Warum du jetzt lernen musst, dir die Zukunft selbst zu erklären – Teil 02

Zusammenfassung

Dieser Trainingscall verdeutlicht eindrucksvoll, dass wir uns nicht mehr in einer Phase schrittweiser KI-Entwicklung befinden – sondern mitten in einer exponentiellen Beschleunigung. In den letzten Wochen sind technologische Sprünge passiert, die selbst erfahrene Anwender an ihre Grenzen bringen. Was früher nacharbeitbar war, ist heute kaum noch aufzuholen.

Agentische Browser, autonome KI-Systeme und programmieroptimierte Modelle verändern gerade grundlegend, wie wir arbeiten. KI kann heute nicht nur unterstützen, sondern eigenständig recherchieren, orchestrieren, programmieren und komplexe Aufgaben im Hintergrund erledigen – teilweise stundenlang autonom.

Der zentrale Engpass ist dabei nicht die Technologie.

Der Engpass ist unser Bewusstsein für Anwendungsmöglichkeiten.

Viele verstehen die Tools – aber nicht, was sie strategisch für ihr Business bedeuten. Genau hier entstehen aktuell massive Wettbewerbsvorteile für diejenigen, die die Möglichkeiten frühzeitig nutzen.

Ein zentrales Beispiel aus dem Call macht die Dimension greifbar:

Aus 15 Transkripten wurde automatisiert ein 170-seitiges Kompendium erstellt – auf Knopfdruck. Ein eigener Buchgenerator wurde innerhalb weniger Stunden programmiert, obwohl die technischen Grundlagen zuvor nicht präsent waren. Deployment, Servereinrichtung, GitHub-Anbindung – alles mithilfe der KI umgesetzt.

Die entscheidende Erkenntnis:

Man muss nicht alles können.

Man muss lernen, sich alles erklären zu lassen.

Statt Foren, YouTube oder Experten zu konsultieren, wird die KI selbst zur primären Wissensquelle. Das Modell wird umgedreht: Erst die KI fragen – dann handeln.

Wer diese Denkweise verinnerlicht, kann Rapid Prototyping über Nacht realisieren, Prozesse automatisieren und innovative Lösungen entwickeln. Wer das nicht tut, läuft Gefahr, von der exponentiellen Kurve überholt zu werden.

KI als Sparringspartner 2.0 – Teil 03

Reflexion, Perspektivwechsel und das bewusste Spiel mit mehreren Modellen

In diesem Trainingscall wird das Konzept „KI als Sparringspartner“ systematisch vertieft und operationalisiert. Die zentrale Frage lautet: Was bedeutet Sparring wirklich und wie verändert KI diese Form der Zusammenarbeit?

Sparring ist mehr als Brainstorming. Es ist ein Austausch auf Augenhöhe, durch den mehr entsteht als vorher da war. Früher fand dieser Austausch ausschließlich zwischen Menschen statt – persönlich, telefonisch oder digital vermittelt. Heute tritt die KI als vollwertiger Sparringspartner hinzu.

Dabei entstehen drei Ebenen der Zusammenarbeit:

1. Klassisch menschlich – Austausch zwischen zwei Personen.

2. Mensch & KI – direkte Sparringsbeziehung mit der KI.

3. Triadisches Sparring – KI als zusätzlicher, gleichwertiger Reflexionspartner in Gruppen oder zwischen Geschäftspartnern.

Gerade dieses triadische Modell eröffnet neue Qualität:

Die KI erkennt Muster, Bias, blinde Flecken und unausgesprochene Annahmen – beispielsweise bei einer SWOT-Analyse oder strategischen Diskussion.

Ein weiterer zentraler Gedanke:

Nicht nur Menschen kommunizieren mit KI – KIs kommunizieren zunehmend miteinander. In Einkaufs- und Verhandlungssituationen verhandeln bereits heute KI-Systeme autonom Preise und Konditionen. Das verändert Marktmechanismen fundamental.

