Claude Skills erstellen: Der vollständige Leitfaden
Ein Skill ist ein Ordner mit Anweisungen, der Claude beibringt, wie er bestimmte Aufgaben oder Workflows erledigt. Statt Ihren Kontext, Ihre Präferenzen und Ihr Fachwissen in jeder Konversation neu zu erklären, lehren Sie Claude einmal - und profitieren jedes Mal.
Ein Claude Skill ist ein Ordner mit einer SKILL.md-Datei, die YAML-Frontmatter und Anweisungen in Markdown enthält; optional kommen die Ordner scripts/, references/ und assets/ hinzu. Mit dem eingebauten skill-creator-Skill bauen Sie in 15 bis 30 Minuten einen ersten funktionierenden Skill. Entscheidend ist die description im YAML-Frontmatter: Sie darf höchstens 1024 Zeichen lang sein und muss beschreiben, was der Skill tut und wann Claude ihn auslösen soll. Das Prinzip Progressive Disclosure lädt in drei Stufen, das YAML immer, die SKILL.md bei Relevanz und verlinkte Dateien erst bei Bedarf. Ein Skill läuft ohne Anpassung auf claude.ai, in Claude Code und über die API; seit Dezember 2025 können Administratoren Skills workspace-weit verteilen, etwa über den API-Endpunkt /v1/skills.
Was ist ein Claude Skill?
Ein Skill ist ein Ordner, der Claude strukturiertes Prozesswissen bereitstellt. Er besteht aus wenigen Dateien, die zusammen definieren, wann und wie Claude einen bestimmten Workflow ausführen soll.
Aufbau eines Skills
- SKILL.md (Pflicht): Anweisungen in Markdown mit YAML-Frontmatter - der Kern des Skills
- scripts/ (optional): Ausführbarer Code (Python, Bash usw.) für deterministische Aufgaben
- references/ (optional): Dokumentation, die bei Bedarf geladen wird
- assets/ (optional): Vorlagen, Schriften, Icons für die Ausgabe
Skills sind das Gegenteil von Ad-hoc-Prompting. Sie machen Workflows reproduzierbar, testbar und teamfähig. Besonders stark sind sie bei wiederkehrenden Prozessen, bei denen Konsistenz und Qualität wichtiger sind als Flexibilität.
Die drei Kernprinzipien
Effektive Skills basieren auf drei Grundprinzipien. Diese Prinzipien bestimmen, wie Sie Ihren Skill strukturieren und wie Claude ihn nutzt.
Dreistufiges System: Das YAML-Frontmatter wird immer geladen. Die SKILL.md-Inhalte werden bei Relevanz geladen. Verlinkte Dateien werden nur bei Bedarf geladen. Das minimiert den Token-Verbrauch bei vollem Expertenwissen.
Claude kann mehrere Skills gleichzeitig laden. Ihr Skill sollte gut neben anderen funktionieren, nicht davon ausgehen, dass er der einzige ist. Halten Sie den Fokus präzise und vermeiden Sie Überschneidungen.
Skills funktionieren identisch auf claude.ai, in Claude Code und über die API - vorausgesetzt, die Umgebung unterstützt alle Abhängigkeiten. Einmal erstellen, überall nutzen.
Skills und MCP-Server: Die Kombination
Wer bereits einen funktionierenden MCP-Server betreibt, hat den schwierigen Teil bereits erledigt. Skills sind die Wissensschicht darüber. Diese Schicht erfasst Workflows und Best Practices, sodass Claude sie konsistent anwenden kann.
Die Küchen-Analogie
MCP stellt die professionelle Küche bereit: Werkzeuge, Zutaten, Ausstattung. Skills liefern die Rezepte: Schritt-für-Schritt-Anleitungen, wie etwas Wertvolles entsteht. Zusammen ermoglichen sie komplexe Aufgaben, ohne dass der Nutzer jeden Schritt selbst planen muss.
Verbindet Claude mit Ihren Diensten (Notion, Asana, Linear). Bietet Echtzeit-Datenzugriff und Tool-Aufruf.
Lehrt Claude, wie er Ihre Dienste effizient nutzt. Erfasst Workflows und Best Practices.
Nutzer verbinden MCP, wissen aber nicht was als nächstes kommt. Support-Tickets, inkonsistente Ergebnisse.
Vorgefertigte Workflows aktivieren sich automatisch. Niedrigere Lernkurve, konsistente Ergebnisse.
Für Teams, die MCP-Integrationen aufbauen, sind Skills der logische nächste Schritt - sie machen rohen Werkzeugzugriff zu zuverlässigen, optimierten Workflows.
Planung: So starten Sie richtig
Bevor Sie eine Zeile schreiben, identifizieren Sie zwei bis drei konkrete Anwendungsfälle. Ein guter Anwendungsfall ist präzise definiert und beschreibt, was ein Nutzer erreichen will, welche Werkzeuge benötigt werden und welches Domainwissen eingebettet werden soll.
Die drei Skill-Kategorien
Konsistente, hochwertige Ausgaben erstellen: Dokumente, Präsentationen, Apps, Designs, Code. Eingebettete Stilrichtlinien und Vorlagen. Keine externen Werkzeuge erforderlich.
