Wie ich in ClickUp einen KI-Entscheidungsagenten erstellt habe, um intelligentere Kampagnenentscheidungen zu treffen

Ich habe schon viele traditionelle Workflows und Automatisierungen in ClickUp genutzt. Sie eignen sich hervorragend, um Aufgaben von A nach B zu verschieben, Status zu aktualisieren oder Eigentümer zuzuweisen. Aber irgendwann wurde mir etwas Wichtiges klar: Keine dieser Automatisierungen dachte tatsächlich über meine Kampagnen nach.

Ich brauchte ein System, das Ausführung mit Intelligenz verbinden konnte. Und ich fand meine Antwort in einem KI-Entscheidungsagenten, den ich Asset Library Manager nenne.

In diesem Beitrag zeige ich Ihnen, wie ich diesen KI-Entscheidungsagenten in ClickUp erstellt habe (unter Verwendung von ClickUp Super Agents ) und warum dies für mein Geschäft notwendig war.

Über mich: Zertifizierter ClickUp Consultant und Business Process Manager

Als zertifizierter ClickUp Consultant und Business Process Manager mit über 5 Jahren Erfahrung unterstütze ich Agenturen und Start-ups dabei, durch strukturierte Systeme und deren Umsetzung zu skalieren. Ich habe operative Rahmenwerke für über 40 Unternehmen aufgebaut und geleitet, das Change Management für über 115 Teams geleitet und ein operatives Wachstum von bis zu 16,4-fach ermöglicht, während ich gleichzeitig die Liefergeschwindigkeit und Konsistenz in Multi-Client-Umgebungen verbessert habe.

Warum einfache Automatisierungen für meine Kampagnen nicht ausreichten

Meine Assets waren über verschiedene Standorte verstreut, Kampagnenaufgaben befanden sich in unterschiedlichen Listen, und ich war immer noch derjenige, der entschied, wohin jedes Asset als Nächstes gehen sollte. Jede neue Kampagne, Region oder jeder neue Kanal bedeutete mehr manuelle Entscheidungen – und mehr Chancen für Doppelarbeit, verpasste Gelegenheiten oder Sichtbarkeitslücken.

Da stellte ich eine andere Frage:

Was wäre, wenn ich aufhören würde, Workflows zu erstellen, und stattdessen ein intelligentes System in ClickUp aufbauen würde – eines, das Entscheidungen für mich treffen könnte?

🦾 Neu bei ClickUp Super Agents?

ClickUp Super Agents sind KI-gestützte Agenten, die in Ihrem Workspace Ihre Aufgaben, Daten und Aktivitäten analysieren – und auf dieser Grundlage Maßnahmen ergreifen. Sie können ihnen eine bestimmte Rolle zuweisen (z. B. Aufgaben priorisieren, den Status des Projekts aktualisieren oder Assets weiterleiten), und sie arbeiten mit Echtzeit-Informationen aus dem Workspace.

Was zeichnet sie aus?

Im Gegensatz zu einfachen Automatisierungen folgen Super-Agenten nicht nur Regeln. Sie:

• Verstehen Sie den Kontext über Aufgaben, Dokumente und Kommentare hinweg
• Treffen Sie Entscheidungen (und lösen Sie nicht nur als Auslöser Aktionen aus)
• Passen Sie sich an die Entwicklung Ihres Workflows an

Betrachten Sie sie weniger als „Wenn-dann“-Automatisierungen, sondern eher als KI-Teamkollegen, die in Ihr System eingebettet sind.

Der Mentalitätswandel: Von Workflows zu intelligenten Systemen

Bevor ich einen KI-Agenten in ClickUp erstelle, nehme ich einen Schritt zurück und definiere das System.

Nicht die Automatisierung. Das System.

Für mich läuft das auf drei Fragen hinaus:

Ich wollte, dass mein KI-Entscheidungsagent die mentale Belastung durch das Treffen von Kampagnenentscheidungen übernimmt.

Für meinen Asset-Library-Manager sah das folgendermaßen aus.

1. Zweck: Welches Problem soll dieser KI-Entscheidungsagent lösen?

Ich wollte einen Ort, an dem alle Kampagnen-Assets – Videos, Bilder, Texte – zu finden sind:

Mit anderen Worten: Ich wollte, dass mein Agent die Entscheidungen zur Verteilung von Assets in ClickUp selbst trifft, damit nichts übersehen wird.

