Im Q&A nach dem Disruptions-Impuls werden zentrale Fragen rund um KI-getriebenen Wandel diskutiert: Wie begleitet man den Change im Unternehmen, wie viel technische Fingerfertigkeit braucht es wirklich – und wie findet man überhaupt die richtige Anwendung zum Bauen? Mit Beiträgen von Tobias, Thomas, Heike, Manuela, Markus, Stefan und Katrin entsteht ein vielschichtiges Bild aus Praxiserfahrungen, Mindset-Hinweisen und dem entscheidenden Tipp: Ziel und Erfolgskriterien klar formulieren – die KI findet ihren Weg.

Kontinuierlicher Disruptionsprozess statt KVP

TJ rahmt das Q&A mit einer Kernbotschaft: Was wir hier erleben, ist kein klassischer kontinuierlicher Verbesserungsprozess (KVP), sondern ein kontinuierlicher Disruptionsprozess. Sobald irgendwo ein „Krümel“ auftaucht – ein fehleranfälliger Prozess, eine Unachtsamkeit, eine nicht gelebte Dokumentation – wird der Prozess nicht verbessert, sondern disruptiert.

Was das konkret bedeutet:

• Die eigenen Prozesse disruptieren die Customer Experience und damit auch die Marktbegleiter.
• Automatisierungen und KI-Anwendungen machen Mitarbeiter frei für das Wesentliche: echte Arbeit mit Menschen.
• In den letzten Wochen wurden am Institut bereits anderthalb Mitarbeiter in ihren bisherigen Prozessen obsolet – nicht als Person, sondern in der Rolle, die sie ausgefüllt haben.
• Neue Frage im Alltag: nicht „Was habe ich heute geschafft?“, sondern „Welchen Prozess habe ich heute disruptiert?“

TJs persönliche Regel: Inhalte erklärt er nur noch zweimal – einmal dem ersten Kunden, einmal der Kamera. Einen Fehler oder eine Reibung nimmt er nur noch einmal wahr, dann wird der Prozess disruptiert.

10 Prozent der Mitarbeiter, die an Digitalisierung und Disruption arbeiten, können ein gesamtes Unternehmen komplett verändern.

Frage: Wie begleitet man den Change im Unternehmen?

Tobias bringt die zentrale Herausforderung ein: Das Bauen ist nicht das Problem – der Change im Unternehmen ist es. Wer mit einem Framework auf einen Kunden zugeht und sagt „Du kannst dich von deinem Dienstleister trennen, das Know-how ist in euren Köpfen“, erzeugt massiven Widerstand. Gerade bei langjährigen Dienstleisterbeziehungen.

Antwort / Impuls:

• Demaskieren statt überzeugen: Wenn du eine Anwendung produktiv zeigen kannst, machst du jegliche vorgeschobenen Glaubenssätze und Einwände obsolet – Datenschutz, Machbarkeit, „geht nicht“ – fallen reihenweise weg.
• Bis der wahre Einwand hochkommt: In einem Kundenprojekt wurde der IT-Leiter ausgeladen, weil alle seine Argumente widerlegt waren. Erst dann wurde transparent, woran KI in vielen Unternehmen wirklich scheitert: am Menschen dahinter, nicht an der Technik.
• Berater-Chance: Genau hier liegt eine Riesenchance für Berater – diesen Move zu begleiten, zu informieren und mit den Menschen umzugehen, die bleiben (oder gehen) wollen.

Frage: Wie viel technische Fingerfertigkeit braucht es wirklich?

Heike spricht aus, was viele denken: Sie kommt von der Sprache, nicht von der Technik. Ideen hat sie genug, aber bei den letzten 20% – wenn es um Reife, Stimmigkeit und „wirklich live schalten“ geht – zerreibt sich Energie. Wie viel technischer Hintergrund ist nötig?

TJs Selbstreflexion: Warum gelingt es ihm so gut und schnell? Zwei Faktoren:

• Technisches Grundverständnis: Programmieren mit neun Jahren, Großprojekte mit über 100 Mio. Euro, Defekt-Management mit 50.000 Defekts und 100 Testern. Das zahlt auf ein Grundverständnis ein.
• Transferleistung: Zusammenhänge erkennen, verschiedene Aspekte miteinander verbinden können.

