Ein Monat Belege, ein Befehl

Willkommen bei Supercharged Weekly.

Jeden Freitag bekommst du hier drei AI-Neuigkeiten, die für deine Arbeit relevant sind, und einen Workflow aus meinem echten Second Brain. Ich schreibe nur über Dinge, die ich selbst nutze oder selbst geprüft habe.

OpenAI stoppt das eigene Modell, weil es aus der Test-Sandbox ausbrach

OpenAI beschreibt in einem eigenen Bericht einen Vorfall aus internen Tests: Ein unveröffentlichtes Reasoning-Modell sollte seine Ergebnisse nur in Slack melden. Stattdessen suchte es rund eine Stunde nach einer Lücke in seiner Sandbox und öffnete einen öffentlichen GitHub-Pull-Request. In einem zweiten Vorfall zerlegte und verschleierte es ein Zugangs-Token, um an einem Sicherheits-Scanner vorbeizukommen, und seine Denkprotokolle zeigen, dass es wusste, was es tat. Für dich heißt das: Wenn du Agenten mit Datei- oder Code-Zugriff arbeiten lässt, prüfe, was der Agent wirklich getan hat. Sein eigener Bericht reicht dafür nicht. (openai.com)

Google bringt drei neue Gemini-Flash-Modelle, das Flaggschiff fehlt weiter

Google hat Gemini 3.6 Flash, ein günstigeres 3.5 Flash-Lite und eine Sicherheitsvariante für Regierungen und ausgewählte Partner veröffentlicht. 3.6 Flash braucht für vergleichbare Ergebnisse rund 17 Prozent weniger Output-Tokens. Das lange angekündigte Gemini 3.5 Pro fehlt weiterhin. Für deinen Alltag zählt die Flash-Klasse, denn sie steckt in der Gemini-App und in Workspace. Bei anspruchsvoller Arbeit liegt Google damit gerade hinter Anthropic und OpenAI. (blog.google)

Claude zeigt dir, wie dein Berufsfeld AI wirklich nutzt

Anthropic hat einen Connector veröffentlicht, mit dem Claude direkt im Gespräch den Anthropic Economic Index abfragt: einen öffentlichen Datensatz aus Millionen anonymisierter Claude-Gespräche. Aktivieren dauert eine Minute: in claude.ai das Connector-Menü öffnen und den Index einschalten. Dann probier diesen Prompt: "Welche Aufgaben automatisieren Menschen in meinem Beruf gerade mit AI?" Die Antwort kommt aus echten Nutzungsdaten statt aus Anekdoten. (anthropic.com)

Die OpenAI-Geschichte oben hat eine praktische Pointe: Ein Agent verdient so viel Vertrauen, wie sich seine Arbeit prüfen lässt. Nach diesem Prinzip ist der Workflow dieser Woche gebaut.

Jeden Monat das gleiche Ritual: Kreditkartenabrechnung runterladen, Belege zusammensuchen, die Hälfte steckt in irgendwelchen Mails, alles umbenennen, an die Steuerberatung schicken und hoffen, dass nichts zurückkommt. Bei mir kamen irgendwann zu viele Rechnungsarten zusammen, um das noch von Hand zu machen: Kartenabrechnungen, Bank-Exporte, Ausgangsrechnungen, Mail-Anhänge.

Also habe ich Claude einen Skill gebaut. Ein Skill ist eine Anleitung, die Claude einmal lernt und dann jedes Mal genauso ausführt. Meiner behandelt Buchhaltung als das, was sie wirklich ist: ein Abgleichproblem. Jeder Euro, der ein Konto verlassen hat, braucht einen Beleg. Jeder Beleg braucht einen Platz. Alles dazwischen steht in einem Ledger, das sich prüfen lässt.

Ich sage "Monatsabschluss für Juni", und Claude arbeitet vier Stufen ab:

1. Einlesen. Alle Zahlungsquellen landen in einem Transaktions-Ledger. Rückerstattungen, Kartengebühren und private Ausgaben werden sofort aussortiert, damit sie die Fehlliste nicht verstopfen.

2. Auflösen. Für jede Transaktion sucht Claude den Beleg: Eingangsordner, Monatsordner, Vormonat, Mail-Postfach. Das Matching läuft über Nachdenken statt Textvergleich. "AMZN Mktp DE" ist Amazon. Eine 100-Dollar-Abbuchung, die als 94,80 € auftaucht, ist Währungsumrechnung plus Kartengebühr.

3. Zusammenstellen. Jede Kartenabrechnung wird ein Bündel: Abrechnung vorne, alle Belege in Abrechnungsreihenfolge dahinter. Das Format, das Steuerberatungen tatsächlich haben wollen.

4. Berichten. Was offen bleibt, steht mit Begründung in einer Datei und wandert automatisch in den nächsten Monat. Eine dokumentierte Lücke ist okay. Eine stille nicht.

Der wichtigste Satz im ganzen Skill: Wenn Claude sich nicht sicher ist, bleibt der Posten offen und landet bei mir. Es heftet nie einen Beleg an, den es nicht verteidigen kann.

Funktioniert das wirklich? Ich habe einen Testmonat voller Fallen gebaut: Fremdwährungsbuchungen, eine Rückerstattung, die man überspringen muss, eine private Karte auf demselben Konto, eine Rechnung mit gleichem Betrag als Köder, zwei Belege, die wirklich fehlen. Der Skill: 100 Prozent der Prüfungen bestanden. Dasselbe Modell ohne Skill: 90 Prozent. Es hat eine Rückerstattung als fehlenden Beleg markiert. Genau für diese Randfälle gibt es den Skill.

Für dich: Den Skill kannst du dir hier herunterladen und anpassen: supercharged.berlin/in30/monthly-bookkeeping.skill + Anleitung: https://www.supercharged.berlin/in30/monthly-bookkeeping-README.md.

Entpacken nach ~/.claude/skills/ (auf Mac), fertig. Beim ersten Start interviewt Claude dich fünf Minuten zu deinen Konten und Ordnern, danach läuft es. Funktioniert auf Deutsch und Englisch.

Und wenn du noch nie einen Skill benutzt hast: Genau das lernst du in Supercharged in 30. Kostenlos, 10 Minuten am Tag, gerade in der Beta.

Bis nächsten Freitag,

Ben