Lesezeit: 629 Sekunden
Ein Ast hängt einen halben Meter über dem Wasser, daran ein brauner Klumpen. Sieht aus wie ein Vogelnest. Einer der Trainer hatte den Ausschnitt abfotografiert und in den Kurs gegeben, wir sollten ihn durch die Bilderkennung schicken. Elf Leute, mehrere Modelle, ein Objekt.
Zurück kam: Vogelnest. Beschädigtes Beutelmeisennest. Süßwasserschwamm. Komposthaufen. Minze. Drüsiges Springkraut. Ausgerissener Pflanzenklumpen.
Es waren angeschwemmte Pflanzenreste, die sich bei Hochwasser im Geäst verfangen hatten. Ein einziger Durchlauf traf das. Dann kam der Teil, der wehtat. Wir haben nachgelegt und den Modellen etwas Kontext gegeben. Die wurden nicht vorsichtiger, sondern selbstbewusster. „Mit dem Zusatzkontext wird die Einschätzung deutlich plausibler“, meldete eines zurück. Die Einschätzung war weiterhin falsch.
Das war Tag 2 von 20. Und der Tag, an dem mir aufging, worin sich der zweite Kurs vom ersten unterscheidet.
Vier Wochen Werkzeugkasten
Im Juni habe ich bei HERZBLUT Business Training die Weiterbildung zum KI-Analysten gemacht. 160 Unterrichtseinheiten, vier Wochen Vollzeit, online, 8:30 bis 15:30. Über vierzig Werkzeuge kamen zur Sprache, rund fünfzehn habe ich selbst gebaut oder bedient: Custom GPTs, Copilot in Office, Transkription, Chatbots, Bildgenerierung, Wissensbasen, die ersten Automatisierungen. Fast jeder Tag endete mit etwas Fertigem.
Das war ein guter Kurs. Nach vier Wochen konnte ich Dinge bauen, die ich vorher nur beschreiben konnte. Am 3. Juli lag das Zertifikat vor.
Was er mir nicht gegeben hat: eine Antwort auf die Frage, was ich einem Unternehmen sage, das mich anruft.
Der zweite Kurs bricht mit dem ersten
Drei Tage später ging es weiter, diesmal zum KI-Berater. Die Bauart ist eine völlig andere. Im zweiten Kurs kamen rund zwölf Werkzeuge vor, bewusst wenige. Es gab ganze Tage, an denen kein einziges KI-Tool geöffnet wurde.
Am dritten Tag stand „DSGVO-konforme KI-Tools“ auf dem Plan. Die Trainerin eröffnete damit, dass die Überschrift ihres eigenen Kurstags falsch sei. Es gebe keine DSGVO-konformen Tools, sagte sie, es gebe nur erlaubte Nutzung innerhalb einer Architektur, und die muss jemand entwerfen, bevor irgendwer irgendein Werkzeug anfasst. Ihr Bild dafür ist mir geblieben: Ein Verbot ist eine Schranke, eine gute Architektur ist ein Geländer. Das eine hält dich auf, das andere lässt dich gehen und verhindert den Absturz.
An diesem Punkt schwenkte der Kurs vom Bedienen zum Beurteilen. Auf „Wir hätten gern einen Chatbot“ ist die richtige erste Antwort nicht die Toolauswahl, sondern eine Frage: Was kostet euch gerade am meisten Zeit, und woran merkt ihr das?
Was tatsächlich hängengeblieben ist
Sechs Dinge kann ich seitdem, die ich vorher nicht oder nur ungefähr konnte.
Prozesse erheben, bevor über KI geredet wird. Wertstromanalyse, BPMN, 5-Why, Ishikawa: Verfahren, die es lange vor der KI gab und die man jetzt wieder braucht, weil sich nichts automatisieren lässt, was vorher niemand beschrieben hat. Die eigentliche Übung besteht darin, aus einer unaufgeräumten, fremden Wirklichkeit ein Skelett von fünfzehn bis fünfundzwanzig Elementen herauszupräparieren und daraus acht bis zwölf Fragen abzuleiten, die man im nächsten Gespräch stellt. Das klingt bescheiden, ist aber die Leistung, die ein Kunde im Erstkontakt wirklich braucht. Die Toolempfehlung kommt viel später, wenn überhaupt.
