Wie wird aus einem Tool ein echter Anwendungsfall? Am Beispiel von Thomas und seiner M&A-Integrationsberatung zeigt Uwe live, wie sich mit Mirofish, Deep Research und einer eigenen Strategieberater-Blackbox komplette Beratungsprozesse simulieren und auf Knopfdruck durchspielen lassen. Du lernst, warum 14 Wochen Strategieprozess auf anderthalb Tage schrumpfen können – und welche drei Hebel du brauchst, um diesen unfairen Wettbewerbsvorteil zu bauen.

In Anwendungsfällen denken, nicht in Tools

Der Einstieg ist eine klare Korrektur: Mirofish ist kein Anwendungsfall, sondern ein Tool. Wer im Chat „Mirofish“ schreibt, hat den Sprung noch nicht gemacht. Der eigentliche Anwendungsfall für Thomas lautet:

Simulation von Merger-and-Acquisition-Integrationsszenarien, um den Kunden – bevor er den Merger gemäß bestimmter Szenarien durchführt – diese bis zum Ende zu simulieren, um auf dieser Basis das Szenario noch zu adjustieren. Und das über Nacht.

Das ist die Denkbewegung, die du übernehmen sollst: vom Werkzeug zum Outcome. Aus diesem Outcome ergibt sich dann automatisch, was du brauchst – Kommunikationsassets, Playbook-Änderungen für Szenario A oder B, alles abhängig vom Verlauf der Simulation.

Was Mirofish tatsächlich tut

Mirofish ist gerade in der Masterclass durch Manuela Ruppert viral gegangen. Das Tool arbeitet multiagentisch: mehrere autonome und automatische Agenten laufen los und simulieren ein Szenario.

Konkret passiert Folgendes:

• Mirofish identifiziert die relevanten Stakeholder in einem Prozess oder Szenario.
• Es ordnet ihnen eine Gewichtung zu.
• Jeder Stakeholder wird durch mehrere Agenten in der Simulation repräsentiert.
• Heraus kommt eine durchgespielte Realität – z. B. „Was passiert in Deutschland, wenn der EU-AI-Act im jetzigen Stand scharf geschaltet wird?“

Was früher große Beratungsunternehmen sechsstellig kostete und Monate dauerte – Berater bis nachts um elf, Folien, Folien, Folien – läuft hier über Nacht.

Der Prozess für Thomas: drei Szenarien, drei Simulationen, eine Meta-Reflexion

Thomas ist Experte für die Integrationsphase bei M&A. Sein Kunde bringt drei Integrationsszenarien mit. Der Prozess sieht so aus:

1. Thomas stellt seinem Kunden eine kleine App / einen Zugang zur Verfügung, mit dem die drei Szenarien parallel über Mirofish simuliert werden.
2. Es entstehen drei Ergebnisse, die sich nicht zwingend dramatisch, aber doch in Marginalitäten unterscheiden.
3. Anschließend nimmt Thomas eine zweite KI – Claude, ChatGPT, Gemini, idealerweise Perplexity Computer multiagentisch – und lässt die Ergebnisse analysieren, reflektieren und in einer Meta-Betrachtung mit Deep Research gegenchecken.
4. Aus dieser Reflexion entstehen Anpassungen an den Szenarien, die wieder in den Kreislauf gegeben werden.

Allein dieses eine Bild – wenn Thomas es aus der Aufzeichnung herausschneidet, in Claude gibt und sagt „das will ich“ – ist schon der halbe Weg zum eigenen Tool.

Die KI-Strategieberater-Blackbox

Daneben zeigt Uwe seine eigene Anwendung: eine Strategieberater-Blackbox mit den klassischen Ebenen aus der KI-Strategieberater-Ausbildung – Grundlagen, Strategie, Taktik, Operative, Kultur.

Das Prinzip: aus einem achtstündigen Kunden-Workshop (Briefing) lassen sich auf Knopfdruck vollständige Veränderungsszenarien erzeugen:

• Kundenprofil
• Reifegrad
• Businessmodell
• Strategie auf einer Seite
• Methodenauswahl, an der das Ganze gechallenged wird
• mehrere Veränderungsszenarien als Output

Drei Szenarien für die strategische Weiterentwicklung gehen an den Kunden, werden präsentiert, der Kunde entscheidet sich für eines – und mit dieser Entscheidung geht es auf die taktische Ebene weiter, ohne dass der Prozess von vorne beginnt.

Die neue Geschwindigkeit: 14 Wochen → 6 Wochen → 1,5 Tage

Das Ergebnis ist eine radikale Kompression:

• Klassischer Living-Case-Partner-Prozess: 14 Wochen.
• Mit der Blackbox aktuell: 6 Wochen, gerade live im Einsatz.
• Beim nächsten Kunden, mit dem gestern das CEO-Gespräch war: anderthalb Tage für den gesamten Prozess.

Anderthalb Tage – inklusive Prototyp und Deployment. Uwe beschreibt das Bild: man setzt sich mit dem Kunden ums Feuer, raucht eine Zigarre, dreht sich um, geht an den Rechner – und die Prototypen sind fertig und deployed. Wichtig dabei: die Kunden müssen aktiv mit reingenommen werden, Post-its kleben, mitdenken, damit es deren Baby wird und nicht nur ein Baby der KI.

Genau diese Geschwindigkeit ist der Grund, warum der erwähnte Kunde Ernst & Young, McKinsey und PwC den Laufpass gegeben hat und sich für das Körting Institute entschieden hat. Bei den anderen: Monate Dauer, mindestens eine Null mehr im Preis (von mittlerem fünfstelligen zu mittlerem sechsstelligen Betrag) und eine Armada an Partnern aus der alten Welt.

Das Prinzip der Selbstverstärkung

Während Uwe gestern das CEO-Gespräch führte, hat die KI parallel an seiner eigenen Plattform weitergebaut: aus den manuellen Vorbereitungs-Schritten (Deep Research, mehrere Reports, Meta-Analyse mit dem Angebotsdokument) ist eine neue Ebene „Foundation“ in der Blackbox entstanden – integriert, sofort einsatzbereit für den nächsten Kunden.

Das ist das Muster, das er „Selbstverstärkung“ nennt – und es erklärt, warum Anthropic gerade davonzieht:

• Claude Code wurde nicht primär für die Anwender entwickelt, sondern damit Anthropic sich selbst kontinuierlich weiterentwickeln kann.
• Erst durch Claude Code wurden Claude Cowork und Claude Design möglich.
• Anthropic disruptiert die eigene Entwicklung – Grok/xAI hat geschlafen, OpenAI holt mit Codex auf, Gemini hängt beim Coding hinterher.

