Der AI Stack hinter ODB Growth (und was er wirklich leistet)

Jeder zweite Artikel auf LinkedIn sagt Ihnen, welche AI-Tools Sie nutzen sollen. Die meisten listen zwanzig Optionen auf und überlassen den Rest Ihnen.

Deshalb hier ein anderer Ansatz. Das ist der exakte AI-Stack, mit dem founder-led Sales-Beratungen wie ODB Growth 2026 arbeiten. Neun Tools. Jedes mit einer klaren Aufgabe. Jedes verdient seinen Platz. Denn AI spiegelt die Disziplin der Person, die sie nutzt, und der falsche Stack verstärkt die falsche Disziplin.

Die Unternehmen, die gerade gewinnen, haben nicht mehr AI. Sie haben AI, die zu ihrem Prozess passt.

Warum die meisten AI-Stacks scheitern

Die meisten Sales-Teams sammeln AI-Tools genauso wie sie CRM-Felder sammeln. Sie fügen eines hinzu, weil ein Wettbewerber es nutzt. Sie fügen ein zweites hinzu, weil ein Webinar sie überzeugt hat. Ein drittes kommt dazu, weil jemand im Team es ausprobieren wollte.

Sechs Monate später besitzen sie Abos für acht Tools. Nur zwei werden konsequent genutzt. Der Rest ist Dekoration, und sie zahlen trotzdem für alle.

Das ist kein AI-Stack. Das ist ein Friedhof guter Vorsätze.

Die meisten Teams wissen auch nicht, wie tief die Lücke wirklich ist. Sie gehen davon aus, bei 60 von 100 Punkten in der AI-Integration zu liegen, weil jeder ChatGPT nutzt. In der Praxis, wenn Integration über jede Funktion einzeln gemessen wird, liegt der Score eher bei 34. Tools zu nutzen und AI in den Workflow zu integrieren sind zwei völlig verschiedene Dinge.

Ein echter AI-Stack tut drei Dinge. Er hat eine klare Aufgabe pro Tool. Er integriert sich in die Art, wie Sie bereits arbeiten. Und er zahlt sich aus, in gesparter Zeit oder generiertem Umsatz.

“Sie brauchen nicht jedes AI-Tool. Sie brauchen die, die zu Ihrer tatsächlichen Arbeitsweise passen.”

Der AI-Stack hinter ODB Growth

Hier ist, was meine Woche antreibt, in der Reihenfolge, in der ich es nutze. Neun Tools. Jedes mit einer klaren Aufgabe. Zusammen ermöglichen sie es einer Person, das zu liefern, wofür die meisten Agenturen ein Team brauchen.

1. Claude (Anthropic): der strategische Denkpartner

Für jedes bedeutende Stück Text, Strategie oder Kundenarbeit starte ich mit Claude. Es denkt in strukturierten Argumenten, hält langen Kontext und widerspricht, wenn ein Plan schwach ist. Zudem hält es den Ton konsistent, sobald es gebrieft wurde.

Aufgabe: strategisches Denken, Langform-Texte, Kundenanalyse, Frameworks. Wo ein normaler Autor eine Stunde auf ein leeres Blatt starrt, produziert Claude in zehn Minuten einen funktionierenden Entwurf.

2. Claude Code: bauen, was ich verkaufe

Für technische Arbeit, von individuellen CRM-Workflows über Landingpage-Builds bis zu internen Tools, nutze ich Claude Code. Es liest die Codebase, bevor es schreibt. Es handhabt Änderungen über mehrere Dateien, ohne den Kontext zu verlieren. So liefere ich an einem Nachmittag, wofür früher ein Entwickler eine Woche brauchte.

Aufgabe: praktische technische Umsetzung. Jede Kundenintegration, jedes Make.com-Szenario, jede individuelle CRM-Automatisierung läuft hier durch. Bauen, was ich verkaufe, nicht nur darüber reden.

3. Claude Cowork: für parallele Task-Streams

Wenn mehrere Kunden-Threads gleichzeitig laufen, übernimmt Claude Cowork die parallele Arbeitslast. Jeder Kunde, jedes Projekt, jeder Recherche-Thread bekommt seinen eigenen Kontext. Deshalb keine Vermischung zwischen den Mandaten.

Aufgabe: Kontext-Management für mehrere Kunden gleichzeitig. Ein Founder erledigt, wofür früher ein Projektmanager plus drei Spezialisten nötig waren.

4. Claude Design: visuelle Arbeit in Produktionsgeschwindigkeit

Landingpages, One-Pager, Präsentationsfolien, Markenmaterial. Der gesamte visuelle Output, für den klassischerweise entweder ein Designer bezahlt wird oder etwas Amateurhaftes entsteht. Stattdessen liefert Claude Design Arbeit in Produktionsqualität, in Entwurfsgeschwindigkeit.

