Mein Agent-Stack zur Automatisierung meines Privatlebens

Mein Agent verwaltet meine E-Mails, SMS, WhatsApp, Telegram und so ziemlich alles, um mein Privatleben zu automatisieren.

Die Leute fragen mich ständig, wie ich Agenten im echten Leben einsetze. Ich meine die wirklich langweiligen Dinge, die einen Tag verschwinden lassen: WhatsApp und Telegram lesen, die E-Mail von jemandem finden, im Web suchen, die Einleitung entwerfen, ein Dokument in Google Drive aktualisieren, einen Kalendereintrag erstellen, prüfen, wer noch eine Antwort braucht – und das alles mit denselben unordentlichen Tools, die ich ohnehin schon nutze.

Meine Antwort ist enttäuschend einfach. Ich verwende Codex als Operator auf meinen tatsächlichen Lebensdaten. Es hat Tools. Es hat Datenkonnektoren. Es hat Skills. Es hat eine Quelle der Wahrheit. Es hat genug Berechtigungen, um lokal zu handeln, und genug Genehmigungsschwellen, dass es mich nicht in der Öffentlichkeit blamiert.

Das ist im Grunde das Setup. Tools, Datenkonnektoren, Skills und Geschmack.

Früher habe ich mehr davon in Claude Code gemacht, aber ich verlagere das Setup zunehmend zu Codex, weil GPT-5.5 derzeit das bessere Modell für diese Art von Arbeit ist. Der Wechsel von Claude Code zu Codex ist nicht wirklich die Geschichte. Die Geschichte ist, dass, sobald ein Modell gut genug ist, die eigentliche Hebelwirkung daraus entsteht, es in die Welt einzubinden, in der du bereits lebst.

Der wichtige Punkt ist, dass der Agent Grenzen überschreiten kann. Mein Privatleben spielt sich nicht in einer einzigen App ab. Es verteilt sich auf Gmail, WhatsApp, Telegram, iMessage, Google Drive, Kalender, Notion, lokale Dateien, zufällige PDFs, Browsersitzungen und eine Kontakttabelle, die viel wertvoller ist, als sie aussieht.

Ein echtes Kommunikationsbeispiel

Vor ein paar Tagen schickte mir eine Freundin eine WhatsApp-Nachricht. Sie half einem schnell wachsenden KI-Startup aus San Francisco bei der Rekrutierung in Frankreich und wollte deren Einstellungsmanager mit einem Recruiter verbinden, den ich kenne. Ich erinnerte mich nicht an die E-Mail des Recruiters. Ich kannte die neuesten Finanzierungsnachrichten über das Startup nicht. Ich musste WhatsApp durchsuchen, Gmail durchsuchen, die E-Mail des Recruiters finden, das Web durchsuchen, verstehen, warum das Startup glaubwürdig war, eine Einleitungs-E-Mail entwerfen, die beiden Stellenlinks einfügen, mir den Entwurf zeigen, die E-Mail nach Genehmigung senden und dann meiner Freundin schreiben, dass es erledigt war.

Normalerweise sind das zwanzig Minuten nervigen App-Wechselns. WhatsApp zu Gmail zu Google-Suche zu wieder Gmail zu wieder WhatsApp. Es ist keine schwere Arbeit, aber es ist genau die Art von Arbeit, die Aufmerksamkeit verbraucht, weil jeder Schritt ein kleiner Kontextwechsel ist.

Mit dem Agenten habe ich nach dem Ergebnis gefragt. Er las den WhatsApp-Thread, durchsuchte Gmail nach der E-Mail des Recruiters, recherchierte die Finanzierung und die aktuellen Nachrichten des Startups im Web, entwarf die Einleitung, wartete auf meine Genehmigung, sendete die E-Mail und schrieb dann meiner Freundin, dass die Einleitung erledigt war. Der benutzerseitige Teil dauerte etwa zehn Sekunden. Der Agent erledigte die Klebearbeit (in Sekunden!)

Das ist das Killer-Muster. Der Agent "beantwortet nicht nur eine Frage." Er arbeitet mit meinen Tools zusammen, um einen kleinen realen Workflow abzuschließen (aka eine "zu erledigende Aufgabe").

