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
Struktur übernehmen
MenschVier 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
Den Master schreiben
Mensch + AgentPositioning, 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
Module ableiten
Agenticp.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
Canvas live proben
MenschPitch, 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
Drift überwachen
AgentDer 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
Änderungen freigeben
MenschJede 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
| Metrik | Zielwert |
|---|---|
| Zeit neuer Hires bis zum ersten eigenen Pitch | Tage statt Monate; Branchen-Ramp 6,2 Monate |
| Anteil Agents und Tools, die den Workspace als Quelle lesen | 100 %, keine Schatten-Prompts |
| Drift-Meldungen pro Woche | sinkend; jede geschlossen oder in den Kanon übernommen |
| Alter der letzten zertifizierten Änderung | unter 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
Buyer Journey mit Exit-Kriterien und Land-and-Expand
Definiert die Pipeline über Käuferhandlungen statt Verkäuferaktivität, zieht sie bis zum Wertereignis und zur Erneuerung durch und hängt drei Pakete mit Land-and-Expand-Logik daran.
Pattern öffnenBeachhead wählen, Roadmap nach Engpass priorisieren
Legt das Minimum Viable Segment, den ersten Kanal und die nächsten 100 Tasks in der Reihenfolge des Engpasses fest und hängt den Hiring-Plan an bewiesene Produktivität statt an den Wunsch.
Pattern öffnen• 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.