Automatisierung und KI sind zwei verschiedene Dinge, und sie bekommen verschiedene Aufgaben. In einer Übung ging es um Bewerbungen für ein teures Coaching-Programm. Wer sich bewirbt, füllt ein Formular aus: einige Auswahlfelder zu Umsatz, Budget und Dringlichkeit, dazu zwei Freitextfelder, in denen er sein Ziel und sein größtes Problem beschreibt. Aus beidem entsteht eine Punktzahl, und die entscheidet, ob der Bewerber ein Gespräch angeboten bekommt, auf der Warteliste landet oder eine Absage erhält. Die Auswahlfelder rechnet die Automatisierung: feste Regeln, maximal sechs Punkte, jederzeit nachvollziehbar. Die beiden Freitexte liest die KI, weil das kein Regelwerk leisten kann, und vergibt dafür höchstens zwei Punkte. Sie kann damit einen guten Fall über die Schwelle heben und einen schwachen darunter halten, das Ergebnis allein bestimmen kann sie nicht. „Die KI darf höchstens zwei von acht Punkten verschieben.“ Dieser eine Satz hat mir mehr über Steuerung beigebracht als manches Kapitel über Governance, weil ihn Geschäftsführung, Betriebsrat und Datenschutzbeauftragte gleichermaßen verstehen, ohne dass ihnen vorher jemand erklären muss, wie ein Sprachmodell funktioniert.
Woran ein Projekt wirklich scheitert. Mein Workflow rechnete stur Null, und ich habe eine ganze Weile gesucht, bevor ich die Ursache fand: einen Gedankenstrich. Im Formular stand ein Halbgeviertstrich, in meiner Vergleichsformel ein Bindestrich, und weil die Funktion auf Zeichengleichheit prüft, fiel jeder Wert still auf Null zurück. Keine Fehlermeldung, kein Hinweis, nur ein Ergebnis, das aussah wie ein Ergebnis. Die Lösung, die ich mir danach gebaut habe, vergleicht Textfragmente statt ganzer Zeichenketten und ist damit robuster als die Musterlösung des Kurses. Nichts, worauf man stolz sein müsste. Aber solche Punkte gehören in ein Angebot, als eigener Arbeitsschritt und mit Preisschild, weil dort die Stunden liegen, die in keinem Konzept auftauchen.
Einen Havariepfad einziehen. Jedes KI-Modul in einem Prozess muss sich abschalten lassen, ohne dass der Prozess stirbt, und alle Beteiligten müssen wissen, was die Maschine ihnen genau abnimmt. Ich habe das an dem Tag eingebracht, an dem uns mitten in der Übung die Schnittstelle eines Anbieters wegbrach. Man muss nicht lange argumentieren, wenn der Beleg gerade auf dem Bildschirm steht.
Die eigene Rolle auch negativ definieren. Das klingt nach Verwaltung und ist doch der Kern der Sache. Ein KI-Beauftragter gibt keine Rechtsfreigaben, entscheidet nicht über Datenschutz und verfügt kein Budget. Verantwortung ablehnen zu können, die nicht zur Rolle gehört, ist selbst eine Kompetenz, und eine, die man in Organisationen selten antrifft.
Menschen befähigen, nicht schulen. Aus der Transferforschung stammt eine Zahl, die ich seitdem mit mir herumtrage. Von allen Menschen, die eine Schulung durchlaufen, setzen rund fünfzehn Prozent das Gelernte erfolgreich um. Siebzig Prozent probieren es und lassen es wieder. Fünfzehn Prozent fangen gar nicht erst an. Auf der Folie dazu stand: Das ist kein HR-Problem, das ist Dein Problem.