Anthropic hat jüngst sogar Konzepte wie eine Plattform, auf der Agenten Angebote machen und Agenten kaufen, durchgespielt – mit direkter Auswirkung auf eBay-Aktien.

Übertragen auf dich: Wenn du eine eigene Plattform/Box hast, in der jede neue Erkenntnis und jedes neue Modul sofort hineinwächst, baust du dir denselben Effekt im Kleinen.

Der Buchgenerator als zweites Beispiel

Den gleichen Mechanismus nutzt Uwe beim Buchgenerator: State of the Art halten heißt, neue Module einfach anzudocken, sobald sie erscheinen.

• Drei Bildquellen integriert: Napkin, Nano Banana, GPT Image 2 – letzteres erst eine bis anderthalb Wochen alt, sofort drin.
• Eleven Labs für Hörbuch on demand – samt mitlaufendem Kostenkalkulator.
• Neue Möglichkeiten werden „einfach hier reingebaut“, weil noch Platz ist.

Genau dieses Andocken funktioniert nur, wenn die Grundlage steht.

Drei Herausforderungen für Thomas (und für dich)

Am Ende verdichtet Uwe das Coaching zu drei konkreten Aufgaben:

1. Investiere viel Zeit in das Seed-Dokument und in den Prompt, mit dem du Mirofish startest. Frag in der Masterclass Stefan Weimar – er hat Mirofish bereits sehr stark durchdrungen und teilt seine Erkenntnisse.
2. Mache Mirofish von außen triggerbar – über MCP oder API. Nur dann lässt sich das Ganze automatisieren. Manuell läuft es zwar auch, aber der Sprung in die Automatisierung passiert über externe Ansteuerung.
3. Bette Mirofish in den Gesamtkontext ein – also in eine eigene Blackbox/Plattform wie die Strategieberater-Box.

Zur Hardware-Frage: Lokal auf einem M2 Max Pro läuft Mirofish – gerade aus Datenschutzgründen attraktiv – aber langsam (bei Uwe acht Stunden). Mit einem VPS und einer Ollama-Instanz sind es 10–30 Minuten. Wer lokal arbeitet, sollte:

• Stefan in der Masterclass nach dem passenden Modell für die lokale Ollama-Installation fragen (mit Hardware-Specs).
• Bei Mirofish die Anzahl Agenten und Durchläufe custom einstellen und deutlich herunterdrehen, um in 30 Minuten ein Ergebnis zu haben.

Uwe hat zwei Skills dafür im Einsatz und teilt sie auf Anfrage in der Masterclass.

Was das von dir verlangt: Klarheit

Solche Plattformen fallen Uwe bei Thomas „vom Himmel“ – aber nur, weil Thomas sein Profil scharf hat. Damit dir das Gleiche gelingt – ob du Sabine, René, Uwe oder Andrea heißt – brauchst du:

• Klarheit, wofür du stehst.
• Klarheit über das Werteversprechen für eine definierte Zielgruppe.

Erst dann erkennst du sofort, welche Box, welche Simulation, welcher Prozess dein unfairer Wettbewerbsvorteil ist – und kannst beginnen, ihn zu bauen, während andere noch über Tools diskutieren.

Thomas‘ Reaktion auf den Live-Vorschlag: „Das ist genau das, was ich nach unserem Call aufbauen werde.“ Mit klarer Deadline – am 12. Mai im Workshop in London muss es laufen.

Uwe zeigt live, wie er für einen Mittelstandskunden die Steuerberatungskosten von 25.500 € auf 5.000 € pro Jahr senkt – ein Minus von 80 %. Du erfährst, wie er mit KI Kontierungslogiken klont, BAFA- und INQA-Berichte automatisiert, SSL-Zertifikate kostenlos erneuert und sogar einen Lex-Office-Klon baut. Dazu bekommst du den 4-Punkte-Filter, mit dem du selbst die richtigen KI-Anwendungsfälle identifizierst – plus die Idee eines Profit-Share-Modells für die Einsparungen.

Die neue Positionierung: Experte für die Reduzierung von Steuerberatungskosten

Uwe hat eine klare, scharfe Positionierung gewählt: Er ist Experte für die Reduzierung von Steuerberatungskosten. Klingt unspektakulär, ist aber ein hochrelevanter Schmerzpunkt im Mittelstand – und durch KI gerade jetzt überhaupt erst wirtschaftlich angreifbar.

Der Auslöser kam aus einem einzigen Beratungsgespräch: Uwe sah, was der Steuerberater des Kunden tatsächlich tat – und der Aufwand erschien ihm angesichts der Kosten von 25.500 € pro Jahr unverhältnismäßig hoch. Er stellte die heilige Kuh „Steuerberatungskosten“ in Frage. Daraus entstand nicht nur eine neue Positionierung, sondern ein ganzes Bündel an Produkten.

„Ich habe wirklich niemals gedacht, dass ich an die heilige Kuh Steuerberatungskosten rangehen kann, weil das immer als Naturkonstante gesetzt war.“

Anwendungsfall 1: SSL-Zertifikate automatisiert – 66 % Hosting-Kosten gespart

Uwe betreibt für Kunden noch einige Server. Hostingkosten: 6.000 € im Jahr. Ein Posten darin: SSL-Zertifikate, ca. 30 € pro Jahr und Domain bei den meisten Providern. Es geht aber auch kostenlos – nur war das Einrichten und das alle 60 Tage notwendige Erneuern manuell sehr aufwendig.

Lösung: Eine KI-gestützte Automatisierung, die sich per SSH auf die Server einloggt, die Zertifikate für alle Domains hochlädt und alle 60 Tage selbstständig erneuert. Kostenlos.

• Ergebnis: 2.000 € Ersparnis pro Jahr nur durch SSL
• Hosting insgesamt: von 6.000 € auf ca. 1.500 € reduziert
• Reduktion: rund 66 %

Das ist nicht der Kern seiner Positionierung, aber ein sauberer Beweis: Wenn du mit KI alte, manuelle Prozesse anschaust, fallen die Kosten kollabierend zusammen.

Anwendungsfall 2: Den Steuerberater „klonen“ – Kontierungslogik per KI abbilden

Der eigentliche Hebel sitzt bei der Buchhaltung. Jeder Steuerberater hat über die Jahre eine eigene Kontierungslogik für seinen Kunden entwickelt. Genau diese Logik macht Uwe maschinenlesbar.

