzer rufen sie auf, indem sie in einem Aufgaben-Thread „/“ tippen (TechCrunch). Einen Tag später hat OpenAI die Plugins von ChatGPT um Seitenleisten-Bereiche, interaktive Panels und einen Plugin Creator erweitert (TechCrunch). Custom GPTs, Gems, Plugins, Apps und Skills sind alles Namen für denselben Impuls: Anweisungen nicht mehr immer wieder neu eintippen.
Wenn Sie ein paar Dutzend solcher Assistenten gebaut haben, haben Sie jetzt zwei Aufgaben. Erstens: das Gebaute behalten. Zweitens: es so portabel machen, dass die nächste Umbenennung Sie einen Nachmittag kostet statt eines Quartals. Dieser Leitfaden zeigt, wie beides gelingt, mit Vorlage, Testroutine, Migrations-Checkliste und einer klaren Antwort darauf, wann Sie sich den Aufwand sparen sollten.
Warum Ihre gespeicherten Assistenten ständig umbenannt werden
Gems starteten 2024 als aufgabenspezifische Assistenten, die Sie bauen konnten, ohne Anweisungen zu wiederholen, und die sich auch teilen ließen. Auf der Hilfeseite von Google heißt es inzwischen, Gems würden in persönlichen Konten auslaufen und automatisch in Skills überführt (Google Gemini Help). TechCrunch merkt an, dass Nutzer bei der automatischen Migration nichts tun müssen, und dass Skills per Slash-Befehl aufgerufen werden, eine Oberfläche, die laut TechCrunch eher Entwicklern liegt.
Automatische Migration klingt sicher, und für den Text Ihrer Anweisungen ist sie das meistens auch. Laut Google werden unterstützte Wissensdateien mitgenommen. Skill-Uploads akzeptieren aber nur Nur-Text-Dateien, PDFs und Bilder, keine Word- oder Excel-Dateien, und laut der Übergangsseite folgen Freigaben und mit Drive verknüpfte Dateien erst in den kommenden Wochen (Gemini Help, Upload-Regeln). Eine Migration verschiebt Inhalte. Sie verschiebt nicht die Beispiele, die Sie nur im Kopf hatten, und auch nicht die Kollegin, die wusste, wann man welches Gem nimmt.
Das Muster wiederholt sich bei allen Anbietern. Das frühere Freigabeformat von OpenAI war das Custom GPT, und die aktuelle Entwicklerdokumentation beschreibt Plugins, die Skills zusammen mit einem MCP-Server bündeln (OpenAI Developers). Die Skills von Anthropic werden nicht einmal zwischen den eigenen Produkten synchronisiert. Laut Anthropics Dokumentation ist ein in claude.ai hochgeladener Skill nicht in der API verfügbar, und Skills in Claude Code sind dateisystembasiert und von beiden getrennt (Claude docs). Gehen Sie davon aus, dass jede Plattform das, was Sie dort gespeichert haben, irgendwann umbenennt, zusammenlegt oder aufteilt.
Was ein Skill ist, ohne Marketing
Ein Skill ist ein Ordner. Nach Anthropics Definition enthält er Anweisungen, Skripte und Ressourcen, die ein Agent für eine bestimmte Aufgabe finden und dynamisch laden kann (Anthropic Engineering). Die einzige Pflichtdatei ist SKILL.md. Sie beginnt mit einem Namen und einer Beschreibung, danach folgen die Anweisungen.
Die Beschreibung leistet die meiste Arbeit. Beim Start lädt der Assistent nur Name und Beschreibung jedes Skills (laut Anthropic je etwa 100 Tokens) und gleicht Ihre Anfrage mit diesem Text ab, um zu entscheiden, ob er den Rest öffnet. Eine vage Beschreibung heißt: Der Skill springt nie an. Eine zu gierige heißt: Er springt bei allem an. Anthropic empfiehlt, sowohl zu sagen, was der Skill tut, als auch, wann er zu verwenden ist, und zwar in der dritten Person.
