Acht KI-Mitarbeiter fuer 60 Routinen auf dem eigenen Rechner: Lohnt sich das?

Von Nokka (นก-กา), freier Autor mit Schwerpunkt KI und offene Systeme | Daten Stand 23. Oktober 2026

Dieser Artikel wurde von einer KI verfasst (deepseek-v4.1-flash · Modellanbieter: ollama-cloud) über den Hermes Agent, unter menschlicher Kontrolle und Qualitätssicherung durch Nokka (นก-กา).

Ein Reel auf Facebook erzählt von acht KI-Mitarbeiterpositionen, die die Arbeit einer ganzen Abteilung übernehmen können. Im Titelbild ist ein GitHub-Screenshot eines Repositorys namens ai-employees zu sehen.

Stand 23. Oktober 2026 hatte das Video rund 62.000 Aufrufe und 520 Reaktionen.

Daraufhin habe ich das ursprüngliche Repository selbst geöffnet, statt mich auf das Titelbild im Video zu verlassen.

Die Zahlen zum Zeitpunkt meiner Prüfung: 744 Sterne, 210 Forks, MIT-Lizenz, erstellt am 2. September 2026 und letzter Commit am 17. Oktober 2026.

Die Beschreibung im Repository erklärt kurz: Ein AI Employee ist ein Ordner mit Routinen, die einen klaren Zeitplan haben, die Arbeit einer Position abdecken, auf deinem Rechner laufen, die Agenten nutzen, die du bereits hast, und dir jeden Morgen eine Zusammenfassung liefern.

Was mich neugierig machte, war der Satz: Es steuert deinen Browser und deinen Rechner auf dieselbe Weise wie du selbst, und bei jedem Lauf verbessert es seine eigenen Anweisungen.

In menschliche Sprache übersetzt heißt das: Es ist kein neues Modell und keine Webanwendung, für die man sich registrieren muss.

Es ist ein Satz von Dateien, die dem Agenten sagen, welche Seiten er öffnen soll, was er lesen, was er in welche Dateien schreiben soll und wem er eine Zusammenfassung senden soll.

Ich öffnete den Ordner der Position SEO/AEO, um mir die Praxis anzusehen. Innen befinden sich 15 Dateien. Ich las die sechs Hauptdateien, nämlich ROLE.md, SCHEDULE.md, CONTRACT.md, CAPABILITIES.md, INSTALL-PROMPT.md und employee.json, dazu die Ordner routines, scripts, examples und standards.

Die größte Datei ist CONTRACT.md mit rund 104 Kilobyte. Sie dient als Vertrag, der festlegt, was erlaubt ist, was verboten ist und was zurückgemeldet werden muss.

SCHEDULE.md ist der einzige Ort, an dem Zeiten und Budgets der einzelnen Routinen gespeichert werden. Findet eine Routine ihre eigene Zeile nicht, wird dies als Fehlschlag protokolliert und sofort gestoppt, ohne die Zeit selbst zu raten.

Solche Details sind der Grund, warum ich denke, dass dies kein Hobbyprojekt ist.

Die Zahlen der Routinen in Klammern entsprechen der Angabe des Repositorys.

Der schnellste Weg ist der Befehl über npx, gefolgt vom Öffnen des Agenten in dem betreffenden Ordner.

npx ai-employees hire gtm-engineer --to./agentops/gtm-engineer Enter fullscreen mode Exit fullscreen mode Anschließend öffnet man den Agenten in diesem Ordner und tippt einen einzigen Satz.

Install the GTM Engineer from this folder. Enter fullscreen mode Exit fullscreen mode Wenn man Claude Code verwendet, lässt sich das Ganze auch direkt als Plugin installieren.

/plugin marketplace add markfulton/ai-employees /plugin install ai-employees@ai-employees Enter fullscreen mode Exit fullscreen mode Ein Hinweis zum Ordner: Das Repository empfiehlt, ihn außerhalb von OneDrive, Dropbox, Google Drive und iCloud abzulegen, weil dauerhaft synchronisierte Dateien mit der Arbeit kollidieren, die der Agent im Laufe des Tages schreibt.

Das ist der Teil, den viele überspringen, und der Grund, warum viele nach der Installation die Anwendung nicht nutzen können.

Das Abonnement ist nur der erste Kostenblock. Der zweite ist das Nutzungskontingent, das mit der Anzahl der Routinen steigt.

Das Repository enthält eine Datei docs/COST.md, in der der Autor auf seinem eigenen Rechner zwischen dem 27. August und dem 5. September 2026 gemessen hat: Der GTM Engineer, der in zehn Tagen 27 planmäßige Läufe ausführte, verbrauchte rund 6 Prozent der gesamten Nutzung, die dieser Rechner an Claude sendete.

Bei Verwendung eines API-Schlüssels besagen dieselben Zahlen rund 19 US-Dollar an einem normalen Arbeitstag, 27 US-Dollar an Montagen und Freitagen und etwa 500 US-Dollar pro Monat pro Position, wovon zwei Drittel auf Cache Reads entfallen.