Der Prozess:

1. Die KI analysiert in einer Nacht die letzten beiden vollständigen Buchhaltungen des Kunden – alle Belege, alle Kontierungsstrecken.
2. Die Kontierungslogik wird gespeichert.
3. Eine neue Rechnung wird per App eingescannt und sofort kontiert.
4. Es entsteht eine Liste von zehn Kontierungsvorschlägen direkt in der Buchhaltungssoftware (Lex Office, Penny Lane etc.) – per API-Anbindung.
5. Der Kunde oder eine Assistenz entscheidet nur noch: passt – passt nicht.
6. Fälle, die die KI nicht sicher lösen kann (neuer Lieferant, neue Rechnungsart), landen auf einer Liste, die einmal im Monat mit dem Steuerberater durchgegangen wird.

Der Effekt am konkreten Kunden:

• Branche: Metallhandwerk
• Umsatz: 3,5 Mio. € pro Jahr
• Mitarbeiter: 5
• Belege pro Monat: 200
• Vorher: 20 Stunden Belegerfassung pro Monat
• Nachher: rund 2 Stunden – nur noch Endkontrolle
• Steuerberatungskosten vorher: 25.500 €/Jahr
• Steuerberatungskosten nachher: knapp 5.000 €/Jahr
• Einsparung: rund 80 %

Wichtig: Der Kunde muss das Buchhaltungs-Know-how nicht mehr selbst haben. Eine Assistenz reicht. Die Fachkompetenz bleibt bei Uwe und beim Steuerberater – verlagert sich aber von Routinearbeit auf Endkontrolle und Sonderfälle.

Anwendungsfall 3: BAFA- und INQA-Berichte aus Rohmaterial generieren

BAFA-Berichte zu schreiben ist klassisch ein Tag Arbeit pro Bericht. INQA ist noch komplizierter – dort sind es fünf Berichte pro Arbeitsphase, drei Tage reine Schreibarbeit.

Uwe baut dafür einen Berichtsgenerator nach demselben Muster wie der im Call gezeigte Buchgenerator:

• Input: Interview-Transkripte aus den Fragebogen-Gesprächen, der Fragebogen selbst, plus Notizen zu Exkursen.
• Output: Fertige BAFA- bzw. INQA-Berichte inkl. drei bis vier ausformulierter, personalisierter Handlungsempfehlungen.
• Zeitersparnis: Drei Tage Schreibarbeit werden zu drei Stunden. Ein BAFA-Bericht ist in einer Stunde geschrieben.

Sein Punkt: Die KI personalisiert sogar besser, als er es früher per Copy-Paste aus alten Berichten konnte. Seine Aufgabe ist Plausibilitätsprüfung und Endkontrolle – also genau das, was Fachkompetenz ausmacht.

Anwendungsfall 4: Lex Office klonen für 150 €

Für seine eigene UG, die er für die INQA-Beratung gründen musste, holte Uwe Angebote für die Bilanzerstellung ein – 2.000 €. Daraus entstand die Frage: Warum nicht gleich die komplette Buchhaltungssoftware nachbauen?

Vorgehen:

• 30–40 Screenshots aus Lex Office mit allen relevanten Parametern an Claude übergeben
• Claude die benötigte Token-Menge selbst berechnen lassen: ca. 6 Mio. Tokens
• Kosten für die Code-Generierung: ca. 150 €

Damit hat er einen funktionalen Lex-Office-Klon für seinen eigenen Use Case. Nicht, um 30 Jahre Lexware-Entwicklung zu ersetzen – sondern um den eigenen Jahresabschluss und die eigene Bilanz zu erzeugen. Wenn das stabil läuft, ist die Tür für Kundengespräche offen.

Der Filter für die richtigen Anwendungsfälle

Christian ordnet das Ganze ein: Früher war der Filter für Ideen vor allem „zu teuer, zu aufwendig, technisch nicht machbar“. Diesen Filter gibt es so nicht mehr – fast alles ist heute baubar. Also brauchst du einen neuen Filter. Vier Fragen, die alle vier ein „Ja“ liefern müssen, bevor du eine Idee tatsächlich umsetzt:

1. Ist es relevant für mich?
2. Ist es relevant für meine Kunden?
3. Ist es umsetzbar oder vermittelbar?
4. Gibt es ein lebendes Objekt – also einen konkreten Case, an dem ich es sofort ausprobieren kann?

Bei Uwe ist das Bild eindeutig: SSL-Automatisierung, BAFA-Generator und vor allem die Steuerberatungs-Disruption erfüllen alle vier Kriterien. Beim Lex-Office-Klon ist es differenzierter – solche Anwendungen produktiv für Dritte zu betreiben, ist ein eigenes Geschäft und schnell wieder selbst disruptierbar.

Vom Kostensparer zum Profit-Share-Modell

Der entscheidende Schritt: Aus der Einsparung ein Werteversprechen machen, das du dem Kunden konkret garantieren kannst.

Der Pitch in der Praxis:

• „Ich kann Ihnen garantieren: Wir machen aus 25.500 € direkt zuordenbarer Steuerberatungskosten 5.000 €.“
• Flat Fee am Anfang (z. B. 10.000 € One-Off) – Geld zurück, wenn das Ergebnis nicht erreicht wird.
• 30 % der eingesparten Kosten der nächsten drei Jahre als Profit Share („Apple-Modell“).
• Bonus: Das Ganze ist BAFA-förderfähig.

Wer sagt zu so einem Angebot Nein? Genau das ist der Sweet Spot, an dem aus einem KI-Kniff ein skalierbares Werteversprechen wird.

Kernbotschaften zum Mitnehmen

• Stelle alles in Frage. Auch funktionierende Prozesse. Vor allem die heiligen Kühe – „Steuerberatungskosten waren immer eine Naturkonstante“ ist genau die Denkblockade, die du brechen musst.
• Mache es zur Priorität. Schaffe dir eine Umgebung, in der du diese Disruption tatsächlich umsetzen kannst.
• Nutze den 4-Punkte-Filter. Nicht jede Idee verdient Realität. Aber wenn alle vier Kriterien grün sind: machen.
• Halte die Fachkompetenz bei dir. KI macht Fehler. Endkontrolle, Plausibilität, fachliches Urteil – das ist deine Kernkompetenz und die soll auch dort bleiben.
• Münze KI-Vorteile in Kundenmehrwert um. Nicht „Ich kann KI“. Sondern: „Ich senke Ihre Kosten um 80 %.“ Das ist der Wettbewerbsvorteil, den niemand wegargumentieren kann.

