Glossar: Agent Skills | Definition & Nutzen

Was sind Agent Skills?

Agent Skills sind modulare Textdateien — meist im Format SKILL.md —, die einem KI-Agenten prozedurales Wissen für eine bestimmte, wiederkehrende Aufgabe mitgeben. Statt einem Agenten bei jeder Sitzung erneut zu erklären, wie er vorzugehen hat, beschreibt eine Skill-Datei einmalig den vollständigen Workflow: Schritt für Schritt, mit Regeln, Einschränkungen und Kontext. Der Agent lädt die Skill-Datei automatisch, sobald er erkennt, dass eine Aufgabe in ihr Anwendungsgebiet fällt.

Die einfachste Analogie: Ein Skill ist das Langzeitgedächtnis eines Agenten für Prozesse — vergleichbar mit dem Onboarding-Handbuch, das ein neuer Mitarbeiter liest, bevor er eine wiederkehrende Aufgabe eigenständig übernimmt. Nur dass der Agent das Handbuch nicht vergisst, es nicht falsch interpretiert und es bei jeder Ausführung zuverlässig anwendet.

Skills entstanden als Antwort auf ein strukturelles Problem agentischer KI: Jede neue Konversation beginnt bei null. Ohne gespeichertes Prozesswissen muss der Nutzer den Kontext immer wieder neu erklären — aufwendig, fehleranfällig und nicht skalierbar. Agent Skills lösen das, indem sie Prozess-Know-how versioniert, portierbar und direkt vom Agenten abrufbar machen.

Wie funktionieren Agent Skills?

Eine Skill-Datei ist strukturierter Markdown mit YAML-Frontmatter. Das Grundprinzip ist einfach:

Der Agent liest beim Start die Metadaten aller verfügbaren Skills — Name und Beschreibung. Passt eine Nutzeranfrage zur Beschreibung eines Skills, lädt der Agent die vollständige Skill-Datei und führt die darin beschriebenen Schritte aus. Das nennt sich Progressive Disclosure: Der Agent lädt nur das, was er gerade braucht, und schont so das Kontextfenster.

Ein vollständiger Skill-Ordner kann neben der SKILL.md weitere Dateien enthalten:

Der Agent greift auf diese Dateien nur dann zu, wenn die Hauptanweisungen es erfordern — ein durchdachtes System für Token-Effizienz bei komplexen Workflows.

Discovery, Aktivierung, Ausführung

Skills folgen einem Drei-Phasen-Modell:

1. Discovery — Der Agent liest beim Start nur die Metadaten (Name + Beschreibung). Kein Overhead, keine unnötige Kontextbelegung.

2. Aktivierung — Erkennt der Agent, dass die aktuelle Aufgabe zum Skill passt, lädt er die vollständige SKILL.md in seinen Kontext.

3. Ausführung — Der Agent führt den im Skill beschriebenen Prozess aus und greift bei Bedarf auf zusätzliche Dateien (Scripts, References) zurück.

Warum Agent Skills das Arbeiten mit KI-Agenten verändern

Das „Blank Slate"-Problem

Jede neue Agenten-Session beginnt ohne Erinnerung an vorherige Sitzungen. Wer täglich mit KI-Agenten arbeitet, kennt das: Man erklärt denselben Kontext immer wieder — Ordnerstrukturen, Namenskonventionen, Prozessschritte, Qualitätsstandards. Das kostet Zeit und erzeugt Inkonsistenzen.

Agent Skills lösen dieses Problem strukturell. Einmal definiert, ist das Prozesswissen für jeden Agenten zugänglich, der in diesem Projekt arbeitet. Onboarding eines neuen Agenten dauert Sekunden statt Stunden.

Versionskontrolle für KI-Verhalten

Skills werden als Textdateien im Git-Repository versioniert. Das bedeutet: Änderungen am Agenten-Verhalten sind nachvollziehbar, überprüfbar und rückgängig zu machen — wie jede andere Codeänderung auch. Teams können Skills über Pull Requests reviewen, diskutieren und verbessern.

Portabilität zwischen Agenten-Systemen

Ein gut geschriebener Skill funktioniert mit Claude Code, Cursor, GitHub Copilot, Google Gemini CLI, Antigravity und anderen modernen KI-Agenten. Das SKILL.md-Format ist kein proprietärer Standard eines einzelnen Anbieters, sondern hat sich als De-facto-Industriestandard etabliert.

Das Ökosystem: skills.sh

Anfang 2026 hat Vercel mit skills.sh ein öffentliches Verzeichnis für Agent Skills gestartet — das „npm für KI-Agenten-Fähigkeiten". Entwickler und Teams veröffentlichen dort ihre Skills, andere installieren sie per CLI:

Skills.sh rankt Skills nach anonymen Installations-Telemetriedaten und bietet Sicherheits-Audits durch drei unabhängige Prüfer (Gen Agent Trust Hub, Socket, Snyk). Das Verzeichnis umfasst Skills für React, Next.js, Datenbanken, Testing, Marketing, Agent-Workflows und mehr.

branchly Agent Skills: Optimierung im Workflow

branchly geht mit Agent Skills einen entscheidenden Schritt weiter: Das Unternehmen veröffentlicht eigene, auf die branchly-Plattform zugeschnittene Skills im öffentlichen Skills-Verzeichnis und kombiniert sie mit seinem MCP Server.

