# Skills & das KI-Widget (/docs/de/analytical-apps/skills) Ein **Skill** ist eine wiederverwendbare, app-spezifische KI-Aufgabe, die Sie einmal erstellen und anderen als Aktion mit einem Klick anbieten. Das Musterbeispiel ist eine Emissionsfaktor-App: Ein Nutzer gibt eine Materialbeschreibung ein, und der Skill durchläuft die Faktor-Taxonomie und liefert den passendsten Faktor mit Wert und Quelle. Andere Apps haben andere Skills. Skills sind eigenständige Bestandteile Ihrer App, verwaltet auf dem Tab **Skills** des Bereichs [Wissensdatenbank](./knowledge-base.mdx) und gemeinsam mit allem anderen in der App versioniert, als Entwurf bearbeitet und veröffentlicht. Eine Definition erreicht zwei Zielgruppen: * **Endnutzer in der App** führen einen Skill über ein **KI-Widget** auf der Visualisierungs-Leinwand aus und lesen die Antwort direkt. * **Externe KI-Clients** (Ihre eigene, mit Ihrem Workspace verbundene KI) können denselben Skill als **MCP-Prompt** aufrufen. ## Woraus ein Skill besteht [#woraus-ein-skill-besteht] Ein Skill trägt zusätzlich zu seinem Markdown-Inhalt etwas strukturierte Metadaten: * **Name** - der Anzeigename, der als Widget-Titel und in Auswahllisten erscheint. * **Technische ID** - eine stabile ID in Kleinbuchstaben (zum Beispiel `find_emission_factor`). Sie ist nach dem Erstellen fest, da sowohl das Widget als auch der MCP-Prompt den Skill darüber referenzieren. Der Anzeigename bleibt änderbar; um die technische ID selbst zu ändern, löschen Sie den Skill und erstellen einen neuen. * **Beschreibung** - eine einzeilige Zusammenfassung, die unter dem Widget und externen KI-Clients angezeigt wird. * **Eingaben** - die Fragen, die der Skill dem Nutzer stellt. Jede Eingabe hat eine Beschriftung (was der Nutzer sieht), einen Argumentschlüssel (eine ID in Kleinbuchstaben), einen optionalen Hilfetext und eine Erforderlich-Markierung. Ein Skill kann keine Eingaben haben (nur eine Ausführen-Schaltfläche) oder mehrere. * **Als MCP-Prompt verfügbar machen** - standardmäßig aktiviert; deaktivieren Sie es, um einen Skill nur in der App zu halten. * **Anweisungen** - der Inhalt, in klarer Sprache verfasst, im selben Rich-Text-Editor wie Wissensdatenbank-Seiten und als Markdown gespeichert. Das ist die Aufgabe, die Sie der KI geben ("Sie helfen dem Nutzer, ein Material einem Emissionsfaktor zuzuordnen. Filtern Sie nach Bereich, dann nach Aktivität, und geben Sie den einen besten Treffer mit Faktorwert und Quelle zurück."). ## Einen Skill erstellen [#einen-skill-erstellen] Öffnen Sie Ihre analytische App im Editor, öffnen Sie den Bereich **Wissensdatenbank** und wechseln Sie auf dessen Tab **Skills**. Die linke Leiste listet die Skills der App; rechts befindet sich der Editor. 1. Klicken Sie auf die Hinzufügen-Schaltfläche, um einen neuen Skill zu beginnen. 2. Geben Sie einen **Namen** ein. Die technische ID wird aus dem Namen vorgeschlagen; Sie können sie beim Erstellen anpassen, danach ist sie fest. 3. Schreiben Sie eine kurze **Beschreibung**. 4. Fügen Sie die benötigten **Eingaben** hinzu, je eine Zeile. Markieren Sie die Pflichteingaben als erforderlich. 5. Entscheiden Sie, ob der Skill **als MCP-Prompt verfügbar** sein soll. 6. Schreiben Sie die **Anweisungen** im Inhaltseditor. 