Die Dokumentation betont, dass Anthropic keine Token-Kontingente pro Plan veröffentlicht hat. Diese Zahlen sind daher eine Messung auf dem Rechner eines einzigen Autors und keine Zusicherung, dass es auf deinem Rechner genauso aussieht.

Ich habe noch nicht alle acht Positionen vollständig laufen lassen und bestätige diese Zahlen daher nicht durch eigene Messungen. Sagen lässt sich: Wenn man alle acht Positionen gleichzeitig laufen lässt, wird das Kontingent ein Vielfaches schneller verbraucht. Man sollte mit einer einzelnen Position beginnen und nach dem ersten Tag die Usage-Seite prüfen.

Dieser Abschnitt ist der Grund, warum ich dieses Projekt für ernsthafter halte als die üblichen KI-Videos mit überzogenen Versprechen.

Jede Position kann senden, Postings veröffentlichen, Anträge einreichen, Inhalte publizieren und Ausgaben tätigen. Bei fast allen Kanälen ist der Standardwert jedoch gesperrt: Der Textentwurf wird fertiggestellt, das Formular bleibt bis zum letzten Schritt ausgefüllt stehen, und der finale Klick bleibt bei dir.

Es gibt zwei dokumentierte Ausnahmen: SEO/AEO, das eigene Artikel auf der Website veröffentlichen darf, die du in strategy/properties.md selbst benennst, und Social Media, das nach einer Testphase Postings an die von dir verbundenen Kanäle senden darf.

Ich öffnete die CONTRACT.md der Position SEO/AEO und fand den Abschnitt "Control one: publish one article", der erklärt, dass die Veröffentlichung eigener Artikel auf den benannten Assets Teil der Aufgabe selbst ist und nicht eine externe Übergabe, und dass drei Bedingungen gleichzeitig erfüllt sein müssen, bevor geklickt wird.

Wer einen gesperrten Kanal für die Eigenausführung freigeben will, muss dies einzeln in der Datei RELEASES.md aktivieren und eigene Bedingungen festlegen.

Das Repository stellt klar, dass kein KI-Mitarbeiter Konten erstellt, Passwörter eingibt oder erstellt, Captchas löst, Vereinbarungen akzeptiert oder Code in Dateien schreibt.

Es benötigt keine deiner Passwörter, daher gibt es auch nichts, was es verlieren könnte.

Eine Ausnahme halte ich jedoch für wichtig: Bei gehosteten Agenten wie Grok Bot nutzen alle Bots eines Kontos denselben Computer, sehen alle Dateien und alle Anmeldungen auf diesem Rechner. Wer einem Bot Rechte einräumt, schreibt damit auch Dateien, die andere Bots lesen können, und die Sitzung, die du dorthin synchronisierst, ist eine Sitzung, die jeder andere Bot ebenfalls nutzen kann.

Dass der Agent deine angemeldete Sitzung verwendet, bedeutet: Er sieht alles, was du siehst, einschließlich Postfach, Werbekonten und anderen internen Bereichen.

Die getroffenen Maßnahmen helfen beim Thema nichts eigenständig nach außen zu senden, aber nicht bei der Frage, was er alles lesen kann.

Wenn du ihm Zugriff auf eine Bankwebsite oder ein internes System mit Kundendaten gibst, liegt das Risiko nicht am Toolkit selbst, sondern an den Rechten dieses Kontos.

Das Repository nennt 13 unterstützte Agenten, von Claude Code, Hermes, Codex und Cline bis zu Qwen Code und DeepSeek. Eine andere Zeile der Dokumentation gibt jedoch an, dass 11 davon alle vier Fähigkeiten einschließlich der Browser-Aktionen abdecken.

Der vom Autor tatsächlich täglich genutzte Agent ist Claude Code, und für diesen existieren die ausführlichsten Beispiele.

Andere sind nutzbar, aber ich vermute, dass du eher auf spezifische Probleme stoßen wirst, insbesondere bei der Zeitplanung, die jedes harness auf eigene Weise löst.

Ich prüfte die Registry von npm und stellte fest, dass sich das Paket ai-employees in Version 1.9.0 befindet und zuletzt am 2. Oktober 2026 aktualisiert wurde.

Das Repository enthält Commits bis zum 17. Oktober 2026.

Wenn Sie den aktuellsten Stand möchten, ist eine Installation über das Plugin oder der ZIP-Download aus dem Repository passender als die Verwendung von npx.

Alle Anweisungsdateien sind auf Englisch verfasst, und die Annahmen zu den Tools zielen auf den US-Markt ab, etwa Google Search Console, Werbekanäle und Verzeichnis-Eintragsformulare.

Wenn Ihr Unternehmen in Thailand verkauft, müssen Sie einen Teil der Anweisungen selbst überschreiben, etwa den Ton, die verwendete Sprache und die Kanäle, die thailändische Kunden tatsächlich nutzen.

Alle Dateien stehen tatsächlich unter der MIT-Lizenz, doch das README ist voller Buttons, die zum Agent Ops Club des Autors führen, sowohl zur kostenlosen Anmeldung als auch zur Anwerbung des ersten Mitarbeiters, und alle Links in der Mitarbeitertabelle enthalten utm-Parameter.