Manuelas entscheidende Ergänzung: Die aktuellen Modelle sind auf etwas anderes optimiert, als viele denken.

• Nicht den Prozess vorgeben („mach dieses, jenes, welches“), sondern das Ziel sehr genau formulieren.
• Erfolgskriterien definieren: Wann ist das Ziel erfüllt? Was will ich am Ende sehen?
• Die KI ist mit ihren agentischen Fähigkeiten so gut, dass sie ihren Weg selbst findet.
• Wer im Sparring-Modus arbeitet, verbraucht Tokens und Energie – die Kunst liegt im klaren Endziel.

Markus entlastet alle Nicht-Techniker:

• Ihr macht Lernsprünge, die in linearer Entwicklung gar nicht möglich waren – ohne den Trial-and-Error-Weg, den klassische Entwickler über Jahre gehen mussten.
• Sprachliche Ausdrucksfähigkeit gewinnt massiv an Bedeutung: Wie gut formuliere ich mein Ziel?
• Vor einem Jahr hieß es noch, No-Code/Low-Code werde Coding nie ersetzen. Heute sieht das anders aus – und in einem halben Jahr nochmal radikal anders.

Stefans Beruhigung an Heike: Auch er kann nicht fünf Projekte parallel. Er ist Typ „Read the fucking manual first“ und hat sich die komplette Claude-Code-Dokumentation angeschaut. Sein Hinweis an sich selbst: davon ein Stück wegkommen, mehr experimentieren, einfach loslegen.

Frage: Wo finde ich überhaupt das richtige Thema zum Bauen?

Katrin outet sich: Berührungsängste mit Claude Code hat sie keine. Sie fragt die KI bis zum Brechen. Aber: Wie findet sie die Anwendung, das Ziel, das es wert ist? Was Cloud Code ihr vorschlägt, fühlt sich oft „an den Haaren herbeigezogen“ an – nicht wie ein „Hell yes“. Sie sucht eine Art Checkliste, ein Vorgehen vom Außen- in den Innenkreis.

TJs Antwort: Perfekter Übergang – er hat dafür in den letzten 24 Stunden etwas gebaut, das im Anschluss vorgestellt wird.

Wegwerf-Applikationen und das neue Mindset

Als Ausblick zitiert TJ Andrej Karpathy (Mitgründer OpenAI):

• Wunsch: Sag „Bau mir einen Trello-Klon“ – die KI baut über Nacht durch, am Morgen ist es live, inklusive GitHub-Deployment und Server.
• Erwartung: Die Anzahl der Wegwerf-Applikationen nimmt massiv zu. Apps, die wir zwei Wochen nutzen und dann wegwerfen – so wie früher ein Prompt oder ein Custom-GPT.

Beispiel aus dem Institut: Von ursprünglich 80 Custom-GPTs sind nur noch 15 wirklich relevant. Alles andere wird abgelöst.

Vision-Ausblick: Schon heute kann die KI selbstoptimiert durch einen Prozess laufen – Product Backlog pflegen, Features ergänzen, fragen „wie können wir es noch geiler machen?“ und sich selbst weiterbauen. Wir sind heute schon dort. Wo wir in sechs Monaten stehen, mag man sich kaum vorstellen.

Bonus-Inspiration aus dem Q&A

Thomas‘ Bilder:

• Return on Time: Investiere 10% deiner Zeit in Dinge, die dir später Zeit zurückbringen.
• Sein Selbstbild: jahrzehntelang Vollbluttechniker ohne eine Zeile Code geschrieben. Heute fühlt er sich wie ein kleiner Vogel, der nicht nur aus dem Käfig ausbricht, sondern den schweren Stein verliert und fliegen kann. Statt tausend Experten zu suchen, baut er selbst.

TJ ergänzt: Geil ist, dass es nicht mehr nur um Avatare geht, sondern um das Einbetten der Avatare in komplett zu disruptierende Prozesse und Ergebnisse.

Ankündigung am Rande: Matthias Schrader, Autor von „Code Crash“, ist Keynote-Speaker beim KI-Summit am Freitagmorgen, live in Bad Homburg auf der Bühne.

