Grok-Bot-Tutorial: Einen wöchentlichen KI-Rechercheagenten bauen

Was ist Grok Bot?

Grok Bot ist die Agenten-App von SpaceXAI, verfügbar über Cursor. Damit erstellst du benannte Bots, die Rolle und Gespräch über Aufgaben hinweg behalten. Sie ist getrennt von der Grok-Chat-App und Grok Build, der Coding-CLI.

Die Arbeitsweise von Grok Bot unterscheidet sich von den meisten anderen KI-Assistenten. Du definierst ein Ergebnis, der Bot arbeitet in den nötigen Apps und Websites, und er liefert entweder fertige Arbeit oder eine Rückfrage für deine Entscheidung. Er behält stabile Präferenzen und Rollenkontext zwischen Gesprächen, aber alles, was sich wöchentlich ändert, gehört in eine Datei, die der Bot liest – nicht in sein Gedächtnis.

Für mehr Hintergrund empfehle ich unseren Grok-Bot-Guide.

So funktionieren Bots, Skills und Routinen in Grok Bot

Für dieses Grok-Bot-Tutorial brauchen wir vier Begriffe. SpaceXAI's Guide zu Bots und Cloud-Computern und Produkt-Guides definieren sie so:

• Bot: Ein Agent mit Namen, Aufgabe, eigener Konversation und gespeichertem Kontext.
• Cloud-Computer: Eine persistente Maschine, die sich alle Bots in deinem Account teilen – mit eigenem Browser, Dateien und Terminal. Sie läuft weiter, wenn du den Laptop schließt.
• Skill: Ein Anweisungssatz, wie eine Aufgabe erledigt, das Ergebnis geprüft und erkannt wird, wann eine Freigabe nötig ist.
• Routine: Eine Zuweisung, die einem Bot sagt, wann er eine Aufgabe ausführen soll – nach Zeitplan oder nach einem unterstützten Ereignis.

Diese Reihenfolge folgt dem offiziellen Guide zu Skills und Routinen, der Tests vor das Scheduling stellt.

Teilen sich Grok Bots einen Cloud-Computer?

Ja. Die Grok-Bot-FAQ sagt, der Computer gehört deinem Account, nicht einem einzelnen Bot. Jeder Bot sieht dessen Browser-Cookies, gespeicherte Logins und Dateien. Jeder Bot bekommt jedoch einen separaten Bildschirm für seine eigene Browseraufgabe.

Wir halten den Scout-Workflow zunächst auf öffentlichen Seiten. Melden wir uns später bei DataCamp, Notion oder einem anderen Dienst an, kann jeder Bot diese Session nutzen. Das Löschen von Scout garantiert nicht, dass gemeinsame Dateien oder Login-States entfernt werden. Melde dich also ab und räume auf, was andere Bots nicht mehr sehen sollen.

Ein Account, ein Computer, viele Bots. Bild: Autor.

Einen wöchentlichen DataCamp Learning Scout mit Grok Bot bauen

Der Scout liest ein Lernendenprofil und das Zeitbudget und liefert dann einen kurzen Plan. Unsere Lernende kennt Python und grundlegende LLM-Konzepte, ist neu in der Agenten-Orchestrierung und hat diese Woche vier Stunden Zeit. Unser AI Agent Fundamentals Track dauert sechs Stunden – der gesamte Track passt also nicht hinein.

Die Vier-Stunden-Grenze setzt den Cutoff; das Ausgabeformat zeigt an, wann der Plan vollständig ist.

Was soll der Scout-Bot zurückgeben?

Für jede Ressource soll der Scout folgende Details von der Kursseite liefern: 

• Titel und Link
• Typ (Kurs, Track, Projekt oder Tutorial)
• Niveau (Basic, Intermediate oder Advanced)
• Dauer (falls auf der Seite angegeben)
• Begründung der Auswahl
• Position in der Reihenfolge

Am Ende soll die Gesamtdauer und ein wöchentliches Lernziel stehen. Wenn eine Seite keine Dauer angibt, lautet die Antwort "not listed" – nicht eine Schätzung.

Für unsere Lernende reichen drei geprüfte Ressourcen. Der Scout darf weniger zurückgeben, wenn das verfügbare Material nicht zum Ziel, Niveau oder Budget passt.

