Zero Human Company | KI-Agenten bauen, die arbeiten, während du schläfst

Dienstagnacht, 23:47 Uhr. Du scrollst durch X.

Ein Typ aus den USA hat Grok zum CEO einer Firma gemacht. Claude Code läuft auf einem 12 Jahre alten MacBook. Keine Mitarbeiter. Keine Büros. KI-Agenten halten alle 15 Minuten Meetings ab. Sie haben in 6 Terabyte alter Forschungsdaten Ideen gefunden, die heute Milliarden wert sein könnten.

Du liest den Thread zweimal.

Dann schließt du den Laptop. Und denkst: Das ist entweder komplett verrückt – oder das ist die Zukunft. Und ich sitze daneben.

Beides stimmt.

Was du gerade erlebst, hat einen Namen

Zero Human Company. Eine Firma, in der KI-Agenten die operative Arbeit übernehmen. Nicht als Spielerei. Nicht als Demo auf einer Konferenz. Als laufendes System.

🔍

Ein Agent recherchiert.

✍️

Ein anderer schreibt.

📊

Ein dritter analysiert Daten.

🎯

Ein vierter koordiniert die anderen drei.

Sie arbeiten nachts. Sie arbeiten am Wochenende. Sie vergessen nichts. Sie werden nicht krank. Sie kündigen nicht nach 14 Monaten, weil das Gehalt woanders besser ist.

Das ist kein Science-Fiction-Pitch. Das passiert jetzt. Auf MacBooks, auf VPS-Servern für 29 Euro im Monat, auf Mac Minis, die unter Schreibtischen stehen.

Die Frage ist nicht mehr, ob das funktioniert. Die Frage ist, warum du es noch nicht baust.

Das Problem ist nicht die Technologie. Das Problem ist die Beratungsbranche.

Du hast wahrscheinlich schon mit jemandem über KI-Strategie gesprochen. Vielleicht sogar Geld dafür bezahlt.

Was du bekommen hast:

47 Slides. Eine Roadmap mit Phasen. Ein Glossar, das dir erklärt, was ein Large Language Model ist. Und am Ende die Empfehlung, erstmal ein "Pilotprojekt" aufzusetzen.

6 Monate Dauer

6-stellig Budget

1 Wrapper Ergebnis

Das ist das eigentliche Problem. Nicht die Technologie. Sondern eine Industrie, die daran verdient, dass du denkst, das alles sei kompliziert, teuer und riskant.

Ist es nicht.

Brian Roemmele – der Typ aus dem X-Thread – hat seine Zero Human Company auf einem 12 Jahre alten MacBook gebaut. Die monatlichen Kosten? API-Calls, die er mit seinen X-Creator-Einnahmen bezahlt. Kein Venture Capital. Kein 20-köpfiges Engineering-Team. Kein SAP-Berater, der 1.800 Euro am Tag kostet.

Ein alter Laptop. Ein paar APIs. Und die Bereitschaft, Agenten einfach machen zu lassen.

Was ich baue – und warum es anders funktioniert

Ich bin Gorden. Ich baue Zero Human Companies.

Nicht als Konzept. Nicht als Beratungsleistung, bei der am Ende ein PDF rauskommt. Ich baue laufende Systeme aus KI-Agenten, die echte Arbeit erledigen. Für meine eigenen Firmen. Und für Unternehmen, die verstanden haben, dass die nächsten 24 Monate entscheiden, wer vorne steht und wer aufholt.

Mein Stack ist kein Geheimnis:

⚡ Die Werkzeuge

PaperClick, OpenClaw, Claude Code, Open-Source-Modelle wie Llama und Mistral. Dazu APIs von OpenAI, Anthropic, xAI. Was am besten funktioniert, wird eingesetzt. Kein Dogma.

🖥️ Die Infrastruktur

VPS-Server, Mac Minis, lokale Maschinen. Kein Rechenzentrum. Keine Cloud-Architektur, die 14.000 Euro im Monat kostet. Ein Mac Mini unter dem Schreibtisch. Stromkosten: unter 30€ im Monat.

🔄 Die Orchestrierung

Agenten, die zwischen GitHub, X.com, lokalen Datenbanken und dem offenen Web arbeiten. Sie lesen. Sie schreiben. Sie committen Code. Sie posten Content. Während du schläfst.

💰 Die Kosten

Ein funktionierendes Agentensystem kostet keine 100.000€. In vielen Fällen läuft ein erster produktiver Workflow für unter 500€ im Monat. Hardware, APIs, alles inklusive.

