KI-Automatisierung für Freelancer: 8 Workflows, die ich täglich fahre
Freelancer verlieren 30 bis 40 Prozent ihrer Zeit an Ops. Proposals, Rechnungen, Status-Updates, Lead-Tracking, Recherche, Content. Arbeit, für die niemand direkt zahlt, die aber jeder Solo-Operator erledigen muss.
Ich fahre acht KI-Automatisierungen, die den Großteil dieser Ops-Schicht für mich erledigen. Sie laufen auf einem 15-€/Monat-Debian-VPS, rufen Claude für alles mit Urteilsvermögen und sprechen über Telegram mit mir. Monats-Gesamtkosten inklusive API-Nutzung unter 80 $. Ich drücke immer noch bei jeder ausgehenden Nachricht auf Senden — tippe sie aber nicht mehr von Null.
Das ist die Praktiker-Sicht auf KI-Automatisierung für Freelancer. Nicht “nutze ChatGPT für E-Mails”. Acht konkrete Workflows, der Stack dahinter, die Patterns, die sie zuverlässig machen, und ein Vier-Wochen-Pfad, wie Sie selbst dorthin kommen.
Warum KI-Automatisierung Freelancern am meisten bringt
Angestellte haben IT, Operations, Sales-Ops, Finance, HR. Ein Freelancer hat sich selbst. Jede Stunde für ein Proposal ist eine Stunde, die nicht abgerechnet wird. Jeder Freitagnachmittag, den die Rechnungslegung auffrisst, ist verlorene Marge.
Die Falle: Die meisten dieser Aufgaben liegen in der unangenehmen Mitte. Zu urteilsintensiv für ein Makro, zu repetitiv für volle Aufmerksamkeit, zu persönlich für eine VA. Genau diese Mitte ist, wo aktuelle LLMs ihr Geld verdienen. Entwürfe, Zusammenfassungen, Klassifikation, Umformatierung. Geben Sie einem Modell Ihre Stil-Regeln, Templates und Ihren Kontext — und es liefert den Draft. Sie behalten die Review.
Das Ziel ist nicht, sich selbst zu ersetzen. Das Ziel ist, den Teil Ihres Tages zu entfernen, an dem Sie nicht denken — nur tippen.
Die acht Workflows, die ich fahre
Jeder davon begann als Shell-Skript, das einen einzelnen claude -p-Call wrappte. Von dort wuchsen sie. Keiner ist clever. Alle sind inzwischen load-bearing.
1. Upwork-Proposal-Drafting
Ich bewerbe mich auf zwei bis drei Upwork-Jobs pro Woche. Früher 25 Minuten pro Proposal, jetzt rund vier — und davon ist das meiste Lesen und ein Satz umformulieren.
Gebaut als Claude-Code-Skill /upwork-cover-letter. Ich paste den Job-Post ins Terminal, der Skill liest ihn, checkt meinen Satz (140 $/h), wendet meine Stil-Regeln an (keine Em-Dashes, kein “just wanted to”, mit “I built this” starten wenn wahr), pickt die nächste Referenz aus meinen Bestandsprojekten und schreibt den Draft.
Der Draft landet als Subtask des Eltern-Upwork-Tasks in TickTick, getagged mit einer Ticket-ID wie UPW-147, damit jede spätere Kunden-Nachricht in denselben Nachrichtenverlauf fällt. Mehr zum Skill-Pattern: Claude-Code-SDK-Agenten.
Was das funktionieren lässt, sind die Stil-Regeln — nicht das Drafting. Claude kann Cover-Letter aus der Box schreiben. Aber keine, die nach mir klingen, ohne einen Prompt, der die Phrasen, die ich nicht sende, explizit verbietet.
2. Morning Briefing
Ein Cron läuft täglich 06:30 Madrider Zeit. Er zieht heutige TickTick-Tasks, gestrige Completions, überfällige Items und kommende Deadlines. Claude bekommt den Payload plus einen kurzen System-Prompt, wie ich das Briefing formuliert haben will, und produziert eine Drei-Absatz-Zusammenfassung. Sie landet in Telegram, bevor ich wach bin.
Ich habe jahrelang aufwendige Morgenplanungs-Rituale gebaut. Keines hat eine volle Woche überlebt. Ein fünfminütiges Briefing, das einfach jeden Morgen da ist, schon.