Jede Begründung soll sich auf diese Lernende beziehen. "Setzt das vorhandene Python-Wissen voraus und baut auf den Konzepten aus dem vorherigen Basic-Kurs auf" erklärt die Auswahl. "Deckt KI-Agenten ab" nicht. Auch die Reihenfolge braucht eine Begründung – etwa erst den Basic-Kurs absolvieren, bevor ein Projekt kommt, das dieselben Ideen voraussetzt.

Warum Suchschnipsel nicht reichen

Suchschnipsel können veraltet sein oder Niveau und Dauer weglassen. Der Scout darf sie für die Kandidatensuche nutzen, muss aber die DataCamp-Seite lesen, bevor er eine Ressource in den Plan aufnimmt.

Diese Regel gehört in die Instruktionen. Eine Website kann den Bot trotzdem blockieren, einen Login verlangen oder ein CAPTCHA anzeigen. Dann soll der Bot uns übernehmen lassen.

So bekommst du Zugriff auf Grok Bot

Durch die Zusammenarbeit von SpaceXAI und Cursor gibt es zwei Wege, Grok Bot zu nutzen.

Grok-Bot-Pläne

Grok Bot hat kein dauerhaftes Free-Tier. Cursor bietet aktuell eine begrenzte Testphase als Nutzungsguthaben. Bezahlter Zugang kommt über einen berechtigten Cursor-Plan oder ein SuperGrok-Abo. In beiden Fällen meldest du dich mit Cursor an.

Der offizielle Grok-Bot-Account sagt inzwischen, dass alle SuperGrok- und Cursor-Pro-Abonnenten Zugriff haben und die wöchentlichen Nutzungslimits für alle zurückgesetzt wurden. Als wir nachgesehen haben, spiegelte die Cursor-Hilfeseite noch nicht jeden Teil dieser Ankündigung wider. Prüfe daher den aktuellen Stand auf der Plans-Seite oder direkt in der App, wenn du das hier liest.

Für Accounts mit SuperGrok-Verknüpfung beschreibt Cursor Help den Link weiterhin als dauerhafte Nutzungserlaubnis, die den Cursor-Plan nicht ändert. Cursor zählt Agentenschritte und Tokens, nicht Nachrichten. Prüfe Usage and Billing vor dem Recherchelauf und dem Routinen-Test.

Datenschutz-Einstellungen und Plattform-Support

Grok Bot benötigt Cloud-Datenspeicherung. Er startet nicht, wenn dein Cursor-Account den Legacy Privacy Mode nutzt. Ändere das in den Cursor-Datenschutzeinstellungen.

Grok Bot unterstützt macOS auf Apple Silicon oder Intel, Windows auf x64 oder Arm64 und iPhone mit iOS 18 oder neuer. Wenn du Linux, Android oder iPad nutzt, prüfe beim Lesen die aktuelle Plattformliste – der Support kann sich geändert haben.

Abos beinhalten wöchentliche Nutzung, aber Cursor veröffentlicht keine eine Zahl, die für alle Pläne gilt. Eine Testphase stellt Nutzungsguthaben für sieben Tage bereit – eine einzige große Aufgabe kann es aufbrauchen.

Schritt 1: Grok Bot installieren und den Bot erstellen

Wir brauchen keine API-Schlüssel, keine lokale Entwicklungsumgebung und für die Recherche selbst keinen DataCamp-Login. Mit den Kursen zu starten ist separat und kann ein Konto erfordern. Die Installation geht schnell – die Bot-Beschreibung braucht mehr Sorgfalt als der Installer.

Installieren und anmelden

Lade die Desktop-App von der Grok-Bot-Onboarding-Seite herunter und wähle den Build für deinen Rechner. Melde dich im Browser mit deinem Cursor-Account an. Wenn deine Organisation Single Sign-on nutzt, folge dem gewohnten Login.

Beim ersten Start erscheint der Screen "Meet a future teammate", während der Cloud-Computer hochfährt. Wenn es hängt, beende Grok Bot vollständig und öffne ihn neu. Bleibt das Problem, aktualisiere die Desktop-App, beende sie komplett und öffne sie erneut, dann öffne Agent Computer und gib ihm Zeit. Nutze zuerst Recover und Reset nur als letzten Ausweg – Reset kann noch nicht synchronisierte Arbeit verwerfen.

