Ich liebe es, zu spielen. Und gestern Abend in der KI-Masterclass ist mein Spieltrieb sofort angesprungen. @Tanja Förster hat uns gezeigt, wie wir in Codex eigene digitale Haustiere einrichten können. Dieses süße Tierchen begleitet dich während der Bearbeitung einer Aufgabe. Du gibst eine Recherche oder eine Programmieraufgabe an ChatGPT oder Codex ab, widmest dich in der Zwischenzeit etwas anderem, und dein Haustier zeigt dir nebenbei, wie weit die Arbeit gerade ist. Diese Funktion hat mich zum Lachen gebracht und ich wollte natürlich mein eigenes Haustier. Darf ich vorstellen? Das ist Pippa, ein fröhlicher bunter Papagei mit einem Talent, viele Schmunzler in meinen Tag zu bringen. Effizienz allein macht mir keinen Spaß. Für Freude bin ich immer zu haben. Und dieses kleine bunte Detail wie Pippa erinnert mich daran, dass Ernsthaftigkeit und Leichtigkeit sich nicht ausschließen, auch nicht in der Arbeit mit KI. Wirkung entsteht ja nicht nur aus Kompetenz. Sie entsteht auch aus der Energie, mit der wir unsere Arbeit gestalten. Jetzt bin ich neugierig auf dich. Hast du schon ein digitales Haustier für deine KI-Aufgaben? Wie sieht es aus? Und falls nicht, wie würde deins aussehen?

Ich nutze Hermes Agent als selbstgehosteten persönlichen KI-Assistenten mit mehreren getrennten Profilen. Darüber steuere ich unter anderem Telegram-Bots und lasse Hermes rund um die Uhr auf einem Contabo-Server laufen. Für den stabilen Betrieb habe ich automatische Neustarts, systemd-Watchdogs sowie Fallback-Modelle mit OpenAI Codex und DeepSeek eingerichtet. Mit Hermes automatisiere ich Cronjobs für die Pflege meines Obsidian-Wissenssystems, Pendenzen, YouTube-Auswertungen, Website- und Projektchecks sowie die Überwachung meiner Backups zu pCloud und OneDrive. YouTube-Videos werden automatisch transkribiert, zusammengefasst und als strukturierte Notizen in Obsidian gespeichert. Außerdem nutze ich Hermes als Orchestrator für Coding-Agenten wie Claude Code und Codex. Damit kann ich Projekte analysieren, Code ändern, Tests ausführen, Git-Worktrees verwenden und je nach Aufgabe unterschiedliche KI-Modelle kombinieren. Hermes dient dabei als zentrale Schnittstelle über Telegram. Die eigentliche Arbeit wird je nach Aufgabe auf meinem Linux-System, dem Mac mini oder dem Contabo-Server ausgeführt. Ich freue mich auf den Austausch mit euch und darauf, welche KI-Agenten, Automationen und Workflows ihr in der Praxis einsetzt. 🙌

Torsten hat mich eingeladen, einmal zu zeigen, wie ich meinen Hermes Agent und die Obsidian-Anbindung aufgebaut habe. Deshalb hier ein etwas ausführlicherer Einblick in mein persönliches Setup. Vorweg: Das ist keine fertige Blaupause, sondern ein System, das sich Schritt für Schritt aus konkreten Anforderungen entwickelt hat. ━━━━━━━━━━━━━━━━ 🔧 HERMES ALS OPERATIVE SCHICHT Hermes läuft bei mir als selbstgehosteter persönlicher KI-Assistent mit mehreren getrennten Profilen. Die Profile haben unterschiedliche Aufgabenbereiche und eigene Arbeitskontexte. Hermes übernimmt dabei unter anderem: • Recherche und Datenaufbereitung • Verarbeitung von Dateien und Links • wiederkehrende Prüfungen • Cronjobs und Automatisierungen • Telegram-Kommunikation • Zusammenarbeit mit Coding-Agenten wie Claude Code und Codex Der entscheidende Punkt ist für mich: Hermes wartet nicht nur auf die nächste Chatfrage, sondern kann auch wiederkehrende Aufgaben selbstständig ausführen. ━━━━━━━━━━━━━━━━ 🧠 OBSIDIAN ALS WISSENSBASIS Die grossen und langfristig wichtigen Inhalte sollen nicht nur im Chatverlauf liegen. Dafür nutze ich Obsidian. Dort landen zum Beispiel: • Zusammenfassungen und Transkripte • Rechercheergebnisse • Projektideen und Pläne • technische Dokumentationen • Steuer- und Finanznotizen • Wochenreflexionen • Auswertungen von Webseiten und Videos Hermes kann diese Notizen lesen, durchsuchen, verlinken, ergänzen und in neue Zusammenhänge bringen. Für mich ist dabei wichtig, dass eine Notiz nicht nur aus einer KI-Antwort besteht. Ich versuche, klar zu trennen: 1. Quelle: Woher kommt die Information? 2. Zusammenfassung: Was steht tatsächlich in der Quelle? 3. Einordnung: Was bedeutet das? 4. Eigene Ableitung: Was könnte ich daraus umsetzen? Dadurch bleibt auch später nachvollziehbar, was eine Quelle gesagt hat und was meine eigene Schlussfolgerung war. ━━━━━━━━━━━━━━━━ 📱 TELEGRAM ALS MOBILE SCHNITTSTELLE Telegram nutze ich als zentrale Verbindung zu Hermes. Von unterwegs kann ich:

