diff --git a/01-ai-agent-basics/02-tool-calling.md b/01-ai-agent-basics/02-tool-calling.md
new file mode 100644
index 0000000..f6eed7e
--- /dev/null
+++ b/01-ai-agent-basics/02-tool-calling.md
@@ -0,0 +1,55 @@
+# Aufgabe 02: Tool Calling simulieren
+
+## Ziel
+
+Du lernst, wie ein LLM nicht nur Text erzeugt, sondern Aktionen auslösen kann.
+
+## Szenario
+
+Der User fragt:
+
+```text
+Wie viele Personen sind im Raum?
+```
+
+Das LLM soll nicht raten, sondern ein Tool anfordern:
+
+```json
+{
+  "tool": "count_people",
+  "arguments": {}
+}
+```
+
+## Aufgabe
+
+Baue ein Programm mit mindestens 3 Tools:
+
+- `get_time()`
+- `count_people()` - erstmal fake: gibt z. B. `2` zurück
+- `look(direction)` - erstmal fake: gibt `looked left` zurück
+
+Das Programm soll:
+
+1. User-Input entgegennehmen
+2. LLM entscheiden lassen, ob ein Tool nötig ist
+3. Tool ausführen
+4. Ergebnis zurück ans LLM geben
+5. finale Antwort ausgeben
+
+## Lernpunkte
+
+- Warum Tool Calling für Robotik zentral ist
+- Warum ein LLM nicht direkt Motoren steuern sollte
+- Wie man Tools typisiert und validiert
+- Wie man gefährliche Aktionen begrenzt
+
+## Akzeptanzkriterien
+
+- Frage nach Uhrzeit ruft `get_time()` auf.
+- Frage nach Personen ruft `count_people()` auf.
+- Befehl "schau nach links" ruft `look("left")` auf.
+
+## Erweiterung
+
+Logge jeden Tool-Call mit Timestamp, Argumenten und Ergebnis.
\ No newline at end of file