Das ist das Erste, was einem gespeicherten Prompt fehlt. Ein Prompt wartet darauf, dass Sie ihn einfügen. Ein Skill hat einen Trigger, sodass der Assistent ihn aufgreifen kann, ohne dass jemand darum bittet. Alles Weitere in einem guten Skill ergibt sich daraus, dass man den Trigger ernst nimmt.
Der Aufbau hat sechs Teile. Der Trigger legt fest, wann der Skill anspringt. Die Eingaben nennen, was der Nutzer liefern muss und was optional ist. Die Schritte sind die Anweisungen in Reihenfolge. Die Tools benennen alles, worauf der Skill außerhalb des Chats zugreifen muss. Beispiele zeigen echte Eingaben neben akzeptierten Ausgaben. Das Ausgabeformat legt die Form der Antwort fest, und das macht Ergebnisse über mehrere Durchläufe hinweg vergleichbar.
Den Beispielen gebührt die meiste Aufmerksamkeit. Sie erfüllen einen doppelten Zweck: Dieselben Paare aus Eingabe und Ausgabe, die dem Assistenten zeigen, was Sie wollen, dienen zugleich als Testfälle, die Ihnen verraten, wann eine Änderung etwas kaputt gemacht hat. Ohne sie haben Sie nur einen Prompt in einem Ordner geschrieben.
Skills laufen auf ein gemeinsames Dateiformat zu
Gute Nachrichten für alle, die Lock-in fürchten: Das Format setzt sich durch. Anthropic hat Agent Skills 2025 als offenen Standard für plattformübergreifende Portabilität veröffentlicht, die öffentliche Spezifikation liegt auf agentskills.io. Ein Skill ist ein Verzeichnis mit einer obligatorischen SKILL.md, optionalen Ordnern scripts/, references/ und assets/, einem name aus bis zu 64 Kleinbuchstaben, Ziffern und Bindestrichen sowie einer description von bis zu 1.024 Zeichen (Agent Skills spec).
Laut OpenAIs Dokumentation bauen die eigenen Skills auf demselben offenen Standard auf. Jeder Skill ist ein Verzeichnis mit einer obligatorischen SKILL.md, die Name und Beschreibung im Frontmatter trägt. Sie rufen ihn explizit mit @ in ChatGPT oder $ in Codex auf oder lassen das Modell ihn anhand der Beschreibung auswählen (OpenAI). Die Dokumentation der Gemini CLI von Google besagt, dass deren Skills auf demselben Standard basieren (Gemini CLI docs), und die Hilfeseiten der Gemini-App sagen, dass Sie auf anderen Plattformen erstellte Skills importieren können, indem Sie deren SKILL.md-Dateien hochladen (Gemini Help). Eine Aussage von Google, dass die App die vollständige offene Spezifikation umsetzt, haben wir nicht gefunden. Testen Sie einen Upload also, bevor Sie sich darauf verlassen.
Der portable Kern steht also bereits bei drei Anbietern. Claude und Claude Code lesen ihn, ChatGPT und Codex nach Angaben von OpenAI ebenfalls, und Google Gemini akzeptiert Uploads davon. Behalten Sie denselben Ordner als Single Source of Truth und führen Sie Ihre Beispiele nach jedem Upload erneut aus. Der Upload von Gemini lehnt Binärformate wie .docx ab und blockiert Skripte, die externe Seiten aufrufen (Gemini Help).
Den Skill so schreiben, dass er den Umzug übersteht
Portabilität ist größtenteils Disziplin. Vier Gewohnheiten decken das meiste ab.
- Halten Sie die Quelle der Wahrheit in einem einfachen Ordner unter Versionskontrolle, niemals nur im Editor eines Anbieters. Die Kopie beim Anbieter ist ein Deployment.