2. Systemkapazität: Unterstützt mein Setup KI-basierte Entscheidungsfindung?

Ein KI-Entscheidungsagent ist nur so stark wie das System, in dem er läuft. Deshalb ist es sinnvoll, ihn an einem Ort zu erstellen, an dem Ihre Aufgaben, Dokumente, Beziehungen und Kampagnendaten alle zusammenlaufen. Wenn ein Agent das Gesamtbild (Assets, Speicherorte, Status, Historie) in einem vernetzten digitalen Workspace überblicken kann, basieren seine Entscheidungen auf Fakten und nicht auf Vermutungen.

Für mich ist der Converged KI-Workspace von ClickUp genau der richtige Ort dafür.

Mit ClickUp müssen Sie nicht mehr ein Flickwerk aus einzelnen KI-Tools zusammenfügen, von denen jedes nur einen Ausschnitt Ihrer Abläufe erfasst, sondern erhalten eine intelligente Ebene, die über allem liegt, was Ihr Team tatsächlich tut. Das Ergebnis sind intelligentere Empfehlungen, kein Kontextwechsel und Entscheidungen , deren Qualität mit der Zeit zunimmt, da das Gedächtnis des Agenten und Ihr Arbeitsbereich gemeinsam wachsen.

Ich habe mein ClickUp-Setup so gestaltet, dass der Asset Library Manager folgende Funktionen ausführen kann:

Wären meine Listen, Benutzerdefinierten Felder und Beziehungen nicht solide, würde der Agent entweder ins Stocken geraten oder Chaos verursachen. Deshalb habe ich das Systemdesign als Teil des Agenten selbst betrachtet.

3. Rolle des Agenten: Operator, nicht nur Kurier

Schließlich habe ich die Rolle des Agenten definiert.

Die meisten Systeme sind wie folgt aufgebaut: Wenn X passiert → dann Y zu erledigen

Das nennen wir einfache Automatisierung.

Ich wollte etwas anderes. Einen KI-Entscheidungsagenten, der den Kontext bewerten und ihn nutzen kann, um Entscheidungen zu treffen, genau wie ein Mensch es tun würde.

Mein Asset-Bibliotheksmanager ist verantwortlich für:

Sobald diese drei Punkte klar waren, wurde alles andere einfacher. Ich entwickelte nicht mehr nur eine clevere Automatisierung. Ich entwickelte das, was ich einen Beyond Super Agent nenne – einen Agenten, der den Zweck versteht, innerhalb eines leistungsfähigen Systems arbeitet und eine klar definierte Rolle hat.

Wie ich die Eingabeaufforderungen strukturiert habe, um den KI-Entscheidungsagenten zuverlässig zu machen: Meine 5 Säulen für Eingabeaufforderungen

Sobald das System fertig war, wandte ich mich dem Teil zu, zu dem die meisten Leute als Erstes springen: den Eingabeaufforderungen.

Anstatt jedoch eine einzige lange Anleitung zu verfassen, habe ich diese in fünf übersichtliche Komponenten unterteilt. Dadurch ließ sich der KI-Entscheidungsagent leichter steuern, testen und verfeinern.

Dies sind die Säulen der KI-Eingabeaufforderungen, die über die Qualität der Entscheidungen meines Agenten entscheiden:

1. Rolle: Wer ist dieser Agent?

Ich sage dem Agenten nicht nur, was er zu erledigen hat – ich sage ihm, wer er sein soll.

📌 Für den Asset-Bibliotheksmanager habe ich ihn gebeten, folgende Aufgaben zu übernehmen:

„Erfahrener Agentur-Eigentümer und Betriebsarchitekt, der mehrere Clients betreut.“

Diese eine Zeile verändert Alles. Wenn der Agent nun antwortet, tut er dies aus der Perspektive einer Person, die:

2. Kontext und Umfang: In welchem Umfeld wird er eingesetzt?

Als Nächstes definiere ich den Kontext und den Umfang so klar wie möglich:

Dadurch weiß der Agent, wo sich die Wände des Raums befinden, sodass er nicht in den falschen Teil meines Workspaces gelangt.

3. Entscheidungslogik: Wann und wie soll die Entscheidung getroffen werden?

Anschließend beschreibe ich die Entscheidungslogik. Anstatt dem Agenten zu sagen, was er zu erledigen hat, habe ich definiert, wie er denken soll.

Ich präzisiere:

Auf diese Weise beschränkt sich der Agent nicht nur darauf, Ideen zu generieren. Er weiß, wann er Maßnahmen ergreifen muss und wie gute Entscheidungen aussehen.

