Eine Wahrheit: der Context Workspace

    Legt das gemeinsame Gedächtnis an, das Team und Agents lesen und schreiben: ein Master-Dokument, abgeleitete Module, versioniert, mit menschlicher Freigabe für jede Änderung am Kanon.

    Owner
    CCO / GTM-Leader
    Beteiligt
    RevOps / GTM Engineer, Marketing, AE / SDR, Customer Success
    Autonomiestufe
    2 · Mensch prüft
    Urteil nötig, Aussenwirkung. Ein Fehler kostet Glaubwürdigkeit.
    Auslöser
    Diagnose, ICP und Positioning stehen, und mehr als eine Person oder ein Agent soll damit arbeiten.
    Output
    Ein versionierter Context Workspace: Master-Dokument, fünf abgeleitete Module und ein Messaging-Canvas mit Status, den jeder Mensch und jeder Agent liest.
    Artefakt im Context Workspace
    strategy/knowledge-base.md + abgeleitete Module + messaging/*.md (Git-versioniert)

    Warum jetzt

    Sechs von zehn Mitarbeitenden nutzen private AI-Werkzeuge für Firmenarbeit (AI Monitor 2026, Teklens mit ETH Zürich und HSG). Jeder dieser Agents startet bei null, mit eigenem Prompt und eigener Wahrheit. Anthropic nennt die Gegenbewegung Context Engineering: den kleinsten Satz an Kontext kuratieren, den ein Agent für eine Aufgabe braucht, weil zu viel Kontext die Qualität senkt. Vacca sagt es als Operator: Generische Prompts geben generische Outputs; dein eigenes Wissen ist der Moat. Und Roberge beschreibt die Stufe zwischen Product-Market-Fit und Wachstum als kodifiziertes, wiederholbares Playbook. Das Resultat ist messbar: Neue Hires starten nicht bei null, wo der Branchen-Ramp bei 6,2 Monaten liegt.

    Agents

    • Coach Agent

      Erinnert an Kadenzen, zeigt Strategy Drift und hält das Team auf dem vereinbarten Kurs.

    • Research Agent

      Recherchiert Accounts, Personen und Markt und legt die Belege in den Context Workspace.

    Inputs

    • Diagnose, ICP, Personas und PositioningContext Workspace
    • Messaging-Canvas 00 bis 08Context Workspace
    • Proof-Library: Cases, Zahlen, TestimonialsContext Workspace
    • Tool-Inventar und CRM-FelddefinitionenCRM

    Schritte

    1. 1

      Struktur übernehmen

      Mensch

      Vier Ordner (strategy, messaging, customer-intelligence, proof-library) plus outputs und motions. Ein Master-Dokument strategy/knowledge-base.md als einzige Quelle. Git als Versionierung, nicht Notion-History.

    2. 2

      Den Master schreiben

      Mensch + Agent

      Positioning, ICP, Personas, Voice-Guide und Wettbewerb in einem Dokument. Der Research Agent zieht die Inhalte aus Diagnose und Insight-Report; Menschen entscheiden jeden Wortlaut, der Kanon wird.

    3. 3

      Module ableiten

      Agent

      icp.md, personas.md, positioning.md, voice-guide.md, competitive-landscape.md, abgeleitet aus dem Master und nur dort geändert, wo sich der Master geändert hat. Jeder Skill liest nur sein Modul.

    4. 4

      Canvas live proben

      Mensch

      Pitch, Einwand und Demo mit dem Team aus messaging/00 bis 08 durchspielen. Was im Gespräch nicht hält, geht zurück in den Master, nicht in einen Seitenkanal.

    5. 5

      Drift überwachen

      Agent

      Der Coach Agent vergleicht wöchentlich CRM-Aktivitäten, Posts und Nachrichten mit dem Kanon und meldet Strategy Drift: die Abweichung zwischen dem, was das Team tut, und dem, was die Strategie sagt.

    6. 6

      Änderungen freigeben

      Mensch

      Jede Änderung am Master wird von der CCO zertifiziert, bevor sie in die Module und zu den Agents fliesst. Eine ungeprüfte Korrektur wäre sonst die Wahrheit jedes Agents.

    Human Gate: hier entscheidet ein Mensch

    Die CCO zertifiziert jede Änderung am Master, bevor sie zu den Agents fliesst. Kein Agent schreibt in den Kanon.

    Woran du erkennst, dass es wirkt

    MetrikZielwert
    Zeit neuer Hires bis zum ersten eigenen PitchTage statt Monate; Branchen-Ramp 6,2 Monate
    Anteil Agents und Tools, die den Workspace als Quelle lesen100 %, keine Schatten-Prompts
    Drift-Meldungen pro Wochesinkend; jede geschlossen oder in den Kanon übernommen
    Alter der letzten zertifizierten Änderungunter 30 Tagen

    Qualitätskriterien

    • Eine Datei pro Thema, nichts dupliziert.
    • Jede Aussage im Master hat Owner und Datum.
    • Agents laden nur das Modul, das ihr Skill braucht.
    • Änderungen fliessen vom Master in die Module und zu den Agents, nie umgekehrt.

    Anti-Patterns

    • Wissen in Notion, Slides und Köpfen parallel.
    • Jeder Agent mit eigenem Prompt und eigener Wahrheit.
    • Den gesamten Workspace in jeden Agent laden: zu viel Kontext senkt die Qualität.
    • Ein Master, der seit dem Kickoff nicht mehr angefasst wurde.

    Quellen

    • Teklens mit ETH Zürich und Universität St. Gallen, AI Monitor 2026 (Marketing Automation & AI Readiness Report) (2026): 6 von 10 nutzen private AI-Werkzeuge für Firmenarbeit (163 auswertbare Antworten beim Werkzeug-Item; Studie gesamt 165).
    • Anthropic Engineering, Effective context engineering for AI agents (2025): Context Engineering: den optimalen Satz an Kontext kuratieren; Context Rot, wenn der Kontext wächst; Sub-Agents und Kompaktierung.
    • Marc Gasser, GTM OS Context Workspace (MIT) (2026): Die Workspace-Struktur und die Kaskade: Master bearbeiten, sync-context, Module aktualisieren, Skills lesen nur ihr Modul.
    • Alex Vacca, 100 Tips to Master GTM (2025): Tipp 69: AI auf eigene Daten trainieren; generische Prompts geben generische Outputs.
    • Mark Roberge, The Science of Scaling (2025): Das Playbook der GTM-Fit-Phase ist kodifiziert und wiederholbar (Kapitel 8 und 18).

    Danach meist

    • Nächster Schritt

    Vom Pattern zum System.

    Der kostenlose Kurs zeigt dir, welche Patterns für dein Unternehmen jetzt zählen. Teams wenden sie mit dem Playbook Manager im AI GTM OS an.