„Wir sitzen oftmals selbst in einem Kasten und sagen: Das lief schon immer so. Aber jetzt sparen sie 20.000 € jedes Jahr ein – nur weil wir diese eine Frage gestellt und diese eine heilige Kuh geschlachtet haben.“

In diesem Coaching-Segment arbeitet Uwe live mit Nick an dessen Format „Gold Digger Design Sprint“, mit dem Unternehmen den Wert in ihren Daten heben und monetarisieren. Du siehst, wie aus dem klassischen EVA-Prinzip (Eingabe – Verarbeitung – Ausgabe) eine kaskadierende KI-Blackbox wird, die Produktsteckbriefe, Markteinführungs-Simulationen und Business Cases automatisiert erzeugt. Inklusive Hinweis auf synthetische Daten, Speed-as-Value und konkreter Vorbereitungsaufgaben für die nächste Session.

Nicks Kernpositionierung

Nick hilft Unternehmen, den Wert in ihren Daten zu erkennen und daraus zusätzlichen Umsatz zu generieren – zunächst über die eigenen Produkte und Services, perspektivisch auch über die externe Vermarktung an andere Firmen. Parallel positioniert er sich als KI-Strategieberater weiter und befindet sich aktuell in der Akquise-Phase, in der er testet, welche Angebote bei Kunden tatsächlich ankommen.

Sein Format dafür: der Gold Digger Design Sprint – möglicherweise erweitert zum Gold Digger Data Design Sprint, um sofort klar zu machen, dass es um Daten geht. Der Sprint verkürzt einen Prozess, der in vielen Unternehmen normalerweise drei bis fünf Monate dauert, auf zwei bis drei Tage.

Das EVA-Prinzip als Denkrahmen

Egal ob Buchgenerator, BAFA-Bericht (Uwe), KI-Strategie-Beratung oder Nicks Sprint – die Logik ist immer dieselbe:

• Eingabe: Daten und Informationen aus Datentöpfen, Gesprächen, Workshops
• Verarbeitung: eine Blackbox – ein Prompt, mehrere Prompts, eine Pipeline
• Ausgabe: ein konkretes, weiterverwertbares Artefakt

Was sich gerade verändert: Diese Blackbox bekommt Intelligenz. Wird sie zusätzlich autonom und automatisch, sprechen wir von Agenten. Wichtiger Hinweis aus Uwes Wochenend-Experiment am Buchgenerator: Nicht jeder Prozess braucht einen agentischen Ansatz. Ein Buch folgt klaren Prinzipien – hier reicht es, die Kapitel-Erstellung zu parallelisieren, statt einen autonomen Agenten draufzusetzen.

Nicks Sprint im EVA-Modell

Übertragen auf Nicks Format heißt das, drei Fragen sauber zu beantworten:

1. Welche Daten brauche ich vorne? (eigener Datentopf des Unternehmens plus Informationen aus Gesprächen)
2. Was passiert in der Blackbox? (Prompts, Pipelines, Logik)
3. Wie sieht der finale Produktsteckbrief strukturell aus?

Am Ende der Blackbox steht der Produktsteckbrief – das zentrale Artefakt, aus dem sich Umsatz generieren lässt.

Mit synthetischen Daten arbeiten

Eine zentrale Empfehlung an Nick: Bau den Prozess so, dass du ihn mit simulierten, synthetischen Informationen und Daten durchspielen kannst. So testest du die Blackbox, ohne auf echte Kundendaten warten zu müssen.

Es gibt seit rund zwei Jahren spezialisierte Plattformen, die genau für KI-Anwendungsfälle synthetische Daten erzeugen – relevant z.B. für Supply Chain oder strategische Einkaufsberatung (Stichwort Angebotsvergleiche). Uwe recherchiert die aktuellen Anbieter und teilt sie über das Business Lab und die WhatsApp-Gruppe.

Speed is Value: Uwes eigenes Beispiel

Uwe zeigt parallel sein eigenes System für die KI-Strategie-Beratung mit strategischer, taktischer und operativer Ebene. In zwei Wochen wird er soweit sein:

• Vorne: ein 8-Stunden-Workshop mit dem Kunden
• Hinten: fertige, live testbare und deployte Prototypen auf einem VPS
• Kosten pro Durchlauf inkl. Deep Research, Trendanalyse und Bauen: 400–500 €
• Bisherige Testkosten vierstellig, werden fünfstellig bis zur Finalversion

Wenn ein Kunde dafür 30.000 € für einen 1,5-Tages-Workshop bezahlt und am Ende läuft ein Prototyp, ist das deutlich attraktiver, als wenn dasselbe Ergebnis vier bis sechs Wochen dauert. „Speed is Value“ – Geschwindigkeit ist Wertstiftung. Weniger Arbeit auf der Anbieterseite, mehr wahrgenommener Wert auf Kundenseite.

Ums Geld geht es mir gar nicht. Wenn es geil ist und das Ergebnis besser, dann ist mir Kohle wurscht – das Geschäftsmodell muss es natürlich hergeben.

Die Kaskade: Vom Produktsteckbrief zum Business Case

Der Clou ist, die Ausgabe wieder zur Eingabe zu machen. So entsteht eine Kaskade gleicher Blackboxen auf unterschiedlichen Ebenen:

1. Stufe 1: Daten + Infos → Blackbox → Produktsteckbrief
2. Stufe 2: Produktsteckbrief → Biofish-Blackbox → Simulation der Produkteinführung (Markteinführung, Monetarisierung, Leuchtturmprodukt)
3. Schleife: Simulationsergebnis fließt zurück, der Produktsteckbrief wird iterativ optimiert
4. Stufe 3: Adjustierter Produktsteckbrief + Simulationsergebnis → Blackbox → Business Case
5. Stufe 4: Business Case lässt sich erneut simulieren

Wenn Nick das baut, sieht der Sprint irgendwann so aus: vorne ein Workshop, dann Blackbox starten, Mittagessen – und am Ende kommt die fertige Empfehlung raus. Der Workshop wird dann zunehmend zum Mindset-Aufbau und zur Beteiligung der Mitarbeiter, damit sie das Gefühl haben, die Ideen mitentwickelt zu haben und in Datenprodukten zu denken.