4. Eingaben: Welchen Daten vertraut er?

Jede Entscheidung ist nur so gut wie die Daten, auf denen sie basiert. Deshalb erstelle ich eine Verbindung zwischen meinem Agenten und den Datenebenen, die er benötigt:

Ich mache es in der Eingabeaufforderung deutlich: Dies sind die Eingaben, die Sie verwenden sollten, wenn Sie entscheiden, was als Nächstes zu erledigen ist.

5. Ergebnisse: Welche Aktionen und Formate erwarte ich?

Abschließend definiere ich die Ausgaben:

Sobald diese fünf Elemente – Rolle, Kontext, Entscheidungslogik, Eingaben und Ausgaben – vorhanden sind, entspricht die Lösung in der Regel genau dem tatsächlichen Problem, das ich zu lösen versuche.

🎥 Hier ist eine kurze Anleitung, falls Sie versuchen möchten, Ihren eigenen Super-Agenten zu erstellen:

So funktioniert mein KI-Entscheidungsagent, auch bekannt als Asset Library Manager, in ClickUp

Nachdem die Grundlagen geschaffen waren, habe ich den Agenten in meinen ClickUp-Workspace integriert, sodass er auf zwei Arten funktionieren kann.

Option 1: Manueller Auslöser aus der Asset-Bibliothek

Der erste Modus ist einfach und unkompliziert.

Das allein erspart Ihnen schon eine Menge manueller Arbeit beim Weiterleiten. Die wahre Stärke liegt jedoch im zweiten Modus.

Option 2: Zeitplanbasierte Entscheidungsfindung

Im zweiten Modus wird das System erst wirklich zu einem „Beyond Super Agent“.

Hier nutzt der Agent die gesamte Bandbreite der Asset-Bibliothek, um eigenständig Entscheidungen zu treffen:

📌 Von dort aus kann er Entscheidungen treffen wie:

„Für dieses strategisch wichtige Asset, das bereits in Islamabad war und ein WiederherstellungsVideo ist, senden wir als Nächstes ein Wiederherstellungsbild oder ein Mobilitätsbild.“

Anstatt dass ich ständig überprüfen muss, wo ein Asset bereits geschaltet wurde und was als Nächstes kommen sollte, wertet der Agent die Daten aus und trifft die Entscheidung.

Warum ich ClickUp Chat nutze, um mit meinem KI-Agenten zusammenzuarbeiten

In ClickUp können Agenten in Ihrem gesamten Workspace eingesetzt werden. Sie können sie über Automatisierungen in Listen, Ordnern und Spaces als Auslöser auslösen (als Reaktion auf Statusänderungen, neue Aufgaben oder Feldaktualisierungen), sie direkt Aufgaben zuweisen, sie in Aufgabenkommentaren und Dokumenten mit @erwähnen oder über Direktnachrichten und @Erwähnungen im ClickUp-Chat mit ihnen interagieren.

Aber ich chatte am meisten mit meinem Agenten, und dafür gibt es einen Grund.

In meinem Chat zum Asset Library Manager habe ich zwei Ziele:

Der Chat bietet mir eine dialogorientierte Schnittstelle in Echtzeit – fast so, als stünde ein Kollege bereit. Ich kann ihn nutzen, um:

Es ist der Unterschied zwischen dem Einreichen einer Anfrage und einer wechselseitigen Unterhaltung.

Bei einem Agenten wie dem Asset Library Manager, bei dem Entscheidungen aufeinander aufbauen und der Kontext eine wichtige Rolle spielt, ist es genau dieser iterative Dialog, der das gesamte System zum Laufen bringt.

Wenn der Agent einen Wutanfall bekommt

Mit der Zeit fiel mir etwas Merkwürdiges auf: Wenn mein Befehl nicht klar war, zeigte der Agent eine Art „Wutanfall“. Nicht, weil er defekt war – sondern weil meine Eingabe ihn nicht auf Erfolg ausrichtete.

In solchen Fällen greife ich immer wieder auf die fünf Grundpfeiler zurück:

Wenn diese Voraussetzungen gegeben sind, wird die Unterhaltung unglaublich produktiv.

Stresstest des Systems mit einer einfachen Nachricht

Einer meiner bevorzugten Momente mit diesem Agenten war die Durchführung eines vollständigen Stresstests mit einem einzigen Chat-Befehl.

