Zum Hauptinhalt springen

​
Use Cases & Prompts

Der Famulor MCP Server und der Famulor Skill machen deine gesamte Plattform per natürlicher Sprache steuerbar. Diese Seite zeigt, was damit im Alltag möglich ist — gruppiert nach Anwendungsfall, mit Prompts zum Kopieren.
Alle Prompts funktionieren in ChatGPT, Claude, Cursor und jedem anderen verbundenen MCP-Client. Einrichtung: MCP Client.

​
Assistenten erstellen & optimieren

Der häufigste Einstieg: Voice Agents anlegen, testen und schrittweise verbessern — ohne die Plattform-UI zu öffnen. Prompts: 
Erstelle einen deutschen Inbound-Assistenten "Lisa" für meinen Friseursalon.
Pipeline-Modus, weibliche Stimme, GPT-4.1-mini. Aufgaben: Terminwünsche
aufnehmen, Preise nennen, Öffnungszeiten beantworten.

Zeige mir alle verfügbaren deutschen Stimmen und Multimodal-Modelle.

Mein Assistent #123 unterbricht Kunden zu oft. Deaktiviere Unterbrechungen
und kürze die Initial Message auf einen Satz.

Aktiviere für Assistent "Lisa" einen Webhook an https://example.com/hook,
der nach jedem Gesprächsende feuert.
Best Practice: Lass das Modell zuerst get_voices, get_languages und get_models abrufen, statt IDs zu raten — z. B. mit „Zeig mir erst die Optionen, dann erstelle…”.

​
Outbound-Kampagnen & Lead-Management

Kampagnen aufsetzen, Leads importieren und steuern — auch in großen Mengen. Prompts: 
Erstelle eine Kampagne "Reaktivierung Q3" mit Assistent #45.
Anrufe nur Mo–Fr 10–17 Uhr, maximal 2 Wiederholungsversuche.

Füge diese Leads zur Kampagne hinzu: [Liste mit Name + Telefonnummer].
Setze bei allen die Variable "produkt" auf "Premium-Paket".

Pausiere alle laufenden Kampagnen — wir haben einen Feiertag vergessen.

Welche Leads in Kampagne #12 haben den Status "nicht erreicht"?
Erhöhe deren Priorität.
Best Practice: Telefonnummern immer im E.164-Format angeben (+49170…). Lead-Variablen müssen zu den im Assistenten definierten Variablen passen — neue Variablennamen können nicht pro Lead erfunden werden.

​
Anrufanalyse & Reporting

Anrufdaten abfragen und auswerten lassen — das Modell filtert, aggregiert und fasst zusammen. Prompts: 
Zeige alle Anrufe von heute. Bei welchen wurde das Gesprächsziel
nicht erreicht und warum?

Fasse die letzten 20 Anrufe von Assistent "Lisa" zusammen:
Was waren die häufigsten Kundenanliegen?

Hole das Transkript von Anruf #9876 und schlage konkrete
Verbesserungen am System-Prompt vor.
Best Practice: Kombiniere Analyse und Aktion in einem Prompt: „Analysiere die Anrufe der Woche und passe den System-Prompt entsprechend an — zeig mir die Änderung vor dem Speichern.”

​
Wissensdatenbanken (RAG)

Wissen anbinden, damit Assistenten faktenbasiert antworten. Prompts: 
Erstelle eine Wissensdatenbank "Speisekarte" und lies dafür
https://mein-restaurant.de/menu als Dokument ein.

Verbinde die Wissensdatenbank "Speisekarte" mit Assistent #88
im Modus "prompt", damit er die Karte immer parat hat.

Unsere Preise haben sich geändert — aktualisiere das Dokument
"Preisliste" in der Wissensdatenbank #5.
Best Practice: function_call-Modus (Standard) für punktuelle Fakten, prompt-Modus wenn der Bot Inhalte permanent braucht (Speisekarten, Lieferdienste). Bei Multimodal-/Dualplex-Assistenten ist function_call Pflicht.

​
Konversationen, WhatsApp & SMS

Chat-Kanäle steuern — inklusive Human Takeover. Prompts: 
Zeige alle offenen Konversationen. Bei welchen wartet ein Kunde
auf Antwort?

Übernimm Konversation #321: Deaktiviere die KI und sende
"Ein Kollege meldet sich gleich persönlich."

Sende das WhatsApp-Template "termin_erinnerung" an +49170…
mit dem Termin morgen 14 Uhr.

Schicke eine SMS an +49171…: "Ihr Rückruf-Wunsch ist eingegangen."
Best Practice: Vor Freitext-WhatsApp prüfen lassen, ob das 24h-Fenster offen ist (get_whatsapp_session_status) — außerhalb des Fensters sind nur Templates zustellbar.