Das Kennzeichen-Beispiel

Ein weiteres Beispiel ist noch langweiliger, weshalb ich es mag. Ich habe ein neues Kennzeichen für mein Auto bekommen. Ich schickte Fotos und Kontext an Codex. Es aktualisierte die Markdown-Datei mit den Fahrzeuginformationen, die ich in Google Drive führe, änderte das Kennzeichen, fügte die Zulassungsnotizen hinzu, behielt die vorhandene FIN, Versicherung, Besitzer und Adresse bei und lud die Datei dann wieder in Drive hoch.

Das allein ist schon nützlich, aber die bessere Version ist, was als Nächstes passiert. Der Agent kann Browser-Automatisierung nutzen, um dieselben Informationen überall sonst zu aktualisieren: FasTrak, die Park-App, Versicherungsportale, DMV-bezogene Formulare oder jede andere Web-App, die keine saubere API hat. Für saubere Systeme sollte er eine API oder CLI verwenden. Für unordentliche Systeme kann er den Browser nutzen – und das funktioniert so gut! Ich verwende jetzt auch Computer Use von Codex.

Dafür sind persönliche Agenten da. Nicht für dramatische Autonomie. Für administrative Kontinuität. Ich hatte immer Angst vor dem Openclaw-Yolo-Modus im Hintergrund. Ich schätze es, die Kontrolle zu haben.

Google Drive ist meine Quelle der Wahrheit

Die wichtigste architektonische Entscheidung, die ich traf, war die Zentralisierung wertvoller persönlicher Informationen in Google Drive. Jahrelang lebte ein Großteil meines Wissens in Notion. Ich mag Notion als menschlichen Arbeitsbereich, aber ich liebe es nicht als primäre Quelle der Wahrheit für einen Agenten. Die API funktioniert, aber der Arbeitsbereich ist zu fließend: verschachtelte Seiten, Datenbanken, Eigenschaften, Berechtigungen, Formatierungen, Backlinks und eine Menge UI-native Struktur, die für Menschen angenehm und für Modelle nervig ist.

Also nutzte ich die Notion-API, um die wertvollen Informationen zu exportieren und nach Google Drive zu verschieben. Ich versuchte nicht, den Notion-Arbeitsbereich perfekt zu erhalten. Ich versuchte, die Informationen agentenlesbar zu machen. Die meisten nützlichen Informationen in Drive sind Markdown oder CSV, weil diese Formate für den Agenten einfach zu durchsuchen, zu differenzieren, zu bearbeiten und ohne viel Aufwand wieder hochzuladen sind. Google Drive wurde zur Quelle der Wahrheit, weil gogcli dem Agenten eine einfache Kommandozeilen-Oberfläche für Gmail, Drive, Kalender, Docs, Sheets, Kontakte und Aufgaben bietet.

Das ist ein unterschätzter Punkt. Du solltest dein Wissen nicht nur für die menschliche Benutzeroberfläche organisieren. Du solltest es für den Tool-Pfad des Agenten organisieren. Agenten mögen stabile Datei-IDs, Text, Tabellen, Markdown, CSVs und Befehle, die JSON zurückgeben. Wenn der Agent es durchsuchen, herunterladen, bearbeiten, hochladen und angeben kann, woher es stammt, sind die Daten nützlich.

Meine persönliche Datenebene ist beschämend einfach. Google Drive enthält die wichtigen Dokumente, meist als Markdown-Dateien und CSVs. Kontakte leben in einem Google Sheet, das als CSV gespiegelt wird. Notion-Exporte landen in Drive. Lokale Anweisungen leben in AGENTS.md. Skills leben als Markdown-Dateien in Ordnern. Die Quelle der Wahrheit ist nicht elegant. Sie ist lesbar.

Ein Großteil der persönlichen Produktivität besteht darin, diese Daten einfach zu verknüpfen. Eine Tatsache ist in WhatsApp. Eine andere ist in Gmail. Die E-Mail-Adresse ist in den Kontakten. Das Datum ist im Kalender. Das Dokument ist in Drive. Der Agent wird nützlich, wenn er diese Grenzen überschreiten kann, ohne dass ich der Klebstoff sein muss.

Eine meiner besten Investitionen war die Erstellung einer contact.csv mit der Telefonnummer, E-Mail, LinkedIn usw. aller Leute, die ich kenne.

Die Tools

Die Kern-Tools sind bewusst langweilig. Ich verwende gogcli für Google Workspace, wacli für WhatsApp, imsg für iMessage und SMS, Browser Use oder Browser-Automatisierung für Web-Apps und AppleScript oder macOS-UI-Automatisierung, wenn es keine bessere Schnittstelle gibt.