Das Ganze sind etwa 80 Zeilen Bash. Das Cron-Skript ruft claude -p --model opus --max-budget-usd 0.20 auf, pipet das Briefing in telegram-notify.sh, loggt den Lauf nach /var/log/morning-briefing.log. Gesamt-API-Kosten rund 3 $ pro Monat.
3. Rechnungs-Generierung
/freelance-invoice habe ich nach meinem dritten Freitag in Folge gebaut, den die Rechnungslegung gefressen hatte. Ich gebe Kundenname, Stunden und eine Ein-Zeilen-Beschreibung. Der Skill erzeugt ein PDF mit meinem Rechnungs-Template, wählt Deutsch oder Englisch je nach Kunde, nummeriert sequenziell und schickt das PDF an Telegram, von wo ich es an den Kunden weiterleite.
Dreißig Sekunden für das, was früher fünfzehn Minuten war. Zählt am meisten, wenn vier Rechnungen am Monatsende gleichzeitig rausgehen.
Das Template ist einfach HTML gerendert zu PDF via Chromium. Kein SaaS, kein Abo. Meine MwSt-Regeln, meine USt-ID, mein IBAN, meine Sortierung — einmal im Skill-Prompt verankert.
4. Wöchentlicher Report an Kunden
Donnerstag 11:45 Madrider Zeit zieht ein Cron meine Git-Commits über alle Kunden-Repos der Woche plus meine Zeiterfassungseinträge. Claude schreibt eine Progress-Mail pro Kunde. Nur Draft. Sie landen in einem TickTick-Projekt “Wöchentliche Reports – Drafts”; ich reviewe und sende Freitag früh.
Spart grob 30 Minuten pro Woche. Der größere Gewinn: ich vergesse es nie. Vor der Automatisierung habe ich Wochen-Updates gesendet, wenn ich daran dachte — etwa die Hälfte der Zeit.
Das Skript ist sorgfältig beim Gruppieren der Commits pro Repo und beim Ignorieren von Merge-Commits und Rebases. Diese Logik ist mehr wert als die KI-Zusammenfassung. Claude kann eine gute Mail aus einer sauberen Liste schreiben. Claude kann aus einem unordentlichen Git-Log nicht herleiten, was ich gemacht habe.
5. CRM-Automation via TickTick
Ich fahre kein CRM. Ich fahre TickTick-Tasks, einen pro Lead oder Kunden, mit einem Nachrichtenlog im Content-Feld. Jede eingehende E-Mail, jede Slack-Nachricht, jede Call-Notiz wird angehängt.
Updates passieren über Telegram. Ich tippe “log, dass ich Acme mit Proposal v2 geantwortet habe”, und der Bot routet das über den TickTick-MCP-Server, den ich für mich selbst betreibe — er hängt die Zeile mit Zeitstempel an den richtigen Task-Content an. Wenn ich nächste Woche für einen Call bereit mache, lese ich die ganze Historie in 20 Sekunden.
Kontext-Persistenz ist der ganze Punkt. Der Lead, den ich im Februar gemailt habe, dessen Unternehmen im März eine Runde gemacht hat und der im April wieder meldete — ist ein Task. Nicht drei Threads in drei Postfächern.
6. Content-Pipeline für Positionierung
Content ist die Lang-Lauf-Arbeit, die nie auf der Dringlichkeitsliste landet — und deshalb nie passiert. Ich habe einen wöchentlichen Content-Pipeline-Skill, der das nächste Artikel-Thema picked, basierend auf dem, was ich letzte Woche schrieb, meiner Positionierung und welche Keywords im SEO-Plan offen sind. Er entwirft einen LinkedIn-Post, erzeugt Tasks für Dev.to, Medium und Hashnode-Cross-Posts und schreibt den kanonischen Artikel für renezander.com.
Ich editiere jedes Stück noch. Der Skill bringt mich von null auf 80-%-Draft in einem Kommando, statt 90 Minuten vor einer leeren Datei zu sitzen. Über einen Monat sind das vier Stunden pro Woche — mehr oder weniger ein Werktags-Nachmittag, den ich jetzt abrechne.
7. Recherche für Proposals
Vor einem Sales-Call habe ich früher 20 Minuten auf der Company-Website, Pressemitteilungen und LinkedIn verbracht. Jetzt fahre ich einen /research-Skill, der ein Ein-Seiten-Briefing erzeugt: was sie tun, aktuelle News, welcher Stack in Stellenanzeigen auftaucht, wer der wahrscheinliche Entscheider ist.