7. Speichern Sie. Skills sind Teil Ihrer App-Konfiguration und werden daher auf einem Entwurf bearbeitet. Sie werden für Endnutzer und externe KI-Clients verfügbar, sobald Sie die App **veröffentlichen**. Wenn Sie im Verlauf der App eine frühere Version anheften, zeigt der Tab Skills die Skills dieser Version schreibgeschützt. Siehe [Entwurf und Veröffentlichung](../overview/apps.mdx#entwurf-und-veroeffentlichung). ## Ein KI-Widget hinzufügen [#ein-ki-widget-hinzufügen] Ein KI-Widget lässt Endnutzer einen Skill aus einer Visualisierung heraus ausführen. 1. Öffnen Sie den Bereich **Visualisierung** und fügen Sie aus der Palette ein **KI**-Widget hinzu. 2. Wählen Sie in den Widget-Einstellungen den **Skill**, den es ausführen soll. Der Widget-Titel entspricht standardmäßig dem Namen des Skills; Sie können ihn überschreiben. 3. Veröffentlichen Sie die App, damit Ihre Betrachter das Widget sehen. Auf der veröffentlichten Visualisierung zeigt das Widget ein Feld pro Skill-Eingabe und eine **Ausführen**-Schaltfläche. Eine kurze Zeile unter der Schaltfläche nennt dem Betrachter, wie lange ein Lauf dauern kann: Ein Skill ist auf **etwa 30 Schritte und etwa 150 Sekunden begrenzt**, sodass er stets zügig abschließt, statt sich festzulaufen. Die Ausführung des Widgets ist **schreibgeschützt**. Vera liest bestehende Konfiguration und fragt veröffentlichte Daten ab. Sie kann keine Daten bearbeiten, Pipeline oder Wissensdatenbank ändern, veröffentlichen oder einen Entwurf erstellen, auch wenn die Person Bearbeitungsrechte hat. Eine Skill-Vorschau liest einen bestehenden Entwurf, ohne ihn zu ändern. Erfordert die Aufgabe eine Änderung, erklärt Vera kurz, dass das Widget diese nicht vornehmen kann. Widget-Antworten sind vom persönlichen Gespräch im Vera-Bereich des Editors getrennt. ### Was der Betrachter während des Laufs sieht [#was-der-betrachter-während-des-laufs-sieht] Während der Skill läuft, bleibt das Widget transparent. Es zeigt: * die **aktuelle Aktion**, die Vera ausführt (zum Beispiel „Daten abfragen" oder „Spalten des Knotens prüfen"), * einen **hochzählenden Timer** ab dem Start und * eine **Live-Schrittspur** - die Abfolge der bisher ausgeführten Aktionen, einschließlich der SQL-Abfragen, die Vera auf Ihren Daten ausführt. So sieht ein Betrachter auf einen Blick, was gerade passiert und wie weit der Lauf ungefähr fortgeschritten ist. ### Das Ergebnis [#das-ergebnis] Ist der Lauf abgeschlossen, führt das Widget mit **der Antwort** an, formatiert dargestellt. Unter der Antwort blendet ein einklappbarer Abschnitt **„Wie Vera darauf gekommen ist"** die vollständige Schrittspur sowie eine dezente Zeile mit den verbrauchten KI-Credits ein, sodass ein Betrachter nachvollziehen kann, wie die Antwort zustande kam. Das Widget macht jedes Ergebnis unterscheidbar: * **Antwort bereit** - die Antwort wird gezeigt, die Schrittspur „Wie Vera darauf gekommen ist" ist verfügbar und eine Aktion **Erneut ausführen** steht bereit. * **Keine Antwort** - der Lauf wurde abgeschlossen, ohne dass Vera ein Ergebnis gefunden hat. Das Widget sagt dies klar und bietet **Erneut versuchen**. Es weicht nie auf themenfremden Text aus. * **Schrittlimit erreicht** - der Lauf hat sein Schritt- oder Zeitlimit erreicht, bevor er fertig war. Das Widget zeigt das Teilergebnis, weist darauf hin, dass es abgeschnitten wurde, und bietet **Erneut