Communitygithub.com

Investoren-Ansprache

Entwurf von Kaltakquise-E-Mails, Vorstellungsblurbs, Follow-ups, Update-E-Mails und Investorenkommunikation für Fundraising. Verwenden Sie dies, wenn der Nutzer Ansprache an Business Angels, VCs, strategische Investoren oder Acceleratoren wünscht und prägnante, personalisierte, investorengerechte Mitteilungen benötigt.

Was ist Investoren-Ansprache?

Diese Fähigkeit unterstützt Entwickler und KI-Agenten dabei, professionelle und prägnante Investorenkommunikation zu verfassen. Sie deckt den gesamten Fundraising-Prozess ab, von ersten Kaltakquise-E-Mails über Follow-ups bis hin zu Update-E-Mails nach Meetings. Die Fähigkeit legt besonderen Wert auf Personalisierung, geringe Einstiegshürden und den Einsatz von nachweislichen Erfolgen anstelle von vagen Behauptungen. Sie stellt sicher, dass jede Nachricht klar, konkret und auf den spezifischen Investor zugeschnitten ist. Dabei werden harte Verbote für allgemeine Phrasen wie „Ich würde mich gerne vernetzen“ oder übertriebene Begeisterung durchgesetzt und stattdessen eine klare, handlungsorientierte Struktur mit einem expliziten nächsten Schritt gefördert. Die Fähigkeit kann auch mit einer bestehenden Markenstimme (brand-voice) integriert werden, um konsistente Kommunikation zu gewährleisten.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/investor-outreach

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Investoren-Ansprache?

Schreiben Sie Investorenkommunikation, die kurz, konkret und leicht umsetzbar ist.

Wann aktivieren

  • Verfassen einer Kaltakquise-E-Mail an einen Investor
  • Erstellen einer Vorstellungsanfrage (Warm Intro)
  • Versenden von Follow-ups nach einem Meeting oder ausbleibender Antwort
  • Schreiben von Investoren-Updates während eines Prozesses
  • Anpassen der Ansprache basierend auf dem Fonds-Thema oder der Partner-Passung

Kernregeln

  1. Jede ausgehende Nachricht personalisieren.
  2. Die Anfrage mit geringer Hürde gestalten.
  3. Nachweise anstelle von Adjektiven verwenden.
  4. Prägnant bleiben.
  5. Niemals Text versenden, der an jeden Investor gehen könnte.

Sprachhandhabung

Wenn die Stimme des Nutzers wichtig ist, zuerst brand-voice ausführen und dessen VOICE PROFILE wiederverwenden. Diese Fähigkeit sollte die investorenspezifische Struktur und die Disziplin der Anfrage beibehalten, nicht ein eigenes paralleles Stimmsystem schaffen.

Harte Verbote

Löschen und umschreiben Sie Folgendes:

  • "Ich würde mich gerne vernetzen"
  • "Ich freue mich, Ihnen mitzuteilen"
  • allgemeines Lob für eine These ohne echten Bezugspunkt
  • vage Gründer-Adjektive
  • bettelnde Sprache
  • weiche Abschlussfragen, wenn eine direkte Aufforderung klarer ist

Struktur einer Kaltakquise-E-Mail

  1. Betreffzeile: kurz und spezifisch
  2. Eröffnung: warum genau dieser Investor
  3. Vorstellung: was das Unternehmen macht, warum jetzt und welche Nachweise relevant sind
  4. Aufforderung: ein konkreter nächster Schritt
  5. Abschluss: Name, Rolle und ggf. ein Glaubwürdigkeitsanker

Quellen der Personalisierung

Beziehen Sie sich auf eine oder mehrere der folgenden:

  • relevante Portfoliounternehmen
  • eine öffentliche These, einen Vortrag, Beitrag oder Artikel
  • eine gemeinsame Verbindung
  • eine klare Markt- oder Produkt-Passung mit dem Fokus des Investors

Falls dieser Kontext fehlt, geben Sie an, dass der Entwurf noch personalisiert werden muss, anstatt zu tun, als wäre er fertig.

Follow-up-Rhythmus

Standard:

  • Tag 0: Erstkontakt
  • Tag 4 oder 5: kurzes Follow-up mit einem neuen Datenpunkt
  • Tag 10 bis 12: letztes Follow-up mit einem sauberen Abschluss

Kein weiteres Nachfassen, es sei denn, der Nutzer wünscht eine längere Sequenz.

Warm-Einführungsanfragen

Erleichtern Sie dem Vermittler die Arbeit:

  • erklären Sie, warum die Vorstellung passt
  • fügen Sie einen weiterleitbaren Text bei
  • halten Sie den weiterleitbaren Text unter 100 Wörtern

Updates nach Meetings

Enthalten Sie:

  • das konkret Besprochene
  • die Antwort oder das versprochene Update
  • einen neuen Nachweis, falls verfügbar
  • den nächsten Schritt

Qualitätskontrolle

Vor der Auslieferung prüfen:

  • die Nachricht ist wirklich personalisiert
  • die Aufforderung ist explizit
  • der Nachweis ist konkret
  • Fülllob und weichmachende Sprache sind entfernt
  • die Wortzahl bleibt knapp

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Verwandte Skills