Effektivität vor Effizienz

Nick beobachtet in vielen IT-Abteilungen, dass sie sich zu stark auf die Effizienz der Prozesse stürzen, statt zuerst die Effektivität zu klären: Was ist der Business Value am Ende? Sein Anspruch in Richtung Kunde:

• Für jeden Prozess zuerst klären, was das effektive Ergebnis ist
• Im Prozess das rauswerfen, was nur aus alten technischen Limitierungen entstanden ist
• Direkt mehr Effektivität erzeugen, statt nur Bestehendes zu beschleunigen
• Data Value Chain Prozesse komplett neu denken

Bonus-Insight: Health Check für Live-Systeme

Nebenbei fällt während des Calls auf, dass die Mirofish-Simulation gerade einen Gateway Timeout wirft. Daraus entsteht spontan ein neuer Anwendungsfall: ein Monitoring-Dashboard / Health Check für alle Live-Systeme (koerting.ai, academy.koerting-institut, alle CNames), das alle paar Minuten prüft, ob die Prozesse noch laufen. Wird im KI-Café live gebaut.

Nicks Hausaufgaben für Donnerstag

Damit der Folge-Termin volle Wirkung entfaltet, bereitet Nick zwei Dinge vor:

• Einen echten Kunden identifizieren – egal ob bezahlt oder nicht – mit dem er zwei bis drei Stunden Gespräch führen und durch den Prozess gehen kann. Lebende Objekte sind entscheidend, damit das Format auf den richtigen Nährboden fällt und Nick selbst in den Raum der Transformation kommt.
• Einen Produktsteckbrief (gerne anonymisiert/pseudonymisiert) und – falls vorhanden – eine Business-Case-Struktur an Uwe schicken, damit beides in Mirofish simuliert werden kann.

Das ist die Grundlage, um anschließend Angebotskomponenten zu definieren und einen sinnvollen Preisanker zu fixieren.

Sabine managt acht LinkedIn-Profile für Führungskräfte – mit beeindruckenden Ergebnissen, aber hohem manuellem Aufwand. In diesem Coaching-Segment zeichnet Nick den Weg vom manuellen Prozess zu einer mandantenfähigen Blackbox, die Redaktionspläne, Posts, Kommentare und Newsletter autonom erzeugt. Du erfährst, warum manuelle Schritte die Voraussetzung jeder guten KI-Automatisierung sind, wie der Übergang in die Blackbox funktioniert und wie der Everest – LinkedIn auf Autopilot via Chrome Extension und Mac Mini – konkret aussehen könnte.

Sabines Status quo: acht Profile, hoher manueller Aufwand

Sabine betreut aktuell rund acht LinkedIn-Profile für Führungskräfte – inklusive Posts, Kommentaren, Aktionsplänen, Newslettern und Vernetzung. Sie übernimmt das komplette Profilmanagement, oft für Manager, die selbst gar nicht auf LinkedIn schauen. Das Ergebnis: Die Kunden sind nicht nur auf LinkedIn, sondern auch über LinkedIn in der realen Welt sichtbar – ein klares Zeichen, dass der Ansatz funktioniert und konvertiert.

Trotzdem stößt Sabine an Grenzen. Sie hat bereits versucht, ein „LinkedIn-Cockpit“ als App zu bauen – ein Assistent, der Profile optimiert, Posts erzeugt, Kommentare schreibt. Das Ergebnis hat aber nie die Qualität erreicht, die ihre manuelle Arbeit liefert. Skalierung ist daher schwierig: Doppelt so viele Profile gehen aktuell nicht.

Der Everest: voll autonomes LinkedIn-Management

Nick zeichnet das Zielbild klar: Eine eigene App pro Kunde, die das LinkedIn-Profil voll autonom managt. Das Bild dazu: ein Serverschrank mit acht Mac Minis, jeder mit Klebeband beschriftet – „Herr Meier“, „Frau Müller“. Jeder Mac Mini simuliert menschliches Verhalten so präzise, dass LinkedIn nicht erkennt, dass KI dahintersteckt.

„Das wäre der Everest – eine eigene App für jeden einzelnen Kunden.“

Technologisch ist das machbar. Sabine ist mit ihrer App-Idee aktuell ganz am Fuß des Berges – aber das Ziel ist exakt das, woran sich zu arbeiten lohnt.

Was schon richtig gut funktioniert

Bevor man optimiert, muss man wissen, was bereits trägt. Sabine zählt auf:

• Redaktionsplan: Mit Claude Code in 30–45 Minuten ein Monatsplan mit fünf Posts pro Woche – früher Stunden Arbeit.
• Posts schreiben: Authentisch im Stil des Kunden, mit Agenten und unterschiedlichen LLMs (vor allem Gemini und Claude).
• Ideen generieren: Funktioniert sehr gut, zahlt direkt auf den Redaktionsplan ein.
• Kommentare: Mit KI über einen Mechanismus, der Beitrag, andere Kommentare und Kundenkontext (sogar stilistische Eigenheiten wie „drei Punkte statt Komma“) berücksichtigt.
• Newsletter: Funktioniert mit KI sehr gut, performt auch auf LinkedIn.
• Bilder: Higgsfield als Plattform mit allen gängigen Bild- und Video-Generatoren; Canva für die laufende Bildproduktion mit hinterlegten Markenprofilen.

Was nicht funktioniert: das Switchen zwischen Plattformen. Der manuelle Aufwand ist hoch, die Skalierung Sabine-abhängig.

Das Prinzip: Manuelle Schritte sind die Voraussetzung der Blackbox

Nick öffnet die Tür in die eigene Arbeitsweise des Instituts. Wenn dort Blackboxes entwickelt werden – Buchgenerator, Strategieberatung-Blackbox – passiert im Vorfeld immer dasselbe: Der Ansatz wird manuell durchgeführt, mit Skills, Prompts, Klot, Kopier-Workflows. Genau wie Sabine es heute tut.

Diese manuellen Schritte ermöglichen drei Dinge:

1. Kompetenz: Du baust Wissen auf – was klappt, was nicht.
2. Fingerfertigkeit: Du wirst schneller und präziser.
3. Lernen: Das fließt direkt in die Blackbox-Entwicklung ein.

Am Living-Case-Beispiel TKD zeigt Nick die strategische Ebene: 30–40 manuell durchgeführte Schritte, lückenlos dokumentiert, mit allen Prompts und Hinweisen. Diese Doku ist der Übergangspunkt – über eine Plan-MD fließt sie in die Entwicklung der Blackbox ein. Inklusive flankierender Bausteine wie Skill-MDs und allem, was beim manuellen Arbeiten genutzt wurde.

Vom manuellen Schritt zum App-Modul

Nick zeigt live, wie ein Durchlauf in der TKD-Blackbox aussieht: neuer Testkunde anlegen, strategische Ebene starten, Eingangskriterien definieren (Titel, Beschreibung, Verweis auf den Grundlagen-Lauf), Modus wählen (Basis oder erweitert), Modell auswählen – fertig. Im Hintergrund läuft der dokumentierte manuelle Weg ab, jetzt voll automatisiert. Die Prompts sind in der App hinterlegt und veränderbar. Das gesamte Strategieberater-Playbook steckt darin – die eigentliche IP.

