Agent Skills sind jetzt ein offener Standard — und das ist wichtiger als das nächste Modell

Es gibt diese Momente in der KI-Branche, die unscheinbar daherkommen — und im Rückblick die eigentlich tektonischen Verschiebungen waren. Ich glaube, der 18. Dezember 2025 war so ein Moment. An diesem Tag hat Anthropic das Agent Skills-Format als offenen Standard veröffentlicht, mit Spec und SDK auf agentskills.io.

Klingt nach einem dieser nerdigen Engineering-Posts, die niemand außerhalb von San Francisco interessieren. Ist aber meines Erachtens der wichtigste Move der KI-Industrie seit der Veröffentlichung von MCP. Lass mich erklären, warum.

Was Anthropic da gerade gemacht hat

Erst der Hintergrund: Anthropic hatte Skills im Oktober 2025 für Claude gelauncht. Folder mit einer SKILL.md-Datei plus optionalen references/, scripts/ und assets/-Unterordnern. Die Idee: Anstatt Prompts neu zu schreiben, packst du Prozesswissen in einen Ordner. Die KI lädt das on demand. Ich habe darüber in einem separaten Post ausführlich geschrieben.

Im Dezember kam dann der eigentliche Hammer: Anthropic hat das Format freigegeben. Nicht open-sourced im klassischen Sinn — sondern als offene Spezifikation, die jede andere KI-Plattform übernehmen kann. SiliconANGLE hat das Datum mitsamt Mechanik dokumentiert: Spec und Reference-SDK sind seit dem 18. Dezember 2025 öffentlich verfügbar.

Und jetzt kommt der Teil, der mich aufhorchen lässt: Innerhalb von Tagen haben die Konkurrenten zugegriffen.

OpenAI, Microsoft, Figma, Notion, Atlassian — alle ziehen mit

VentureBeat hat in der Berichterstattung zum Launch die initiale Adopter-Liste sauber dokumentiert: Microsoft hat den Standard in VS Code integriert, OpenAI hat ihn in ChatGPT und in Codex CLI übernommen. Das ist insofern bemerkenswert, als OpenAI traditionell eher die eigene Spec-Schmiede ist, nicht der Übernehmer.

OpenAI hat das Ganze nicht großspurig angekündigt — der Developer-Blog listet Agent Skills in Codex inzwischen offiziell. Das ist die ehrliche Form von Adoption: still, schnell, ohne PR-Tamtam.

Partner-built Skills sind ebenfalls dabei: Notion, Figma, Atlassian, Canva, Stripe, Zapier — alle haben offizielle Skills im Anthropic-Directory veröffentlicht. Das heißt: Eine Figma-Skill, die ich heute schreibe, läuft theoretisch nicht nur in Claude, sondern auch in jeder anderen Plattform, die die Spec implementiert hat.

Caveat an dieser Stelle, weil das wichtig ist: „Adopted” heißt nicht überall „identisch implementiert”. Bei OpenAI und Microsoft ist es laut Berichten ein strukturell identisches Format mit gleichen File-Namenskonventionen, Metadaten und Verzeichnislogik. Bei einigen anderen Plattformen — Cursor, einzelne IDEs — kann sich die Loading-Mechanik im Detail unterscheiden. Wer den Standard für produktive Cross-Plattform-Skills nutzen will, sollte für den eigenen Use Case nochmal verifizieren, ob die jeweilige Plattform die volle Spec oder nur Teile davon umsetzt. Die Open-Spec auf agentskills.io ist die Quelle der Wahrheit.

Warum offene Standards den größten Hebel haben

Hier kommt mein Lieblings-Argument, das ich auch in Workshops immer wieder bringe: Die wichtigsten Sprünge in der KI-Praxis kommen nicht durch bessere Modelle. Sie kommen durch Standards.

Schau dir an, was Anthropic in den letzten zwölf Monaten gemacht hat. November 2024: MCP — Model Context Protocol — wird veröffentlicht. Dezember 2025: MCP wird an die Linux Foundation übergeben, in eine neu gegründete Agentic AI Foundation, gemeinsam mit Block und OpenAI. Zehn Tage später wird Agent Skills als offener Standard veröffentlicht.

Das Pattern ist eindeutig: Anthropic baut nicht mehr Plattform-Moats. Sie bauen Industrie-Infrastruktur. Ihr Geschäftsmodell soll Modelle und Produkte sein — der Standard drumherum gehört allen.

Der Effekt für dich und mich? Ein Skill, den du heute schreibst, ist eine Investition, die nicht von einem einzigen Anbieter abhängt. Du schreibst nicht mehr „für ChatGPT” oder „für Claude” — du schreibst für ein Format, das Plattform-übergreifend funktioniert. Das ist der gleiche Sprung, den HTML in den 90ern für Webseiten gemacht hat: nicht das beste Format, aber das interoperable Format.

Die Architektur in zwei Minuten erklärt

Damit das nicht abstrakt bleibt — was steckt eigentlich in einem Skill?

Anthropics offizieller Engineering-Blog beschreibt die Architektur als bewusst minimalistisch:

• SKILL.md — Die zentrale Datei. YAML-Frontmatter mit name und description (Pflicht), dann Markdown-Body mit der eigentlichen Anleitung.
• references/ — Beispiel-Dokumente, Templates, Style-Guides. Vom Agent nur geladen, wenn die SKILL.md darauf verweist.
• scripts/ — Ausführbarer Code, den der Agent bei Bedarf laufen lässt. Praktisch für Dinge, die deterministisch sein müssen (Excel-Formeln, PDF-Manipulation).
• assets/ — Bilder, Vorlagen, statische Files.