Wie eine Zero Human Company entsteht – Schritt für Schritt

01

Den richtigen Prozess identifizieren

Nicht alles braucht einen Agenten. Manche Dinge brauchen einen Menschen. Aber erstaunlich wenige. Wir schauen uns an, wo wiederkehrende Arbeit anfällt, die drei Eigenschaften hat:

Sie ist regelbasiert.

Sie braucht Zugang zu Informationen.

Sie nervt jeden, der sie machen muss.

Beispiele aus echten Projekten:

✍️ Content-Erstellung

Ein Agent recherchiert Themen, schreibt Entwürfe, prüft SEO-Kriterien, erstellt Social-Media-Posts. Ein Mensch gibt 10 Minuten Feedback. Der Agent überarbeitet. Fertig.

🎯 Lead-Qualifizierung

Ein Agent prüft eingehende Anfragen gegen 23 Kriterien, vergibt Scores, schreibt personalisierte Erstantworten. Bevor dein Vertrieb morgens den Laptop aufklappt, sind die warmen Leads sortiert.

📊 Marktanalyse

Ein Agent überwacht 47 Quellen – Branchenportale, Wettbewerber-Websites, Patent-Datenbanken, Social Media. Jeden Montag um 6:00 Uhr liegt ein Bericht vor.

📬 Audit-Systeme

Ein Agent prüft automatisch die Online-Sichtbarkeit von Unternehmen, erstellt Reports und verschickt sie als Outbound. Jeden Tag. Ohne Pause.

🔗 Die interessanten Projekte: Agenten, die zusammenarbeiten

Ein Agent überwacht Reddit, LinkedIn und Fachforen. Ein zweiter formuliert Antworten in deinem Tonfall. Ein dritter prüft die Fakten. Ein vierter postet – oder legt dir zur Freigabe vor, wenn der Confidence-Score unter 87% liegt.

Vier Agenten. Ein Workflow. Null manuelle Arbeit. 24/7 Sichtbarkeit.

Oder sei es Recruiting: Ein Agent scrapt Jobportale, ein zweiter schreibt personalisierte Ansprachen, ein dritter verwaltet Antworten und bucht Erstgespräche in deinen Kalender. Dein HR-Team macht weiterhin das, was Menschen besser können. Aber die 11 Stunden pro Woche für Sourcing? Frei. Ab Tag 1.

02

Die Agenten bauen

Hier wird es technisch – aber nicht kompliziert. Ein Agent ist im Kern ein Loop: Eingabe, Verarbeitung, Ausgabe, Feedback, Wiederholung.

Die Kunst liegt nicht im Code. Die Kunst liegt im Prompt-Design, in der Orchestrierung mehrerer Agenten und in der Frage, wann ein Agent einen Menschen fragen soll und wann nicht.

Ich arbeite mit einer Kombination aus Cloud-LLMs und lokalen Modellen. Ein lokales Mistral-Modell auf einem VPS kann einfache Klassifizierungen für 0,00€ erledigen. Das spart hunderte Euro im Monat – und hält sensible Daten dort, wo sie hingehören: auf deiner Infrastruktur.

03

Testen, korrigieren, laufen lassen

Kein Agentensystem funktioniert am ersten Tag perfekt. Aber es funktioniert am ersten Tag besser als die meisten Menschen, die den gleichen Job seit drei Jahren machen.

Der Unterschied: Ein Agent wird jeden Tag besser, wenn du ihm sagst, was er falsch gemacht hat. Ein menschlicher Mitarbeiter nimmt dir das übel.

Die erste produktive Woche liefert Daten. Die zweite Woche liefert Optimierungen. Nach 30 Tagen läuft das System zuverlässiger als ein eingearbeiteter Mitarbeiter. Und es kostet einen Bruchteil.

Die Rechnung, die niemand aufmacht

👤 Mitarbeiter (Teilzeit)

3.100€/Monat

2.400€ brutto + Arbeitgeberanteil
+ Bürokosten + Software-Lizenzen
= 37.200€ pro Jahr
= 111.600€ über 3 Jahre
Wird krank
Nimmt Urlaub
Kündigt irgendwann

vs.

🤖 Agentensystem

300-500€/Monat

Einmaliger Aufbau + Betrieb
Hardware, APIs, alles inklusive
= 6.000€ pro Jahr
= 18.000€ über 3 Jahre
24 Stunden am Tag
365 Tage im Jahr
Wird jeden Tag besser

93.600€

Ersparnis pro Aufgabe. Pro 3 Jahre.