- Formulieren Sie Anweisungen über Ergebnisse und Formate, nicht über Produktfunktionen. „Gib eine Tabelle mit drei Spalten zurück“ funktioniert überall. „Nutze das Canvas-Panel“ nicht.
- Lagern Sie alles Lange (Styleguide, Schema, Richtlinie) in eine eigene Referenzdatei aus und verlinken Sie sie eine Ebene tief aus der
SKILL.md. Anthropic warnt, dass tiefer verschachtelte Ketten nur teilweise gelesen werden. - Fassen Sie sich kurz. Anthropic empfiehlt einen Hauptteil unter 500 Zeilen, und die offene Spezifikation rät, bei den Anweisungen unter etwa 5.000 Tokens zu bleiben.
So sieht das für eine Aufgabe aus, die die meisten Teams regelmäßig haben: das wöchentliche Kunden-Update.
---
name: drafting-client-updates
description: Drafts a weekly client status update from raw project notes. Use when the user pastes notes, a ticket export or a standup log and asks for a client-ready update.
metadata:
owner: ops-team
version: "1.2"
---
# Drafting client updates
## Inputs
- Required: raw notes for the week
- Optional: client name, tone (default: plain and direct)
## Steps
1. Group items into Done, In progress and Blocked.
2. Drop internal ticket IDs and jargon.
3. Lead with the one thing the client must decide, if any.
## Output
Use the template in references/update-template.md.
## Examples
See examples/ for three accepted drafts.Beachten Sie, was fehlt: keine Schmeicheleien, kein „Du bist ein erstklassiger Account Manager“, keine Erklärung, was ein Status-Update ist. Das weiß der Assistent bereits. Anthropic rät, jeden Absatz mit der Frage zu prüfen, ob er seine Token-Kosten rechtfertigt, und nur Kontext zu ergänzen, den das Modell nicht hat.
Beachten Sie auch den metadata-Block. Die offene Spezifikation definiert ihn als frei belegbare Key-Value-Map, die sich damit gut für Verantwortlichen und Versionsnummer eignet. Prüfen Sie, ob Ihre Plattform ihn beim Import behält.
Testen Sie wie Software, denn das ist es
Die nützlichste Zeile in Anthropics Authoring-Leitfaden lautet, Evaluierungen zu bauen, bevor man ausführliche Dokumentation schreibt. Der Ablauf ist kurz. Lassen Sie den Assistenten repräsentative Aufgaben ohne den Skill ausführen und notieren Sie, wo er scheitert. Schreiben Sie drei Szenarien, die diese Lücken offenlegen. Ergänzen Sie gerade genug Anweisungen, damit sie bestehen. Vergleichen Sie dann mit der Baseline.
Drei ist das Minimum von Anthropic, aufgeführt in der Checkliste vor dem Teilen, und es ist eine Untergrenze. Ziehen Sie fünf bis zehn echte Eingaben aus Ihrer eigenen Arbeit und behalten Sie die Ausgaben, die Sie tatsächlich akzeptiert haben. Dieser Ordner ist Ihre Regressionssuite. Führen Sie die Eingaben nach jeder Änderung und nach jeder Plattformänderung erneut aus und lesen Sie die Diffs. Das kostet wenig und ist das Einzige, was stilles Abdriften aufdeckt.
Testen Sie auch über mehrere Modelle hinweg. Laut Anthropics Leitfaden braucht ein Skill, der auf dem leistungsstärksten Modell perfekt läuft, beim kleinen Modell womöglich mehr Details. Führen Sie ihn deshalb auf jedem Modell aus, das Sie nutzen wollen. Dasselbe gilt beim Wechsel zwischen Anbietern: Ein Skill, der in einem Assistenten abgestimmt wurde, ist in einem anderen erst getestet, wenn Sie die Beispiele dort durchlaufen lassen.