Das war’s. Kein Schema-Wirrwarr, kein Framework-Overhead. Eine Ordnerstruktur.

Der Clou liegt in einem UX-Pattern, das die KI-Industrie seit Monaten als ihre eigene Erfindung feiert, das aber eigentlich aus dem klassischen Interface-Design kommt: Progressive Disclosure.

Progressive Disclosure — der eigentliche Trick

Nielsen Norman Group hat das Konzept schon vor Jahren als eines der Kern-Patterns für gutes UI-Design dokumentiert: Zeige zuerst nur das Wichtigste. Lade Details on demand. Wenn der Nutzer eine erweiterte Funktion braucht, öffnet sich eine zweite Ebene.

Genau das macht ein Agent Skill auf der technischen Ebene — und Anthropic nennt dieses Vorgehen explizit so in der offiziellen Doku:

1. Discovery Layer: Beim Start lädt der Agent nur Name und Beschreibung jedes Skills in den System-Prompt. Anthropic gibt in der Doku einen Richtwert von ungefähr 1.500 Tokens für 40 Skills an. Faktisch unsichtbar im Kontext.
2. Activation Layer: Wenn ein Skill zum Task passt, lädt der Agent den vollen SKILL.md-Body.
3. Execution Layer: Erst während der Ausführung greift der Agent auf die Sub-Folder zu — Scripts, References, Templates. Nur das, was er gerade braucht.

Das ist der Grund, warum Skills nicht im Kontextfenster ersaufen. Du kannst 100 Skills installiert haben — der Agent lädt nur den einen, den er gerade braucht, und auch erst die Tiefe, die er gerade braucht.

Für Designer und Produkt-Leute, die NN/G seit Jahren lesen: Das ist die direkte Übersetzung eines UX-Patterns aus den 1980ern in die Agent-Architektur des Jahres 2026. Klingt fast banal — und ist genau deswegen so robust.

Was das praktisch für dich ändert

Drei Konsequenzen, die ich aus den letzten fünf Monaten Skills-Arbeit ableiten kann:

1. Vendor-Lock-in nimmt ab. Wenn ich einen Skill für meine Workshop-Vorbereitung schreibe, will ich nicht jedes Mal aufwendig portieren, wenn ich das Modell wechsle. Mit dem offenen Standard ist das aktuell schon deutlich entspannter — und wird es eher mehr als weniger.

2. Partner-Skills werden Standard. Statt eigener Custom-Lösungen wird der Default sein, dass dein Notion-, Figma- oder Atlassian-Anbieter dir einen offiziellen Skill mitgibt. Das ist gleichzeitig bequem und gefährlich: bequem, weil weniger Eigenbau. Gefährlich, weil viele Teams aufhören zu verstehen, was im Skill drinsteht. Schau in jeden Partner-Skill rein, bevor du ihn nutzt.

3. Skill-Bibliotheken werden zum Asset. Wer 2026 anfängt, eine saubere interne Skill-Library für seinem Team aufzubauen, hat 2027 etwas, das nicht „mit einem Tool-Wechsel weg” ist. Das ist ein Kompetenz-Asset, kein Tool-Lock.

Mein Take

Ich gehöre nicht zu den Leuten, die jeden neuen Standard als „das wird alles ändern” feiern. Im Gegenteil — ich bin in der Branche lange genug, um zu wissen, dass die meisten Specs in der Schublade landen.

Aber Agent Skills sind anders, aus drei Gründen: Der Standard ist absurd einfach (Ordner mit Markdown — mehr nicht). Die wichtigsten Player haben in Tagen, nicht Jahren adoptiert. Und das Format löst ein echtes Problem (Prompt-Wiederholung), nicht eines, das sich Vendoren ausgedacht haben.

Wenn ich heute eine Wette platziere: In zwölf Monaten wird die Frage nicht mehr sein, „auf welcher KI-Plattform du arbeitest”. Sie wird sein, „wie groß ist deine Skill-Library und wie gut sind die einzelnen Skills geschrieben”.

Standards gewinnen langfristig immer. Das war bei HTTP so, bei USB-C, bei Containern. Skills sind die nächste Iteration dieses Musters — diesmal für die operative KI-Schicht. Und je früher du anfängst, deine Prozesse in dieses Format zu gießen, desto weniger Migrations-Schmerz hast du in zwei Jahren.

Quellen

• Anthropic launches enterprise Agent Skills and opens the standard – VentureBeat
• Agent Skills Specification – agentskills.io
• Anthropic makes agent Skills an open standard – SiliconANGLE
• Agent Skills – Codex | OpenAI Developers
• Equipping agents for the real world with Agent Skills – Anthropic Engineering
• Progressive Disclosure – Nielsen Norman Group
• Linux Foundation Announces the Formation of the Agentic AI Foundation

Quellen

• Anthropic launches enterprise Agent Skills and opens the standard – VentureBeat
• Agent Skills Specification – agentskills.io
• Anthropic makes agent Skills an open standard – SiliconANGLE
• Agent Skills – Codex | OpenAI Developers
• Equipping agents for the real world with Agent Skills – Anthropic Engineering
• Progressive Disclosure – Nielsen Norman Group
• Linux Foundation Announces the Formation of the Agentic AI Foundation