Grok-Bot-Desktop-App nach dem Login. Bild: Autor.

Schreibe eine Beschreibung, die länger als diese Woche hält

Erstelle den Bot mit New oder Cmd/Ctrl+N, wähle Create new agent und öffne Bot actions → Edit Profile. Nenne ihn Scout und gib ihm den Titel DataCamp Learning Scout.

Die Beschreibung enthält Regeln, die jede Woche gelten. Das Thema dieser Woche gehört woanders hin. Ergänze Regeln wie diese:

• Kuratiere DataCamp-Lerninhalte und gleiche sie mit einem angegebenen Kompetenzniveau und Zeitbudget ab.
• Behandle dieses Profil als dauerhaften Kontext, nicht als Aufgabe. Warte auf eine separate Nachricht, bevor du mit der Recherche beginnst.
• Nutze nur Thema und Zeitbudget der aktuellen Aufgabe. Übernimm kein Thema aus früheren Gesprächen.
• Öffne vor einer Empfehlung stets die eigene DataCamp-Seite eines Kandidaten.
• Zitiere Niveau und Dauer exakt wie auf der Seite gedruckt und schreibe "not listed", wenn die Seite keinen Wert angibt.
• Bewahre Quelllinks unverändert und erfinde niemals Kursdetails.
• Bevorzuge praxisnahe Inhalte, wenn zwei Ressourcen dasselbe Konzept abdecken.

Beim ersten Setup behandelte Scout das Profil als Live-Aufgabe und startete einen unpassenden ETL-Plan. Ich stoppte ihn, erstellte einen neuen Scout und ergänzte diese beiden Warte-Regeln: 

• Stelle eine Rückfrage, wenn das Lernziel unklar ist – nicht raten.
• Erstelle niemals Accounts, schreibe niemanden ein und kaufe nichts.

Der neue Bot wartete dann tatsächlich auf eine separate Aufgabe, statt aus dem Profil heraus zu starten.

Ein eigener Scout hält die wöchentliche Routine außerdem aus einem langen allgemeinen Chat heraus – so trägt jeder Lauf nur den Kontext, den Lernpläne brauchen.

Wichtig ist, Grenzen im Profil zu definieren, damit sie auch gelten, wenn eine Routine ohne Aufsicht läuft. Halte das Profil zudem kurz genug, um es zu prüfen, wenn sich Scouts Aufgabe ändert. Schritt 2 deckt Thema und Zeitlimit ab.

Das Scout-Profil hält dauerhafte Rechercheregeln. Video: Autor.

Wenn du nicht bei Null starten willst, kannst du unser Scout-Template hinzufügen – mit derselben Starrolle und Beschreibung. Ich habe das Profil hier manuell erstellt, damit jede Regel sichtbar ist, bevor Scout seine erste Aufgabe erhält. Egal welchen Weg du nimmst: Prüfe die Beschreibung vor dem Fortfahren.

Schritt 2: Die erste Rechercheaufgabe für den Bot schreiben

Wir können Scout die Aufgabe in natürlicher Sprache geben – Details braucht die Anfrage trotzdem. Die Doku schlägt vor, Ergebnis, Quellen, Grenzen, Ausgabe und den Punkt zu benennen, an dem der Bot für eine Prüfung stoppen muss.

Was gehört ins Profil, was in die Nachricht?

Profil und Nachricht beantworten unterschiedliche Fragen:

• Das Profil sagt, wie der Scout arbeitet. 
• Die Nachricht sagt, was diese Woche zu tun ist. 

Danach speichert der Skill die Schritte, während jeder Routinenlauf die neuesten Eingaben liest.

Das Profil deckt bereits Seitenprüfungen und Quelllinks ab. In der Nachricht gibst du Niveau und Wochenaufgabe der Lernenden an, bittest um wenige Ressourcen in maximal vier Stunden und stoppst den Bot zur Prüfung.

Wir haben die erste Aufgabe als eine Nachricht gesendet und keine weiteren Einschränkungen gemacht, während Scout arbeitete:

Build me a weekly DataCamp learning plan.

The learner is comfortable with Python, understands basic LLM concepts, is new to AI agent orchestration, and has 4 hours available this week. 
They prefer practical, hands-on material over theory.

