Zusammenarbeit
statt Magie.
Warum gute KI-Nutzung weniger mit perfekten Prompts und mehr mit guten Arbeitsprozessen zu tun hat.
Die Zukunft der KI-Arbeit liegt nicht im perfekten Prompt, sondern in der besseren Zusammenarbeit mit dem Modell. Iteration, Planning und Review schlagen jeden Einzelversuch.
Viele behandeln KI wie einen Verkaufsautomaten: Aufgabe rein, perfektes Ergebnis raus. Komplexe Wissensarbeit funktioniert so selten. Auch zwischen Menschen nicht. Wer mit KI gut arbeitet, brieft, plant, fragt zurück, iteriert und reviewed. Genau so, wie man mit einem schnellen, aber unerfahrenen Mitarbeiter umgehen würde.
Der größte Denkfehler.
Aufgabe rein, Antwort raus, enttäuscht sein. So sieht KI-Nutzung in den meisten Büros aus. Das Modell ist dabei selten das Problem. Der Arbeitsprozess ist es.
- 01KI als Verkaufsautomat.
Ein Prompt, ein Versuch, ein Output. Wenn das Ergebnis nicht passt, gilt das Modell als unbrauchbar. Dabei fehlt meistens nur das Briefing.
- 02KI als schneller Mitarbeiter.
Ziel klären, Kontext geben, Rückfragen zulassen, Zwischenergebnisse prüfen, nachschärfen. So entsteht Qualität. Bei Menschen und bei Modellen.
Die richtige Frage lautet nicht „Wie schreibe ich den perfekten Prompt?“, sondern „Wie gestalte ich einen guten Arbeitsprozess mit KI?“
Komplexe Aufgaben zerlegen.
„Mach eine perfekte Case Study.“ ist keine Aufgabe, sondern sechs. Wer den Monolithen zerlegt, bekommt prüfbare Zwischenergebnisse und vermeidet, dass kleine Fehler durch die ganze Kette propagieren.
- relevante Informationen extrahieren
- Ergebnisse strukturieren
- Narrative identifizieren
- sensible Inhalte prüfen
- ersten Draft schreiben
- kritisch reviewen
Kleine, klar definierte Schritte erzeugen bessere Ergebnisse als der große Wurf.
Erst denken, dann schreiben.
Die meisten Nutzer zwingen das Modell, sofort zu produzieren. Bessere Ergebnisse entstehen, wenn das Modell erst das Ziel klärt, Rückfragen stellt und ein Vorgehen vorschlägt.
- 01Sofortproduktion.
Prompt rein, Output raus. Das Modell rät das Ziel, deckt nichts auf, fragt nichts nach. Die Nacharbeit liegt komplett bei dir.
- 02Planning zuerst.
Das Modell fasst dein Ziel zusammen, stellt Rückfragen, schlägt ein Vorgehen vor und wartet auf dein Go. Unklarheiten werden sichtbar, bevor Text entsteht.
Je komplexer die Aufgabe, desto wichtiger wird Planning vor Produktion.
Augmentation oder Automation.
Nicht jede KI-Nutzung ist gleich. Ob ein Mensch die Kontrolle behält oder das System eigenständig handelt, macht einen fundamentalen Unterschied. Beide Modi sind nützlich, aber für andere Kontexte.
- AAugmentation.
Der Mensch entscheidet, kontrolliert, prüft und führt aus. Das Modell unterstützt, schlägt vor und ergänzt. Kein Output wirkt, bevor ein Mensch zugestimmt hat.Beispiel: Braindump eingeben, LinkedIn-Post als Entwurf erhalten, selbst finalisieren und posten.
- BAutomation.
Das System entscheidet, führt Aktionen aus, verarbeitet Ergebnisse. Es arbeitet ohne permanente menschliche Freigabe. Der Mensch gibt das Ziel vor, nicht jeden Schritt.Beispiel: Agent liest Postfach, priorisiert Anfragen und draftet Antworten automatisch.
Die meisten Anwendungen heute sind Augmentation. Automation folgt, wenn Vertrauen und Kontext stimmen.
Plan first.
Vier Zeilen am Anfang des Prompts ändern das Verhalten sichtbar. Aus „Sofort produzieren“ wird „Erst verstehen, dann liefern“. Eine einfache, robuste Standardtechnik.
Fasse zuerst mein Ziel in eigenen Worten zusammen. Stelle Rückfragen, wenn etwas unklar ist. Schlage ein Vorgehen in 3–5 Schritten vor. Warte auf mein „Go“, bevor du mit der eigentlichen Aufgabe beginnst.
Gute KI-Nutzung ist oft: erst Interview, dann Produktion.
Steering statt Einmalprompting.