Der optimize-application Skill

Der optimize-application Skill ist branchlys Flaggschiff-Skill. Er beschreibt einen systematischen Debug-und-Optimierungs-Workflow für branchly RAG-Chatbot-Anwendungen — und ist direkt mit dem branchly MCP Server verbunden.

Der Skill aktiviert sich automatisch, wenn der Agent Anfragen erkennt wie:

• „Optimiere meine branchly Anwendung"

• „Der Chatbot antwortet nicht korrekt" oder „Bot gibt falsche Antworten"

• no_knowledge- oder outside_scope-Antworten im Session-Log

• „Debug meinen Chatbot" oder „Retrieval-Problem im Chatbot"

• „Retrieval verbessern" oder „Bot-Antworten korrigieren"

Das mentale Modell hinter dem Skill: Jeder Chatbot-Fehler bricht genau einen von drei Verträgen.

Der Skill führt den Agenten durch Session-Triage, Retrieval-Qualitätsprüfung, Prompt-/Tool-Ausrichtung und Datenquellen-Diagnose — strukturiert, reproduzierbar und mit dem branchly MCP Server als Live-Datenzugang.

Skills + MCP Server: Die Kombination, die skaliert

Der eigentliche Mehrwert entsteht aus der Kombination beider Komponenten:

Agent Skill = Prozesswissen (Wie gehe ich vor? Welche Schritte führe ich aus? Was prüfe ich zuerst?)

MCP Server = Live-Datenzugang (Welche Sessions haben Fehler? Wie sehen die aktuellen Retrieval-Metriken aus? Was steht in der Wissensbasis?)

Ein Skill ohne MCP Server kennt den Prozess, aber nicht die Daten. Ein MCP Server ohne Skill liefert Daten, aber ohne strukturierten Prozess. Kombiniert entsteht ein Agent, der eigenständig die Chatbot-Performance analysiert, Probleme klassifiziert und konkrete Optimierungsschritte ausführt — ohne dass der Nutzer jeden Schritt erklären muss.

Installation in einer Zeile

Nach der Installation steht der Workflow jedem Agenten zur Verfügung, der in diesem Projekt arbeitet — Claude Code, Cursor, Antigravity oder jeder andere MCP-kompatible Agent.

Agent Skills vs. System Prompts vs. AGENTS.md

Diese drei Konzepte werden oft verwechselt, dienen aber unterschiedlichen Zwecken:

AGENTS.md beschreibt, was das Projekt ist — Tech Stack, Architekturregeln, grundlegende Verhaltensrichtlinien. SKILL.md beschreibt, wie eine bestimmte Aufgabe durchzuführen ist. Beide ergänzen sich: AGENTS.md gibt den Rahmen, SKILL.md liefert den detaillierten Workflow für spezifische Prozesse.

Agent Skills in der Praxis: Typische Einsatzszenarien

Entwicklungsteams

Ein Entwicklungsteam definiert Skills für: Code-Reviews nach internen Standards, PR-Vorbereitung, Sicherheits-Audits, Migrations-Workflows, Performance-Debugging. Jeder Entwickler, der einen KI-Agenten in diesem Repository nutzt, hat automatisch Zugriff auf dieselben, qualitätsgesicherten Prozesse.

Marketing-Teams

Marketing-Teams nutzen Skills für: SEO-Audits, Keyword-Clustering, Content-Erstellung nach Brand Voice, CMS-Workflows, Wettbewerber-Analysen. Ein einmal definierter Skill stellt sicher, dass jedes Ergebnis dieselbe Struktur, dieselben Qualitätsanforderungen und dieselbe Tonalität hat.

KI-Anwendungsoptimierung (branchly Use Case)

Für branchly-Kunden bedeutet der optimize-application Skill: Wenn der KI-Chatbot auf der Website plötzlich no_knowledge-Antworten liefert oder Retrieval-Probleme auftreten, kann ein Agent mit dem Skill und MCP Server eigenständig diagnostizieren, wo das Problem liegt — im Content (Wissensbasis unvollständig), im Retrieval (Embeddings veraltet) oder im Routing (falsche Tool-Zuordnung) — und konkrete Korrekturen vorschlagen.

Warum Skills für europäische Unternehmen relevant sind

Prozessstandardisierung ohne Vendor Lock-in

Agent Skills sind plattformneutral. Wechselt ein Unternehmen den KI-Anbieter — von einem US-gehosteten Dienst zu einem DSGVO-konformen europäischen System —, bleiben alle definierten Skills verwendbar. Das Prozesswissen gehört dem Unternehmen, nicht dem Tool-Anbieter.