Fünf Minuten statt zwanzig. Die Qualität entspricht dem, was ich manuell produziert hätte — das Quellmaterial ist dasselbe. Der Unterschied ist die Zeit beim Klicken.
8. Screening von Inbound-Opportunities
Upwork schickt mir Job-Alert-Mails. LinkedIn schickt Inbound-Nachrichten. Der Großteil beider Streams ist Rauschen. Ein Haiku-gestützter Screener läuft fünfmal am Tag auf einem systemd-Timer, liest den letzten Batch, klassifiziert jedes Item als “antworten”, “ignorieren” oder “automatisch ablehnen mit Standard-Absage” — und surfaced nur den “antworten”-Bucket nach Telegram.
Etwa 30 Prozent des Inbounds kommen durch. Der Rest stirbt leise in den Screener-Logs. Die höchste ROI-Automatisierung auf der Liste. Nicht weil sie am meisten Zeit spart, sondern weil sie Aufmerksamkeit spart. Jede Junk-Mail, die ich nicht sehe, ist ein Micro-Context-Switch, den ich nicht bezahlt habe.
Der Stack in einem Absatz
Ein einzelner Debian-VPS fährt alles (siehe Linux-VPS-KI-Dev-Setup). Ein Telegram-Bot ist das persönliche Interface — immer an, auf Handy und Desktop. Die Claude-Code-CLI handhabt Agent-Workloads über claude -p mit --max-budget-usd-Caps. systemd-Timer ersetzen Cron für alles zeitzonen-sensitive, was das meiste ist, wenn man in Madrid lebt und der Server in UTC läuft. Postgres trackt Nutzung, Kosten pro Agent und Dauer pro Task, damit ich sehe, welcher Workflow sich tatsächlich rechnet. Gesamtkosten: 15 € pro Monat VPS, 30 $ bis 60 $ pro Monat Claude-API-Nutzung. Unter 80 $ pro Monat, um die Ops-Schicht eines Freelance-Business zu betreiben.
Wenn Sie für bestimmte Workflows die visuelle Alternative wollen, decken n8n für KI-Agent-Workflows und Content-Publishing mit Make diesen Pfad ab. Ich nutze Make und n8n für das Teedian-Produkt und für Flows, die eine andere Person editieren muss. Für meine eigenen Ops ist Bash plus Claude schneller.
Patterns, die für Freelancer funktionieren
Fünf Patterns tauchen in jedem Workflow auf, den ich behalten habe. Die, die ich fallen gelassen habe, verletzten mindestens eines davon.
Agent pro Ops-Task, nicht ein Riesen-Assistent. Acht kleine fokussierte Skills schlagen einen “alles-Agenten”. Jeder Skill hat einen engen Prompt, spezifische Stil-Regeln, ein einziges Output-Format. Ein Generalist-Assistent versucht, über alles richtig zu sein — und ist überall mittelmäßig. Mehr dazu in Ich betreibe 10 KI-Agenten in Production, alle sind Bash-Skripte.
Menschliche Freigabe bei Outbound. Nur Drafts. Ich drücke bei jedem Proposal, jeder Rechnung, jeder Kunden-Mail und jeder LinkedIn-Antwort auf Senden. Die Automatisierung entfernt Tippen, nicht Verantwortung. Kunden merken binnen eines Austauschs den Unterschied zwischen einem Menschen, der KI genutzt hat, und einer KI, die vorgibt, ein Mensch zu sein.
Alles über Telegram. Ein Client, Handy und Desktop, immer an, kein Login-Flow, kein Browser-Tab zum Suchen. Jede Automatisierung endet mit “an Telegram senden”. Jedes manuelle Kommando startet mit Tippen in Telegram. Single-Surface ist der Punkt.
Prompt-Templates mit Stil-Regeln. Jeder Skill enthält die Regeln, bei denen ich keinen Kompromiss mache. Keine Em-Dashes, kein “happy to assist”, spezifischer Satz, spezifischer Gruß. Ohne das driftet jeder Draft in Richtung generischer LLM-Output. Mit dem klingt der Draft nach mir.
Kosten-Caps pro Agent. --max-budget-usd 0.50 auf jedem claude -p-Call. Niemand will eine 500-$-Rechnung vom Agenten in einer Retry-Schleife. Caps sind billige Versicherung gegen den einen Bug, den Sie nicht gefangen haben.
Was Sie nicht automatisieren sollten
Nicht alles, was sich automatisieren lässt, sollte automatisiert werden.