Der Punkt: Damit die KI etwas automatisiert tun kann, braucht sie genau das, was du manuell gemacht hast. Eingang → Verarbeitung → Ausgang.

Sabines konkreter erster Schritt: der Redaktionsplan-Kokon

Nick schlägt vor, mit Sabine im KI-Café die erste Mini-Blackbox zu bauen – als Vorbereitung für den 16. Mai. Startpunkt: der Redaktionsplan.

Eingang (Basisinformationen):

• LinkedIn-Profil des Kunden
• Bisherige Redaktionspläne (für Konsistenz und Weiterentwicklung)
• Transkript des Planungsgesprächs
• Aktuelle Themenrecherche (wird in die KI integriert)
• Transkripte aus Calls, Town Halls, Podcasts, Interviews – alles aus dem letzten Monat, aus dem sich Inhalte ziehen lassen
• Foundation-Layer: Was ist das Ziel? Follower? Kunden? Verkaufsmaßnahmen im kommenden Monat?

Verarbeitung: Die Blackbox – die manuellen Schritte als App, mit Prompts und Skills.

Ausgabe: Der fertige Redaktionsplan als Word-Dokument, das dem Kunden vorgelegt werden kann.

Was Sabine vorab liefern soll: pseudonymisierter Beispiel-Redaktionsplan, dokumentierte manuelle Schritte mit Prompts, eventuelle Skill-MDs.

Der Weg zum Everest

Sobald der Redaktionsplan-Kokon steht, geht es Schritt für Schritt weiter:

1. Mandantenfähig machen – wie in der TKD-Blackbox neue Kunden anlegen.
2. Auf Virtual Private Server bzw. Local Host deployen – z. B. unter linkedin.aufleger.ai oder ähnlich. Für die Mac-Mini-Variante eher lokal.
3. Posts schreiben automatisieren.
4. Posten via Chrome Extension mit Human Behavior – nicht über LinkedIn-Scheduler, sondern als simuliertes Nutzerverhalten.
5. Kommentieren automatisieren – inklusive Antworten auf eingehende Kommentare mit menschlichem Zeitversatz.
6. Newsletter automatisieren.
7. Profilaudit – einmal im Monat automatisch erstellt und per E-Mail an den Kunden.

Headless Browser als technischer Hebel: Uwe gibt den Impuls, dass das schneller geht – Nick nimmt es auf für die Mittwochs-Session.

Algorithmus-Wissen muss in die Blackbox

Eine Blackbox ist nur so gut wie das Domänen-Wissen darin. Sabine bringt zwei wichtige Realitätschecks ein: Die „Golden Hour“ hat sich laut Richard van der Blum etwas relativiert; LinkedIn straft inzwischen Profile mit Leadmagneten ab und arbeitet aktiv gegen Automatisierung. Konsequenz: Die Richard-van-der-Blum- und Justin-Welsh-/Jasmin-Arlich-Kompetenz – wie man Hooks baut, wann gepostet wird, wie kommentiert wird – muss in der Blackbox verankert sein und kontinuierlich nachjustiert werden.

Das absolute Muss: kein Profil darf je gesperrt werden. Daher braucht es einen Test-Account (Sabine hat mehrere Profile), auf dem alle Mechanismen erprobt werden, bevor sie auf Kundenprofile gehen.

Warum sich der Durchbruch lohnt

Nick fasst die Dynamik zusammen: Wenn dieser eine technische Durchbruch einmal geschafft ist – die mandantenfähige Plattform, die Chrome Extension mit Human Behavior, das automatisierte Posten, Kommentieren und Newsletter-Schreiben –, dann kippt die Gedankenwelt:

„The Everest is not big enough.“

Plötzlich entstehen neue Möglichkeiten: zehn Mac Minis, jeder mit Klebi, jeder simuliert die LinkedIn-Routine eines Kunden – Herr Meier morgens 7–8 Uhr, mittags 12–13 Uhr, abends nochmal eine Stunde. Frau Müller mit anderem Biorhythmus oder Zeitzone. Alles ableitbar aus Positionierung und Redaktionsplan.

Das Zusammenspiel: Fachexpertise × KI-Expertise

Der eigentliche Hebel liegt im Zusammenspiel:

• Fachliche Expertise: LinkedIn-Transformation – die Fähigkeit, tausend Likes, echte Kommentare und Offline-Resonanz zu erzeugen.
• KI-Expertise: Die Fähigkeit, Redaktionspläne, Posts und Kommentare nicht nur gut zu machen, sondern voll zu automatisieren.

Das Ergebnis ist ein unfairer Wettbewerbsvorteil – sowohl als interner Effizienzhebel für Sabine als auch perspektivisch als Werteversprechen für Unternehmensprofile, wo automatisiertes Profil-Management eine Riesenaufgabe ist.

Die Kernbotschaft für dich

Wenn du Sabines Situation auf dich überträgst:

• Mache es zuerst manuell – auch und gerade mit KI. Das baut Kompetenz auf.
• Dokumentiere lückenlos: jeden Schritt, jeden Prompt, jeden Zusatzbaustein.
• Identifiziere Eingang, Verarbeitung, Ausgang für deinen ersten Mini-Kokon.
• Bohre einmal das Brett durch: Eine erste Mini-Blackbox – und dein Denken verschiebt sich automatisch nach oben.
• Erweitere kontinuierlich: mandantenfähig, weitere Module, weitere Ebenen.

„Wenn ich du wäre, würde ich den ganzen Tag nichts anderes machen, als diese Blackbox zu entwickeln und weiterzuentwickeln.“

In dieser Live-Demo zeigt dir Sven, wie er übers Wochenende zwei zentrale Prozesse im Koerting Institute disruptiert hat: das Onboarding der KI-Masterclass und die komplette Video-Nachbearbeitung der Live-Calls. Du siehst in Echtzeit, wie aus einem dreistündigen Zoom-Mitschnitt per Knopfdruck fertig geschnittene Segmente, überarbeitete Transkripte und Vimeo-Uploads entstehen. Ein konkretes Beispiel dafür, was Disruption im eigenen Unternehmen bedeutet — und was es für Mitarbeiterkapazitäten heißt.

