Eine eigene KI erstellen ohne Programmieren geht auf drei Wegen, und der Einstieg kostet 0 Euro. Du trainierst dabei kein eigenes Modell, sondern gibst einem fertigen Modell wie Claude oder ChatGPT deine Anweisungen und dein Wissen: deine Leistungen, deine Sprache, deine Regeln. Weg 1 ist ein Projekt in Claude oder ein Custom GPT in ChatGPT, in wenigen Minuten eingerichtet. Weg 2 ist ein No-Code-Baukasten wie n8n oder Make, in dem ein KI-Baustein in einem Workflow sitzt. Weg 3 ist die KI als Mitarbeiter in einem Ordner mit Dateien: Personalakte, Regeln, Gedächtnis, Feedback. Den ersten Weg probierst du im kostenlosen Tarif aus. Der dritte ist der, den ich selbst gehe: Für Aufgaben mit Kontext, Urteilsspielraum und dokumentierter Verantwortung ist das der Weg, den ich einsetze.
Ich bin Entwickler und führe mein Business mit einer KI-Belegschaft auf Claude-Basis, jeder Mitarbeiter mit eigenem Job und eigenem Wissen in seinem Ordner. Seit es Claude Code gibt, entwickle ich keine einzige Zeile mehr selbst. Den Überblick über meinen Ansatz findest du auf KI-Mitarbeiter einstellen.
Was „eigene KI erstellen" wirklich heißt: Anweisungen statt Training
Wer „eigene KI erstellen und trainieren" sucht, meint meistens nicht das, was der Begriff in der Forschung bedeutet. Ein eigenes Modell zu trainieren ist ein Projekt für Konzerne und Forschungslabore: riesige Datenmengen, spezialisierte Hardware, Millionenbudgets. Auch das kleinere Fine-Tuning, bei dem ein fertiges Modell mit eigenen Beispielen nachjustiert wird, brauchst du für Angebote, Mails und Auswertungen nicht: Es verlangt saubere Trainingsdaten, und eine falsche Antwort lässt sich hinterher nicht einfach korrigieren.
Das Modell ist nicht der Engpass: Die fertigen Modelle sind längst gut genug für Angebote, Mails, Content und Auswertungen. Was ihnen fehlt, ist dein Kontext, also deine Kunden, deine Preise, dein Ton. Eine „eigene KI" entsteht in dem Moment, in dem du dieses Wissen dauerhaft hinterlegst, statt es in jedem Chat neu zusammenzukopieren.
Die drei Wege unterscheiden sich darin, wo dieses Wissen liegt und wie viel Arbeit die KI dir danach wirklich abnimmt.
Drei Wege im Vergleich
Die Claude-Preise stehen mit Quelle in Claude Kosten und Abos im Überblick; für Baukästen und Modellzugang gilt die Preisliste des Anbieters.
Als Kurzformel: Willst du bessere Antworten mit deinem Kontext, nimm Weg 1. Willst du eine Fließband-Aufgabe automatisieren, nimm Weg 2. Willst du eine Aufgabe mit Kontext und Urteilsspielraum komplett abgeben, nimm Weg 3.
Weg 1: Projekt in Claude oder Custom GPT in ChatGPT
Der schnellste Einstieg: In Claude legst du ein Projekt an, in ChatGPT baust du einen Custom GPT. Du hinterlegst Anweisungen und Dokumente, und die KI antwortet ab dann mit diesem Wissen im Rücken. Wie Projekte funktionieren, beschreibt Anthropic in der Hilfe zu Claude-Projekten; die Anleitung für Custom GPTs steht in der OpenAI-Hilfe.
Wenn du heute bei null stehst, ist das ein guter erster Schritt. Die Grenze zeigt sich im Alltag: Ein Projekt oder Custom GPT bleibt ein Antwort-Werkzeug. Du stellst Fragen, es antwortet, und was du aus den Antworten machst, bleibt deine Arbeit.
Ich habe Claude-Projekte selbst genutzt und bin damit nicht zufrieden geworden. Machbar ist es, aber alles liegt im Projekt beim Anbieter, und da kommst du nicht wieder raus: nicht zu Codex, nicht zu einem offenen Modell. Für mich fühlt sich das nicht so unter Kontrolle an. Für bessere Antworten mit deinem Kontext reicht es trotzdem; eine Aufgabe komplett abgeben, mit gleichbleibender Qualität und wachsendem Wissen, ist damit nicht drin.
Weg 2: No-Code-Plattformen wie n8n und Make
Der zweite Weg führt über Plattformen wie n8n oder Make: Du klickst einen Workflow zusammen, in dem irgendwo ein KI-Baustein sitzt. Trigger, Aktion, Verzweigung, fertig, ganz ohne Code.