In dieser Live-Demo führt dich Tite durch die brandneue Prepared-App (prep.koerting.ai). Am Beispiel von Katrin siehst du, wie du in drei Stoßrichtungen — Idee finden, Idee härten oder direkt Bauplan erstellen — von einer Selbstbeschreibung über Anwendungsfall-Canvas bis zur fertigen Plan.MD kommst. Tite zeigt außerdem, wie du diese Plan.MD direkt in Claude Code übergibst und in Minuten zu einer lauffähigen Single-HTML-App kommst. Du lernst, warum eigene Modelle und IP der entscheidende unfaire Wettbewerbsvorteil sind.

Worum es geht: Drei Stoßrichtungen, ein Ziel

Tite stellt eine neu gebaute App vor — erreichbar unter prep.koerting.ai —, die dich aus drei Startpunkten zum gleichen Ergebnis führt: einem strukturierten Zielbeschreibungsdokument, früher PRD (Project Requirements Document) genannt, heute als Plan.MD (Markdown-Plandatei).

Die drei Einstiege:

• Idee finden: Für alle, die noch keine konkrete Idee haben und einen Gedankenimpuls brauchen.
• Idee härten: Eine vorhandene Idee validieren, durch Marktbegleiterreflexion schärfen und justieren.
• Bauplan erstellen: Direkt von der fertigen Idee zur Plan.MD, mit der du in Claude Code gehst und das Tool bauen lässt.

Warum Markdown? Markdown ist die systemübergreifende Strukturierungssprache, die jedes System lesen kann — und für KI das am besten lesbare Format.

Schritt 1: Selbstbeschreibung als Ausgangspunkt

Der erste Schritt ist immer: Wer bist du? Die KI muss deinen Kontext kennen, bevor sie sinnvolle Ideen für dich generieren kann.

Was du hier einfügst:

• Dein LinkedIn-Profil (alle Abschnitte aufgeklappt kopieren)
• Deinen Lebenslauf (für Angestellte)
• Beliebige Selbstbeschreibung von deiner Webseite
• Oder einen CV als Upload

Im Demo-Beispiel füttert Katrin ihr LinkedIn-Profil ein. Die KI strukturiert daraus eine saubere Positionierung nach dem Standard-Muster: Ich bin … Ich helfe … damit … indem … damit … und was mich von allen unterscheidet ist … — inklusive USP-Hypothese, Klarheitsbewertung (z.B. 8 von 10) und einer Liste deiner genutzten Tools.

Im Fall Katrin extrahiert die KI den Dreiklang: Ingenieurstudium plus zwei Jahrzehnte eigene Führungspraxis in technischen Branchen plus psychologisches Coaching plus TÜV-zertifizierte KI-Transformation. Die Differenzierung: technische Fachkräfte aus derselben Berufswelt heraus anzusprechen — nicht als Externe.

Schritt 2: Die vier Schieberegler — dein KI-Profil

Die KI bewertet dich nicht nur fachlich, sondern fragt deine KI-Reife über vier Dimensionen ab, die du selbst einschätzt (1–10):

• KI-Kompetenz: Wie geht man mit KI um? Die Grundkompetenz, die du dir aufbaust.
• KI-Ressourcen: Welche Tools hast du zur Verfügung? Hier hebt sich allein dein Zugang zu Claude, Hedi, Athene etc. von vielen Unternehmen ab, die nur eine Co-Pilot-Lizenz haben.
• Fingerfertigkeit: Wie virtuos agierst du? Ist KI-Kompetenz bei dir bereits eine unbewusste Kompetenz?
• Mut und Vertrauen: Wie weit gehst du bei Kunden? Wie viel Mut hast du, das einzusetzen — und wie viel Vertrauen haben andere in dich?

Stellt den Scheffel nicht unter den Stuhl.

Die KI gibt dir eine ehrliche Einschätzung zurück und benennt das Kernspannungsfeld: Die entscheidende Frage ist nicht, ob du eine KI-gestützte Lösung umsetzen kannst, sondern ob die Idee, die du entwickelst, deinen Vorsprung wirklich ausschöpft.