Search current DataCamp content on AI agents. 
Open each candidate's resource page before you consider it. 
Pick a small number of resources whose page-listed durations total 4 hours or less, and order them from foundations toward practical application.
For each resource, return the title, the content type, the level and duration exactly as printed on the page, the link, one sentence on why it fits this learner, and its position in the order. 
Then give me the total time and one learning objective for the week.

Do not use search snippets as evidence. 
If a page does not list a duration or a level, write "not listed" instead of estimating. 
If the goal is too broad to plan against, ask me before you continue.

Stop after the plan. 
Do not enroll me in anything.

Scout startete die Browsersuche und lieferte einen Plan zur Prüfung. Die erste Antwort verwendete bei einem Kurs das falsche Niveau – korrigiert in Schritt 4.

Die wöchentliche Lernenden-Datei anlegen

Bot-Gedächtnis ist kein verlässliches Register für veränderliche Details. Erstelle /workspace/learner-profile.md auf dem gemeinsamen Computer und nutze sie als Single Source of Truth für jeden Wochenlauf.

# Learner profile

Current goal: AI agent orchestration
Weekly budget: 4 hours
Background: Comfortable with Python and basic LLM concepts
Preference: Practical, hands-on resources
Completed resources: None

Aktualisiere diese Datei, wenn sich Ziel, Budget oder die Liste der abgeschlossenen Inhalte ändern. Scout soll sie vor jedem Plan lesen und stoppen, wenn sie fehlt oder veraltet ist.

Schritt 3: Recherche im Agent Computer von Grok Bot prüfen

Die Konversation zeigt Tools, Dateien, Fragen und Freigaben. Agent Computer zeigt Klicks, Eingaben, Navigation und Status. Das Verlassen einer Ansicht stoppt die Arbeit nicht.

Worauf du im Agent Computer achten solltest

Prüfe, dass der Scout jede Kursseite öffnet, statt sich auf einen Suchschnipsel zu verlassen. Notiere außerdem eine Ressource, die er verwirft, samt Begründung.

Wenn er stockt, prüfe Login-, CAPTCHA- und Freigabe-Themen von oben. Erledige nur den blockierten Schritt und übergib dann wieder die Kontrolle. Keine Passwörter in den Chat kopieren – nutze die sichere Secret-Anfrage.

Die Computeransicht zeigt, dass eine Seite besucht wurde – sie beweist aber nicht, dass die finale Antwort stimmt. Hebe das Gesprächsprotokoll auf: Es zeigt, welche Seiten der Bot nutzte und ob er den Kurs gewechselt hat.

Dieser Browser-First-Ansatz passt zu unserem DataCamp-Workflow, weil die Seite selbst der Beleg ist. Bei Diensten mit Connector setze für strukturierte Daten den Connector ein und öffne den Browser nur für visuelle Checks.

In unserem Lauf öffnete Agent Computer die kanonische Introduction to AI Agents-Seite. Im Header stand Basic und 1 hr 30 min. Die Dauer passte zu Scouts Antwort, das Niveau nicht.

Agent Computer mit geöffneter DataCamp-Seite. Bild: Autor.

Schritt 4: Die Bot-Ausgabe verifizieren und korrigieren

Jetzt werden wir langsam. Wir legen den Plan neben die DataCamp-Seiten, bevor wir ihn akzeptieren.

Links, Niveaus, Voraussetzungen und Zeit prüfen

Lies den Plan Zeile für Zeile. Ein sauberes Layout kann dennoch ein falsches Niveau, einen kaputten Link oder eine falsche Summe verbergen. Prüfe Folgendes:

• Führen die Links auf echte DataCamp-Seiten mit genau diesen Titeln?
• Entspricht das angegebene Niveau dem, was die Seite druckt?
• Hat die Lernende alle aufgeführten Voraussetzungen erfüllt?
• Ergibt die Addition der auf den Seiten angegebenen Dauern maximal vier Stunden?
• Gibt es eine echte Progression – oder drei austauschbare Einsteigerkurse?
• Kam etwas nur wegen eines Keyword-Treffers hinein?

Wir addieren die Seitendauern statt der Gesamtsumme im Plan zu vertrauen. Überschreitet das Ergebnis vier Stunden, bitten wir Scout, das am wenigsten relevante Element zu entfernen und neu zu rechnen.