Für Fließband-Aufgaben ist das ehrlich und gut: Formular-Eintrag rein, Zeile in die Tabelle, Mail raus. Ich habe n8n und Make selbst intensiv genutzt. Wie lange so ein Workflow dauert, hängt davon ab, wie flexibel er sein muss: An einem Make-Workflow habe ich schon Tage gesessen. Seit es den n8n-MCP-Server gibt, arbeitet Claude Code gut mit n8n zusammen, und der Bau geht deutlich schneller. Aber für die Aufgaben, die dich wirklich Zeit kosten, entsteht dabei etwas anderes als eine eigene KI: eine kleine Software, die du selbst wartest. Dein Wissen steckt dann in Knoten und Verbindungen statt in einem lesbaren Dokument, und bei jeder Änderung in deinem Business baust du den Flow um. Meine Haltung heute, wörtlich aus einem Vortrag: „make.com oder n8n, das brauchst du gar nicht mehr. Ein Ordner mit einer ganz klaren Struktur und immer Feedbacks." Warum ich diesen Weg für Selbstständige meistens nicht empfehle, steht ausführlich in KI-Agenten erstellen ohne Code: mein Weg. Was so ein Werkzeug-Stack nach dem Aufbau jeden Monat an Konten und Abrechnung mit sich bringt und wem am Ende gehört, was du gebaut hast, habe ich in KI-Kurs gebucht: was danach jeden Monat läuft aufgeschrieben.
Weg 3: die eigene KI als Mitarbeiter in Dateien führen
Der dritte Weg ist der einzige, den ich in meinem Business einsetze: Du behandelst deine eigene KI als Mitarbeiter, nicht als Tool oder Workflow. Technisch ist das ein Ordner auf deinem Rechner, in dem Claude Code arbeitet. Konkret heißt das:
- Sie bekommt einen Job. Nicht „meine KI für alles", sondern eine Rolle: Angebote vorbereiten, Content entwerfen, Belege auswerten.
- Sie bekommt eine Personalakte. Ein lesbares Dokument mit allem, was sie für den Job wissen muss: Leistungen, Zielgruppe, echte Textbeispiele von dir, Regeln, Zugriffsrechte in drei Stufen (frei, nur nach Freigabe, nie). Bei mir sind das drei Textdateien:
CLAUDE.md als Vertrag, personalakte.md mit den Stammdaten und learnings.md als Gedächtnis.
- Sie wird eingearbeitet statt konfiguriert. Im Onboarding-Gespräch fragt sie dich, was ihr fehlt. Wenn ein Ergebnis nicht passt, gibst du Feedback, und das Feedback wandert dauerhaft in die Learnings-Datei.
So sieht das bei mir aus: Peter ist mein Mitarbeiter für die Buchhaltung. Am 06.09.2026 habe ich ihm ins Mikrofon diktiert, 63 Belege auszuwerten. Vor der Ausgabe stellte er zwei Rückfragen, weil ein Satz abgebrochen war und zwei Währungen vorkamen („ich erfinde keine Kurse"). Meine Antwort: „Alles in Euro, Tageskurs." Dann meldete er 12 ausgeführte Befehle, davon 2 fehlgeschlagen, die Kontrollrechnung Netto plus Steuer gleich Brutto für alle 63 Belege, und lieferte dreizehn Quartalsordner plus Excel. Wie Peters Arbeitstag sonst aussieht, steht auf Peter, der meine Belege sichtet. Geprüft und freigegeben habe ich. Peter ist am Ende des Tages einfach ein Ordner auf meinem Computer.
Der Unterschied zu Weg 1 liegt nicht in der Technik, sondern in der Arbeitsweise: Du delegierst eine Aufgabe komplett und bekommst ein fertiges Arbeitsergebnis zur Freigabe zurück. Mit jeder Feedback-Runde wird deine KI mehr „deine", weil ihr Wissen über dich wächst und nirgendwo verloren geht. Wie du so einen Mitarbeiter Schritt für Schritt aufbaust: KI-Mitarbeiter einstellen: der Ablauf.
Eigene KI kostenlos erstellen: was geht
Der Einstieg: ja. Claude wie auch ChatGPT haben kostenlose Tarife, mit denen du das Prinzip ausprobierst; was bei Claude drin ist und wo der Tarif endet, steht in Claude kostenlos nutzen: was geht.
Für eine eigene KI, die dauerhaft dein Wissen trägt und jede Woche liefert, stößt der Gratis-Tarif in der Praxis an Nutzungsgrenzen, und Claude Code braucht ein bezahltes Abo. Pro kostet 20 Dollar im Monat, Max 100 oder 200 Dollar (Stand September 2026, Quelle in Claude Kosten und Abos im Überblick). Der eigentliche Invest ist die Stunde für den Start und ein paar Feedback-Runden in den ersten Wochen. Die komplette Rechnung steht in Was kostet ein KI-Mitarbeiter wirklich?.