Im praktischen Einsatz unterscheidet der Call drei große Anwendungsräume:

1. Exploration

• Brainstorming

• Lernpartner

• Ideenentwicklung

• Strukturierung unklarer Inhalte

• Wissensdurchdringung

2. Produktion

• Angebote entwickeln

• Produkte gestalten

• Workshops ausarbeiten

• Prototypen entwickeln

• Transformation ermöglichen

3. Qualitätssicherung & Reflexion

• Ergebnisse reflektieren

• Perspektivwechsel (z. B. Denkhüte, Rollenmodelle)

• Stresstests

• Fehlersuche

• Konsolidierung

Ein besonders kraftvoller Impuls stammt aus einem Interview mit Peter Steinberger (OpenClaw):

Nach der Entwicklung eines Ergebnisses wird die KI gefragt:

„Jetzt wo wir das entwickelt haben – worüber sollten wir nochmals reflektieren?“

Nicht verbessern.

Nicht optimieren.

Sondern bewusst reflektieren.

Dieser Meta-Schritt ist ein Gamechanger, weil er Lernfähigkeit in den Prozess integriert.

Ein weiterer Kernpunkt des Calls:

Lasst KIs gegeneinander antreten.

ChatGPT, Claude, Gemini, Perplexity, Copilot – jede KI hat Stärken, unterschiedliche Modelle und verschiedene „Denktiefen“ (Fast, Thinking, Pro etc.). Entscheidend ist nicht, welche objektiv „besser“ ist – sondern mit welcher ihr für welchen Use Case die besten Ergebnisse erzielt.

Zusätzlich gilt:

Nicht nur KI auswählen – sondern auch Modell und Denktiefe bewusst steuern.

Die Kernbotschaften dieses Calls:

• Nutze KI als echten Sparringspartner.

• Reflektiere Ergebnisse mit der KI.

• Teste verschiedene KIs für denselben Anwendungsfall.

• Verstehe Unterschiede zwischen Modellen und Denktiefe.

• Lerne dir durch KI das erklären zu lassen, was du nicht weißt.

Wer das systematisch beherrscht, entwickelt eine neue Qualität der Denk- und Arbeitsweise.

 

Die vier Hebel für exzellente KI-Ergebnisse – Teil 04 – Part 01

Prompt, Kontext, Modell und Assets richtig einsetzen

In diesem Trainingscall wird systematisch herausgearbeitet, was ein wirklich gutes KI-Ergebnis ausmacht. Nicht zufällig gute Ergebnisse – sondern reproduzierbar starke Resultate.

Das zentrale Bild verdichtet sich auf vier entscheidende Faktoren:

1. Prompt – Was will ich überhaupt?

2. Kontext – Worum geht es? Wer bin ich? In welchem Rahmen bewege ich mich?

3. Modell & Tool – Welche KI, welches Modell, welche Denktiefe?

4. Assets (Goldstücke) – Beispiele, Strukturen, Referenzen, an denen sich die KI orientieren kann.

1. Der Prompt – aber neu gedacht

Ein guter Prompt ist heute nicht mehr das, was früher als „gut“ galt. Es reicht nicht, eine Anweisung zu formulieren. Der Prompt ist die bewusste Zieldefinition: Was soll entstehen? In welcher Qualität? Mit welchem Zweck?

Ohne Klarheit im Ziel entsteht Zufälligkeit im Ergebnis.

2. Kontext ist King

Kontext entscheidet über Relevanz.

Die KI muss verstehen:

• Wer spricht hier?

• In welchem geschäftlichen Umfeld?

• Mit welchem Ziel?

• Für welche Zielgruppe?

Ohne Kontext liefert die KI zwar ein Ergebnis – aber selten eines, das wirklich passt.

Hier wird auch die Frage adressiert:

Wenn die KI viel über mich weiß – ist das Risiko oder Vorteil?

