Innehalten Automations
101 recherchierte Anbieter:innen auf Passung geprüft — und über sechs Monate im Blick behalten
Die Namen hatte das Bern-Team selbst zusammengetragen: 101 Meditationslehrende, MBSR-Kursleitende, Qigong-Schulen, Waldbadende, in einer Excel-Datei mit Kategorie und Website. Was fehlte, war der zweite Teil der Arbeit — jede dieser Websites tatsächlich zu lesen und zu beurteilen, ob sie zur Haltung des Vereins passt, und danach über Monate zu wissen, wer schon angeschrieben ist, wer geantwortet hat und wer noch fehlt. Diese zwei Aufgaben haben wir übernommen: KI-Agents für die Prüfung, ein CRM für den Überblick.
- AUFTRAGGEBER
- Standort-Team Innehalten Bern
- PROJEKTDAUER
- Februar bis August 2026
- ROLLE
- Eigenes Engagement im Standort-Team — Fit-Prüfung, CRM und Versandlogik
- ENTWICKLUNGSZEIT
- Prüfung an einem Nachmittag, Kontaktrunden über sechs Monate
Die Entscheidung: prüfen lassen, aber nicht aussortieren lassen
Die naheliegende Idee wäre gewesen, die KI aussortieren zu lassen: Bewertung unter 5 fliegt raus, den Rest schaut sich jemand an. Genau das haben wir nicht gemacht. Die Agents durften beurteilen, aber nichts wegwerfen — jede der 101 Prüfungen kam vollständig zurück, mit einer Begründung je Kriterium und Belegen von der Website.
Der Grund ist praktisch, nicht moralisch: Eine Website sagt wenig darüber, ob jemand mitmachen will. Mehrere der am Ende Beteiligten hatten eine dünne, veraltete oder gar keine Seite. Ein Filter hätte sie unsichtbar gemacht, und niemand hätte gemerkt, dass sie fehlen. Sortieren verschiebt nur die Reihenfolge — filtern löscht Möglichkeiten.
Das zweite bewusste Nein galt der Mail selbst. Die Einladung stammt vom Bern-Team, ist von Hand geschrieben und ging an alle im selben Wortlaut raus, unterschrieben mit zwei Namen. Die KI hat daran genau eine Sache gemacht: die Anrede — Vorname oder Titel, Du oder Sie, richtig geschrieben. Das ist die Stelle, an der hundert Mails wirklich Handarbeit sind, und die einzige, an der ein Fehler sofort auffällt.
Ein Standort-Team von Innehalten ist eine Handvoll Menschen, die neben ihrem Beruf eine ganze Stadt für eine Woche zum Innehalten bringen wollen. Die Recherche für Bern hatte das Team selbst gemacht: 101 Einträge in einer Excel-Datei, Name, Kategorie, Website, manchmal eine Mailadresse, elf Angebotsrichtungen von MBSR über Qigong bis Waldbaden. Diese Liste war Arbeit, und sie war da.
Liegen geblieben ist, was danach kommt. Passt die Praxis zur Haltung des Vereins — achtsam, mitfühlend, gemeinschaftlich, konfessionslos, ohne Heilsversprechen? Gibt es einen eigenen Raum, oder muss das Team einen organisieren? Diese Fragen beantwortet man nur, indem man jede Website tatsächlich liest. Bei zwanzig Minuten pro Eintrag sind das gut dreissig Stunden — verteilt auf Abende nach der Arbeit.
Und selbst wenn diese dreissig Stunden da wären: Danach beginnt die zweite, unterschätzte Aufgabe. Über sechs Monate hinweg zu wissen, wer angeschrieben wurde, wer geantwortet hat, wer das Anmeldeformular offen hat und wer stillschweigend nie reagierte. Diese Übersicht verliert ein Mensch spätestens in der zweiten Runde — und dann schreibt man Menschen doppelt an oder gar nicht mehr.
