Kundenkontext überdauert die einzelne Unterhaltung, sodass tiefere Reports auf dem gesammelten Agenturwissen statt auf einem leeren Prompt aufbauen.

LEED Agency fehlten nicht die KI-Antworten, sondern der Kontext zwischen den Antworten. Jedes Kundenkonto brachte eigene Google-Ads-Regeln, Assets, Kennzahlen, Screenshots, Formate und Historie mit. Ein nützliches System musste diesen Kontext vor der Analyse abrufen und neue Erkenntnisse danach erhalten.

Belegstand bei Veröffentlichung: Die Laufzeitumgebung wurde am 30. Mai 2026 live verifiziert; aktuelle Logs zeigten Arbeit in realen Reporting-Prozessen; James beschrieb das System als Teil seines täglichen Betriebs.

Das Unternehmen

James führt LEED Agency und arbeitet über Google Ads, E-Commerce-Reporting, Kundenkonten und eigene Produktprojekte hinweg. Die operative Datenbasis umfasst laufende Reports, Kontowissen, Angebote, Audits, Webflow-Material, Entwürfe und Produktkontext.

Diese Breite ist entscheidend. Ein Report für einen Kunden darf nicht unbemerkt die Annahmen eines anderen übernehmen. Der Wert steckt in über Zeit angesammelten Unterschieden: welche Kennzahlen zählen, welche Regeln unverhandelbar sind, wo Quellen liegen, wie der Report formuliert wird und was die vorige Analyse gezeigt hat.

Der Engpass

Vor der Migration und dem Aufbau der Wissensschicht konnte TheoAI wie ein frisches Modell reagieren, obwohl das richtige Wissen anderswo vorhanden war. Längere, mehrstufige Google-Ads-Reports liefen in Timeouts. James musste Konto, Regeln und Reporting-Kontext immer wieder neu zusammensetzen.

Der Engpass war nicht nur die Suche. Es fehlte Kontinuität. Arbeit aus einer Sitzung sollte die nächste verbessern, statt im Chatverlauf zu verschwinden.

Warum die vorhandenen Tools nicht ausreichten

Dateien konnten Reports speichern. Ein Chat konnte Fragen beantworten. Ein Browser konnte Quellen prüfen. Keine dieser Oberflächen wusste allein, welcher LEED-Kunde aktiv war, welche SOP galt oder welche Erkenntnis dauerhaft gespeichert werden sollte.

Die operative Schicht musste den Arbeitsbereich strukturieren, kontospezifisches Wissen abrufen, James' Ton und feste Regeln erhalten, genügend Zeit für tiefere Arbeit geben, bei Fehlern sauber abbrechen und nützlichen neuen Kontext zurückschreiben. Ohne diese Kontrollen blieb selbst ein starkes Modell als Reporting-Assistent unzuverlässig.

Transformationskarte

Vorher

Anfrage -> aktueller Chatkontext -> manuelle Dateisuche -> Teilanalyse -> Timeout oder Report -> Kontext geht verloren

Nachher

Anfrage -> Kunde und Reporting-Regel bestimmen -> LEED-Wissen und Quellen abrufen -> analysieren -> Prüfung durch James -> Report-Asset -> Erkenntnis erhalten

Das Modell ist nur eine Komponente. Der operative Fortschritt entsteht durch Routing, Gedächtnis, Arbeitsstruktur, Timeout-Regeln und einen klaren menschlichen Prüfpunkt.

Ein Ablauf von Anfang bis Ende

1. Eingang: James fordert in einem etablierten Discord- oder Telegram-Kanal einen Report oder eine Kontoanalyse an.
2. Kontextwahl: Theo bestimmt den relevanten Kunden, das Produkt oder Projekt und ruft Gedächtnis, SOPs und Reportformat ab.
3. Quellenprüfung: Der Assistent arbeitet die passenden Dateien und browserzugänglichen Quellen durch, statt nur aus der aktuellen Nachricht zu antworten.
4. Analyse: Die längere Aufgabe läuft mit erweitertem Timeout und endlicher Leerlaufüberwachung; sie bekommt Tiefe, ohne einen fehlgeschlagenen Kanal dauerhaft zu blockieren.
5. Menschliche Freigabe: James prüft die Analyse und entscheidet, was in einen kundenorientierten Report gelangt. Die Quellen behaupten keinen autonomen Versand an Kunden.
6. Ausgabe: Report oder Begleit-Asset wird im geordneten Kundenarbeitsbereich gespeichert.
7. Nachweis: Eine dauerhafte Erkenntnis kann in das Gedächtnis zurückfließen, damit spätere Arbeit mit mehr Kontext beginnt.