Aufgabe: markenkonsistente visuelle Assets. Kunden-Deliverables, die aussehen, als kämen sie von einem Team, obwohl sie von einer Person und einem Tool kommen.

5. Claude Routines: das Wiederholbare automatisieren

Für alles, was sich wiederholt, wöchentliche Reports, Content-Planung, Newsletter-Entwürfe, Monatsreviews, übernimmt Claude Routines die wiederkehrende Arbeitslast. Es läuft nach Zeitplan, produziert den Output, und lässt mich die Arbeit prüfen statt sie von Grund auf zu erledigen.

Aufgabe: Automatisierung wiederkehrender Workflows. Beratung skaliert schlecht, weil der Founder alles selbst macht. Routines hebt diese Decke für vorhersehbare Arbeit auf.

6. ChatGPT (OpenAI): die zweite Meinung

Bei jedem entscheidenden Gedanken hole ich mir die Meinung eines zweiten Modells ein. Unterschiedliche Modelle entdecken unterschiedliche Dinge. Zudem sieht ChatGPT oft den kommerziellen Winkel, den Claude unterbewertet. Die Uneinigkeit zwischen beiden schärft mein Denken schneller, als eines allein es könnte.

Aufgabe: zweite Meinung, alternative Perspektive. Zwei Modelle schlagen eines bei allem, was zählt.

7. Gemini (Google): tiefgehende Recherche im großen Stil

Wenn ich echte Recherche brauche, Marktdaten, Wettbewerbsanalysen oder regulatorischen Kontext, schafft Gemini im Deep-Research-Modus in zwanzig Minuten, wofür ein Research-Analyst früher einen Tag brauchte. Zudem fasst es Quellen zusammen, statt sie nur aufzulisten.

Aufgabe: Recherche und Synthese. Jedes Kundenmandat beginnt mit Branchenkontext, und so komme ich schnell dorthin.

8. Grok (xAI): Echtzeit-Signal von X

Für alles Zeitkritische, aktuelle Nachrichten in der Branche eines Kunden, Stimmungsverschiebungen in der Öffentlichkeit oder aufkommende Gespräche, zieht Grok Signal direkt von X. So weiß ich, was heute gesagt wird, nicht was vor sechs Monaten stimmte, als ein Training abgeschlossen wurde.

Aufgabe: Markt-Intelligenz in Echtzeit. Das eine Tool für Content und Kontext, das nicht veraltet ist.

9. Cursor und Obsidian: die Arbeitsumgebung

Keine AI-Tools im eigentlichen Sinn, sondern die Umgebung, in der AI läuft. Cursor ist der Ort, wo technische Arbeit stattfindet, mit Claude direkt im Editor. Obsidian wiederum ist mein zweites Gehirn: jede Kundennotiz, jedes Framework, jedes wiederkehrende Muster lebt dort und bleibt über Jahre durchsuchbar.

Aufgabe: das Betriebssystem. Jedes AI-Tool oben hängt an diesen beiden. Ohne sie bricht der Stack zusammen.

Was dieser Stack tatsächlich leistet

Das ist keine Toolliste. Das ist ein System. Zusammen übernehmen diese neun Tools:

Zum Beispiel Kundenrecherche zu einer neuen Branche in zwanzig Minuten. Individuelle CRM-Automatisierungen, gebaut an einem Nachmittag. Landingpage-Builds an einem Tag. Content-Produktion, die wöchentlich läuft, ohne dass ich sie anfasse. Und jede strategische Frage, getestet durch zwei Modelle, bevor sie zur Kundenempfehlung wird.

Deshalb liefert ein Founder, wofür Agenturen drei Personen abrechnen. Nicht weil ich schneller bin als drei Personen. Sondern weil dieser Stack die Reibung entfernt, die drei Personen ausbremst.

Die Regel, die das am Laufen hält

Jedes Tool in diesem Stack hat eine Aufgabe. Versucht ein Tool alles zu tun, tut es nichts richtig gut. Verdient sich ein Tool seinen Platz nicht jeden Monat neu, fliegt es raus. Und tun zwei Tools dasselbe, fliegt eines raus.

Das ist die Disziplin, die einen funktionierenden AI-Stack von einer teuren Toolsammlung unterscheidet.

Wo steht Ihre AI-Integration wirklich?

Den AI-Stack von jemand anderem zu lesen, ist nützlich. Den eigenen zu messen, ist nützlicher.

Bevor Sie eines der oben genannten Tools kopieren, kennen Sie Ihren Ausgangspunkt. Hier kommt der AI Integration Scan ins Spiel. Er bewertet Sie über exakt die Bucket-Range und Dimensionen, um die herum wir den Scan entworfen haben.