Die Hierarchie ist einfach. APIs und CLIs sind am besten. Lokale Dateien sind großartig. Browser-Automatisierung ist akzeptabel. Bildschirm-Automatisierung ist die letzte Option.

Diese Hierarchie ist wichtig, weil Agenten nur so zuverlässig sind wie ihre Tool-Oberfläche. Ein Modell zu bitten, auf einer Website herumzuklicken, ist manchmal notwendig, aber es ist nicht der glückliche Pfad. Ein Befehl wie gog gmail messages list oder wacli messages list --json ist für das Modell viel einfacher zu inspizieren, zu wiederholen und zu durchdenken.

So sieht die Tool-Ebene in der Praxis aus:

Nichts davon sieht nach Science-Fiction aus. Das ist der Punkt. Die Zukunft persönlicher Agenten beginnt als ein Haufen von Befehlen, die es dem Modell ermöglichen, die Tools zu bedienen, die du bereits nutzt. Du möchtest die Abstraktionsebenen zwischen den Modellen und den APIs auf ein Maximum reduzieren.

Die Skills

Tools geben dem Agenten Hände. Skills geben ihm Gewohnheiten. Ein Skill ist einfach ein kleines Betriebshandbuch, das dem Agenten sagt, wie er eine wiederkehrende Aufgabe so erledigt, wie ich es mag.

Mein Inbox-Zero-Skill ist ein gutes Beispiel. Er sagt dem Agenten, er solle die Gmail-Posteingangsnachrichten über gog auflisten, Auto-Archiv von Überprüfungsbedürftig trennen, mir die wichtigen E-Mails zeigen, den Inhalt zitieren, Archivieren oder Antworten vorschlagen, Antworten entwerfen, auf explizite Genehmigung warten, im ursprünglichen Thread senden, alle Empfänger beibehalten, nur nach dem Senden archivieren, Antworten kurz halten, niemals Anrufe vorschlagen, es sei denn, ich frage danach, und mit "Nicolas" unterschreiben.

Das ist keine ausgefallene Architektur. Es ist eine Prozedur. Aber die Prozedur ist das Produkt und... es sind nur Textanweisungen.

Ohne den Skill muss ich jedes Mal der Prompt sein. Ich muss den Agenten daran erinnern, nicht ohne Genehmigung zu senden, keine CC-Empfänger fallen zu lassen, keinen Anruf vorzuschlagen und nicht mit einer seltsamen Firmensignatur zu unterschreiben. Mit dem Skill sage ich "Inbox Zero ausführen", und der Workflow enthält bereits meinen Geschmack.

Die wichtige Gewohnheit ist, dass ich den Skill jedes Mal verbessere, wenn der Agent einen Fehler macht. Wenn er einen Anruf vorschlägt, obwohl ich Anrufe hasse, füge ich diese Regel hinzu. Wenn er vergisst, CC-Empfänger beizubehalten, füge ich diese Regel hinzu. Wenn er zu aggressiv archiviert, verschärfe ich die Klassifizierung. Der Agent wird besser, weil die Prozedur besser wird.

So werden persönliche Agenten persönlich. Nicht durch eine niedliche Stimme. Durch die Anhäufung von operativem Geschmack.

Das Setup potenziert sich, weil die Fehler zu Anweisungen werden.

Genehmigungsschwellen sind das Produkt

Ich möchte keinen Agenten, der blind auf alle antwortet. Ich möchte einen Agenten, der die Arbeit vorbereitet, mir den Entwurf zeigt und im richtigen Moment fragt. Für die meisten Kommunikations-Workflows ist die Schleife: Kontext lesen, Antwort entwerfen, mir zeigen, auf Genehmigung warten, senden, bestätigen.

Manchmal lasse ich ihn direkt senden, wenn die Einsätze niedrig sind. "Sag Hugo, ich bin nächste Woche in Seattle" braucht keine Vorstandssitzung. Aber eine Investoren-E-Mail, eine Kundenantwort, eine Einleitung oder irgendetwas mit sozialer Nuance sollte zuerst entworfen werden.

Das ist der Unterschied zwischen nützlich und erschreckend. Nur-Lesen-Scannen ist eine Vertrauensebene. Entwerfen ist eine andere. Senden ist eine andere. Löschen, Bezahlen, Unterschreiben oder Ändern von Kontoeinstellungen ist eine völlig andere Ebene. Die Zukunft ist nicht "der Agent macht alles." Die Zukunft ist "der Agent macht die mühsame Arbeit und fragt im richtigen Moment."