Echte Kundengespräche bleiben manuell. Wenn ein Kunde auf Slack pingt und ich mit einer klar KI-geformten Nachricht antworte, fällt Vertrauen dauerhaft. Automatisierung ist für Vorbereitung, Drafts, Summaries — nicht für das Gespräch selbst.
Kreative Strategie-Entscheidungen bleiben manuell. Welcher Markt, welcher Satz, welcher Kunde wird gefeuert. Ein LLM wird souverän eine plausible Antwort produzieren, und die Antwort wird die Hälfte der Zeit falsch sein — weil der Kontext in meinem Kopf und auf meinem Konto lebt, nicht im Prompt.
Finale Review bei Outbound bleibt manuell. Jeder Draft wird vor dem Absenden gelesen. Ich habe halluzinierte Kundennamen, falsche MwSt-Sätze und ein Proposal mit dem falschen Satz in der falschen Währung abgefangen. Fehler multiplizieren sich, wenn niemand reviewt.
Wenn ein Workflow in diese Zonen driftet, kappe ich die Automatisierung. Lieber manuell machen, als automatisch falsch senden.
Vier-Wochen-Startpfad
Wenn Sie Ihren eigenen Freelancer-KI-Stack bauen wollen, versuchen Sie nicht, alle acht Workflows in einem Wochenende zu liefern. Die, die ich behalten habe, sind die, die ich langsam gebaut und gegen echte Arbeit getunt habe. Der Pfad, den ich von Null gehen würde:
Woche 1. VPS und Telegram-Bot aufsetzen. Eine Debian-Box, ein Telegram-Bot-Token, ein Long-Polling-Bash-Daemon, der Nachrichten an Claude routet. Sonst nichts. Am Ende von Woche 1 sollten Sie sich selbst texten und eine LLM-Antwort zurückbekommen können. Der Linux-VPS-Setup-Leitfaden (oben verlinkt) geht das durch.
Woche 2. Die ersten beiden Automatisierungen bauen. Ich würde Morning Briefing und Rechnungs-Generierung machen. Briefing gibt tägliches Feedback, dass der Stack läuft. Rechnungen geben die schnellste Time-to-ROI.
Woche 3. Ersten Claude-Code-Skill bauen. Einen Ops-Task picken, der Zeit frisst, einen Prompt schreiben, in eine Skill-Datei wrappen, den Prompt ein paar Tage gegen echte Arbeit tunen, bis die Drafts keine schweren Edits mehr brauchen. Ab hier fängt der Stack an zu compoundenen.
Woche 4. Auswerten. Kosten-Logs und Nutzungs-Logs ansehen. Welche Workflows haben Sie tatsächlich genutzt? Welche waren Leerlauf? Die Leerlauf-Workflows killen. Keine Automatisierungen aus Stolz behalten. Die einzige gute Metrik ist, ob sie diese Woche Zeit gespart hat.
Monat 2. Auf fünf bis acht Workflows skalieren. Jetzt kennen Sie Ihre eigenen Patterns. Den nächstwertvollsten Ops-Task picken und bauen. Wiederholen, bis die offensichtlichen abgedeckt sind. Stoppen, wenn Sie keine täglichen Schmerzpunkte mehr haben — nicht, wenn Sie keine Ideen mehr haben.
Tools, die ich tatsächlich nutze
Claude-Code-CLI für Agent-Scripting via claude -p mit Budget-Caps. Telegram-Bot-API für das Interface, Long-Polling aus einem Bash-Daemon. TickTick für Task-Kontext und das Nachrichtenlog-als-CRM-Pattern, über meinen eigenen MCP-Server angebunden. n8n für Workflows, die ich visuell editieren oder an einen Kollaborateur übergeben will. Make als Managed-Alternative, wenn ein Kunde bereits damit arbeitet. Eine kleine Postgres-Instanz zum Tracken von Kosten und Nutzung pro Agent.
Nichts davon ist exotisch. Ein Freelancer mit einem Linux-neugierigen Nachmittag pro Woche kann das in einem Monat aufsetzen. Die Edge liegt nicht in den Tools. Sie liegt in der Bereitschaft, die eigenen Ops als Codebase zu behandeln — und in den Stil-Regeln, die die Drafts davon abhalten, wie alle anderen Drafts zu klingen.
Genau so sieht KI-Automatisierung für Freelancer 2026 wirklich aus. Keine Magie. Ein paar Cronjobs, ein Telegram-Bot, ein API-Key und die Disziplin, Senden selbst zu drücken.