versuchen** (stellen Sie eine gezieltere Anfrage). * **Fehler** - etwas ist schiefgelaufen; die Meldung wird mit **Erneut versuchen** angezeigt. Benötigt der Assistent weitere Angaben, stellt er direkt im Widget eine Rückfrage, die die Person beantwortet, die den Lauf gestartet hat, um fortzufahren. Das Ausführen eines Skills nutzt KI, daher benötigt die ausführende Person KI-Zugriff auf die App. Jede Rolle außer **Betrachter** hat ihn. Wer die Rolle **Betrachter** hat, sieht die Eingaben des Widgets deaktiviert und einen Hinweis, dass zum Ausführen KI-Zugriff nötig ist, ohne Schaltfläche **Ausführen**. Konnte der Zugriff nicht geprüft werden (etwa bei einem Verbindungsproblem), sagt der Hinweis genau das. Eine Administratorin oder ein Administrator kann die KI einer Person außerdem in ihren **KI-Berechtigungen** abschalten; das Widget erklärt dann, dass KI für sie nicht aktiviert ist. ## Skills als MCP-Prompts [#skills-als-mcp-prompts] Jeder veröffentlichte Skill, bei dem **Als MCP-Prompt verfügbar machen** aktiviert ist, steht Ihrer eigenen KI über die MCP-Verbindung Ihres Workspace als Prompt mit dem Namen `{app_technical_id}.{skill_technical_id}` zur Verfügung (zum Beispiel `emission_factor_hub.find_emission_factor`). Die Eingaben des Skills werden zu den Argumenten des Prompts. Ihr KI-Client ruft den Prompt ab, füllt die Argumente aus und führt ihn gegen die Werkzeuge aus, die Ihr Workspace bereitstellt. Skills, die sich noch im Entwurf befinden oder bei denen die Option deaktiviert ist, werden nicht als Prompts angeboten. Die Anweisungen eines Skills sind Inhalte Ihres eigenen Workspace, daher gelten für die Prompts dieselben KI-Berechtigungen wie für alles andere: Die Verbindung benötigt **Skills auflisten**, um sie zu sehen, und **Skill abrufen**, um einen davon zu laden. Beide gehören zu den üblichen Leseberechtigungen. Meldet eine verbundene KI keine Prompts, obwohl Sie veröffentlichte Skills mit aktivierter Option haben, fehlen dieser Verbindung genau diese beiden - eine Workspace-Administratorin oder ein Workspace-Administrator kann sie in den **KI-Berechtigungen** dieser Person ergänzen, und die Prompts erscheinen bei der nächsten Anfrage, ohne die Verbindung neu aufzubauen. ## Eingebaute Prompts [#eingebaute-prompts] Über Ihre eigenen Skills hinaus bietet die MCP-Verbindung Ihres Workspace auch fünf vorgefertigte Prompts für gängige Aufgaben, verfügbar in jedem Workspace: `create-node` (einen Pipeline-Knoten im Entwurf einer App anlegen), `run-pipeline` (die Pipeline einer App ausführen und das Ergebnis melden), `query-data` (eine Datenfrage zu den Daten einer App mit SQL beantworten), `collect-indicator-values` (fehlende Indikatorwerte für eine offene Berichtsperiode Schritt für Schritt erfassen) und `report-status` (den Erfassungsstand einer Berichtsperiode für eine Indikator-App zusammenfassen). Jeder fragt nach allem, was er benötigt, etwa nach der App, falls Sie es nicht schon angegeben haben. Jeder dieser Prompts benötigt eigene KI-Berechtigungen, um zu erscheinen, genau wie ein Werkzeug: Ihr KI-Client sieht nur die, die Ihre wirksamen Berechtigungen abdecken, unabhängig davon, ob Sie eigene Skills veröffentlicht haben. Siehe [Eigene KI verbinden](../integrations/mcp.mdx) dazu, wie Sie einen externen KI-Client mit Ihrem Workspace verbinden.