Wer erfahrenen KI-Nutzern beim Arbeiten zusieht, sieht selten den perfekten Prompt. Sie starten kurz, lassen sich eine kleine Antwort geben und schärfen dann Schritt für Schritt. Mit jeder Iteration werden die Antworten größer, präziser und konkreter. Nicht durch einen neuen Prompt, sondern durch gezielte Steuerimpulse.
- 01Kurz starten.
Erst eine kleine, unverbindliche Antwort erzeugen. Sie zeigt, ob das Modell die Richtung verstanden hat. Bevor du Zeit in einen langen Prompt steckst.
- 02Schrittweise schärfen.
Pro Iteration ein Steuerimpuls: mehr Kontext, schärfere Perspektive, ein konkretes Beispiel. Am Ende: „Feuer frei“. Und das Modell liefert die vollständige Ausarbeitung.
„mehr strategisch“ „weniger generisch“ „mehr CEO-Sicht“ „nutze diese Beispiele: …“ „denk stärker aus Kundensicht“ „kürzer, pointierter“ „Feuer frei.“
Qualität entsteht durch Steering. Nicht durch Erstprompts.
Plausibel heißt nicht richtig.
LLMs optimieren Plausibilität, nicht Wahrheit. Outputs klingen oft sicherer, als sie sind. Skepsis und Review gehören deshalb zur Methode. Nicht erst, wenn etwas auffällig wirkt.
- 01Annahmen prüfen.
Quellen nachschlagen, Zahlen verifizieren, Logik gegenchecken. Wenn das Modell nichts zitiert, ist nichts zitierbar.
- 02Gegenpositionen erzeugen.
Das Modell selbst gegen seinen Vorschlag argumentieren lassen. Schwächen finden ist einfacher, wenn man sie aktiv erzeugt.
„Welche Schwächen hat dieser Vorschlag?“ „Welche Annahmen könnten falsch sein?“ „Welche Risiken siehst du?“ „Argumentiere dagegen.“
Die beste KI-Nutzung ist oft kollaborative Kritik.
Wie gute KI-Nutzer tatsächlich arbeiten.
- geben Kontext
- arbeiten iterativ
- zerlegen Aufgaben
- planen Zwischenschritte
- nutzen Beispiele
- reviewen kritisch
- verbessern schrittweise
- Einzelprompt
- Hoffnung auf Magie
- keine Kontrolle
- keine Struktur
- keine Iteration
- kein Review
- kein Plan
KI verstärkt gute Arbeitsprozesse. Und genauso schlechte.
Die Zukunft der KI-Arbeit liegt nicht im perfekten Prompt, sondern in der besseren Zusammenarbeit mit dem Modell.
Iteration, Planning, Zerlegung, Kritik und Review. Sechs Worte. Mehr braucht es nicht, um die meisten KI-Probleme zu lösen, die heute in Unternehmen auftreten.
Wohin das führt.
Aus den vier Mustern dieses Moduls entstehen die nächsten Bausteine. Wer Aufgaben zerlegt, plant und reviewed, beschreibt im Grunde schon Skills, Workflows und Agenten.
Skills
Wiederverwendbare Arbeitsweisen für wiederkehrende Aufgaben. Einmal sauber gebaut, immer wieder einsetzbar.
Workflows
Mehrere Schritte verlässlich verknüpft. Aus zerlegten Aufgaben werden reproduzierbare Abläufe.
Agenten
Systeme, die über mehrere Schritte eigenständig arbeiten. Planning, Tool-Use und Review werden Teil der Maschine.
Vier Muster. Mehr braucht es nicht, um mit KI gut zu arbeiten.
Jedes davon ist klein. Zusammen verändern sie, wie verlässlich ein Modell wird.
- 01Zerlegen
Große Aufgaben in kleine, prüfbare Schritte aufteilen.
- 02Planen
Ziel klären und Vorgehen abstimmen, bevor produziert wird.
- 03Steuern
Kurz starten, mit kleinen Impulsen schärfen. Steering schlägt jeden Erstprompt.
- 04Reviewen
Auch Zwischenergebnisse prüfen: Annahmen, Gegenpositionen, Schwächen.
KI ist kein Verkaufsautomat. Es ist ein schneller Mitarbeiter, der gut geführt werden will.
Übung: Reverse Engineering.
Ein bestehendes Dokument oder einen Post auseinandernehmen lassen. Das Modell soll herausarbeiten, welcher Prompt dahinterstecken könnte. Schärft das Verständnis für Struktur, Tonalität und Intention.
- Ein gutes Beispiel suchen (Artikel, Post, Präsentation)
- Modell fragen: „Welcher Prompt steckt hinter diesem Text?“
- Prompt gemeinsam verfeinern
- Eigene Version mit dem rekonstruierten Prompt erzeugen
Analysiere diesen Text: [Text einfügen] Welcher Prompt könnte ihn erzeugt haben? Beschreibe: – Ziel und Tonalität – Struktur und Länge – Perspektive und Stil
Wer Outputs lesen kann, kann Inputs schreiben.