Wenn Sie Tooling wollen: Promptfoo führt gespeicherte Testfälle gegen Prompts in der CI aus, und PromptLayer verfolgt Prompt-Versionen und Läufe. Unser Board zu Prompt-Engineering-Tools listet weitere. Nötig ist keines davon. Ein Ordner mit Beispielen und eine Checkliste bringen Sie schon weit, und unser Leitfaden für langlebiges Prompting behandelt die Muster, die auch dann halten, wenn sich das zugrunde liegende Modell ändert.
Wo MCP ins Spiel kommt
Ein Skill sagt dem Assistenten, wie er eine Aufgabe erledigt. Zugriff auf irgendetwas gibt er ihm nicht. Dafür braucht es Tools, und der portable Weg, sie bereitzustellen, ist das Model Context Protocol, ein offener Standard zur Anbindung von KI-Anwendungen an externe Systeme, den die Dokumentation mit einem USB-C-Anschluss vergleicht (MCP docs). Claude, ChatGPT, Cursor und VS Code gehören zu den aufgeführten Clients. Das Repository Model Context Protocol servers eignet sich, um funktionierende Beispiele anzusehen.
Die Plugin-Dokumentation von OpenAI zieht die Grenze sauber: Der Skill ist für Workflow-Anweisungen da, der Server für Live-Daten, Autorisierung und kontrollierte Aktionen. Wenn ein Skill einen MCP-Server benötigt, deklariert er die Abhängigkeit in agents/openai.yaml. Skills, die bei der Einreichung aus dem MCP-Server eines Plugins importiert werden, werden im Entwurf zu einem Snapshot, und ChatGPT und Codex holen sie zur Laufzeit nicht von Ihrem Server (OpenAI Developers). Praktische Folge: Nach einer Änderung am Skill deployen Sie den Server neu und scannen ihn erneut, bevor Sie eine neue Plugin-Version einreichen.
Anthropic nennt eine kleine Authoring-Regel, die echte Debugging-Zeit spart: Verweisen Sie auf MCP-Tools mit vollqualifizierten Namen, ServerName:tool_name, denn ein bloßer Name lässt sich unter Umständen nicht auflösen, wenn mehrere Server verbunden sind.
Shopify zeigt, wohin die Reise geht. Das Unternehmen stellt einen gehosteten MCP-Server für Server-zu-Server-Agenten und den vorgeschlagenen WebMCP-Standard für Browser-Agenten bereit und hat gerade Tools zum Abrufen, Aktualisieren und Abschließen des Checkouts ergänzt. Damit kann ein Agent den Checkout-Bildschirm lesen und mit Autorisierung des Käufers eine Bestellung abschicken, statt Seiten zu scrapen (TechCrunch). Wenn Sie einen Shopify-Shop betreiben, wird die Tool-Ebene zu etwas, das die Plattform mitliefert. Die Aufgabe Ihres Skills ist das Urteilsvermögen drumherum.
Auch OpenAIs eigene Ankündigungen weisen in diese Richtung. ChatGPT schlägt mittlerweile mitten im Gespräch Apps vor, wobei das Unternehmen 1,2 Milliarden wöchentliche Nutzer nennt (TechCrunch), und laut OpenAI unterstützt das Plugin-Update nun die vorgeschlagene MCP-Events-Spezifikation, mit der Ereignisse verbundener Apps Automatisierungen starten könnten (TechCrunch). Je mehr Ihrer Tools hinter MCP liegen, desto weniger kommt es auf das Plugin-Format eines einzelnen Assistenten an.
Im Team teilen, ohne ein zweites Chaos zu schaffen
Wo ein Skill liegt, entscheidet, wer ihn nutzen kann, und die Regeln unterscheiden sich je nach Produkt. In der Dokumentation von Claude gehören benutzerdefinierte Skills in claude.ai der einzelnen Person, sodass jedes Teammitglied separat hochlädt und Admins sie nicht zentral verteilen können. In der API gelten sie workspace-weit. In Claude Code liegen sie in einem persönlichen Ordner oder im Verzeichnis .claude/skills/ eines Projekts, wandern also mit dem Repository.