Sind Sie DORMANT (0-20), wo AI im Grunde nicht vorhanden ist und das Geschäft noch mit menschlichen Arbeitsstunden für Aufgaben läuft, die AI bereits übernehmen könnte? WAKING (21-40), wo einige Personen AI auf eigene Faust nutzen, aber nichts fest verankert ist und der Wert verschwindet, sobald sie gehen? WIRED (41-60), wo AI echte Arbeit über mehrere Funktionen hinweg unterstützt, aber noch neben Ihren manuellen Prozessen steht, statt sie zu steuern? AUTOMATED (61-80), wo AI in die Kern-Workflows der meisten Funktionen eingebettet ist und mit den zugrundeliegenden Live-Daten verbunden? Oder AUTONOMOUS (81-100), wo AI Arbeit von Anfang bis Ende innerhalb von Leitplanken ausführt und beginnt, mitzuformen, was Sie verkaufen?

Die meisten Teams können diese Frage nicht ehrlich beantworten. Zudem wissen die meisten nicht, dass die sieben Dimensionen, an denen die AI-Integration ins Stocken gerät, über Unternehmen hinweg weitgehend gleich sind. Ohne zu messen, können Sie nicht sagen, ob ein weiteres Tool Ihre Lücke schließt oder vergrößert.

Deshalb haben wir den AI Integration Scan gebaut. Fünfunddreißig Fragen, acht Minuten, ein Score über die sieben Dimensionen, an denen AI-Adoption typischerweise stockt. Sie wissen danach genau, wo Ihre Integration steht. Dann können Sie entscheiden, ob Sie diesen Stack kopieren, Ihren aktuellen halbieren oder etwas völlig anderes bauen.

Machen Sie den Scan auf odbgrowth.nl/ai-scan. Kein Berater nötig, um Ihre Zahl zu kennen.

Praktische Checkliste: funktioniert Ihr AI-Stack tatsächlich?

1. Jedes AI-Tool, für das Sie zahlen, hat eine klare Aufgabe, die Sie in einem Satz benennen können ☐
2. Sie wissen, wann Sie jedes Tool zuletzt genutzt haben, ohne in Ihren Abos nachzuschauen ☐
3. Keine zwei Tools überschneiden sich wesentlich in dem, was sie tun ☐
4. Jedes Tool ist in Ihren bestehenden Workflow integriert, nicht daneben platziert ☐
5. Sie überprüfen den Stack vierteljährlich und entfernen, was seinen Platz nicht verdient ☐
6. Der Stack passt zu Ihrer tatsächlichen Arbeitsweise, nicht zu dem, was Influencer empfehlen ☐
7. Neue Tools kommen nur dazu, wenn ein bestehendes Tool weicht, nicht einfach obendrauf ☐
8. Die monatlichen AI-Ausgaben stehen im Verhältnis zur gesparten Zeit oder generiertem Umsatz ☐

Sind drei oder mehr Punkte nicht angehakt, ist Ihr AI-Stack Dekoration, keine Infrastruktur. Zeit für ein Audit vor der nächsten Abo-Verlängerung.

The ODB Way

Bei ODB Growth empfehlen wir keinen AI-Stack. Wir entwerfen einen, der zu Ihrem Prozess passt.

Wir beginnen damit, zu kartieren, wie Ihr Team tatsächlich arbeitet. Wo Zeit verloren geht. Welche Entscheidungen sich verzögern. Nach welchen Informationen das Team sucht, die bereits verfügbar sind. Dann identifizieren wir den AI-Stack, der die Reibung aus genau diesen Mustern entfernt.

Keine generische Empfehlung. Keine Kopie des Stacks von irgendjemand anderem. Sondern das spezifische Set an Tools, das zu der Art passt, wie Ihr Team bereits arbeitet.

Denn der Unterschied zwischen einem AI-Stack, der funktioniert, und einem, der es nicht tut, liegt nicht in den Tools. Er liegt im Fit. Und Fit entsteht nur, wenn man zuerst den eigenen Prozess betrachtet, nicht die Tool-Liste des Marktes.

Ein AI-Stack, der nicht zu Ihrem Prozess passt, wird zu einem der vier Sales-Lecks, die jedes B2B-Unternehmen hat: ein weiterer Punkt auf der To-do-Liste, der nie tatsächlich genutzt wird. Deshalb geht es nicht um mehr Tools. Es geht um die richtigen Tools, die zusammenarbeiten und jede Woche messbaren Output liefern.

Der erste Schritt ist nicht, ein Tool hinzuzufügen. Es ist zu messen, wo Sie tatsächlich stehen. Dann den Stack zu entwerfen, der zu Ihrem Integrationsniveau passt. Beginnen Sie mit dem AI Integration Scan. Alles Weitere ergibt sich von dort.