Compliance-Dokumentation durch Versionierung

Für Unternehmen unter EU AI Act und DSGVO ist die Nachvollziehbarkeit von KI-Verhalten eine Compliance-Anforderung. Versionierte Skills in Git bieten eine natürliche Audit-Spur: Welcher Agent wurde mit welchem Prozesswissen eingesetzt? Welche Änderungen wurden wann gemacht? Diese Fragen lassen sich mit Git-History beantworten — ohne zusätzliche Governance-Infrastruktur.

Skalierung ohne Qualitätsverlust

Mit wachsender Nutzung agentischer KI im Unternehmen steigt die Gefahr inkonsistenter Ergebnisse. Skills sind der Mechanismus, um Qualitätsstandards zu definieren und durchzusetzen — unabhängig davon, welcher Mitarbeiter den Agenten benutzt und in welchem Kontext.

Häufig gestellte Fragen

Was ist ein Agent Skill in einfachen Worten?

Ein Agent Skill ist eine Markdown-Textdatei, die einem KI-Agenten erklärt, wie er eine bestimmte Aufgabe Schritt für Schritt erledigen soll. Statt jedes Mal neu zu erklären, wie ein Prozess durchzuführen ist, liest der Agent die Skill-Datei und führt den darin beschriebenen Prozess aus — reproduzierbar, konsistent und ohne wiederholte Erklärungen.

Was ist der Unterschied zwischen einem Skill und einem normalen Prompt?

Ein Prompt ist eine einmalige Anweisung für eine einzelne Konversation. Ein Skill ist versioniertes, gespeichertes Prozesswissen, das bei jeder passenden Aufgabe automatisch aktiviert wird. Ein Prompt verschwindet mit der Session. Ein Skill bleibt im Repository, ist versionierbar und steht jedem Agenten zur Verfügung, der in diesem Kontext arbeitet.

Welche KI-Agenten unterstützen das SKILL.md-Format?

Das Format wird von allen führenden Agentic-AI-Tools unterstützt: Claude Code (Anthropic), Cursor, GitHub Copilot (Microsoft), Windsurf, Google Gemini CLI, Antigravity (Google DeepMind), Cline, AMP und weitere. Es hat sich als De-facto-Standard etabliert, weil es plattformneutral, simpel und unmittelbar verständlich ist.

Was ist skills.sh und wozu dient es?

skills.sh ist ein öffentliches Verzeichnis für Agent Skills — vergleichbar mit npm für JavaScript-Pakete, aber für KI-Agenten-Fähigkeiten. Vercel hat das Projekt Anfang 2026 gestartet. Entwickler und Teams veröffentlichen dort ihre Skills, andere können sie per npx skills add installieren. Das Verzeichnis rankt Skills nach Installationszahlen und bietet Sicherheits-Audits.

Was ist der branchly optimize-application Skill?

Der optimize-application Skill ist branchlys öffentlich verfügbarer Workflow für die systematische Diagnose und Optimierung von branchly RAG-Chatbot-Anwendungen. Er ist auf skills.sh unter branchly-io/branchly-skills verfügbar und nutzt den branchly MCP Server für Live-Datenzugang. Der Skill führt den Agenten durch Session-Triage, Retrieval-Qualitätsprüfung, Prompt-Alignment und Datenquellen-Diagnose.

Wie kombiniert branchly Agent Skills mit seinem MCP Server?

Agent Skills liefern das Prozesswissen — die Schritt-für-Schritt-Anleitung, welche Checks in welcher Reihenfolge durchzuführen sind. Der branchly MCP Server liefert die Live-Daten — aktuelle Session-Logs, Retrieval-Metriken, Intent-Cluster, Konfigurationsdaten. Zusammen entsteht ein Agent, der eigenständig Probleme diagnostiziert und Optimierungen umsetzt, ohne dass der Nutzer jeden Schritt manuell steuern muss.

Können wir eigene Skills für unsere branchly-Anwendung erstellen?

Ja. Das SKILL.md-Format ist offen und dokumentiert. Teams können eigene Skills für ihre spezifischen branchly-Workflows definieren — etwa „Wie onboarden wir neue Datenquellen?", „Wie führen wir einen Qualitäts-Check unserer Wissensbasis durch?" oder „Wie analysieren wir ein Session-Log?". Diese Skills können intern im Repository gespeichert oder, falls sinnvoll, über skills.sh veröffentlicht werden.

Sind Agent Skills DSGVO-konform nutzbar?

Skills selbst sind statische Textdateien ohne Datenzugriff — sie sind immer DSGVO-konform. Die Compliance-Frage stellt sich beim Agenten, der den Skill ausführt, und beim MCP Server, auf den der Agent zugreift. branchly betreibt seinen MCP Server auf Microsoft Azure in europäischen Rechenzentren, DSGVO-konform und EU-AI-Act-ready — eine Voraussetzung dafür, dass der optimize-application Skill in regulierten Umgebungen eingesetzt werden kann.

Verwandte Begriffe

• MCP Server

• MCPs vs. CLI

• Programmatic Tool Calling

• Agentic RAG

• KI-Chatbot

• RAG (Retrieval-Augmented Generation)