Liebe Geschäftsführerin, lieber Geschäftsführer,
ich arbeite seit ChatGPT 3.5 beruflich mit KI. Über viele Monate, eigentlich über Jahre, habe ich damit richtig gute Ergebnisse erzielt. Ich war zufrieden und überzeugt, das Werkzeug im Griff zu haben.
Dann kamen die stärkeren Modelle. Jede neue Version sollte ein großer Sprung sein. Und bei mir? Wurde es nur ein bisschen besser. Ich habe das damals kaum hinterfragt. Ich dachte, so viel mehr ist eben nicht drin.
Heute weiß ich, dass ich falsch lag. Nicht das Modell war die Grenze. Ich war es.
Ich hätte aus den besseren Modellen ein Vielfaches herausholen können, wenn ich gewusst hätte, wie man sich eine Arbeitsumgebung und einen Arbeitsmodus schafft, der die Stärken der KI wirklich nutzt – und gleichzeitig sicheres Arbeiten ermöglicht. Genau das ist der Unterschied zwischen „die KI ausprobieren" und „mit der KI in kürzester Zeit zu Top-Ergebnissen kommen".
Das gilt für alles: Texte verfassen, Konzepte erstellen, konkrete Probleme lösen. Wer die folgenden drei Schritte befolgt, holt aus seiner KI-Umgebung deutlich mehr heraus.
Die meisten nutzen KI im luftleeren Raum: ein offenes Chatfenster, eine Frage, keine Regeln, kein Kontext. Das Ergebnis bleibt allgemein und das Arbeiten unsicher. Infrastruktur hat deshalb zwei Seiten.
Technologisch heißt: eine Lösung, die das Arbeiten mit KI im Unternehmen grundsätzlich regelt – ein Corporate LLM. Das ist nicht „ein weiteres Tool", sondern die Basisschicht darunter: Berechtigungskonzepte (wer darf was), Modell-Steuerung (welches Modell für welche Aufgabe), Token- und Kostenkontrolle, eine zentrale Prompt-Bibliothek für wiederkehrende Aufgaben. Eine solche Lösung entscheidet auch, was lokal gerechnet wird, was hybrid läuft und was in die Cloud darf. Sensible Daten bleiben im Haus, der Rest nutzt die volle Leistung externer Modelle. Das ist der Unterschied zwischen „ein paar Mitarbeiter tippen irgendetwas in ChatGPT" und „das Unternehmen arbeitet kontrolliert und sicher mit KI".
Organisatorisch heißt: eine übergeordnete Meta-Datei, die festschreibt, wie die KI zu arbeiten hat – bei ChatGPT der System-Prompt, bei anderen Werkzeugen z. B. eine CLAUDE.md. Darin halten Sie fest, was sonst in jedem Gespräch neu erklärt werden müsste: dass DSGVO-Prinzipien und der EU AI Act berücksichtigt werden, welche Daten nicht nach außen dürfen, in welchem Ton und Format geantwortet wird, welcher Arbeitslogik die KI folgt, welche Quellen verbindlich sind und wann sie nachfragen statt raten soll. Einmal sauber definiert – und jedes Ergebnis startet auf demselben, hohen Niveau.
In der Praxis: Sobald diese Grundlage steht, hört die KI auf, Lehrbuchantworten zu geben – und fängt an, in Ihrem Kontext und nach Ihren Regeln zu arbeiten.
Die meisten nutzen KI wie eine bessere Suchmaschine: eine Frage, eine Antwort, fertig. Echte Aufgaben funktionieren aber nicht so. Sie haben Schritte.
Agentisch arbeiten heißt: Sie geben das Ziel vor, und die KI arbeitet den Weg in mehreren Schritten selbst ab. Sie plant, recherchiert, erstellt einen Entwurf, prüft sich selbst und bessert nach, bevor sie Ihnen das Ergebnis zeigt.
Der Unterschied wird sofort spürbar, wenn Sie es ausprobieren. Kopieren Sie diesen Prompt und geben Sie ihn Ihrer KI:
„Du bist mein Analyst. Aufgabe: Erstelle mir eine Entscheidungsgrundlage, ob wir Aufgabe X selbst machen oder auslagern sollten. Geh in Schritten vor: 1) Liste zuerst die Fragen auf, die du beantworten musst. 2) Beantworte sie nacheinander mit Annahmen, die du klar kennzeichnest. 3) Stelle Vor- und Nachteile gegenüber. 4) Prüfe deine eigene Argumentation kritisch auf Lücken. 5) Gib am Ende eine begründete Empfehlung plus die drei Fragen, die ich noch klären muss. Frag nach, wenn dir etwas fehlt, bevor du startest."
Aus „schreib mir etwas" wird so „arbeite das Thema durch und liefere ein fertiges Ergebnis". Die KI denkt nicht nur – sie arbeitet. Genau dafür sind die starken Modelle gebaut.
Das Ergebnis sieht überzeugend aus, also wird es geglaubt. Genau hier wird der wichtigste Schritt am häufigsten übersprungen. KI formuliert sicher, auch wenn sie falsch liegt. Ohne fachliche Prüfung verwechseln Sie Eloquenz mit Richtigkeit.
Auch mit den besten Werkzeugen bleibt es Ihre Aufgabe, das Ergebnis mit Fachwissen, Erfahrung und einer ehrlichen Plausibilitätsprüfung zu beurteilen – und dann gezielt nachzuschärfen. Verifizieren ist kein einmaliges Abnicken, sondern eine Iterationsschleife.
Ein kleines Beispiel: Die KI rechnet Ihnen eine Make-or-Buy-Entscheidung vor, Ergebnis klar pro Auslagern. Sie lesen und stutzen: Die angenommenen Stückkosten passen nicht zu Ihrer Realität. Sie geben zurück: „Die Kosten pro Einheit liegen bei uns bei Y, nicht X – und die Rüstzeiten hast du nicht berücksichtigt. Rechne neu." Nach zwei, drei solchen Runden steht eine Grundlage, die wirklich trägt.
Die KI liefert den Entwurf, aber Sie verantworten das Ergebnis. Diese Kontrolle in zwei Minuten kann die KI nicht leisten – Ihre Erfahrung als Geschäftsführer schon.
Fazit: Top-Ergebnisse mit KI sind kein Tool-Thema, sondern ein Reihenfolge-Thema: Infrastruktur schaffen, agentisch arbeiten, fachlich verifizieren. Ich habe Jahre gebraucht, um das zu verstehen. Sie brauchen es nicht.
Wie denken Sie darüber? Teilen Sie Ihre Gedanken gerne auf LinkedIn und lassen Sie uns voneinander lernen.
Wenn Sie herausfinden wollen, wie diese drei Schritte konkret in Ihrem Betrieb aussehen — lassen Sie uns reden.
Termin vereinbaren →Sie haben Fragen oder möchten mir Feedback zum Newsletter geben? Melden Sie sich gerne über LinkedIn oder per E-Mail an martinposarnig@mpdigital.at.