Ich sage nicht, dass das falsch ist, denn der Verkauf von Dienstleistungen oder einer Community als Anschluss an ein kostenloses Angebot ist üblich. Wenn Sie es aber als kostenlos weiterteilen, sollten Sie anderen auch sagen, dass am Ende ein Club wartet.

Ausprobieren sollten Sie es noch nicht, wenn Sie ein Tool suchen, das mit einem Klick installiert und erledigt ist, oder wenn Ihre Arbeit sensible Daten berührt, für die es noch keine klare Richtlinie gibt, wie weit ein Agent lesen darf.

Das gleichzeitige Hinzufügen von einer auf acht Positionen macht es unmöglich zu erkennen, welche sich lohnt und welche nur Mehraufwand erzeugt.

ai-employees ist ein gutes Beispiel für eine Richtung, die sich von Traumverkaufs-Videos unterscheidet, weil es alle Dateien zum Lesen öffnet, klare Absicherungen gegen Fehler bietet und bereit ist zuzugeben, was weiterhin von Menschen entschieden werden muss.

Aber es verschafft Ihnen nicht eine ganze Abteilung mit einem Klick.

Es liefert einen sehr guten Bauplan, mit der Bedingung, dass Sie einen bezahlten Agenten besitzen, Konten haben, die er lesen darf, und in der ersten Woche Zeit für die Kontrolle der Ergebnisse aufwenden.

Wenn Sie diese drei Dinge haben, ist es ein kostenloses MIT-Angebot, das es wert ist, ausprobiert zu werden, mehr als die meisten Videos in Ihrem Feed.

Facebook, Reel "Cybersecurity Hacks Hacker Computer School", Seite Hacker Computer School, veröffentlicht vor dem 23. Oktober 2026 (62.000 Zuschauer, 520 Reaktionen, Titelbild ist ein Screenshot des GitHub-Repositorys markfulton/ai-employees).

GitHub, "markfulton/ai-employees", Haupt-README, abgerufen am 23. Oktober 2026 (8 Positionen, 60 Routinen, MIT, 744 Sterne, 210 Forks, erstellt am 2. September 2026, letzter Commit am 17. Oktober 2026, npx- und Plugin-Befehle, Warnung zum Cloud-Sync-Ordner).

GitHub, Ordner employees/seo-employee, abgerufen am 23. Oktober 2026 (ROLE.md, SCHEDULE.md, CONTRACT.md 104 KB, CAPABILITIES.md 92 KB, INSTALL-PROMPT.md, employee.json, Ordner routines, scripts, examples, standards).

GitHub, "employees/seo-employee/SCHEDULE.md", abgerufen am 23. Oktober 2026 (eine einzige Datei, die Zeiten, Budgets und Browserkanäle enthält; wenn die eigene Zeile nicht gefunden wird, wird ein Fehlschlag protokolliert und gestoppt, ohne Zeiten zu raten).

GitHub, "docs/PREREQUISITES.md", abgerufen am 23. Oktober 2026 (der Agent muss vier Dinge beherrschen, Claude Code benötigt einen Pro-, Max-, Team- oder Enterprise-Plan, der kostenlose Plan ist nicht enthalten, ein API-Key schaltet den Browserkanal ab, 13 Harnesses).

Claude, "Pricing", offizielle Seite, abgerufen am 23. Oktober 2026 (Pro 20 Dollar pro Monat oder 17 Dollar bei jährlicher Zahlung, Max ab 100 Dollar pro Monat).

GitHub, "docs/GUARDRAILS.md", abgerufen am 23. Oktober 2026 (Veröffentlichungen werden blockiert, bis sie in RELEASES.md freigegeben sind, keine Passwörter, kein Captcha-Lösen, auf gehosteten Harnesses sehen alle Bots dieselben Dateien).

npm, Paket "ai-employees", abgerufen am 23. Oktober 2026 (Version 1.9.0, 4 Versionen, zuletzt aktualisiert am 2. Oktober 2026, MIT).

GitHub, "employees/seo-employee/CONTRACT.md", abgerufen am 23. Oktober 2026 (Abschnitt Control one: publish one article, Veröffentlichung nur auf den in strategy/properties.md genannten Assets, drei Bedingungen für die Parallelität) sowie "employees/seo-employee/SCHEDULE.md" (das Setzen von seo-publish-run auf PAUSED stoppt die Veröffentlichung, während Entwurf und Messung weiterlaufen).

GitHub, "docs/COST.md", abgerufen am 23. Oktober 2026 (GTM Engineer 27 Durchläufe in zehn Tagen vom 27. August bis 5. September 2026, etwa 6 Prozent der Nutzung dieser Maschine, API-Key etwa 19 Dollar pro Arbeitstag, 27 Dollar an Montagen und Freitagen, 500 Dollar pro Monat und Position, zwei Drittel davon Cache Reads, Anthropic veröffentlicht keine Token-Quoten pro Plan).