Change Management war für mich Auffrischung, keine Offenbarung. Dreißig Jahre Redaktionen, dazu Jahre in der Geschäftsführung, und man hat ein paar Veränderungsvorhaben an Widerständen scheitern sehen, die vorher niemand benannt hatte. Neu war nicht das Handwerk. Neu war, es auf KI-Vorhaben anzuwenden und dabei technisch genug zu sein, um bei der Architektur mitzureden, statt am Ende der Kette auf ein fertiges System zu schauen und dafür Akzeptanz herstellen zu sollen.
Am vorletzten Tag habe ich in der Feedbackrunde gesagt, dass ich mich mit jedem Tag mehr frage, wovon ich noch nichts weiß. Die Trainerin antwortete: Dieses Gefühl wird dich wahrscheinlich begleiten. Ich halte das für den ehrlichsten Satz des Kurses.
Was im Lehrplan nicht stand
Für die Abschlussarbeit habe ich mir ein Thema vorgenommen, das in keinem der zwanzig Kurstage vorkam.
Wer heute etwas sucht, tippt es immer seltener in eine Suchmaschine und bekommt eine Liste von zehn Möglichkeiten, unter denen er selbst auswählt. Er fragt eine KI und bekommt eine Antwort. Eine einzige. Was in dieser Antwort nicht vorkommt, existiert für den Fragenden nicht, und niemand blättert weiter, weil es kein Weiter mehr gibt. Generative Engine Optimization beschäftigt sich mit der Frage, wie Informationen aufbereitet sein müssen, damit eine Maschine sie eindeutig zuordnen, mit anderen Angaben verknüpfen und gegen eine Quelle prüfen kann.
Ich habe das an einer Ferienregion durchgespielt. Eine Familie fragt nach einer Wochentour: Camping, Radrouten, Kultur, ein paar Städte, Wandern. Vorgeschlagen wurde eine ganz andere Gegend. Erst als ich die Region im selben Gespräch selbst nannte, hieß es, das sei ja der perfekte Mix.
Das Angebot ist also da. Es taucht nur nicht auf, wenn niemand danach fragt.
Daraus wurde eine Arbeit mit zwei selbst gebauten Demonstratoren, einer Rollenverteilung für die dauerhafte Pflege der Daten und einem Pilot über hundert Kalendertage, an dessen Ende eine echte Entscheidung steht: skalieren, nachschärfen oder beenden. Bewertet wurde sie mit der vollen Punktzahl, und die Rückmeldung war besser, als ich erwartet hatte.
Wichtiger als die Note ist mir, was dahintersteckt. Ein Kurs kann nur einen Rahmen setzen, und wer glaubt, dass ein Zertifikat einen Berater fertig macht, hat noch nie beraten. Ein Feld, das im Lehrplan nicht vorkommt, muss man sich selbst erarbeiten, wenn man dazu seriös Auskunft geben will. Das ist der Beruf: dranbleiben und sich holen, was man noch nicht weiß, bevor ein Kunde danach fragt.
Was sich beim Arbeiten geändert hat
Der größte Effekt steht auf keinem Zertifikat. Ich habe im Lauf dieser Wochen mein eigenes Archiv an die Modelle angeschlossen: achtzehn Jahre Notizen und Konzepte, Ideen, die ich nie vergessen wollte, festgehaltene Gedankenblitze. Dazu meine übrigen Systeme über offene Schnittstellen miteinander verbunden.
Daraus ist ein zweites Gedächtnis geworden, mit dem ich jeden Tag arbeite. Das alles ist jetzt auffindbar, und zwischen Notizen, die zehn Jahre auseinanderliegen, entstehen Verknüpfungen, auf die ich von allein nicht gekommen wäre. Es taugt als Sparringspartner. Vor allem findet es, was bei mir längst nicht mehr im vordersten Erinnerungsregal liegt. An agentische Werkzeuge hätte ich mich vorher nicht herangetraut.