Ich beschäftige mich gerade immer stärker mit der Frage, wann aus einem Chat wirklich ein brauchbarer Wissens-Workflow wird. Für mich liegt der Unterschied nicht nur darin, dass Hermes oder ein anderes KI-System eine gute Antwort formuliert. Entscheidend ist, was danach passiert: 1. Die ursprüngliche Quelle bleibt nachvollziehbar. 2. Zusammenfassung, Einordnung und eigene Ableitungen werden getrennt. 3. Das Ergebnis landet strukturiert in Obsidian und nicht nur irgendwo im Chatverlauf. 4. Wiederkehrende Aufgaben können automatisiert werden. 5. Aktionen mit Nebenwirkungen bleiben unter menschlicher Kontrolle. Dadurch wird die KI für mich weniger zu einem Frage-Antwort-Werkzeug und mehr zu einer Art persönlichem Wissens- und Arbeitsassistenten. Gleichzeitig zeigt sich: Je mehr automatisiert wird, desto wichtiger werden klare Grenzen, Quellenangaben und ein sauberer Umgang mit Unsicherheit. Eine plausibel klingende, aber nicht belegte Antwort ist als Wissensnotiz schliesslich gefährlicher als gar keine Antwort. Mein aktueller Fokus liegt deshalb auf kleinen, nachvollziehbaren Workflows: Quelle prüfen, Inhalt strukturieren, als Notiz ablegen und erst danach entscheiden, ob daraus eine weitere Aktion entstehen soll. Wie trennt ihr bei euren KI-Workflows Rohquelle, KI-Zusammenfassung und eigene Bewertung?

Die Skizze blieb mehrere Tage auf meinem Schreibtisch. Immer wieder ging ich daran vorbei, verschob einen Pfeil oder ergänzte einen weiteren Kasten. Nach und nach wirkte die Architektur stimmig. Das Modell hatte seinen Platz. Die Daten ebenso. Auch die Regeln lagen dort, wo sie hingehörten. Trotzdem fehlte etwas. Ein paar Tage später setzte ich mich noch einmal davor und stellte mir eine einfache Frage. Angenommen, das Modell empfiehlt, einen Vertrag freizugeben. Die Empfehlung ist fachlich überzeugend. Alle Regeln wurden berücksichtigt. Und jetzt? Wer entscheidet, dass daraus tatsächlich eine Handlung wird? Auf der Zeichnung gab es dafür keinen Platz. Sie beschrieb Datenflüsse, Regeln und Abläufe. Aber sie beschrieb nicht, wer Verantwortung trägt. Genau dort lag die Lücke. Ein Sprachmodell kann Argumente liefern, Zusammenhänge erklären und Vorschläge machen. Die Entscheidung selbst gehört ihm nicht. Nicht, weil ihm Intelligenz fehlt. Sondern weil Verantwortung keine Eigenschaft eines Modells ist. Also nahm ich den Stift noch einmal in die Hand und zeichnete einen weiteren Kasten. Darüber schrieb ich nur ein Wort. Entscheidung Er war kleiner als alle anderen. Und wahrscheinlich der wichtigste. Von diesem Moment an sah ich das Sprachmodell nicht mehr als Entscheider. Sondern als Berater innerhalb eines größeren Systems. Mit diesem kleinen Kasten veränderte sich die gesamte Skizze. Und sie führte zu einer Frage, die mich bis heute begleitet: Warum sprechen wir bei KI so oft über Intelligenz – und so selten über Verantwortung?