Schritt 3: Inspiration — individuelle Anwendungsfälle generieren

Jetzt zündet die Magie: Aus deiner Selbstbeschreibung mal den vier Schiebereglern generiert die App Anwendungsfälle, die nicht in deiner Komfortzone, sondern bewusst in deiner Lernzone liegen.

Im Beispiel Katrin schlägt die App vor:

• Live-Wirkungsanalyse im Pitch-Coaching mit Fünf-Sterne-Framework
• Synthetischer Beirat aus Kundentypen (inspiriert von Philipp Glöckner: ein Beirat aus lebenden und toten Koryphäen wie Steve Jobs oder Warren Buffett)
• KI-Sparring im Vertriebsseminar
• Live-Buch-Extraktion im Team-Workshop
• Real-Time-Keynote-Adaption am Bühnenrand

Katrin entscheidet sich für den synthetischen Beirat, weil er für ihre Mentoring-Kunden direkt einsetzbar ist.

Schritt 4: Der Anwendungsfall-Canvas

Der gewählte Anwendungsfall wird in den Anwendungsfall-Canvas mit sechs Bausteinen überführt:

1. Ich bin (Rolle)
2. Was will ich als Ergebnis
3. Für wen ist das relevant
4. Welcher Nutzen lässt sich daraus ziehen
5. Was ist vorhanden, damit das gelingt
6. Was fehlt möglicherweise noch (Persona-Briefing etc.)

Hier kannst du optional ein Ergänzungsdokument hochladen, falls schon Vorarbeit existiert.

Schritt 5: Iterative Reflexion mit Opus 4.7

Die App schaltet jetzt auf Opus 4.7 und geht in eine Reflexionsschleife. Sie benennt Unzulänglichkeiten deines Anwendungsfalls, die du iterativ schließen kannst:

• Architekturentscheidung (z.B. Athene relevant?)
• Datenschutz-Setup
• Sprachmodalität (reine Textpersonas oder mehr?)

Schritt 6: Marktbegleiter-Check und Vorteilscheck

Anschließend prüft die App deine Idee gegen Marktbegleiter. Standardmäßig ist das ein reiner LLM-Check (Stand: Januar 2026) — du kannst optional Web-Suche oder Deep Research zuschalten, das dauert dann aber 10 Minuten.

Der Vorteilscheck läuft nach fünf DNA-Kriterien. Im Beispiel: Der Vorsprung ist zeitlich begrenzt — sobald Multiagenten-Frameworks Commodity sind (12–18 Monate), bleibt nur Katrins eigene Typenlehre und Live-Übersetzung als nicht-kopierbares Element. Genau dort muss der Kern geschärft werden.

Schritt 7: Realitätscheck am lebenden Objekt

Hier kommt Tites Prüfschablone, im KI-Connect entwickelt, fünf Fragen:

1. Ist es relevant für mich?
2. Ist es relevant für meine Kunden?
3. Habe ich ein lebendes Objekt — ein echtes Kundenszenario, jetzt?
4. Ist es umsetzbar?
5. Ist es vermittelbar?

Zipgate ist für mich im Moment nicht vermittelbar und auch nicht umsetzbar. Zangengeburt. Also fällt das weg.

Wichtig: Kein Platzhalter wie „Ditte und Ditte“. Die KI hat Tite dafür auf die Finger gehauen und das Ding komplett runtergeratet. Du brauchst einen echten Namen, ein echtes Problem, einen konkreten nächsten Touchpoint. Erst dann wird der Realitätscheck wertig.

Schritt 8: Output — drei Dateien

Am Ende lädst du herunter:

• SVG-Datei des Canvas (KI-generiertes Bild)
• Validierungs-MD (gesamte Einschätzung des Anwendungsfalls)
• Plan.MD (das Hauptdokument für die Umsetzung)

Sowas kannst du nicht schreiben. Das kannst du nicht formulieren.

Die Plan.MD beschreibt den kompletten Anwendungsfall in einer Tiefe, die du händisch nie erreichen würdest.

Von der Plan.MD zur lauffähigen App

Übergabe an Claude Code

Tite öffnet ein neues Projekt in Claude Code, legt einen sauberen Ordner an (Team/TJK/Diverses/Katrin-Beirat) und gibt nur einen kurzen Prompt:

Ich habe hier eine Plan.MD — wollen wir die bauen? Stell Fragen, wenn sie passt.