Der Killer-Workflow ist: Was habe ich verpasst?

Der Killer-Workflow ist nicht E-Mail. Es ist die Lebens-Inbox-Triage. Alle paar Stunden möchte ich fragen: "Was habe ich verpasst?" und der Agent soll WhatsApp, Telegram, Gmail, SMS, Kalender und die relevanten Drive-Änderungen scannen. Dann soll er mir sagen, wer eine Antwort braucht, was dringend ist, was veraltet ist, was ignoriert werden kann, was zu einem Kalendereintrag werden sollte und was eine Dokumentsuche erfordert.

Das ist die perfekte Agentenaufgabe, weil sie kontextlastig, repetitiv, toolübergreifend und voller kleiner Entscheidungen ist. Menschen hassen es, den ersten Durchgang zu machen. Agenten sind gut in ersten Durchgängen. Das Urteilsvermögen gehört immer noch mir.

Das Ergebnis ist nicht, dass mein Leben autonom wird. Das Ergebnis ist, dass ich aufhöre, die Person zu sein, die manuell fünf Apps durchforstet, um die drei Dinge zu entdecken, die wichtig sind.

Meine aktuelle Setup-Checkliste

Wenn jemand mein Setup reproduzieren möchte, hier ist die Checkliste. Installiere Codex. Installiere gogcli für Google Workspace. Installiere wacli für WhatsApp. Installiere einen Telegram-Konnektor, wenn du Telegram nutzt. Installiere imsg für iMessage und SMS. Füge Browser-Automatisierung hinzu, idealerweise über Browser Use oder einen Chrome-Controller. Füge macOS-Automatisierung über AppleScript und UI-Scripting hinzu. Wenn dein Wissen in Notion lebt, verwende die Notion-API, um die wertvollen Teile nach Google Drive zu exportieren.

Dann zentralisiere die Daten. Mache Google Drive zur Quelle der Wahrheit. Halte Kontakte in einem Google Sheet oder einer CSV. Halte wichtige persönliche Dokumente als durchsuchbare Dateien. Halte lokale AGENTS.md-Anweisungen. Halte kleine Skills für wiederkehrende Workflows.

Dann erteile Berechtigungen sorgfältig. Vollzugriff auf die Festplatte wird für lokale Dateien und App-Datenbanken benötigt. Bildschirmaufzeichnung ist als visuelles Fallback nützlich. Barrierefreiheit wird zum Klicken und Tippen in Apps benötigt. Das sind ernsthafte Berechtigungen, also kombiniere sie mit ernsthaften Genehmigungsschwellen.

Dann schreibe die Betriebsregeln.

Das ist im Grunde alles. Tools, Datenkonnektoren, Skills, Genehmigungsschwellen und kontinuierliche Verbesserung.

Das ist das neue Betriebssystem

Der Personal Computer wurde früher app-gesteuert. Du hast die App geöffnet, gesucht, geklickt, kopiert, eingefügt, geschrieben und gesendet. Der agentengesteuerte Computer fühlt sich anders an. Du gibst die Absicht an, der Agent sammelt Kontext, schlägt die Aktion vor, wartet bei Bedarf auf Genehmigung, führt aus und berichtet zurück.

Sobald du das erlebst, fühlt sich die alte Art absurd an. Warum durchsuche ich manuell WhatsApp, Gmail, Google Drive und das Web, um eine Einleitung zu senden? Warum kopiere ich ein Kennzeichen in fünf verschiedene Portale? Warum lese ich 100 Nachrichten, um die drei zu finden, die wichtig sind?

Der Computer sollte das tun.

Das Setup ist immer noch hässlich. Die CLIs sind grob. Berechtigungen sind nervig. Einige Konnektoren brechen. Browser-Automatisierung ist spröde. Du musst Skills schreiben. Du musst eine Quelle der Wahrheit pflegen. Aber so beginnt die Zukunft normalerweise.

Die ersten nützlichen persönlichen Agenten werden nicht wie polierte Verbraucher-Apps aussehen. Sie werden wie ein Modell in einem Terminal aussehen, das Zugriff auf deine Dateien, Konten, Erinnerungen und Tools hat.

Das ist es, was ich heute verwende, und jede Woche gebe ich ihm ein weiteres Stück meines Lebens zu verwalten.