KI-Evolution – Erfahrungen aus der Praxis

Phase 0: Unser wilder Westen

Schließlich kam die Phase, die wir auf unserer Website über KI-Evolution als „Wilder Westen“ beschreiben. Die Experimente mit KI verliefen weitestgehend ungeplant.

Die Erfahrung: Das eine Tool kann diese Art von Aufgaben besser lösen, dafür bewältigt das nächste Tool ein anderes Aufgabenset besser.

Oft war die Frustration groß, weil die KI plötzlich damit anfing zu halluzinieren und die bisher erreichten Ergebnisse gleich mit in den digitalen Orkus riss.

Eine Strategie zum Umgang mit KI hatten wir zu dem Zeitpunkt nicht. Nur die Vorstellung, dass KI uns dabei helfen könnte, unseren Content einfacher zu erstellen – auf der Grundlage von bestehenden Entwürfen.

Komplexere Aufgaben wie die Konzeption neuer Angebote oder die Nutzung als strategischer Sparringspartner haben wir in dieser Phase nicht in Betracht gezogen. Auch weil die Technologie noch nicht so weit und an vielen Stellen zu unzuverlässig war.

Unser Change Management-Learning: Phase 0 ist normal und notwendig. Jedes Unternehmen muss erst experimentieren, um die Möglichkeiten zu verstehen. Der Fehler: In dieser Phase zu verharren, statt systematisch voranzuschreiten.

Phase 1: Copilot gekauft, Problem nicht gelöst

Eines Tages kommt der Punkt, an dem KI unternehmensweit eingeführt wird. Auch bei uns gab es diesen Punkt. Google Gemini und ChatGPT waren die beiden primären KI-Tools, die wir eingesetzt haben.

Ergänzt um Notebook LLM, eine potente Lösung von Google, die es möglich macht, eine große Menge unterschiedlichster Quellen, von PDFs über Audiodateien, Websites oder Youtube-Videos, auszuwerten.

Trotzdem blieb auch in dieser Phase die Frage nach dem notwendigen Kontext, mit dem eine KI von einer Prompt-Maschine zu einem KI-Sparringspartner werden kann, ungeklärt.

Noch immer mussten wir mit langen Prompts hantieren. Außerdem waren wir noch immer alle Einzelspieler. Natürlich haben wir uns darüber ausgetauscht, welche Ansätze zuverlässig funktioniert haben. Die Aspekte „Gedächtnis“ und „Kontext“ blieben trotzdem limitierende Faktoren.

Unser Change Management-Learning: Der Übergang von Phase 0 zu Phase 1 scheitert oft daran, dass Tools zentral eingekauft, aber nicht strategisch eingeführt werden. Entscheidend: Erst Workflows definieren, dann Tools wählen.

Phase 2: Die KI als persönlicher Sparringspartner

Einen großen Sprung nach vorn haben wir gemacht, als wir auf Claude umgestiegen sind, weil wir damit einen systematischen Ansatz implementieren konnten.

Plötzlich konnten wir persönliche Präferenzen hinterlegen. Ganz konkret: Ich konnte der KI erklären, wer ich bin, was meine Aufgaben sind und wie sie mich dabei unterstützen kann.

Außerdem war dies der Moment, in dem zwei der größten und gleichzeitig am wenigsten sichtbaren Defizite von KI-Systemen überwunden werden konnte:

Unsicherheitsmatrix: In jedem Chat und bei jeder Antwort informiert uns die KI darüber, wie sicher sie sich mit ihrer Antwort ist. Statt des üblichen Brusttons der Überzeugung, der die Antworten von KI-Systemen definiert hat, bekommen wir jetzt Einblicke, an welchen Stellen sich das System unsicher ist und wie wir dazu beitragen können, die Informationslücken zu schließen.

Opportunismus: Bei längerer Zusammenarbeit mit einer KI wird jedem früher oder später bewusst, dass die meisten KI-Systeme so trainiert sind, dass sie den Anwender unterstützen – bis zu dem Punkt, an dem sie eindeutig auf seiner Seite stehen. Die KI sagt dann nicht mehr das, was notwendig ist, sondern das, von dem sie glaubt, dass es der Anwender hören will. Auch das haben wir durch einen entsprechenden Eintrag in den Präferenzen behoben – denn schließlich wollten wir einen kritischen Sparringspartner, der uns auf mögliche Defizite hinweist.

Unser Change Management-Learning: In Phase 2 erreichten wir etwa 30% Produktivitätssteigerung bei strategischen Aufgaben. Der Schlüssel: Persönliche Workflows und klare Erwartungen an die KI definieren.

Phase 3: Multiplayer-KI-Teams – „Ich“ zum „Wir“

Der nächste große Evolutionsschritt war die Zusammenarbeit an Projekten innerhalb eines KI-Systems. Damit wurde es möglich, zwei Fähigkeiten von Claude optimal zu nutzen. Zum einen können für jedes Projekt eigene projektspezifische Anweisungen definiert werden. Zum anderen können Projekte geteilt werden. Das hat für uns erhebliche Vorteile mit sich gebracht:

Verteilte Aufgaben: Statt ständigem Copy-Paste können alle relevanten Informationen in einem Projekt gespeichert werden. Wenn wir beispielsweise an einem Blogpost oder an einem Whitepaper arbeiten, kann ein Teammitglied das Research machen. Ein anderes Teammitglied arbeitet mit den Ergebnissen weiter und erstellt die Texte. Schließlich übernimmt ein anderes Teammitglied und kreiert die Grafiken gemeinsam mit Claude (auch die Grafiken auf dieser Seite sind mit Claude erstellt und als HTML-Code eingebettet).

Artefakte: Copy-Paste wird überflüssig, weil die zentralen Informationen in Artefakten gespeichert werden, auf die alle Teammitglieder Zugriff haben.

Erinnerungsvermögen: Was tun, wenn ein Chat seine Kapazitätsgrenze erreicht hat? Früher mussten wir den Chat extrahieren und als PDF wieder einspielen. Heute hat die KI Zugriff auf frühere Chats und eine nahtlose Weiterarbeit ist möglich.

Der Übergang in den „Multiplayer-Modus“ war für uns gleichzeitig eine Team-Transformation, die uns viele Freiheitsgrade eröffnet und uns effizienter gemacht hat. Geteilte Workflows und standardisierte Prompts sowie teamübergreifende KI-Strategien haben uns echte und messbare Vorteile verschafft. Das hieß konkret, eine Fehlerkultur zu etablieren (Halluzinationen sind normal!), regelmäßig Workflows zu hinterfragen und kontinuierlich neu zu dokumentieren sowie im Team teilen, was funktioniert.

Unser Change Management-Learning: Der Übergang zu Phase 3 verdoppelte unseren Produktivitätsgewinn auf 50-60% – besonders bei Content-Erstellung und Projektkoordination. Entscheidend: Das gesamte Team muss mitgenommen werden.

Phase 4 (in Arbeit): Human-led, Agent-operated

Als Team arbeiten wir an der nächsten KI-Evolutionsstufe. Die sehen wir im Einsatz von autonomen KI-Agenten, die gezielt für operative Aufgaben eingesetzt werden. Die menschlichen Teammitglieder konzentrieren sich dann auf die Strategie und Führung. Noch ist das „Work in Progress“, aber wir werden über unsere Fortschritte berichten.

Unser Change Management-Learning: Phase 4 erfordert ein fundamentales Umdenken: Von „Wir nutzen KI“ zu „KI arbeitet für uns“. Das ist weniger eine technische als eine kulturelle Herausforderung.