🌟 Ich habe dem Agenten gesagt:

„Ich möchte einen Stresstest durchführen. Lösen Sie den Flow automatisch als Auslöser aus, indem Sie zufällige Standorte auswählen und Kampagnenaufgaben gemäß dem Flow erstellen. Stellen Sie sicher, dass kein Teil des Flows fehlt und es keine Doppelungen bei den Aufgaben gibt. Fragen Sie mich alles, was Sie wissen müssen, bevor Sie den Test durchführen.“

🌟 Das ist passiert:

In einer einzigen Unterhaltung waren 15–30 Aktionen erforderlich, und ich bekam ein klares Gefühl dafür, wo mein System bei einer Skalierung möglicherweise versagen könnte.

Das Ergebnis? Mir wurde klar, dass mein Setup bis zu etwa 50 Standorten stabil funktionierte, aber wenn ich versuchte, auf über 100 zu springen, könnte das System Probleme bekommen. Diese Erkenntnis kam nicht aus einem Dashboard, sondern aus einem Gespräch mit meinem Agenten.

Den Agenten als Partner für die Berichterstellung nutzen

👉🏼 Ich chatte auch, um einfache, aber wirkungsvolle Fragen zu stellen, wie zum Beispiel:

👉🏼 Der Agent liefert eine Liste der Assets, wo diese weitergeleitet wurden, sowie Verknüpfungen zurück zu ClickUp. Dann gehe ich noch einen Schritt weiter:

„Gib mir eine 24-Stunden-Zusammenfassung und empfehle die 10 besten Speicherorte für die Verteilung dieser Assets – mit einer klaren Begründung für jede Empfehlung.“

Der Agent nutzt nun:

…um mir genau zu empfehlen, wohin ich als Nächstes gehen sollte – und warum.

👉🏼 Wenn ich tiefer in die Materie einsteigen möchte, kann ich Folgefragen stellen wie:

Der Agent nutzt dieselben Daten und dieselbe Logik, um mir eine gezielte Antwort zu geben.

Von einem intelligenten KI-Entscheidungsagenten zu einer skalierbaren Entscheidungs-Engine

Mittlerweile ist mein Asset Library Manager zu einer soliden KI-Entscheidungsebene geworden, die meinen ClickUp-Workspace ergänzt.

Vorher war ich ständig damit beschäftigt:

Jetzt übernimmt der KI-Entscheidungsagent diesen Prozess.

Ich treffe bei Bedarf immer noch die endgültige Entscheidung. Aber ich fange nicht mehr bei Null an. Und diese Veränderung wird immer häufiger.

Laut einem Bericht von McKinsey & Company verzeichnen Unternehmen die größten messbaren Auswirkungen von KI in Bereichen wie Marketing, Vertrieb und Strategie – wo die Entscheidungsfindung eine zentrale Rolle spielt.

Nächster Schritt: So erstellen Sie Ihren eigenen KI-Entscheidungsagenten in ClickUp

Wenn Sie Assets über mehrere Speicherorte, Kanäle oder Clients hinweg verwalten, müssen Sie nicht für immer mit Tabellenkalkulationen und manuellem Routing arbeiten.

Beginnen Sie mit der Frage:

Entwerfen Sie dann Ihren ersten Agenten auf der Grundlage dieser Antworten.

Nutzen Sie schließlich das Chatten – stellen Sie Fragen, führen Sie Stresstests durch und lassen Sie sich vom Agenten zeigen, wo Ihr System noch verbessert werden muss.

So gehen Sie über reine Automatisierungen hinaus und beginnen, in ClickUp ein intelligentes System aufzubauen, das wirklich für Sie arbeitet.

Vom KI-Experiment zur echten KI-Entscheidungsfindung

Wenn Sie die Entscheidungsfindung mit KI automatisieren möchten, ist dies mein wichtigster Ratschlag:

Hören Sie auf, darüber nachzudenken:

❌ „Wie kann KI mir dabei helfen, das schneller zu erledigen?“

Und fangen Sie an, darüber nachzudenken:

✅ „Wo sollte die KI Entscheidungen für mich treffen?“

Die meisten Teams befinden sich noch in der ersten Phase. Sie experimentieren. Testen Tools. Durchführen der Automatisierung kleiner Aufgaben.

Den größten Nutzen erzielen Sie jedoch, wenn Sie einen KI-Entscheidungsagenten in ein System integrieren, das bereits dafür ausgelegt ist.

Das ist der Fall, wenn:

Deshalb funktioniert das in ClickUp.

Da alles – Aufgaben, Daten und Kontext – an einem Ort gespeichert ist, kann Ihr KI-Entscheidungsagent tatsächlich erkennen, was gerade passiert. Und was noch wichtiger ist: Er kann entsprechend handeln.