​
Telefonnummern & SIP

Nummern suchen, kaufen und verwalten. Prompts: 
Suche eine deutsche Telefonnummer mit Vorwahl 030 und kaufe sie.

Gib der Nummer +4930… den Nicknamen "Support-Hotline Berlin".

Lege einen SIP-Trunk für unsere bestehende Telefonanlage an:
[Zugangsdaten].
Best Practice: Nummernkauf ist kostenpflichtig und release_phone_number unwiderruflich — lass dir vor beidem die Details bestätigen.

​
Ordnung & Organisation

Mit Ordnern und Labels behalten Agenturen und Teams den Überblick — gerade bei vielen Assistenten. Prompts: 
Lege Ordner "Kunde: Zahnarzt Dr. Meier" an und verschiebe
die Assistenten #12 und #13 hinein.

Erstelle die Labels "Produktion" (grün) und "Test" (gelb)
und tagge alle Assistenten entsprechend.

Welche Assistenten haben noch keinen Ordner? Schlage eine
sinnvolle Struktur vor.
Best Practice: Ein Assistent kann in genau einem Ordner liegen, aber mehrere Labels tragen — Ordner für Kunden/Projekte, Labels für Status oder Umgebung.

​
Mid-Call-Tools & Automatisierung

Eigene HTTP-Integrationen, die der Assistent live im Gespräch aufruft. Prompts: 
Erstelle ein Mid-Call-Tool "verfuegbarkeit_pruefen", das
GET https://api.example.com/slots aufruft und dem Bot freie
Termine liefert.

Baue ein Tool, das Bestellstatus per Bestellnummer abfragt,
und hänge es an Assistent "Support-Bot".
Best Practice: Tool-Beschreibungen aus Sicht des Bots formulieren („Rufe dieses Tool auf, wenn der Kunde nach … fragt”) — sie steuern, wann das LLM das Tool nutzt.

​
Geführtes Onboarding mit dem Famulor Skill

Der Famulor Skill ergänzt den MCP Server um Branchen-Wissen und einen strukturierten 4-Phasen-Flow — ideal, wenn ein kompletter Assistent für einen neuen Kunden entstehen soll. Läuft in Cursor, Claude Code, Codex, OpenCode und Gemini CLI. Prompts: 
Onboarde einen neuen Kunden: Zahnarztpraxis Dr. Meier in Berlin.

Erstelle einen Inbound-Bot für mein Restaurant — führe mich
Schritt für Schritt durch die Einrichtung.

Neuer Kunde, Branche Handwerk (Sanitär-Notdienst). Schlage mir
die typischen Aufgaben, ein Post-Call-Schema und eine
end_call-Beschreibung vor.

Teste den Assistenten "Sofia" per Chat: Buche einen Tisch für
4 Personen am Freitag um 19 Uhr und prüfe, ob alle Daten im
Post-Call-Schema landen.

Der Kunde findet den Bot zu förmlich. Überarbeite den
System-Prompt lockerer und zeig mir den Diff.
Best Practice: Den Skill den Flow führen lassen — er fragt Phase für Phase (Kennenlernen → Technik → Branche → System-Prompt) und schlägt pro Nische die richtigen Defaults vor (Stimme, Hintergrundgeräusch, Guardrails). Vor dem Deployment immer den System-Prompt bestätigen lassen.

​
Komplette Workflows

Die eigentliche Stärke: mehrere Schritte in einem Auftrag. 
Onboarde einen neuen Kunden: Restaurant "Bella Vista".
1. Erstelle eine Wissensdatenbank aus https://bellavista.de
2. Erstelle einen Inbound-Assistenten "Sofia" (weiblich, deutsch,
   Pipeline) für Reservierungen und Fragen zur Karte
3. Verbinde beides, lege den Ordner "Bella Vista" an
4. Zeig mir zum Schluss eine Zusammenfassung der Konfiguration

Wochenreport: Liste alle Anrufe der letzten 7 Tage pro Assistent,
fasse Erfolgsquoten zusammen und nenne die 3 häufigsten Gründe
für nicht erreichte Ziele.

​
Allgemeine Best Practices

RegelWarum
Erst lesen, dann schreiben„Zeig mir zuerst…” vor Änderungen — das Modell holt echte IDs statt zu raten
Destruktive Aktionen bestätigenBei delete_*, Kampagnen-Stopps und Nummern-Freigabe explizit um Bestätigung bitten
E.164 überallTelefonnummern immer als +49… — andere Formate schlagen fehl
Änderungen vorab anzeigen„Zeig mir den neuen System-Prompt, bevor du speicherst”
Ein Workflow, ein PromptMehrschrittige Aufträge als nummerierte Liste formulieren — das Modell arbeitet sie der Reihe nach ab
API-Key nur per OAuthNiemals den Key in Configs oder Prompts einfügen — Anmeldung läuft über den Browser

​
Ressourcen