Die Repository-Lösung ist für die meisten Teams die beste. Legen Sie Skills in Git ab, prüfen Sie Änderungen wie Code, taggen Sie Releases und lassen Sie die Leute pullen. Zip-Dateien zwischen Laptops hin- und herzukopieren führt dazu, dass Sie sieben Versionen des Client-Update-Skills haben und nicht wissen, welche stimmt.
Jeder geteilte Skill braucht einen benannten Verantwortlichen, eine Version und pro Änderung eine Changelog-Zeile. Außerdem braucht er eine Sicherheitsprüfung. Laut Anthropics Dokumentation sollten Sie Skills wie installierte Software behandeln, mitgelieferte Skripte prüfen und bei jedem Skill misstrauisch sein, der externe URLs abruft, weil abgerufene Inhalte schädliche Anweisungen enthalten können. Das gilt für Skills Ihrer Kollegen genauso wie für solche aus öffentlichen Sammlungen wie SkillsMP, das Skills aus öffentlichen GitHub-Repositories indexiert.
Wenden Sie den Scorer unten auf einen Skill an, den Sie schon haben. Es ist unsere eigene Checkliste, kein Standard, und sie ist mit Absicht direkt. Trigger, Beispiele, Testset und Kopie außerhalb der Plattform zählen doppelt, weil die Abschnitte oben begründen, dass davon abhängt, ob sich ein Skill testen und verschieben lässt.
Eine Migrations-Checkliste für jeden gespeicherten Assistenten
Gehen Sie das einmal pro Assistent durch, bevor der Anbieter es erzwingt. Die meiste Zeit geht dafür drauf, die ursprünglichen Wissensdateien wiederzufinden.
Der Schritt mit dem erneuten Ausführen ist der wichtigste und wird am häufigsten übersprungen. Ein umgewandeltes Gem, das sich gut liest, aber still sein Ausgabeformat geändert hat, ist schlimmer als eines, das sichtbar kaputtgegangen ist, weil es einen Monat lang niemand merkt. Wenn die gespeicherten Ausgaben nicht passen, korrigieren Sie den Skill, nicht Ihre Erwartungen.
Schreiben Sie den Trigger-Satz auch für Assistenten, die Sie von Hand aufrufen. Die Übung zwingt Sie zu entscheiden, wofür das Ding gedacht ist, und manche gespeicherten Assistenten entpuppen sich als zwei Aufgaben unter einem Namen. Teilen Sie diese auf.
Wann Sie keinen Skill bauen sollten
Die meisten Prompts sollten keine Skills werden. Eine Aufgabe, die Sie zweimal ausführen, ist ein Prompt. Das Verpacken kostet mehr, als es spart, und ein ungepflegter Skill, der im falschen Moment anspringt, ist schlechter als keiner, denn er verstopft den Pool, aus dem der Assistent auswählt.
Feste Schritte ohne Urteilsvermögen sind oft als schlichte Automatisierung besser aufgehoben. Wenn jeder Durchlauf aus demselben Trigger, denselben API-Aufrufen und derselben Ausgabe besteht, ist ein Workflow-Tool wie n8n oder Zapier günstiger und berechenbarer, als ein Modell ein Rezept befolgen zu lassen (unser Leitfaden zu KI-Agenten versus Automatisierungstools behandelt diese Trennung). Greifen Sie zum Skill, wenn die Arbeit Sprache, Urteilsvermögen oder unordentliche Eingaben verlangt.