Wichtige Spezifikation, die Tite zusätzlich gibt:

• Eine Single Index.html, die lokal im Browser läuft
• API-Key in einem Eingabefeld
• So einfach wie möglich — kein Backend, keine Datenbank

Parallelisierung als Arbeitsweise

Während Claude Code baut, arbeitet Tite parallel weiter. Sein Trick: Jedem aktiven Projekt ein Emoji als Marker geben (eine Flamme bei laufenden Projekten, ein roter Kreis als Priorität) und das Projekt mit pin oben anheften. So sieht er auf einen Blick, wo gerade ein Agent arbeitet.

Das Ergebnis

Nach wenigen Minuten liegt die fertige App vor: ein synthetischer Round-Table, bei dem vier Personas (rot, blau, gelb, grün — Katrins Typenlehre) live miteinander über ein Thema debattieren. Katrin kann ihren Beirat simulieren lassen.

Genau das, wonach ich nachher gesucht habe. Und jetzt kriege ich auch eine Vorstellung, in welche Richtung ich denken darf.

Stefans Beobachtung: Modelle als Multiplikator

Stefan hebt einen entscheidenden Punkt heraus: Tite kann das deshalb so flüssig, weil er gewohnt ist, in Modellen zu denken — und Modelle ineinander überzuleiten.

Tite ergänzt: Er productized seine IP nicht — er modelized sie. Aus jeder Erkenntnis wird ein Modell:

• Anwendungsfall-Canvas
• Positionierungs-Canvas
• Die sieben Schritte zur App
• Die vier Kreise / drei Kreise
• Die fünf Prüfkriterien

Diese Modelle fließen ins Backend solcher Apps ein. Genau das macht eine App nicht kopierbar. Wer die KI-Strategieberater-Blackbox kopieren will, ist auf dem Holzweg — die im Backend liegende IP ist von außen nicht erkennbar.

Das was ihr schon an Strukturen erarbeitet habt — macht euch das zu eigen, macht euch das zu Nutze, und übertragt es in das, was ihr jetzt mit der KI erarbeitet.

Heike fasst die Symbiose auf den Punkt: Meine Kompetenz ist, Dinge auf den Punkt zu bringen. Tites Kompetenz ist, Komplexität zu reduzieren und in Strukturen zu bringen.

Token-Realität: Was das kostet

Tite teilt offen seine Kostentransparenz, weil sie disziplinierend wirkt:

• Tagesrechnung von Anthropic: ca. 50 € pro Tag
• An einem intensiven Tag durchaus 300–400 € Tokenkosten
• Während der Live-Demo allein in einer Stunde: von 27,87 € auf 60 € hochgelaufen
• Anthropics Nutzung ist 80-fach über den Jahreswechsel gestiegen

Die unternehmerische Konsequenz: Wer KI ernsthaft einsetzt und dadurch z.B. anderthalb Mitarbeiter disruptiert, muss entweder Kosten an anderer Stelle sparen oder mehr Umsatz machen, um den Token-Invest reinzuholen.

Was du jetzt tust

Geh auf prep.koerting.ai, wähle deinen Einstieg (Idee finden, Idee härten oder Bauplan), und durchlaufe den Prozess mit deinem echten Kontext und einem echten lebenden Objekt als Testfall. Tokens gehen aufs Haus.

Wenn du eine Idee hast, auf die du in den nächsten zwei Wochen Bock hast — formuliere sie in zwei bis drei Sätzen in der WhatsApp-Gruppe. Du wirst Teams zugeordnet, die ähnliche Anwendungsfälle nach vorne treiben. Bring diese Idee am Samstag ins Instant Prototyping mit.

Idee ausformuliert rein — Plan.MD raus.

Das ist der Quick Pass.

In diesem Segment erlebst du live, wie aus rund 50 individuellen Use-Cases der Teilnehmenden in wenigen Minuten neun thematische Solutions-Gruppen entstehen. Du siehst, wie Claude per Advanced Prompt Engineering Muster erkennt, Cluster bildet und Teilnehmer:innen passenden „Dächern“ zuordnet. Anschließend werden für jede Gruppe Leads bestimmt – live, demokratisch und mit klarem Auftrag bis zum KI Connect am 17. Juli.