Multiplizier das mit der Anzahl der Prozesse in deinem Unternehmen, die regelbasiert, informationsgetrieben und wiederkehrend sind. Bei den meisten Mittelständlern sind das zwischen 8 und 15 Prozesse.

Und das ist nur die direkte Rechnung.

12.187€

pro Jahr verschwendet

Wenn dein Vertrieb jeden Morgen 90 Minuten Leads sortiert statt zu telefonieren. Kein Kundenkontakt. Kein Umsatz. Nur Klicken und Lesen.

200.000€

verpasster Umsatz

Wenn ein Markttrend 3 Wochen an dir vorbeigeht, weil niemand Zeit hat, Branchenportale zu lesen. Ein Wettbewerber reagiert schneller.

4 statt 20

Blogartikel pro Monat

Weil Recherche, Briefing und Abstimmung mehr Zeit fressen als das Schreiben selbst. Content-Output mit Agenten: 5x mehr.

Warum jetzt und nicht in 12 Monaten

Weil sich gerade ein Fenster öffnet.

Die Modelle sind gut genug. Die Infrastruktur ist billig genug. Die Tools sind reif genug. Aber – und das ist der Punkt – die meisten Unternehmen haben noch nicht angefangen.

Das ist dein Vorteil. Heute.

In 12 Monaten wird jeder Berater, jede Agentur, jeder Freelancer "KI-Agenten" im Portfolio haben. Die Preise werden steigen. Die Verfügbarkeit wird sinken. Und du wirst in einer Warteschlange stehen statt am Start.

Die Unternehmen, die jetzt bauen, werden in 18 Monaten Systeme haben, die ihre Wettbewerber erst aufsetzen.

Das ist kein theoretischer Vorsprung. Das ist ein operativer Graben.

Jede Woche, die du wartest, kostet nicht nur Geld. Sie kostet Vorsprung. Und Vorsprung ist das Einzige, das sich nicht nachkaufen lässt.

Was das nicht ist

Das hier ist kein Hype-Pitch. Kein "KI wird die Welt verändern"-TED-Talk. Kein LinkedIn-Post mit Raketen-Emojis.

Ich verkaufe dir keine Vision. Ich verkaufe dir Infrastruktur.

Agenten sind langweilig. Sie machen jeden Tag das Gleiche. Zuverlässig. Vorhersagbar. Ohne Drama. Genau das ist der Punkt.

❌ Du willst ein System, das "die Branche aufmischt"

✅ Du willst ein System, das morgen früh um 6:00 Uhr fertige Arbeit auf deinem Schreibtisch hat

Für wen das funktioniert

✅ Das bist du

Geschäftsführer, Gründer oder Entscheider (10–500 Mitarbeiter)
Prozesse, die funktionieren, aber zu langsam sind
Gute Leute, die zu viel Routinearbeit machen
Gefühl, dass die Konkurrenz schneller wird
Gerade etwas Neues aufbauen – mit Agenten statt Overhead

❌ Nicht für dich

Du willst eine 47-Slide-Strategie fürs Board → McKinsey
Du glaubst, ein Workshop reicht → spar dir die Zeit
Du willst erst in 2 Jahren drüber nachdenken → dein Recht. Aber der Markt sortiert sich gerade. Ohne dich.

Ich arbeite mit Leuten, die bauen wollen. Nicht mit Leuten, die darüber reden wollen.

Wie der nächste Schritt aussieht

Ein Call. 30 Minuten. Kein Pitch-Deck, kein Verkaufsgespräch.

Wir schauen uns an, welche Prozesse in deinem Unternehmen Agenten-tauglich sind. Ich sage dir ehrlich, was Sinn macht und was nicht. Und du entscheidest, ob du bauen willst.

Kein Vertrag vorher. Kein Commitment. Nur Klarheit.

W1

Woche 1

Ersten Prozess definieren. Cherry before Cake. Innerhalb von 7 Tagen ein funktionierender Agent, der echte Arbeit erledigt.

W2–4

Woche 2–4

System wird optimiert. Prompts geschärft. Edge Cases abgefangen. Feedback-Loops, die Korrekturen automatisch einfließen lassen.

M2+

Ab Monat 2

System läuft stabil. Nächsten Prozess hinzufügen. Jeder neue Agent baut auf bestehender Infrastruktur auf. Kosten sinken, Output steigt.

M6

Nach 6 Monaten

Ein System, das mehr operative Arbeit erledigt als ein Team von 3–5 Leuten. Für einen Bruchteil der Kosten. Ohne Urlaubsplanung.