Die klare Botschaft: Kontext erhöht Qualität. Wer der KI bewusst Informationen gibt, steigert die Ergebnisgüte massiv. Entscheidend ist nicht Datensparsamkeit aus Angst, sondern strategischer Umgang mit Kontext.

3. Modell, Anbieter und Tool bewusst wählen

Nicht jede KI ist für jeden Zweck gleich geeignet.

Entscheidend ist:

• Welcher Anbieter (OpenAI, Google, Anthropic etc.)?

• Welches Modell innerhalb des Anbieters?

• Welche Denktiefe (Fast, Thinking, Pro)?

• Welches spezialisierte Tool (z. B. Bildgeneratoren)?

Der Zweck bestimmt das Werkzeug – nicht umgekehrt.

Nur wer KIs vergleicht und bewusst testet, entwickelt ein Gefühl dafür, welches System für welchen Use Case am besten funktioniert.

4. Assets – der unterschätzte Gamechanger

Der stärkste Hebel für Qualität sind sogenannte „Assets“:

Beispiele, Strukturen, erfolgreiche Vorlagen, Modelle oder Referenzen.

Wenn die KI nur eine Aufgabe bekommt, arbeitet sie generisch.

Wenn sie zusätzlich erfolgreiche Beispiele erhält, orientiert sie sich daran – und das Ergebnis steigt dramatisch in Qualität und Treffsicherheit.

Beispiel:
„Schreib mir ein Angebot.“ → durchschnittlich.

„Schreib mir ein Angebot. Hier sind drei meiner erfolgreichsten Angebote. Orientiere dich daran.“ → strategisch präzise.

Die KI arbeitet am besten, wenn sie etwas hat, woran sie sich reiben kann.

---

Die Essenz des Calls

Ein gutes KI-Ergebnis ist kein Zufall.

Es entsteht aus:

• klarer Zieldefinition

• sauberem Kontext

• bewusster Modellwahl

• und hochwertigen Referenz-Assets

Wer diese vier Hebel systematisch nutzt, erhöht die Qualität seiner Ergebnisse exponentiell.

 

Warum echte Ergebnisse im Dialog entstehen – Teil 04 – Part 02

Conversational AI statt Prompt-Perfektion

In diesem Trainingscall wird ein zentrales Missverständnis rund um Prompts aufgelöst und durch ein neues Verständnis ersetzt.

Der Prompt ist nichts anderes als ein Auftrag. Doch die Art, wie wir mit Prompts umgehen, hat sich fundamental verändert.

Früher: Prompt Engineering

Zu Beginn der KI-Welle galt „Prompt Engineering“ als Schlüsselkompetenz.

Komplexe Konstruktionen wie „Chain of Thought Prompting“, riesige Prompt-Libraries und ausgefeilte Masterprompts dominierten den Diskurs. Prompts wurden gesammelt, archiviert und selten wirklich angewendet.

Der Fokus lag auf perfekter Formulierung vor dem Start.

Dann: Kontext Engineering

Im nächsten Schritt wurde klar: Nicht nur der Prompt ist entscheidend, sondern der Kontext.

Wer bin ich?

In welchem Umfeld bewege ich mich?

Was ist das Ziel?

Welche Beispiele gibt es?

Je mehr relevanter Kontext, desto präziser das Ergebnis.

Das ist richtig – aber auch das ist nicht die eigentliche Zukunft.

Heute: Conversational AI

Der entscheidende Paradigmenwechsel lautet:

Nicht perfektionieren.

Nicht konstruieren.

Sondern sprechen.

Moderne KI-Modelle verstehen Dialoge. Sie entwickeln Qualität im Prozess. Sie stellen Rückfragen (Perplexität) und verbessern Ergebnisse iterativ, wenn der Mensch im Prozess bleibt („Human in the Loop“).