Das Ziel: In zwei Monaten zur eigenen Anwendung

Der Auftrag an alle Teilnehmenden ist klar formuliert: In den nächsten zwei Wochen, spätestens aber bis zum 17. Juli zum KI Connect, soll jede:r seine eigene Anwendung fertig haben. Die besten Lösungen werden auf die Bühne geholt. Damit das gelingt, brauchen wir Struktur – und genau hier setzt dieses Segment an.

Die Idee: Teilnehmende mit ähnlichen Use-Cases werden in Solutions-Gruppen zusammengefasst, in denen sie sich gegenseitig austauschen, inspirieren und gemeinsam an verwandten Lösungen arbeiten. Jeder baut individuell, aber unter einem gemeinsamen thematischen Dach.

Der Ablauf: Use-Cases in die WhatsApp-Gruppe

Bevor geclustert werden kann, müssen die Use-Cases gesammelt werden. Die Teilnehmenden werden gebeten, ihre App-Idee, ihre Richtung, ihre Anwendung in die WhatsApp-Gruppe einzutragen – konkret und kurz.

Beispiele aus dem Call: – Reise-Mobilverkäufer und Kaffee entwickeln – Automatisierung aller Prozesse – KI-Agent für 3–4 Stunden Live-Beratung vor dem Kunden – Onboarding-App – Health- & Longevity-Tools – LinkedIn-Automation mit Redaktionsplan

„Es darf euch ein bisschen challengen. Es darf so ein bisschen raus aus der Komfortzone. Es darf euch eine gewisse technische Fingerfertigkeit ermöglichen.“

Die Botschaft: Eine Single-Index-HTML reicht als Einstieg, aber es geht auch weiter – Datenbanken, komplexere Architekturstacks, GitHub-Workflows. Philipp Kappen und Markus Kunkel werden dazu eine Abend-Session machen: Git und GitHub für Einsteiger.

Mike’s Feedback zur Prepared-App

Mike Heinen reflektiert die App, die in dieser Masterclass genutzt wird, und gibt zwei wichtige Hinweise zur Weiterentwicklung:

• Querting-spezifische Inhalte neutralisieren: Die plan.md enthält viel Koerting-spezifisches Wissen (z. B. CSS-Konventionen). Das sollte für externe Anwender:innen abstrahiert oder anpassbar gemacht werden.
• Architekturstack abfragen: In der Ideenfindung, Ideen-Validierung und Plan-MD-Ausarbeitung sollte der gewünschte Architekturstack erfragt werden – pragmatisch in den Stufen klein (Index.html), mittel (kleine Architektur mit Datenbank) und groß (komplexer Stack). Auch konkrete Fragen wie „Firebase oder Supabase? Lokal oder Cloud?“ gehören dazu. Alternativ: Existiert eine architecture.md?

„Das, was bei der Katrin rauskommt mit Athene und Eleven Labs, das ist mega geil – aber das ist der Everest. Wir wollen ja Pfade ermöglichen.“

Der Mega-Prompt: Cluster bilden mit Claude

Jetzt wird live klassifiziert. In Claude (4.7 adaptiv) bekommt das Modell folgenden Auftrag – einmal in lang und einmal in der „Heike-Variante“:

Lange Version: Wir laufen gerade die KI-Masterclass mit dem Format KI-Solutions. Ich gebe dir gleich alle Anwendungsfälle ein, an denen die Teilnehmer in den nächsten acht Wochen arbeiten werden. Identifiziere Muster, klassifiziere und schlage 6 bis 10 WhatsApp-Gruppen vor, unter deren Dach sich die Teilnehmenden versammeln können. Mehrfachzuordnung soll möglich sein.

Heike-Kurzversion (von Heike Beuke vorgeschlagen):

„Klassifiziere 50 Use-Cases in sechs bis zehn thematische WhatsApp-Gruppen.“

Beide Prompts führen zum Ziel – ein eindrucksvolles Beispiel dafür, dass präzise Kürze oft genauso wirkt wie ausführliches Prompting, wenn der Kontext sitzt.