Worum es geht: Zwei disruptierte Prozesse an einem Wochenende

Sven unterbricht den Call spontan, weil er etwas zeigen muss, das parallel im Hintergrund läuft. Über das Wochenende hat er zwei zentrale interne Prozesse komplett automatisiert:

1. Onboarding der KI-Masterclass: vollständig automatisiert seit dem Wochenende. Eine halbe MAK (Mitarbeiterkapazität) ist dadurch frei geworden.
2. Video-Pipeline für alle Calls: Schneiden, Transkribieren, Überarbeiten und Vimeo-Upload — auf einen Knopfdruck.

Beide Prozesse wurden direkt mit Live-Daten getestet. Beim Onboarding hat das dazu geführt, dass einzelne Teilnehmer „ein paar Mails zu viel“ bekommen haben — beschwert hat sich niemand, der Lerneffekt war den Stress wert.

Der alte Onboarding-Prozess vs. der neue

Vorher: 20 Teilnehmer × 15 Minuten manuelles Onboarding = rund fünf bis acht Stunden Arbeit pro Durchgang.

Nachher: Ein Knopfdruck. Alles andere passiert automatisiert im Hintergrund.

Der alte Video-Prozess: aufwendig und fragmentiert

So lief die Nachbearbeitung der Live-Calls bisher:

• Dualstudenten ziehen das Video am Folgetag aus der Dropbox.
• Vorne und hinten wird grobes „Geplänkel“ weggeschnitten — der Rest bleibt en bloc, weil ein feines, thematisches Schneiden in verdaubare Happen nicht leistbar ist.
• Es bleibt typischerweise ein zweieinhalbstündiges Stück übrig.
• Das Video wird transkribiert.
• Das Transkript wird überarbeitet, damit die Akademie damit befüllt werden kann (Zusammenfassung pro Call).
• Das Video wird auf Vimeo hochgeladen und auf der Webseite eingestellt.

Aufwand pro Call: ein bis zwei Stunden — plus das Problem, dass ein 2,5-Stunden-Block für Lernende kaum konsumierbar ist.

Der neue Prozess: Video rein, fertige Pipeline raus

Sven demonstriert das live an der Aufzeichnung der KI-Masterclass vom Vorabend mit Tanja Förster: ein Zoom-Call mit Katrin und Tanja, 750 MB, 2 Stunden 55 Minuten lang.

Was die Pipeline daraus automatisch macht:

• Video wird in ein Eingangsverzeichnis gelegt.
• Die KI transkribiert das gesamte Material.
• Sie schneidet das Video in logische Segmente — beim Beispiel-Call vom Vorabend in 14 Einzelteile.
• Pro Segment wird das Transkript so überarbeitet, dass es direkt in die Online-Akademie gestellt werden kann.
• Parallel werden alle Schnipsel auf Vimeo in einen Team-Library-Ordner („Generated“) hochgeladen.

Verarbeitungszeit: rund eine bis anderthalb Stunden, vollautomatisch, lokal auf dem Rechner (später auf einem dedizierten Mac Mini).

Live-Ergebnis: erstes Segment hat 21 Minuten und sitzt

Sven öffnet eines der frisch erzeugten Schnipsel — die Anmoderation und Einführung von Tanja zum Thema „Bordmittel im Körting-Universum“. Sein Urteil beim ersten gemeinsamen Anschauen mit der Gruppe:

Perfekt geschnitten, also wirklich on point.

Das ist bemerkenswert, weil weder er noch das Publikum den Schnitt vorher gesehen haben — es ist der erste echte Live-Call, den die Pipeline verarbeitet hat.

Was das konkret bedeutet

Zeitersparnis pro Call: von ein bis zwei Stunden manueller Arbeit auf einen Knopfdruck.

Kapazität: Im Koerting Institute werden pro Woche viele Calls produziert. Eine halbe bis ganze MAK ist für diesen Prozess nicht mehr nötig — diese Kapazität fließt in andere Aufgaben.

Qualität: Statt einem 2,5-Stunden-Block bekommen Lernende thematisch saubere, verdaubare Häppchen mit eigenen Transkripten — also ein deutlich besseres Lernprodukt, nicht nur ein günstigeres.

Die Botschaft an dich

Der eigentliche Punkt dieses Live-Einschubs ist nicht das Tool, sondern die Haltung. Sven formuliert es am Ende klar:

Das ist Disruption. Wenn ihr auf eure Themen schaut, auf die eurer Kunden — wie seid ihr in der Lage, das zu verändern?

Frag dich konkret:

• Welcher deiner Prozesse frisst heute Stunden, die durch eine Pipeline auf einen Knopfdruck schrumpfen könnten?
• Welche halbe oder ganze MAK in deinem Unternehmen wäre durch saubere Automatisierung für höherwertige Aufgaben frei?
• Welche deiner Kundenprodukte sind heute „en bloc“ und würden in verdaubaren Segmenten massiv an Wert gewinnen?

Disruption beginnt da, wo du bereit bist, einen funktionierenden Prozess am Wochenende komplett umzubauen — und ihn am Montag schon mit Live-Daten laufen zu lassen.

In diesem Segment erlebst du Disruption live: Andreas zeigt eine selbstgebaute Onboarding-App, die einen kompletten Mandanten-Onboarding-Prozess vollautomatisch durchspielt – von CRM über Klicktipp und Slack bis zur Akademie. Du verstehst, wie aus 20 Stunden Vibe Coding 15 % Personalkapazität freiwerden, warum „Speed is value“ gilt und wie du deine eigenen Use Cases konsequent disruptiv weiterdenkst.

Game Changer live: Vom Prompt zur eigenen Anwendung

Was du in diesem Segment siehst, ist für Andreas selbst eine Premiere: zum ersten Mal führen Prozessqualität und Prozesseffizienz dazu, dass er nach einem einzigen Wochenende rechnerisch einen Mitarbeiter weniger bräuchte. Niemand verliert seinen Job – die Botschaft an das eigene Team ist klar – aber der Hebel ist real: 15 % der Mitarbeiterkapazitäten wurden in rund 20 Stunden Vibe Coding disruptiert, verteilt auf sechs bis sieben Projekte. Zwei davon haben echtes Disruptionspotenzial entfaltet: der Onboarding-Prozess und das Thema Videoschneiden.

Der entscheidende Satz: Was früher ein ChatGPT-Prompt war, was später ein Custom-GPT war, ist heute Anwendungsentwicklung – weil genau dort das Potenzial liegt.

