Mein Daily AI Workflow — 7 Tools, 30 Minuten

Mein Tag fängt nicht mit Mails oder LinkedIn an. Er fängt mit einem strukturierten Briefing an, das sich über Nacht aufbaut. Hier ist, wie das im Detail funktioniert — mit Tools, mit Code-Snippets, mit Zeitangaben.

22:00 Uhr — Tageszusammenfassung

Mein Always-On Mac Studio läuft jede Nacht einen Aufräum-Agent. Er liest alle Mails des Tages, alle Kalendereinträge, alle Slack-Nachrichten und schreibt eine 5-Punkte-Zusammenfassung für den nächsten Morgen. Plus: alle offenen Tasks, die ich versprochen aber nicht erledigt habe.

Stack: Claude Code im tmux, eigene Python-Tools für Gmail/Slack/Kalender-Zugriff, Output landet als Markdown-File.

05:30 Uhr — Mail-Triage

Während ich noch schlafe, klassifiziert ein n8n-Workflow alle eingehenden Mails:

• Newsletter → Direkt in einen Ordner, ich lese sie nur wenn ich Zeit habe.
• Kunden-Anfrage → Bleibt im Inbox, wird mit "wichtig" markiert.
• Rechnung/Beleg → Wird in einen separaten Ordner sortiert, Buchhaltung bekommt eine Wochen-Sammelmail.
• Spam/Phishing → Wird direkt gelöscht.
• Sonstiges → Bleibt im Inbox, ich entscheide selbst.

Genauigkeit: ungefähr 92% richtig. Die restlichen 8% korrigiere ich morgens manuell, was das System langfristig verbessert (ich logge die Korrekturen für Prompt-Tuning).

Stack: Gmail-Push-Notifications → n8n → Claude Sonnet → Gmail-Label-API.

06:00 Uhr — News-Briefing

Ein Agent crawlt die Top-Quellen für KI-News: TechCrunch, The Verge, OpenAI/Anthropic/Google-Blogs, ein paar deutsche Newsletter, HackerNews. Er extrahiert die relevanten Artikel, fasst sie auf 2-3 Sätze zusammen und gruppiert sie nach Thema.

Output ist eine eine Markdown-Datei wie:

Modelle & Anbieter (3 Items):
OpenAI: Neue Tarife für Realtime-API, im Schnitt 22% günstiger ab Juni — Relevant für unser Voice-Setup, Kalkulation prüfen.
Anthropic: Claude 5 Sonnet released, höhere Context-Capacity. Kein Breaking Change.
Google: Vertex AI bekommt MCP-Support nativ — könnte für unsere n8n-Integration relevant werden.

Stack: Eigene RSS+Scraping-Pipeline in Python, Claude Opus zum Zusammenfassen, Output ist ein File das per Mail kommt.

06:30 Uhr — Kalender-Brief

Ein weiterer Agent schaut sich meinen Tag an und schreibt eine Vorbereitung:

• Welche Termine, mit wem, in welchem Kontext (letzte Mails, letzte Calls)
• Welche offenen To-Dos sollten heute erledigt werden (basierend auf Versprechen aus letzter Woche)
• Was ich für den ersten Termin vorbereiten sollte

Das ist tatsächlich der wertvollste Output. Ich muss mir morgens nicht überlegen, was heute wichtig ist — es liegt schon strukturiert auf dem Tisch.

Stack: Google Calendar API + Gmail-History + Notion-Tasks → Claude Opus → Markdown.

07:00 Uhr — Briefing-Mail kommt rein

Alle 4 Agents schreiben ihre Outputs in ein gemeinsames Markdown-File. Um 7:00 wird das per Mail an mich verschickt. Ich lese es beim Kaffee — etwa 5 Minuten — und weiß, wie der Tag aussieht.

Während des Tages — Ad-hoc-Agents

Tagsüber nutze ich verschiedene spezialisierte Agents:

• Recherche-Agent: "Recherchier mir den aktuellen Stand zu Voice-Agent-Marktanteilen in Deutschland." Liefert nach 5-10 Minuten einen ordentlichen Report mit Quellen.
• Code-Reviewer: Schaut sich Git-Diffs an und gibt Kommentare. Spart mir 30-60 Minuten Code-Review pro Tag.
• Mail-Drafter: Für längere Antwort-Mails (z.B. Angebote, Kundenrückfragen) lasse ich einen Draft generieren, den ich dann editiere. Spart Schreibzeit, behält meinen Stil.

Alle drei laufen als Claude-Code-Sessions im tmux. Ich tippe "claude" in einem Terminal, beschreibe was ich brauche, der Agent macht den Rest.

Was es kostet

• Hetzner-Server (n8n, Datenbanken): 25 Euro/Monat
• Mac Studio als lokaler Hub: einmalig, läuft eh
• Anthropic API (Opus + Sonnet, durchschnittliche Nutzung): 120 Euro/Monat
• OpenAI API (Realtime + Embeddings): 60 Euro/Monat
• Eigene Wartungs-Zeit: ca. 3-5 Stunden pro Monat

Zusammen: knapp 220 Euro pro Monat, plus die Wartung. Was es mir liefert: vermutlich 1-2 Stunden gewonnene Produktivität pro Tag, alleine durch die strukturierte Vorbereitung. Bei Stundensatz: rechnet selber.

Was ich nicht automatisiere

• Entscheidungen: KI bereitet vor, ich entscheide. Nie umgekehrt.
• Persönliche Mails: An Familie, Freunde — schreibe ich immer selbst.
• Erstkontakt mit Neukunden: Das Erstgespräch führe ich persönlich, kein Bot. Das Vertrauen baut sich anders auf.
• Inhaltliche Posts (LinkedIn, Blog): KI darf assistieren, aber Endprodukt ist immer von mir freigegeben oder geschrieben.