Mehrstufige Prozesse mit konsistenter Methodik. Koordinierung über mehrere MCP-Server. Schrittweise Validierung und Iterationsschleifen.
Workflow-Anleitung für vorhandenen MCP-Zugriff. Eingebettetes Domainwissen. Fehlerbehandlung für häufige MCP-Probleme.
Technische Anforderungen
Die Ordnerstruktur und Benennung folgen festen Regeln, die Sie von Anfang an einhalten sollten:
Pflichtregeln
-
Dateiname:
Genau
SKILL.md(Gross-/Kleinschreibung beachten - keine Varianten) -
Ordnername:
kebab-case:
mein-skill-name- keine Leerzeichen, keine Großbuchstaben, keine Unterstriche - Kein README.md im Skill-Ordner (nur im Repository-Root für Github-Nutzer)
- Kein "claude" oder "anthropic" im Skill-Namen (reserviert)
Das YAML-Frontmatter: Der wichtigste Teil
Das YAML-Frontmatter entscheidet, ob Claude Ihren Skill überhaupt lädt. Claude liest Name und Beschreibung und entscheidet dann, ob der Skill für die aktuelle Aufgabe relevant ist.
Minimales Pflichtformat
---
name: dein-skill-name
description: Was es tut. Verwenden wenn Nutzer [konkrete Phrase] erwähnt.
---Die Beschreibung muss ZWEI Dinge enthalten: was der Skill tut UND wann er verwendet werden soll (Trigger-Bedingungen). Maximal 1024 Zeichen, keine XML-Winkelklammern.
Nur kebab-case. Keine Leerzeichen, keine Großbuchstaben. Sollte dem Ordnernamen entsprechen.
Was + Wann. Trigger-Phrasen einbauen. Relevante Dateitypen nennen. Unter 1024 Zeichen bleiben.
Benutzerdefinierte Felder: author, version, mcp-server, category, tags, documentation, support.
Effektive Anweisungen schreiben
Der Inhalt der SKILL.md bestimmt die Qualität der Ausgabe. Konkrete, umsetzbare Anweisungen sind entscheidend.
Statt "Daten validieren": "Führen Sie
python scripts/validate.py --input {dateiname}
aus. Bei Fehler: fehlende Pflichtfelder ergänzen, Datumsformat JJJJ-MM-TT prüfen."
Dokumentieren Sie häufige Fehler und ihre Lösungen. Besonders bei MCP-Integrationen: was tun bei "Connection refused" oder abgelaufenen API-Keys?
Lagere ausführliche Dokumentation nach
references/
aus. Verlinke klar im SKILL.md. So bleibt die Hauptdatei fokussiert und schnell ladbar.
Halte SKILL.md unter 5.000 Wörtern. Details in
references/. Claude lädt Unterlagen nur wenn benötigt - das spart Kontext und verbessert die Genauigkeit.
Testen und Iterieren
Skills sind lebende Dokumente. Plane von Anfang an für Iteration. Die wirkungsvollsten Skill-Entwickler iterieren an einer einzigen anspruchsvollen Aufgabe, bis Claude erfolgreich ist - dann extrahieren sie die funktionierende Vorgehensweise in einen Skill.
1) Trigger-Tests
Testen Sie 10-20 Anfragen, die den Skill auslösen sollten. Und auch Anfragen, die ihn nicht auslösen sollten. Ziel: 90% korrekte Erkennung.
2) Funktionale Tests
Führen Sie den vollständigen Workflow mit realen Testdaten durch. Prüfen Sie Ausgabequalität, API-Fehlerrate, Token-Verbrauch.
3) Leistungsvergleich
Vergleichen Sie denselben Ablauf mit und ohne Skill. Messen Sie Nachrichten, API-Aufrufe, Tokens und Korrekturbedarf durch den Nutzer.
4) Skill-Creator nutzen
Der integrierte skill-creator-Skill hilft beim Erstellen, Überprüfen und Verbessern von Skills. Frage: "Hilf mir mit skill-creator einen Skill für [Anwendungsfall] zu bauen."
5) Signale beachten
Untriggering: Beschreibung präzisieren, mehr Trigger-Phrasen. Overtriggering: negative Trigger ergänzen, spezifischer formulieren. Ausführungsfehler: Anweisungen verbessern, Fehlerbehandlung ergänzen.
Bewährte Praxismuster
Diese Muster entstammen der Erfahrung frühzeitiger Adopter und interner Teams.
Mehrstufige Prozesse in fester Reihenfolge. Explizite Schrittabhängigkeiten. Validierung an jedem Schritt. Rollback-Anweisungen bei Fehler.
Workflows über mehrere Dienste hinweg. Klare Phasentrennung. Datenübergabe zwischen MCPs. Zentralisierte Fehlerbehandlung.
Erster Entwurf, Qualitätsprüfung per Skript, Verbesserungsschleife, Finalisierung. Ausgabequalität steigt mit jeder Iteration.
Eingebettetes Fachwissen jenseits des Werkzeugzugriffs: Compliance-Prüfungen, branchenspezifische Regeln, institutionelle Entscheidungslogik.
