Du lässt Claude ein Onboarding-Schreiben, ein Angebot oder ein Protokoll direkt ausfüllen und das Ergebnis sieht beim ersten Mal gut aus, beim zweiten Mal fehlt plötzlich eine Telefonnummer und beim dritten Mal hat sich das Modell die Lücke einfach ausgedacht? Die Lösung ist kein besserer Prompt, sondern ein Claude-Code-Skill, der Denken und Ausführen trennt: Ein Modell ordnet Werte zu, du prüfst kurz, ein simples Skript schreibt sie stumpf in die Vorlage. So bleibt der Output bei jedem Durchlauf gleich und fehlende Daten stehen ehrlich als offen da, statt geraten zu werden.
Ergebnis: Nach diesem Snip hast du ein Onboarding-Dokument im echten Firmenlayout, korrekt befüllt aus deinen eigenen Daten, und jede Lücke, zu der es keine Information gibt, ist klar als offen markiert statt stillschweigend erfunden.
- Rufe im neuen Chat deinen Skill auf und gib den Namen der neuen Mitarbeiterin ein, zum Beispiel per Kommando wie im Video gezeigt.
- Beantworte die gesammelten Rückfragen des Skills, indem du die Infos aus der Onboarding-Mail einfach reinkopierst, etwa wer Patin ist, wer Vorgesetzte ist und welches Equipment es gibt.
- Schau dir das Payload des Drafters an, bevor irgendein Dokument existiert: Hier siehst du, welcher Wert welchem Platzhalter zugeordnet wurde und wo eine Information als fehlend markiert wurde.
- Prüfe die Zuordnung wie in den drei Testfällen aus dem Video, etwa ob die Patin korrekt aus der Stammtabelle übernommen wurde und ob fehlende Angaben wirklich auf offen stehen.
- Gib das Payload frei, sobald alles passt, und der Executor überträgt die Werte in die unangetastete Vorlage.
- Öffne das fertige Dokument und kontrolliere, ob Form und Layout exakt der Firmenvorlage entsprechen und die offenen Punkte auf einen Blick sichtbar sind.
- Verstehen, warum ein Sprachmodell beim direkten Ausfüllen von Dokumenten unzuverlässig wird.
- Das Prinzip Drafter, Mensch-Gate, Executor kennen und auf eigene Vorlagen übertragen können.
- Einen Skill so aufbauen, dass er Vorlage, Datenquelle und Platzhalterliste sauber trennt.
- Nachvollziehen, wie fehlende Daten als offen markiert werden, statt geraten zu werden.
- Wissen, worauf bei echten Personaldaten datenschutzrechtlich zu achten ist.
- Automatische Erstellung von Vertragsvorlagen mit individuellen Kundendaten.
- Generierung von standardisierten Berichten aus dynamischen Datenquellen mit menschlicher Qualitätssicherung.
- Automatisiertes Erstellen von Angeboten und Preislisten mit Datenvalidierung.
- Erstellung personalisierter Schulungsmaterialien basierend auf Mitarbeiterdaten und Rollen.
- Automatisierte Erstellung von Checklisten und Protokollen für wiederkehrende Projektphasen mit transparentem Statusmanagement.