Eigene KI offline oder open source
Wenn „eigene KI" für dich heißt, dass das Modell auf deiner eigenen Hardware läuft, ist das kein vierter Weg, sondern ein Tausch des Modells hinter Weg 3: Ein Open-Source-Modell wie Qwen läuft mit Ollama oder SGLang auf deinem Rechner, der Ordner mit Personalakte und Learnings bleibt derselbe. Bei mir läuft Qwen 3.8 auf einem Nvidia DGX Spark mit gemessen rund 50 Tokens pro Sekunde (Stand August 2026), auf meinem MacBook Pro mit 64 GB mit 11 Tokens pro Sekunde. Was heute geht und wo lokale Modelle hinter Claude zurückbleiben, steht in Lokale KI: was 2026 wirklich geht, der Erfahrungsbericht in Qwen 3.8 lokal: Erfahrung mit DGX Spark, die Hardware-Frage in Eigener KI-Server: Hardware und Kosten.
Erstellen lassen oder selbst?
Selbst, wenn du eine einzelne Aufgabe abgeben willst und eine Stunde investierst: Der Aufbau ist ohne Programmieren machbar, und die Feedback-Runden kann dir ohnehin niemand abnehmen, weil nur du weißt, wie ein gutes Ergebnis aussieht. Erstellen lassen lohnt sich, wenn Programme ohne Schnittstelle angebunden werden müssen oder mehrere Mitarbeiter zusammenarbeiten sollen. Ich berate andere Selbstständige dazu im 1:1 und über die Community. Die Abwägung mit Kriterien steht in KI-Agent erstellen lassen oder selbst?.
Häufige Fragen
Kann ich eine eigene KI kostenlos erstellen?
Ja, für den Einstieg. Claude und ChatGPT haben kostenlose Tarife, in denen du Anweisungen hinterlegst und erste Ergebnisse siehst. Für tägliche Arbeit stößt du an Nutzungsgrenzen, und Claude Code braucht ein bezahltes Abo ab 20 Dollar im Monat (Stand September 2026).
Geht eine eigene KI mit ChatGPT?
Ja, über Custom GPTs: Anweisungen hinterlegen, Dokumente hochladen, fertig. Das entspricht Weg 1 und liefert bessere Antworten mit deinem Kontext. Eine Aufgabe komplett abgeben, mit Dateien und Gedächtnis, ist damit nicht vorgesehen.
Brauche ich Python, um eine eigene KI zu bauen?
Nein. Alle drei Wege kommen ohne Code aus. Bei Weg 3 schreibst du Textdateien in deiner Sprache: was der Job ist, welche Regeln gelten, was gut und was falsch war.
Muss ich die KI trainieren?
Nein. Training und Fine-Tuning verändern das Modell selbst und brauchen Daten, Rechenzeit und Fachwissen. Für eine KI, die deine Arbeit kennt, reicht es, das Wissen in Anweisungen und Dateien zu hinterlegen. Der Vorteil: Du änderst eine Regel in einer Minute, statt neu zu trainieren.
Läuft eine eigene KI auf einem Raspberry Pi?
Für die Aufgaben in diesem Beitrag nicht. Das Modell, das bei mir lokal läuft, ist als Datei 21,9 GB groß, mehr als der Arbeitsspeicher eines Raspberry Pi. Was du stattdessen brauchst, steht in Eigener KI-Server: Hardware und Kosten.
Wie lange dauert es bis zum ersten Ergebnis?
Bei Weg 1 Minuten. Bei Weg 3 ist das erste Arbeitsergebnis nach ungefähr einer Stunde realistisch: Paket laden, Onboarding-Gespräch führen, erste Aufgabe geben. Ein Mitglied meiner Community hatte am 20.08.2026 in unter 50 Minuten eine Newsletter-Mitarbeiterin mit Brevo-Anbindung.
Wie du weitermachst
Wähl eine einzige Aufgabe, die sich bei dir wöchentlich wiederholt und deren Ergebnis du in Minuten beurteilen kannst. Leg dafür einen Ordner an, beschreib den Job in ein paar Sätzen und lass deine neue KI dir Fragen zu deinem Business stellen. Ab da entscheidet dein Feedback, wie gut deine eigene KI wird; die Freigabe bleibt bei dir.
Die drei Wege für Assistenten im Detail: KI-Assistent erstellen: drei Wege. Die Anleitung mit Claude: KI-Agent mit Claude erstellen: drei Wege. Die acht Pakete gibt es fertig in meiner Community, die Grundlagen auf KI-Mitarbeiter einstellen.