Scouts erster Plan enthielt Introduction to AI Agents, Building AI Agents with CrewAI und Building AI Agents with Google ADK. Die gedruckten Dauern ergaben 3 Stunden 30 Minuten – passt also ins Budget und lässt 30 Minuten frei.

Das Problem war das Niveau des ersten Kurses. Scout schrieb Beginner, die kanonische Seite druckte Basic. Wir schickten eine Korrektur:

Please revise the plan using the exact level labels shown on each course page.

The Introduction to AI Agents page lists its level as Basic, not Beginner. Reopen all three pages and verify each title, level, duration, and canonical URL.

Return the same plan with only the verified corrections. Keep the total at or below 4 hours.

Scout öffnete alle drei Seiten erneut, änderte nur das erste Niveau und behielt die Gesamtdauer von 3 Stunden 30 Minuten. Die Korrektur war klein – sie zeigte aber, dass ein gültiger Link und ein plausibles Label nicht reichen.

Erster Plan neben der korrigierten Version. Bild: Autor.

Mit fehlenden Dauern umgehen

Wir sollten XP, Videos oder Übungen nicht in Stunden umrechnen. Wenn sich Dauerfelder widersprechen, bewahren wir jeden gedruckten Wert mit Feldnamen und nutzen für die Budgetprüfung nur die oberste Grenze.

Wiederkehrende Regeln im Bot-Profil speichern

Nach der Korrektur habe ich nur die Regel ins Bot-Profil aufgenommen, die jede Woche gelten soll. Ein einmaliges Thema oder Zeitlimit bleibt in unserer wöchentlichen Eingabedatei.

Schritt 5: Den Bot-Workflow als Skill speichern

Zwei Best Practices fürs Speichern als Skill:

• Speichere den Prozess erst, wenn die manuelle Version funktioniert. Sonst wiederholt der Skill nur dasselbe Problem.
• Halte den Skill schlank: eine Quellfamilie, ein Ausgabeformat, eine Freigabegrenze. Muss er raten, welche Systeme oder welches Format, driftet er ab und verbraucht mehr Nutzung.

Was in den Skill gehört

Bitte den Scout, einen Skill namens Weekly DataCamp Learning Plan zu speichern. Er soll /workspace/learner-profile.md lesen, jede Voraussetzung mit Hintergrund und erledigten Ressourcen abgleichen, die Seitendauern addieren, die vereinbarten Felder zurückgeben und vor allen Aktionen stoppen, die eine Freigabe erfordern.

Sobald gespeichert, kannst du ihn mit / im Composer referenzieren. Falls er nicht erscheint, aktiviere ihn unter Settings → Plugins → Yours.

Gespeicherter Skill mit Eingaben und Validierung. Bild: Autor.

Den Skill mit einem anderen Ziel testen

Ich habe das Lernziel geändert auf LLM-Evaluation, das Budget auf 3 Stunden reduziert und den gespeicherten Skill mit einer kurzen Anfrage aufgerufen: "Build this week's plan using the current learner profile."

Scout nutzte Agent Computer und lieferte einen Kurs, LLM Application Evaluation with LangSmith, ohne Empfehlungen aus dem Plan zu KI-Agenten zu übernehmen. Seiten außerhalb des Themas sowie Tutorials ohne gedruckte Dauer wurden ausgeschlossen.

Die kanonische Kursseite zeigte zwei Dauerformate: eine 2 hr-Schätzung in der Zusammenfassung und ein 1 hr - 3 hr-Badge. Scout kopierte das Badge, behandelte dessen Obergrenze jedoch als feste Drei-Stunden-Summe. Wir baten darum, das verwendete Feld zu benennen, beide gedruckten Werte beizubehalten und für die Budgetprüfung nur die Obergrenze zu nutzen.

Eine spätere Voraussetzungen-Prüfung fand ein wichtigeres Problem: Der Kurs setzt LLM Application Fundamentals with LangChain voraus – den unsere Lernende noch nicht abgeschlossen hatte. Die kanonische Seite zu öffnen war nötig, aber der Skill musste zusätzlich die Voraussetzungen mit dem Lernprofil vergleichen, bevor er einen Kurs empfiehlt.

Ich habe den Skill aktualisiert, damit er jede Voraussetzung mit dem Lernprofil abgleicht und widersprüchliche Dauerfelder meldet, bevor er Ressourcen auswählt.