Hundert Websites gleichzeitig lesen
Für jeden Eintrag der Team-Liste lief ein eigener KI-Agent, las die Website und glich sie gegen das Ausrichtungsdokument des Vereins ab — dasselbe Dokument, das auch die Menschen im Team als Massstab nehmen. Zurück kam pro Person eine Beurteilung mit Zahl, Begründung und Zitaten von der Seite. Alle 101 Prüfungen entstanden am 12. Februar, an einem Nachmittag.
TECHNISCH: Fünf bis zehn parallele Agents (Claude Sonnet 4.5) mit Web-Zugriff, je Eintrag ein festes JSON-Schema; die abgerufenen Seiten landen als Markdown im Cache, damit sich die Auswertung später mit anderen Kriterien wiederholen lässt, ohne eine einzige Website erneut anzufassen.
Geprüft wird gegen die eigenen Werte, nicht gegen ein Bauchgefühl
Der Verein hat seine Haltung schriftlich: Achtsamkeit, Mitgefühl, Gemeinschaft, konfessionslos, keine Heilsversprechen. Genau diese Kriterien bekamen die Agents als Massstab — plus zwei sehr praktische Fragen: eigener Raum, und regelmässiges Angebot. Beurteilt wurde also nicht „gut oder schlecht“, sondern „passt zu dieser Woche“.
TECHNISCH: Je Kriterium eine eigene Teilbewertung mit Textbegründung statt einer einzelnen Gesamtnote; das Ausrichtungsdokument liegt als Markdown im Repository und ist damit versionierbar — ändert sich die Haltung, ändert sich der Massstab nachvollziehbar mit.
Das Ergebnis ist eine Reihenfolge, kein Urteil
Von 99 beurteilten Einträgen landeten 31 in der obersten Gruppe, 43 in der mittleren, 23 in der unteren, 2 fielen inhaltlich klar heraus. Angeschrieben wurden trotzdem deutlich mehr als die Spitzengruppe. Was die Prüfung wirklich verändert hat, ist die Reihenfolge: Wer am Dienstagabend eine Stunde Zeit hat, arbeitet oben an der Liste — statt bei „A“ anzufangen.
TECHNISCH: Skala 1–10 mit vier benannten Stufen und dokumentierten Schwellen; die Zahl steht nie allein, sondern immer neben ihrer Begründung — auch in der internen Übersicht.
Der Kontaktstand gehört an genau einen Ort
Jede:r aus der Liste wurde ein Eintrag in einem einfachen CRM, mit einer Kette von Zuständen: zu prüfen, kontaktiert, zum Formular eingeladen, Formular ausgefüllt, zurückgestellt, abgesagt. Damit beantwortet sich die Frage „wen haben wir eigentlich schon angeschrieben?“ nicht mehr aus dem Gedächtnis, sondern per Blick. Das ist der Teil, der über sechs Monate mehr wert war als die Prüfung selbst.
TECHNISCH: Selbst gehostetes Plane als CRM, ein Work-Item je Eintrag mit derselben Nummer wie in der Liste; das Datum des letzten Kontakts wird beim Versand automatisch zurückgeschrieben, sodass die nächste Runde danach filtern kann.
Drei Runden, jede aus dem Zustand heraus
Auf die Einladung im Februar folgten eine Erinnerung und später eine zweite Runde — und die ging bewusst nicht an alle. Wer schon zugesagt hatte, bekam nichts mehr; wer das Formular offen hatte, eine Formular-Erinnerung; wer nie geantwortet hatte, einen letzten Anlauf mit anderem Text. Wer gerade erst kontaktiert worden war, blieb automatisch aussen vor.
TECHNISCH: 56 Erst-Einladungen, 40 Erinnerungen, 36 in der zweiten Runde, aufgeteilt in zwei Segmente je nach CRM-Zustand; jede Mail liegt vor dem Absenden als Entwurf im Dateisystem und wandert erst nach Durchsicht in den Versandordner.