Peter Steinberger beschreibt es klar:

Starre Vorab-Pläne führen oft zu starren Ergebnissen.

Im gemeinsamen Entwicklungsprozess entsteht Qualität.

Das bedeutet:

Ein guter Prompt ist heute der Einstieg in ein Gespräch – nicht das fertige Drehbuch.

System statt Zufall: Prompt- und Kontext-Repository

Damit diese dialogische Arbeit effizient bleibt, braucht es Struktur.

Der Call führt deshalb in die Praxis:

1. Prompt-Repository

Wiederkehrende Aufträge (z. B. Angebotsstruktur, Positionierung, klare Tonalität statt Gefälligkeit) sollten zentral abgelegt werden – z. B. in Trello, Notion, Obsidian oder einem Dokumentensystem.

Nicht, um perfekt zu prompten.

Sondern um Zeit zu sparen.

Ein Tool pro Zweck.

Eine zentrale Ablage.

Klare Struktur.

2. Ergebnis-Ablage

Alle heute entstehenden Resultate (Positionierung, Angebote, Analysen, Zielgruppenprofile etc.) brauchen:

• ein aktives Arbeitsdokument (z. B. Word oder Google Docs)

• ein strukturiertes Ablageverzeichnis

• einen festen Speicherort im eigenen System („Second Brain“)

KI-Arbeit ohne Struktur führt zu Ergebnisverlust.

Eine weitere wichtige Erkenntnis

Die KI ist standardmäßig wertschätzend und bestätigend.

Wer Klarheit statt Gefälligkeit will, muss das explizit einfordern.

Auch das gehört ins Repository:
Prompts, die der KI sagen, kritisch, direkt und konstruktiv zu sein.

Die Essenz dieses Calls

• Prompt Engineering ist nicht mehr der Engpass.

• Kontext bleibt wichtig – aber entscheidend ist der Dialog.

• Qualität entsteht im iterativen Austausch.

• Strukturierte Ablage ist Voraussetzung für nachhaltige KI-Arbeit.

• Der Mensch bleibt im Loop – sonst wird das Ergebnis beliebig.

Wer mit KI spricht statt sie zu konstruieren, arbeitet schneller, klarer und wirksamer.

Warum deine Selbstbeschreibung über die Qualität deiner KI-Ergebnisse entscheidet – Teil 04 – Part 03

Kontext schlägt Prompt

In diesem Trainingscall wird der zweite große Hebel für starke KI-Ergebnisse vertieft: Kontext.

Nachdem der Prompt als Auftrag verstanden wurde, geht es nun um die entscheidende Frage:

Aus welcher Perspektive sprechen wir und worum geht es eigentlich?

1. Kontext besteht aus zwei Kernkomponenten

Ein wirksamer Kontext beantwortet zwei Fragen:

1. Wer bin ich? (Perspektive, Rolle, Positionierung)

2. Worum geht es konkret? (Business, Ziel, Herausforderung)

Ohne diese beiden Dimensionen bleibt die KI generisch.

Mit ihnen wird sie präzise.

2. Vier Eskalationsstufen von Kontext

Nicht jede Aufgabe braucht maximale Tiefe. Deshalb werden vier Eskalationsstufen unterschieden:

0. Nicht notwendig – z. B. bei reiner Chat-Auswertung

1. Kurz & knackig – kompakte Positionierung

2. Ausführlicher – strukturierte Selbstbeschreibung

3. Maximal tief – umfassende Reflexion (z. B. 40 Fragen)

Je strategischer die Aufgabe, desto wichtiger der Kontext.

3. Die kompakte Positionierung

Im ersten Schritt wird aus LinkedIn-Profil, Webseite, Lebenslauf oder Rollenbeschreibung eine strukturierte Positionierung abgeleitet.

Diese folgt sechs Bausteinen:

• Wer bin ich?

• Wem helfe ich?

• Welches Problem löse ich?

• Wie arbeite ich?