Schritt 6: Den Skill als wöchentliche Grok-Bot-Routine planen

Weil der Cloud-Computer – wie beschrieben – weiterläuft, kann eine Routine auch bei geschlossenem Laptop laufen. Wir testen sie, bevor wir uns auf den Montagstermin verlassen.

Ein wöchentlicher Plan ist hier bewusst gewählt. Dieselbe Recherche alle paar Minuten zu fahren, verbraucht Nutzung – auch wenn Lernendendetails und DataCamp-Seiten unverändert sind.

Zeitplan, Zeitzone und Grenzen festlegen

Wir setzen unsere Zeitzone unter Settings → General → Agent und erstellen dann die Routine mit fünf Details: 

• Der Zeitplan
• Wo Ziel und Budget gelesen werden
• Was zurückgegeben wird
• Was eine Freigabe erfordert
• Was zu tun ist, wenn eine Quelle fehlt

Wenn /workspace/learner-profile.md fehlt oder Scout nicht weiterkommt, soll die Routine das Problem melden und stoppen – statt in einer Schleife zu wiederholen. Sie erbt Scouts gesperrte Aktionen, während Freigaben nur greifen, falls wir später weitere externe Aktionen hinzufügen. Verwalte Routinen unter View conversation details → Routines.

Montagsroutine mit Zeitplan und Zeitzone. Bild: Autor.

Jetzt ausführen statt bis Montag warten

Statt bis Montag zu warten, habe ich einen Testrun mit dem aktualisierten Skill und demselben LLM-Evaluationsprofil gestartet. Die Routine öffnete die Kandidatenseiten, meldete alle LangSmith-Dauerfelder und markierte die LangChain-Voraussetzung als not met.

Wenn sie nicht startet, prüfe erst, ob sie eingeschaltet ist, dann Details (Zeitplan, Zeitzone, Bot, Lernquellen-Datei, Browsersession) und zuletzt die verbleibende Nutzung. Fehlende Details oder eine abgelaufene Session können den Lauf stoppen.

Die Routine ließ LangSmith aus dem Plan, schloss andere Kandidaten aus, weil sie off-topic waren, Voraussetzungen fehlten oder keine Kursdauer angegeben war, und gab Total: 0 zurück. Die Woche aufzufüllen hätte die Validierungsregeln gebrochen.

Der Lauf erschien im Run history mit Abschluss-Häkchen, und das Ergebnis blieb in der Scout-Konversation. Dieser finale Test bestätigte, dass Zeitplan, gespeicherter Skill, Dauer-Policy und Voraussetzungen-Check zusammenspielen.

Routinen-Test abgeschlossen, Verlauf sichtbar. Video: Autor.

Fazit

In diesem Tutorial haben wir einen DataCamp Learning Scout um eine aktuelle Lernendenquelle, Quellenprüfungen, einen wiederverwendbaren Skill und eine Wochenroutine gebaut. Das Profil hielt die dauerhaften Regeln, der Skill die Forschungsmethode, die Routine lieferte den Montagsplan.

Wie du siehst, führt der Weg zu einem geplanten Wochenlauf, der genau tut, was er soll, über etwas Trial-and-Error. Die Tests deckten drei Punkte auf, die eine polierte Antwort verstecken könnte: Beginner statt Basic, eine Spannweite als feste Summe interpretiert und eine unerfüllte Voraussetzung. Die ersten beiden lösten wir durch erneutes Öffnen der kanonischen Seiten. Der aktualisierte Skill fing den dritten, und die Routine gab lieber keine Empfehlung zurück, statt die Regeln zu verwässern.

Von hier aus können wir eine Verlaufsdatei hinzufügen, um Wiederholungsempfehlungen zu vermeiden, oder einen Study-Coach-Bot bauen, der Scouts Auswahl in einen Studienplan übersetzt. Wenn Teach a task in der App erscheint, können wir damit auch einen Browser-Workflow aufzeichnen und einen Skill-Entwurf erstellen.

Grok Bots neue X-Verbindung könnte Scouts Recherche erweitern. Das Verbinden eines X-Profils erstellt jetzt einen Entwickler-Account mit Inklusivguthaben. Für einen reinen Recherche-Scout sollten X-Schreibaktionen blockiert bleiben – und jede Kandidatenseite auf DataCamp geprüft werden, bevor sie in den Plan kommt.