Was deine Branche gerade macht

Phase 1

Ignoranz

"KI ist Hype. Das betrifft uns nicht."

Diese Unternehmen werden in 3 Jahren feststellen, dass ihre Wettbewerber 40% weniger Personalkosten haben. Dann geht es nicht um "aufholen". Dann geht es um "überleben".

Phase 2

Aktionismus

"Wir haben jetzt auch ChatGPT."

Ein Enterprise-Account. Ein paar Mitarbeiter, die damit rumspielen. Keine Strategie. Keine Integration. Wie ein Auto kaufen und es in der Garage stehen lassen.

Phase 3

Systemdenken

"Wir bauen Agenten, die unsere Prozesse übernehmen."

Das sind die Unternehmen, die in 18 Monaten die Spielregeln bestimmen. Nicht weil sie mehr Geld haben. Sondern weil sie früher angefangen haben.

Du entscheidest, in welcher Phase du sein willst.

Was dein CFO fragen wird

"Was kostet das?"

Aufbau: abhängig vom Umfang. Betrieb: zwischen 200 und 800 Euro monatlich. Weniger als ein Werkstudent. Mehr Output als drei.

"Wie schnell sehen wir Ergebnisse?"

Der erste Agent liefert innerhalb von 7 Tagen produktive Arbeit. Nicht nach 6 Monaten. Nicht nach einem "Discovery-Workshop".

"Was, wenn es nicht funktioniert?"

Dann weißt du nach 2 Wochen, dass es für diesen spezifischen Prozess nicht passt. Kein 12-Monats-Vertrag. Du hast einen Versuch gemacht, der weniger kostet als ein Messestand.

"Ist das sicher? Was ist mit unseren Daten?"

Sensible Daten bleiben auf deiner Infrastruktur. Lokale Modelle verarbeiten alles, was nicht rausgehen darf. Cloud-APIs nur für unkritische Aufgaben.

"Ersetzt das Mitarbeiter?"

Es ersetzt Aufgaben, nicht Menschen. Deine Leute machen die Arbeit, für die du sie eigentlich eingestellt hast – statt Reports zusammenzuklicken.

Wie ich arbeite

Kein Tool ist perfekt. Kein Modell kann alles. Deshalb jongliere ich.

Claude Code ist gut in Analyse und Code. Grok hat Echtzeit-Zugang zu X. Lokale Modelle wie Llama und Mistral erledigen repetitive Aufgaben ohne API-Kosten. OpenClaw orchestriert Agenten-Workflows. PaperClick verbindet Recherche mit Aktion.

Mein Alltag

Ein Mac Mini und zwei Bildschirme. Auf dem einen laufen Agent-Logs. Auf dem anderen GitHub-Repos, in die Agenten selbstständig Code committen. Parallel läuft auf drei VPS-Servern die Infrastruktur für Outbound-Systeme, Content-Pipelines und Monitoring-Workflows.

Die meiste Zeit schaue ich morgens rein, prüfe die Outputs, justiere einen Prompt und gehe CrossFit machen. Die Agenten arbeiten weiter.

Und genau dieses Setup – dieses Zusammenspiel aus Cloud-APIs, lokalen Modellen, Open-Source-Tools und günstiger Hardware – baue ich für Unternehmen auf, die verstanden haben, dass die Zukunft nicht in einer Software-Lizenz steckt, sondern in Agenten, die diese Software bedienen.

Ein letzter Gedanke

Brian Roemmele hat auf einem 12 Jahre alten MacBook eine Firma gebaut, in der Grok CEO ist und Claude Code die Forschungsabteilung leitet. Ohne einen einzigen menschlichen Mitarbeiter. Die KI hat in Tagen Arbeit erledigt, für die Menschen Jahre gebraucht hätten. Das war Januar 2026.

Im selben Monat habe ich auf einem Mac Mini und drei VPS-Servern ein System laufen lassen, das automatisch Unternehmen auditiert, personalisierte Reports erstellt und Outbound-E-Mails verschickt. Jeden Tag. Ohne dass ich den Laptop aufklappen muss.

Wir sind nicht die Einzigen. Aber wir sind früh. Und früh sein ist gerade mehr wert als groß sein.

Die Werkzeuge sind da. Die Kosten sind niedrig. Die Einstiegshürde war nie kleiner.

Was fehlt, ist jemand, der es für dich baut.
Dafür bin ich hier.

Lass uns reden

30 Minuten. Kein Pitch. Nur Klarheit.

Agenten bauen, die arbeiten, während du schläfst.