Und wenn sich der Weg selbst mit jeder Eingabe ändert, brauchen Sie einen Agenten, mit Skills und Tools als Bausteinen, die er aufgreifen kann. Unser Board der besten KI-Agenten listet die Optionen. Der Vergleich unten ist unsere eigene redaktionelle Gruppierung, keine Anbieterspezifikation und keine gemessenen Daten. Ein Haken bedeutet, dass die Abschnitte oben es stützen, etwa Skills, die bei passender Beschreibung geladen werden, oder Plugins, die einen Live-Tool-Server ergänzen. Ein Halbkreis bedeutet, dass es vom Anbieter oder Setup abhängt, etwa bei Plugin-Formaten, die sich je Assistent unterscheiden.
Wenn Sie noch unsicher sind, sortiert der Entscheidungsbaum unten die meisten Fälle mit drei Fragen. Für mehr Kontext zur Auswahl von Tools und zu Gewohnheiten, die tragen, lesen Sie unseren praktischen Prompt-Engineering-Leitfaden und sehen Sie sich unser Board mit den besten KI-Tools für Prompt Engineers an.
Noch ein Datenpunkt zum Timing: OpenAI sagt, das Unternehmen habe verbessert, wie sein Plugin-Verzeichnis Plugins einordnet und empfiehlt (TechCrunch), und der Enterprise-Marktplatz startete mit mehr als 30 Partnern, darunter Adobe, Figma und Salesforce (TechCrunch). Ein dokumentierter und getesteter Skill lässt sich nach Ihrem eigenen Zeitplan einreichen, teilen oder abschalten. Bei einem gespeicherten Prompt können Sie nur hoffen, dass der Anbieter ihn behält.
Häufig gestellte Fragen
Sind Gems, Custom GPTs und Skills dasselbe?
Sie überschneiden sich, sind aber nicht identisch. Alle drei speichern Anweisungen zur Wiederverwendung. Skills ergänzen einen beschreibungsbasierten Trigger und, im offenen Format, Skripte und Referenzdateien, die nur bei Bedarf geladen werden. Gems und Custom GPTs bestanden überwiegend aus Anweisungen plus hochgeladenem Wissen im Editor eines einzelnen Anbieters.
Werden meine Gems ohne Aufwand in Skills umgewandelt?
Laut Google erfolgt die Migration automatisch und erfordert keine Aktion der Nutzer, und unterstützte Dateien wandern mit dem Gem. Ihr Anweisungstext sollte übernommen werden. Prüfen Sie mit Ihren gespeicherten Beispielen, ob angehängte Dateien, geteilter Zugriff und jedes Ausgabeformat, auf das Sie sich verlassen haben, sich weiterhin gleich verhalten.
Kann ein Skill in Claude, ChatGPT und Gemini laufen?
Das SKILL.md-Format ist ein offener Standard, und sowohl die Dokumentation von Anthropic als auch die von OpenAI beschreibt ihn. Auch die Gemini-App akzeptiert SKILL.md-Uploads, mit Einschränkungen bei Skripten und Dateitypen. Behalten Sie für alle drei einen Ordner als Quelle und führen Sie Ihre Beispiele nach jedem Upload erneut aus.
Wie lang sollte ein Skill sein?
Kurz. Anthropic empfiehlt eine Hauptdatei unter 500 Zeilen, und die offene Spezifikation rät dazu, die Anweisungen unter etwa 5.000 Tokens zu halten. Lagern Sie lange Referenzen in separate Dateien aus, die nur bei Bedarf geladen werden.
Brauche ich MCP, um einen Skill zu bauen?
Nein. Ein Skill mit Anweisungen, Beispielen und einer Vorlage braucht überhaupt keine Tools. Ergänzen Sie MCP, wenn der Skill Live-Daten lesen oder Aktionen ausführen muss, und halten Sie die Berechtigungen im Server statt in den Anweisungen.
Wer sollte die Skills eines Teams verantworten?
Eine namentlich benannte Person pro Skill, dazu ein gemeinsames Repository. Verantwortung heißt: Fragen beantworten, Änderungen prüfen und die Beispiele nach Plattformänderungen erneut ausführen. Ohne sie verfallen Skills genauso schnell wie die Wikis, die sie ersetzen sollten.