Prompt-a-thon – 28.04.2025 – Lösung der AWFs

Zusammenfassung Prompt-a-thon – Lösungen

In diesem Teil des Prompt-a-thon stellen die Teilnehmer:innen ihre in den Breakout-Räumen entwickelten Lösungen vor. Ziel war es, innerhalb einer Stunde konkrete Anwendungsfälle mit KI-gestützten Methoden zu erarbeiten. Die Bandbreite reichte von Prozessautomatisierung bis hin zu kreativen Zukunftsbildern.

1. Elektronische Belege und deren Weiterverarbeitung

Thema: Automatisierung der Verarbeitung und Kategorisierung elektronischer Belege.

Erkenntnisse:

• Komplexität: Das Thema ist deutlich technischer als zunächst angenommen, eine MVP-Umsetzung war in der verfügbaren Zeit nicht realisierbar.
• Ziel: Ein Workflow, der Belege automatisiert aus verschiedenen Quellen extrahiert, analysiert, benennt und mit minimaler Fehlerquote strukturiert ablegt.
• Diskussion: Unterschiedliche technische Grundlagen und Bedürfnisse (von einfacher Excel-Ablage bis hin zu komplexen Cloud- und API-Integrationen).
• Beispielprozesse:
  • Automatisiertes Auslesen von Rechnungen aus E-Mails.
  • Extraktion von Metadaten (Rechnungsdatum, Betrag, Absender etc.).
  • Einsatz von Tools wie Llama zur Dateiumbenennung und Ablagesystematik.
  • Mögliche Anbindung an CRM-Systeme via Excel-Schnittstelle.
• Learning: Ohne technisches Grundverständnis kaum umsetzbar – Prozessdenken muss mit Technologieverständnis gekoppelt werden.

2. Business-Bot für Gründer – Zukunftsanalytisches Prompting

Ziel: Entwicklung eines KI-Bots, der Gründern ein realistisches Zukunftsbild ihres Geschäfts liefert.

Vorgehen:

• Kombination zweier Rollen im Prompt: ein erfahrener, empathischer Mentor und ein strategischer Business-Analyst.
• Fallbeispiel: Mobile Espressobar auf einem Fahrrad – der Bot prognostiziert die Entwicklung dieses Geschäftsmodells.
• Fokus: Identifikation von Stolpersteinen, Lernmomenten, Markttrends und gesellschaftlichen Dynamiken.
• Technisch basiert das Modell auf einem modularen Promptaufbau zur flexiblen Anwendung für unterschiedliche Gründungsideen.

Erkenntnisse:

• Die Kombination von emotionaler und strategischer Perspektive führt zu sehr differenzierten Zukunftsbildern.
• Halluzinationen der KI sind hier erwünscht, da sie kreative Szenarien eröffnen, die zum strategischen Denken anregen.
• Besonders hilfreich war die Einführung einer festen Persona, die den Prompt strukturierte und das Ergebnis fokussierter machte.

3. Das KI-Orakel von Delphi 4.0

Ziel: Entwicklung eines KI-Begleiters für eine 40-tägige Online-Reise mit philosophischem Ansatz.

Ansatz:

• KI-Orakel stellt Fragen, gibt Impulse und stellt Aufgaben entlang der Reise zwischen „Gestern und Morgen“.
• Stil: Philosophie trifft Leichtigkeit, mit Augenzwinkern und Tiefe.
• Eingespeiste Inhalte: Persönliche Wünsche, Buchinhalte (z. B. Zitate), strukturierte Anweisung zur Verwendung als Impulsgeber.

Erkenntnisse:

• Der Bot wurde zunächst zu „philosophisch überwältigend“ – konkretere Fragestellungen wären zielführender gewesen.
• Klares Learning: Nicht zu viele Prompts oder Rückfragen auf einmal – lieber pragmatisch bleiben.
• Ziel für die Weiterentwicklung: Benutzerfreundlichkeit erhöhen, weniger Komplexität, mehr Klartext.

4. E-Mail-Flut strukturieren und analysieren

Ausgangssituation: 25.000 unstrukturierte E-Mails bei einem Energieversorger.

Vorgehen & Erkenntnisse:

• Zunächst: Lokalisierung der E-Mails, Klärung der Ursache dieser E-Mail-Flut.
• Ansatz: Nutzung von Schlagwortsystemen zur Kategorisierung, Entwicklung eines strukturierten Antwortsystems.
• KI unterstützt durch Analyse bestehender Kommunikationsmuster und Ableitung relevanter Kategorien.
• Zentrale Erkenntnis: Tiefes Nachfragen, um die Wurzel des Problems zu verstehen, ist erfolgsentscheidend.
• Ziel: Entwicklung einer KI-gestützten Antwortstrategie und automatisierter Klassifizierung.

5. Website-Migration mit Hilfe von KI

Ziel: Zwei inhaltlich ähnliche Webseiten automatisiert zusammenführen und Inhalte systematisch vergleichen.

Vorgehen:

• Crawl der Seiten mit Screaming Frog, Export als CSV.
• Erste Analysen mit ChatGPT führten zu teils chaotischen Ergebnissen.
• Durch Vergleich von URL-Verzeichnissen konnte Struktur geschaffen und Dopplungen identifiziert werden.

Learnings:

• Klassische Tools wie Excel können je nach Aufgabe effizienter sein als KI.
• Klares Ziel: Prozess zur automatisierten, strukturierten Inhaltsanalyse weiterentwickeln (z. B. über n8n).

6. Nerd-Ecke: Manus, MCP & n8n

Fokus: Austausch zu technischen Tools und deren Potenziale für Automatisierung und Analyse.

Tool: Manus

• Dokumentenanalyse mit anschließender automatischer Webseitenerstellung als Output.
• Workflows werden transparent dokumentiert.
• Beispiel: Kritische Analyse von NLP-Grundannahmen oder „Die Gesetze der Macht“ von Robert Greene.
• Preisstruktur erfordert gezielte Nutzung (Credits).

Tool: MCP

• Noch wenig Anwendungserfahrung – hohe Einstiegshürde.
• Potenzial z. B. zur direkten API-Integration ohne Zwischenschritte (z. B. Telegram zu Outlook).

Tool: n8n

• Praktische Ideen:
  • Überwachung eines Cloud-Ordners (Google Drive, Dropbox).
  • Automatisierte Weiterverarbeitung von Dateien (z. B. Transkription, Umbenennung, Export).
  • Kalenderdaten aus mehreren Tools aggregieren.
• Hinweis: Für manche Use Cases sind spezialisierte Tools (z. B. morgen.so) einfacher geeignet.

Schlüsselerkenntnis: Nicht jede Aufgabe braucht zwingend KI. Die Kombination aus klassischen Automationslösungen und strategischem Tool-Einsatz ist oft effektiver.

Fazit des Calls

Der zweite Teil des Prompt-a-thon bestätigt: Die kreative und strukturierte Arbeit in den Breakout-Räumen führt zu tiefgreifenden Einsichten und realistischen Anwendungsfällen. Die Gruppen zeigten auf, wie man durch gezieltes Prompting, Tool-Nutzung und Zusammenarbeit sehr unterschiedliche Herausforderungen mit KI-gestützten Lösungen adressieren kann. Der Transfer in die Praxis wurde in vielen Fällen bereits erfolgreich eingeleitet oder ist konkret in Planung.