Die persönlichen Daten haben den Rechner nicht verlassen
Namen, Mailadressen und Anreden von rund hundert Menschen sind genau die Art Daten, die man nicht beiläufig an einen Dienst gibt, nur um eine Anrede zu formulieren. Dieser Schritt lief deshalb auf einem Rechner im eigenen Netz. Was in die Cloud ging, waren öffentlich zugängliche Websites — also das, was ohnehin jede:r lesen kann.
TECHNISCH: Lokales Modell (gpt-oss-120b über LM Studio) im eigenen Tailnet für Anrede und Antwort-Klassifizierung; die Cloud-Agents sahen nur öffentliche Seiteninhalte, Kontaktdaten blieben in der lokalen Datei.
Werkzeuge, die verschwinden dürfen
Nichts davon ist ein Produkt. Es sind Skripte, die ihre Aufgabe erledigt haben und danach im Projektordner liegen bleiben. Kein Team musste sie lernen, niemand betreibt sie, es gibt keine Oberfläche und keine Lizenz. Genau das macht diese Art von Automatisierung erst bezahlbar: Sie muss einmal funktionieren, nicht drei Jahre lang.
TECHNISCH: Python mit uv, ohne Server und ohne Deployment; jeder Zwischenstand liegt als lesbare Datei im Projektordner, damit die Arbeit auch dann nachvollziehbar bleibt, wenn die Skripte nie wieder laufen.
Zwei Projekte für dieselbe Woche, mit gegensätzlichen Regeln
Parallel dazu entstand die Event-Plattform, über die alle vier Städte ihr Programm veröffentlichen. Die ist bewusst so klein wie möglich gebaut, weil sie bleibt: Jedes Stück Software dort braucht jemanden, der es erklärt, pflegt und bezahlt. Die Prüf- und CRM-Arbeit ist das Gegenteil — sie passiert einmal pro Stadt und Jahr und darf deshalb roh sein. Was bleibt, wird klein gebaut. Was einmal passiert, darf grob sein.
TECHNISCH: Getrennte Repositories, getrennte Laufzeiten, keine gemeinsame Datenbank; die einzige Brücke ist das Stadt-Sheet, in das freigegebene Anbieter:innen mit ihren Angeboten eingetragen werden.
Der unbequeme Teil: KI in einer Achtsamkeitsbewegung
Im Ausrichtungsdokument des Vereins steht der Umgang mit künstlicher Intelligenz ausdrücklich unter den Herausforderungen, für die es Achtsamkeit braucht. Ausgerechnet dort KI einzusetzen, verlangt eine klare Grenze — und die verlief nicht bei der Technik, sondern bei der Begegnung. Geprüft und vorbereitet hat die Maschine. Gelesen, entschieden und geschrieben haben Menschen: Die Einladung kam vom Bern-Team, und jede Antwort wurde von Hand beantwortet.
TECHNISCH: Keine automatisch versendete Mail — jeder Versand war ein bewusster Befehl nach Durchsicht der Entwürfe; Beurteilungen blieben intern und wurden nie an Anbieter:innen kommuniziert.
- Claude Sonnet 4.5 (parallele Agents)
- LM Studio / gpt-oss-120b (lokal)
- Python 3 mit uv
- Plane (self-hosted CRM)
- Resend (Mailversand)
- Google Sheets API
- Markdown-Cache statt Datenbank
Eine recherchierte Liste, die niemand durchsieht?
Fast jede Organisation hat so eine Datei: hundert Namen, hundert Websites, mühsam zusammengetragen — und dann fehlen die dreissig Stunden, sie zu prüfen und den Überblick zu behalten. Das ist genau die Aufgabe, für die sich KI-Agents heute wirklich lohnen: einmalig, gleichförmig und zu gross für einen Abend. Schreib mir, was in deiner Liste steht. Ich sage dir ehrlich, ob sich der Aufwand lohnt.
make@jonasoesterle.de