Die Kehrseite habe ich am letzten Kurstag selbst benannt. Weil in kurzer Zeit sehr viel Output entsteht, verrutschen die Abstände: Man schaut nicht mehr so tief hinein, sieht ein Ergebnis, findet es in Ordnung und macht weiter. Der Mensch in der Schleife nutzt wenig, wenn er sich daran gewöhnt hat, dass die Maschine meistens recht hat. Das ist derselbe Mechanismus wie beim Vogelnest, nur dass diesmal ich es bin, der zu schnell zufrieden ist.
Und wer baut das jetzt?
Beratung endet gern da, wo es konkret wird. Das Konzept liegt auf dem Tisch, die Entscheidungsvorlage ist geschrieben, alle nicken. Dann fragt jemand, wer das nun baut, und im Raum wird es still. Der Berater ist an dieser Stelle raus, die eigene IT hat keine Kapazität, und ein Dienstleister kostet mehr, als das Vorhaben wert sein sollte. Also bleibt es liegen.
Ein Workflow ist nichts anderes als eine feste Abfolge von Arbeitsschritten. Eine Anfrage kommt herein, wird erfasst, geprüft, an die richtige Stelle weitergeleitet, beantwortet und abgelegt. Jeder Betrieb hat Dutzende davon, in der Buchhaltung, im Vertrieb, im Personalbüro. Die wenigsten stehen irgendwo geschrieben. Sie laufen einfach, meistens über Menschen, die sie im Kopf haben und mit denen man dringend sprechen sollte, bevor sie in Rente gehen.
Automatisieren heißt, diese Schritte so miteinander zu verbinden, dass sie ohne Handgriff ineinandergreifen. Dafür gibt es eigene Werkzeuge, die Daten aus einem System holen, sie umwandeln, ans nächste weiterreichen, einfache Entscheidungen nach festen Regeln treffen und dort, wo etwas interpretiert werden muss, ein KI-Modell aufrufen. Der Mensch kommt an den Stellen wieder ins Spiel, an denen es auf ihn ankommt, und nur dort. Der Rest läuft nachts weiter.
Für diese Aufgabe gibt es eine deutsche Lösung. n8n wurde 2019 in Berlin gegründet, ist quelloffen und lässt sich auf einem eigenen Server betreiben. Das können weder Zapier noch Make, und in Europa ist das das entscheidende Argument, weil die Daten damit dort bleiben, wo man sie haben will. Im Oktober 2025 hat das Unternehmen 180 Millionen Dollar eingesammelt, bei einer Bewertung von 2,5 Milliarden. Kurz darauf ist SAP eingestiegen. Deutsche Software, die international ernst genommen wird, ist selten genug, dass man sie erwähnen darf.
Seit Montag lerne ich das. Sechs Wochen Vollzeit, dreieinhalb Stunden synchron am Tag plus rund zweihundert Stunden eigene Projektzeit, am Ende ein produktionsreifer Workflow. Ich lerne es wie eine Sprache, weil es sich genauso anfühlt: erst die Vokabeln, dann die Grammatik, und irgendwann formuliert man eigene Sätze.
Ein Virtuose wird man in sechs Wochen nicht, und wer das verspricht, verkauft etwas. Ein solider Anwender wird man aber schon. Einer, der mitreden kann, wenn es technisch wird, der einschätzt, was ein Vorhaben kostet und an welcher Stelle es schiefgehen könnte, der die Basis selbst baut und für die kniffligen Teile die richtigen Spezialisten dazuholt, statt so zu tun, als bräuchte er sie nicht. Vor allem einer, der schon sieht, wie eine Lösung aussehen könnte, während der Kunde noch das Problem beschreibt.
Damit ist der Rahmen der drei Kurse geschlossen: verstehen, beraten, bauen.
Und dann? Dann hängt immer noch ein Klumpen am Ast, und irgendein Modell wird ihn ziemlich überzeugt für ein Nest halten. Der Unterschied ist, wer daneben steht.
Bildnachweis: Alle Bilder wurden von ChatGPT generiert.