Die neun Solutions-Cluster

Claude liefert neun klare Dächer mit den jeweils zugeordneten Teilnehmenden:

1. CRM, Vertriebsassistent & Customer Journey – Selina, Thomas, Frank, Iris, Angela, Claudia, Heike
2. Live-Sprint & Diagnose-Formate – Thomas u. a.
3. Branchen-Apps & vertikale Vollprozess-Lösungen – Katrin
4. Finanz, Investment & Controlling – Sebastian, Claudia, Tine, Melanie
5. Compliance, Audit & Governance – Nicole, Andreas, Dirk, Stefan, Katja
6. Personal AI – Alexander, Thomas, Werner, Angela, Michaela, Bernhard
7. Marketing- & Content-Automation – Sabine, Heike, Thomas
8. Health & Longevity – Markus, Gerda, weitere
9. Multiagent-Plattform / KI-OS – Klaus, Claudia, Thomas, Oliver

„Mein Vorschlag: neun Dächer, dichte Muster, jedes mit genug kritischer Masse für lebendigen Austausch – und an den richtigen Stellen Mehrfachzuordnung möglich.“

Leads bestimmen – live und selbstorganisiert

Für jede Gruppe wird ein:e Lead bestimmt. Wer Bock hat, ruft seinen Namen rein – „der Erste gewinnt“. Wer keine Zeit hat, darf passen. Das Ergebnis:

• CRM & Customer Journey: Heike
• Live-Sprint: selbstorganisiert
• Branchen-Apps: Daniela („Ich habe es noch nie gemacht“ – genau deshalb!)
• Finanz: Sebastian
• Compliance: Nicole
• Personal AI: Alexander
• Marketing-Automation: Sabine
• Health & Longevity: Markus und Gerda, selbstorganisiert
• Multiagent-Plattform: Claudia

Thorsten Konrad übernimmt es, am Folgetag die WhatsApp-Gruppen einzurichten – mit klarer Namensnomenklatur, allen Studis drin und den drei Admins.

Was du aus diesem Segment mitnimmst

• Cluster-Bildung mit KI ist in Minuten möglich, wenn der Prompt sauber sitzt und der Kontext klar ist.
• Mehrfachzuordnung erlaubt Cross-Pollination – wer in mehreren Gruppen mitliest, wird inspiriert.
• Selbstorganisation schlägt Top-Down-Zuweisung: Leads melden sich freiwillig, Gruppen finden sich.
• Architekturstack-Frage ist Schlüssel: Klein, mittel, groß – das macht den Unterschied zwischen Pfad und Everest.
• Der Druck ist real und produktiv: 17. Juli ist Deadline. Bis dahin steht deine Anwendung.

Ausblick: Mittwoch, Samstag, Sonntag

Direkt im Anschluss kündigt Andreas die kommenden Formate an:

• Mittwoch – KI-Café mit Claudia Aufleger: LinkedIn-Automations-App, LinkedIn auf Autopilot mit Redaktionsplan-App. Claudias IP wird demaskiert, alle dürfen mitbauen.
• Samstag – Instant Prototyping & Agentic Coding: 8:30 bis 18:00 Uhr, lückenlos. Mindset, Prinzipien und Mechanismen für eigene Anwendungen.
• Sonntag: Webseite live, mit Compendium, Buch und allem drum und dran – über Nacht generiert.

„Bei uns muss keiner mehr was schaffen. Man muss einfach nur mit euch arbeiten – und der Rest passiert automatisch.“

Hier findest du die ungeschnittene Original-Aufzeichnung des kompletten Calls. Du kannst sie ansehen oder das vollständige Transkript herunterladen — der Link wird vom Team final gesetzt.

Diese Aufzeichnung enthält den gesamten Call ohne Schnitt — inklusive Begrüßung, Pausen, Q&A und Abschluss. Sie eignet sich als Backup oder zum Nachschlagen einzelner Stellen, die in den thematischen Segmenten oben nicht enthalten sind. Das vollständige Transkript ist als Textdatei verfügbar — Link wird vom Team final hinterlegt.