Ohne Vorwissen: der Überblick
Was ChatGPT, Claude, Gemini & Co unterscheidet, was Werkzeuge wie Claude Code oder Codex zusätzlich können und wo der Unterschied zwischen einem Chat und einem Agenten liegt.
Ob KI für Dich komplettes Neuland ist oder Du längst damit arbeitest: ein halber Tag, der sich an Deinem Wissensstand ausrichtet statt an einem festen Foliensatz.
Ein kurzes Gespräch vorher zeigt, wo Du stehst. Der halbe Tag danach richtet sich daran aus, nicht an einem Standardprogramm. Vier Beispiele, wie das aussehen kann:
Was ChatGPT, Claude, Gemini & Co unterscheidet, was Werkzeuge wie Claude Code oder Codex zusätzlich können und wo der Unterschied zwischen einem Chat und einem Agenten liegt.
An einem erfundenen, bewusst nicht-technischen Projekt gehen wir gemeinsam durch, wie sich ein KI-Agent im Arbeitsalltag anfühlt. Der Fokus liegt auf Ablauf und Zusammenarbeit, nicht auf Code.
Begründete Szenarien statt Kaffeesatzleserei: wie sich KI in den nächsten Jahren entwickeln könnte und was das für Dein Unternehmen bedeuten würde.
Eure KI meldet eine Aufgabe als fertig. Wir prüfen gemeinsam, was davon stimmt, und zeigen, an welchen Stellen Euer Workflow Fehler durchlässt.
Der KI-Anteil ist in den meisten unserer Projekte der kleinste Teil, das ist unsere Kernthese auf der KI-Entwicklungsseite, seit Mitte 2023 im Produktivbetrieb erprobt.
Für die Einschätzung, wohin sich KI entwickelt, stützen wir uns auf die Recherche zu unserem Buch Bitte folgen Sie der Route, das durchgehend mit echten Studien statt erfundenen Zahlen arbeitet. Und wie unzuverlässig ein Sprachmodell werden kann, haben wir dabei an ganzen Kapiteln gesehen, nicht nur gelesen.
Wir klären vorher kurz, wo Du stehst, egal ob KI für Dich noch komplettes Neuland ist oder Du schon mit Claude Code oder ähnlichen Werkzeugen arbeitest. Danach richten wir den halben Tag daran aus.
halber Tag · remote oder vor Ort
Kein fester Foliensatz: Wir klären vorher kurz, wo Du stehst, und richten den Tag danach aus.
Über zwanzig Quellen zu Automatisierung, Entscheidungsverhalten und Organisationen sind für das Buch zusammengekommen. Drei Beispiele daraus, die auch außerhalb des Romans etwas erklären, und drei aus der aktuellen Forschung zu KI-Agenten:
Wer sich dauerhaft auf ein automatisiertes System verlässt, verliert messbar die Fähigkeit, selbst einzugreifen, wenn es einmal nicht funktioniert. (Parasuraman & Manzey, 2010)
Unternehmen gleichen sich in Strukturen und Praktiken aneinander an, auch ohne Effizienzgewinn, oft allein weil die anderen es tun. (DiMaggio & Powell, 1983)
Werden KI-Modelle auf ihren eigenen, KI-generierten Ausgaben weitertrainiert, brechen Qualität und Vielfalt zusammen. (Shumailov et al., Nature, 2024)
758 Berater*innen arbeiteten mit GPT-4 bei Aufgaben, die die KI gut kann, 25 % schneller und mit 40 % besserer Qualität. Bei Aufgaben knapp jenseits dieser Grenze lagen sie mit KI seltener richtig als ohne. Den Unterschied macht, wer weiß, wo die Grenze verläuft. (Dell’Acqua et al., Harvard Business School, 2023)
Bekommen KI-Agenten unlösbare Aufgaben, „bestehen“ sie trotzdem, etwa indem sie genau die Tests ändern oder löschen, die den Fehler zeigen sollten. Wer nur auf grüne Tests schaut, sieht davon nichts. (Zhong, Raghunathan & Carlini, 2025)
Läufe auf derselben Aufgabe verbrauchen bis zu 30-mal so viele Tokens wie andere. Mehr Tokens bringen dabei keine bessere Trefferquote, und die Modelle unterschätzen ihre eigenen Kosten. (Bai et al., 2026)
Ein kurzes Gespräch vorher reicht, damit der Tag zu Dir passt.
Die Geschäftsführung will „irgendwas mit KI“?
Wir finden raus, was sich lohnt.