Die Wochenend-Rechnung: Speed is value

Andreas rechnet vor, was sich konkret verändert:

• Früher: Sonntag, acht Stunden Nacharbeit. Workbook bauen, Videos schneiden, hochladen vorbereiten. Der Tag war „im Arsch, auf Deutsch gesagt“.
• Heute: Nach dem Workshop am 16. Mai schiebt er neun Stunden Material in die Pipeline. Die KI arbeitet über Nacht. Am nächsten Morgen sind alle Videos auf Vimeo, das Word-Dokument mit den Akademie-Inhalten liegt vor, der Buchgenerator hat das Workbook inklusive Cover erstellt, fertig zum Download.

Uwe bringt den zweiten Effekt auf den Punkt: Wer Samstag nicht konnte, kann am Sonntag direkt nacharbeiten – und die Sachen sind viel schneller am Markt. Andreas verdichtet das zur Formel: Speed is value. Es kommen bereits Samstagnacht Nachrichten von Teilnehmern, ob die Aufzeichnung schon live ist – und die Antwort ist: Ja, ist sie.

Der nächste Schritt: Buchgenerator über MCP aufrufbar machen, alle Daten rüberspielen, Buch und Webseite laufen automatisch durch.

Die ökonomische Disruption: 97/3 wird zu 82/3

Das eigentliche Argument ist betriebswirtschaftlich. Das Verhältnis im Unternehmen heute:

• 97 % Personalkosten (sieben Mitarbeiter: drei Dualstudenten, vier Festangestellte)
• 3 % KI-Kosten

Würde Andreas die Disruption ernst meinen, könnte er die Personalkosten um 15 % senken, während die KI-Kosten nur minimal steigen würden – weil alles lokal auf einem Mac Mini läuft. Das ist Disruption nicht als Buzzword, sondern als reale Kostenstrukturveränderung.

Die Onboarding-App im Detail

Andreas zeigt live, was am Wochenende entstanden ist: eine App, die den kompletten Onboarding-Prozess für KI-Masterclass-Kunden orchestriert. Gestern: 20 Teilnehmer in der Masterclass.

Was beim Onboarding eines Mitglieds vollautomatisch passiert:

• Im CRM-System die richtigen Einträge anlegen
• In Klicktipp (Content-Marketing) die richtigen Tags setzen
• In der Akademie den User anlegen
• Eine Begrüßungsmail verschicken inklusive Termin am Montag
• In Slack das gesamte Team über den neuen Mandanten informieren
• Den Versand des Begrüßungspakets nachhalten
• Reflektieren: War die Person im Call dabei, hat sie die Aufzeichnung gesehen, separater Termin, unentschuldigt gefehlt?
• Final prüfen: Ist die Person komplett geonboardet?

Das war pro Kunde früher 20 Minuten Handarbeit mit vielen Fehlerquellen – heute ein Klick.

Live-Demo: Sabine wird ins Juli-Onboarding gehoben

Andreas demonstriert es an Sabine Aufleger:

1. Suche im CRM, Sabine wird mit allen Daten gefunden und übernommen.
2. Zuordnung zur Kohorte (z. B. 2026-06), Hinzufügen.
3. Sie landet in einer Intake Queue – dort laufen automatisch alle rein, die bei Stripe oder LexOffice gekauft haben.
4. Zuweisung zur Uni-Kohorte. CRM, Klicktipp und Akademie werden automatisch aktualisiert.
5. Klicktipp setzt das Häkchen, Slack-Nachricht geht raus, Paketversand und Call-Einladung sind getrackt.
6. Im Akademie-Backend (Digimember) sieht man: Sabine Aufleger hat über einen Webhook Zugang zur KI-Masterclass bekommen – früher reine Handarbeit.
7. Korrektur live: Sabine soll doch in den Juli – einmal in die 7er-Kohorte verschieben, neu zuweisen, fertig.

Das kannst du nicht kaufen. Das kann dir keiner bauen. Du bräuchtest Lasten- und Pflichtenhefte, um sowas zu vermitteln. Das mache ich am Wochenende zwischen Wäsche waschen, Kochen und fünf anderen KI-Projekten.

Der nächste Schritt: Auto-Einhängen in die Akademie

Was als Nächstes kommt: Inhalte landen automatisch in der Akademie, ohne dass jemand sie händisch einhängen muss. Sie werden als KI-generierte Seite in einem bestimmten Unterverzeichnis dargestellt; das Team hängt sie nur noch an die richtige Stelle.

Andreas‘ Aufruf: Arbeitet permanent an eurer Disruption

Im zweiten Teil verschiebt Andreas den Fokus auf die Teilnehmer. Sein Wunsch: Denkt über eure Anwendungsfälle nach – und arbeitet kontinuierlich daran. Konkrete Beispiele aus dem Call:

• Thomas (Blackbox): kontinuierlich daran arbeiten, die KI-seitige Integration eines Unternehmens zu reflektieren und zu unterstützen.
• Sabine (LinkedIn-Automation): permanent an der Blackbox arbeiten, die das Managen eines LinkedIn-Profils KI-unterstützt übernimmt – Wertbeitrag für Kunden plus Effizienz für sich selbst.
• Uwe (Steuerbelege): der Anwendungsfall, der Steuerberatungskosten von 25.000 € auf 5.000 € reduziert.
• René: in der bestehenden 40-Stunden-Rolle nach Themengebieten suchen, an denen man parallel – „auf dem Sofa, Laptop auf dem Schoß“ – disruptieren kann.
• Nick: die Daten-Monetarisierung simulieren, auch ohne erste Kunden – vorne Informationen rein, hinten Businesspläne raus, durch Mirofish-Simulation auf Tragfähigkeit geprüft. Das schafft eigene Zuversicht und Sicherheit.

Der rote Faden: Welche Bereiche und welche Anwendungsfälle bringen euch auf dem Weg zum Gipfel weiter? Sodass das, was ihr tut, sich selbst verstärkt.

Disziplin: Ideen abschließen, umsetzen, in den Call bringen

Uwe bringt den nötigen Realitätsanker: Jeder hat genug Ideen, jeder kann den eigenen Fachbereich immer wieder auf den Prüfstand stellen – aber irgendwann muss man einen Cut machen und umsetzen. Andreas schließt mit einem klaren Angebot: Bringt eure Anwendungsfälle in den Mastery Call. Wenn es hier nicht reinpasst, holt er die Teilnehmer im KI-Café auf die Bühne und arbeitet dort mit ihnen daran. Das wird die nächsten Wochen und Monate bestimmen.

Für Sabine als zusätzlicher Impuls: Sobald der Durchbruch mit ihrer App da ist – posten und kommentieren funktioniert – ist der nächste Schritt, eine Stunde vor und eine Stunde nach dem eigenen Beitrag zu kommentieren. Dann „knallt es da oben durch“.