Skills für deutsche Unternehmen: Governance und Compliance
Skills bieten deutschen Unternehmen einen konkreten Weg, KI-Workflows reproduzierbar, prüfbar und konform zu machen. Das ist besonders relevant im Kontext der DSGVO und des EU AI Act.
Sicherheitsanforderungen beachten
Was Sie sicherstellen sollten
- Keine API-Keys oder Passwörter in SKILL.md oder Referenzdateien einbetten
- Drittanbieter-Pakete in Skripten vor dem Einsatz prüfen und dokumentieren
-
Least-Privilege mit
allowed-toolsin Claude Code konfigurieren - Internen Freigabeprozess definieren und vor dem Produktiveinsatz durchlaufen
- Code-Ausführung läuft in Sandbox ohne sessionübergreifende Persistenz
Konkrete Einsatzbereiche im Mittelstand
Reports, Angebote, Protokolle im Unternehmensstil - automatisch und konsistent.
Reproduzierbare Pipelines für Auswertungen statt einmaliger Prompt-Experimente.
Onboarding, Qualitätsprüfungen, Kundenkorrespondenz standardisiert und auditierbar.
Expertenwissen als teilbare Project Skills per Git - kein Knowledge-Silo mehr.
Verteilung und Sharing
Skills können auf verschiedenen Wegen verteilt werden - für Einzelnutzer, Teams und ganze Organisationen. Seit Dezember 2025 können Administratoren Skills workspace-weit ausrollen.
Skill-Ordner herunterladen, als ZIP komprimieren und über Einstellungen hochladen. Für manuelle Tests und individuelle Workflows.
Endpunkt
/v1/skills
für programmatisches Management. Parameter
container.skills
in der Messages API. Für Produktivsysteme, automatisierte Pipelines und Agentensysteme.
Admins können Skills workspace-weit deployen. Automatische Updates, zentrale Verwaltung. Über Claude Console versionierbar.
Als offener Standard ist Agent Skills so konzipiert, dass Skills portabel über KI-Plattformen hinweg sind. Die Kompatibilität wird im
compatibility
-Feld der SKILL.md dokumentiert. Mehr zu
Claude Code und KI-Softwareentwicklung
finden Sie in unserem Vertiefungsartikel.
Häufige Probleme und Lösungen
Die meisten Probleme mit Skills lassen sich auf wenige Ursachen zurückführen.
Dateiname muss exakt
SKILL.md
sein (Gross-/Kleinschreibung). YAML-Frontmatter muss mit
---
-Trennzeichen beginnen und enden. Skill-Name nur kebab-case.
Zu allgemeine Beschreibung ("Hilft mit Projekten"). Fehlende Trigger-Phrasen, die Nutzer tatsächlich verwenden. Fehlende Angabe relevanter Dateitypen.
Negative Trigger ergänzen: "Nicht verwenden für..." Beschreibung präziser formulieren. Negativbeispiele explizit benennen.
Kritische Anweisungen an den Anfang stellen.
## Kritisch
-Header nutzen. Vage Formulierungen durch konkrete Schritte ersetzen. Details in
references/
auslagern.
Fazit: Skills als Grundlage für skalierbare KI
Claude Skills sind mehr als ein technisches Feature. Skills sind der Weg, wie Unternehmen KI-Arbeit strukturieren, prüfbar machen und skalieren. Mit einem klaren Anwendungsfall, einer präzisen Beschreibung und gut durchdachten Anweisungen können Sie in 15-30 Minuten einen ersten funktionierenden Skill erstellen.
Die wichtigsten Punkte im Überblick
- Skills = Ordner mit SKILL.md, optionalen Skripten, Referenzen und Assets
- Progressive Disclosure: YAML immer, SKILL.md bei Relevanz, Dateien bei Bedarf
- Die Beschreibung entscheidet, ob der Skill ausgelöst wird - sie muss präzise sein
- Skills + MCP = Werkzeugzugriff plus eingebettetes Prozesswissen
- Testen, iterieren, versionieren - Skills sind lebende Dokumente
- Organisationsweiter Rollout möglich seit Dezember 2025
Wer heute anfängt, Skills zu bauen, legt die Grundlage dafür, dass KI-Nutzung im Team nicht vom Zufall des besten Prompts abhängt - sondern von soliden, dokumentierten Prozessen. Mehr über den strategischen Einsatz von agentischen KI-Systemen in Deutschland finden Sie in unserem separaten Artikel.
Weiterführende Informationen
Häufige Fragen
Zusammenarbeit
Ein Ansprechpartner, ein Team dahinter
Dreißig Minuten über das, woran Sie gerade arbeiten, ob Netz, Messwesen, Marktprozesse, IT-Architektur oder KI. Danach wissen Sie, wie wir es angehen würden und wer dafür am Tisch sitzt.
Energie und Messtechnik seit 2010 · innobu GmbH seit 2014 · Sitz in Schleswig-Holstein
Wer pitcht, liefert auch: Wer das Erstgespräch führt, bleibt Ihr Ansprechpartner bis ins Steering, im Projekt mit festen Partnern. Direkt: info@innobu.com