Was sich verändert hat

• Gebaut: Persistentes LEED-Wissen, geordnete Kunden- und Projektbereiche, ausfallsichere Timeout-Regeln, Gedächtnissuche und Voice-Unterstützung.
• Verbunden: Discord, Telegram, lokale Sprache-zu-Text- und Text-zu-Sprache-Dienste, Browsersteuerung und die strukturierte Wissensbasis der Agentur.
• Getestet: Gateway-Zustand, Modellroute, aktive Kommunikationsoberflächen, Browserdienst, Report-Timeouts und Wissensabruf wurden geprüft.
• Live verifiziert: Am 30. Mai 2026 lief der Gateway-LaunchAgent; der lokale Health-Endpunkt meldete live, Discord und Telegram waren aktiviert, der Browserdienst war aktiv.
• Aktiv genutzt: Aktuelle Logs zeigten Theo bei Google-Ads-/Calendly-Conversion-Analysen und der Verarbeitung von Report-Assets. James' freigegebene Aussagen beschreiben tägliche Nutzung.
• Verbleibende Anbieter- oder Kundenabhängigkeit: Für den belegten Reporting-Ablauf ist kein fehlender Anbieter als Blockade dokumentiert. Der Status wird wie bei allen operativen Fällen quartalsweise geprüft.
• Vom Kunden berichtetes Finanzergebnis: Keines. Diese Fallstudie belegt operative Nutzung und Kontextkontinuität, keine Umsatzattribution.

Belege

• Live-Laufzeit: OpenClaw-Gateway, Browserdienst, Discord und Telegram am 30. Mai 2026 verifiziert.
• Reporting-Kontrolle: Aufgabentimeout auf 1.800 Sekunden erweitert, mit endlicher Leerlaufüberwachung für sauberes Scheitern.
• Wissenstiefe: Der Arbeitsbereich enthält zahlreiche LEED-Konten, Angebote, Audits, Produktprojekte und Report-Assets.
• Nutzungsnachweis: Aktuelle Logs zeigten fortlaufende Reporting-Arbeit statt eines installierten, ungenutzten Systems.
• Kundenbestätigung: Zwei exakte, zur Veröffentlichung freigegebene Aussagen sind im Claims Ledger hinterlegt.

Technologie - bewusst zuletzt

Das System läuft auf James' Mac mini mit OpenClaw, Discord, Telegram, Codex-Modellrouting, GPT-5.4 zum dokumentierten Prüfzeitpunkt, lokalem whisper.cpp für Sprache-zu-Text, Edge TTS, ffmpeg, Browsersteuerung, ocbrain, Gedächtnissuche, Dreaming und launchd-Dienstverwaltung. Die Struktur aus Kunden, Projekten, Wissen, Gedächtnis, Angeboten und Entwürfen folgt der Agenturarbeit statt einer generischen Chat-Taxonomie.

Kundenstimme

“It’s changed my life literally.”

„Es hat mein Leben buchstäblich verändert.“ (Deutsche Übersetzung; der exakte englische Originalwortlaut steht im Claims Ledger.)

“I pretty much use it every single day, every second of the day.”

„Ich nutze es praktisch jeden Tag, jede Sekunde des Tages.“ (Deutsche Übersetzung; der exakte englische Originalwortlaut steht im Claims Ledger.)

• James, LEED Agency. Wortlaut und Veröffentlichungsfreigabe sind im Claims Ledger dokumentiert; Quelle der Originalzitate ist der vom Gründer freigegebene Website-Blueprint.

Nächste Transformation

Lesen Sie, wie Plutify Buchhaltungsdaten in eine live lesbare, schreibgeschützte Kundenoberfläche überführt hat. Beide Fälle lösen Reporting-Reibung: Plutify verändert die Kundensicht, LEED das interne Arbeitsgedächtnis.

Ihren KI-Umsetzungsplan erhalten

Wenn Reporting-Qualität davon abhängt, dass eine Person jede Kontoregel im Kopf behält, liegt die erste Transformation meist im Kontext- und Nachweispfad - nicht allein in der Texterstellung. Buchen Sie ein kostenloses KI-Audit, um diesen Weg zu kartieren.

Quellennachweis

• OPENCLAW-DEEP-CLIENT-CASE-STUDIES.pdf, Seite 13.
• RECAST_CASE_STUDIES_2026_UPDATED.pdf, Seite 7, Dokument RA-CASES-001, Version 2.0.
• RECAST_WEBSITE_MASTER_BLUEPRINT.md, Abschnitte 6.5, 10.4, 11 und 58.