Der CPO eines Unternehmens mit 2,6 Milliarden Dollar hat gerade gezeigt, was passiert, wenn man aufhört, KI als Chatbot zu nutzen und anfängt, sie als Betriebssystem zu verwenden. Dave Killeen steuert seinen gesamten Arbeitstag über Claude Code. Ein Befehl plant seinen Tag. Ein anderer überprüft die Gesundheitswerte seiner Konten in seinen Deals. Ein dritter erstellt PRDs, die er mit 8 oder 9 von 10 bewerten würde. Er hat sich für jede Aufgabe sich wiederholende Fähigkeiten angeeignet. Beim ersten Mal, wenn man eine Fähigkeit nutzt, ist das Ergebnis generisch. Am Tag 30 hat das System gelernt, wie man arbeitet, was man priorisiert und wie man fokussiert bleibt. Jede Interaktion nährt die nächste. Hier ist, was die meisten Leute über Skills vs MCP vs Hooks übersehen. MCP-Server sind besser als rohe APIs für KI, weil sie als Leitplanken fungieren. Dave weist Claude auf die API-Dokumentation und sagt: "Erstelle mir einen MCP-Server." Die MCP-Schicht gibt der KI eine strukturiertere Möglichkeit, mit Daten zu interagieren, als direkt auf Endpunkte zuzugreifen. Skills sind die wiederverwendbaren Handbücher. Kontogesundheit, tägliche Planung, PRD-Generierung. Jede einzelne verbessert sich durch Nutzung. Hooks sind die Automatisierungsschicht. Sie werden automatisch basierend auf Auslösern aktiviert, sodass das System sich selbst wartet, ohne dass man es ständig überwachen muss. Der wahre Schlüssel ist die Claude.MD-Datei. Dave hat Hunderte von Iterationen daran vorgenommen. Er versieht sie mit Versionskontrolle auf GitHub, weil er Leistungsrückgänge gesehen hat und zurücksetzen muss. Denk mal darüber nach. Ein CPO führt Git-Commits auf seiner KI-Konfigurationsdatei aus, wie ein Ingenieur Produktionscode verwaltet. Er hat Cursor für das Terminal verlassen, weil Claude Code selbstlernende Hooks und automatisches Kontextladen bietet, die GUI-basierte Tools nicht erreichen können. Der Nachteil ist weniger visuelles Feedback. Der Gewinn ist ein System, das tatsächlich kumuliert. Er hat in zwei Stunden im Flugzeug eine KPI Driver Tree-App erstellt, nachdem er eine Atlassian-Statistik gelesen hatte, dass nur 12 % der PMs sich mit Geschäftsergebnissen verbunden fühlen. Das ist die Art von Dingen, die ein PM-Team ein Quartal braucht, um zu spezifizieren und zu versenden. Dahin entwickelt sich das PM-Tooling. Die PMs, die persönliche Betriebssysteme entwickeln, die ihre Muster lernen, werden mit 5x der Geschwindigkeit von PMs arbeiten, die weiterhin ChatGPT öffnen und "schreibe mir ein PRD" eintippen.