• Welchen Nutzen stifte ich?

• Was unterscheidet mich?

Damit entsteht eine kompakte Business-Identität, die künftig als Sparringsbasis dient.

Ein zentrales Learning:

Unterschiedliche KIs liefern unterschiedliche Positionierungs-Ergebnisse.

Es lohnt sich, Modelle gegeneinander antreten zu lassen.

4. Die neun Fragen – vertiefter Kontext

Im nächsten Schritt werden neun strategische Fragen beantwortet:

• Branche & Nische

• Zielgruppe

• Kernproblem

• Hauptangebot

• USP

• Geschäftsmodell

• Kundengewinnung

• Unternehmensgröße

• Größter Engpass

Hier passiert etwas Entscheidendes:

Nicht die KI liefert Erkenntnisse – sondern die Selbstreflexion.

Erst wenn die Antworten mit der Positionierung kombiniert werden, entsteht echter Sparring-Wert.

5. Der Gamechanger: KI auf dich selbst ansetzen

Anschließend werden Positionierung und Antworten der KI gemeinsam vorgelegt mit der Frage:

Welche Muster, Widersprüche oder Spannungen erkennst du?

Und genau hier entsteht Tiefe:

• Skalierungswidersprüche

• Positionierungsunschärfen

• Komplexitätsprobleme

• Key-Man-Risiken

• Diskrepanzen zwischen Anspruch und Realität

Die KI wird zum Spiegel.

Nicht optimierend.

Sondern reflektierend.

Kernaussage des Calls

Kontext ist kein Zusatz.

Kontext ist der Qualitätshebel.

Je klarer du dich selbst beschreibst, desto wirksamer wird KI als Business-Sparringspartner.

Die KI erkennt nur, was du sichtbar machst.

Und oft erkennt sie darin mehr, als dir selbst bewusst war.

 

Modelle und Assets – Teil 04 – Part 04

Warum Modellwahl und Beispiele über Qualität entscheiden

In diesem Trainingscall werden zwei zentrale Hebel vertieft: Modellwahl und Assets – und ihre Wirkung in Kombination mit Kontext.

1. Die Kraft der dritten Stimme

Anhand mehrerer Live-Beispiele (Ines, Uwe, Lars, Sonja) wird sichtbar, was passiert, wenn KI mit sauberem Kontext gefüttert wird:

• Sie erkennt strukturelle Geschäftsmodellprobleme.

• Sie deckt Positionierungswidersprüche auf.

• Sie benennt unangenehme Wahrheiten klar und ungeschönt.

• Sie formuliert strategische Richtungswechsel.

Der entscheidende Effekt:

KI wird zur neutralen dritten Instanz.

Was von Mentoren oder Partnern oft emotional abgewehrt wird, wird von der KI eher angenommen. Ihre Aussagen besitzen – bei gutem Kontext – eine überraschend hohe Autorität. Nicht, weil sie „recht hat“, sondern weil sie systemisch unvoreingenommener wirkt.

Diese „Kraft der dritten Stimme“ kann bewusst genutzt werden:

• zur Selbstreflexion

• in Workshops

• in Führungsrunden

• im Sparring mit Kunden

KI ersetzt kein Coaching – aber sie verstärkt Erkenntnisprozesse massiv.

2. Modellkompetenz: Nicht jede KI denkt gleich

Ein weiterer Schwerpunkt ist die bewusste Nutzung unterschiedlicher Anbieter und Modelle:

• ChatGPT

• Gemini

• Claude

• Perplexity

Wichtige Erkenntnisse:

• Unterschiedliche Modelle liefern unterschiedliche Tiefen.

• Manche antworten sofort – andere stellen Rückfragen.

• Claude zeigt höhere „Perplexität“ (fragt nach) und wirkt dadurch vertrauenswürdiger.

• Schnellmodelle liefern Output – Denkmodelle liefern Qualität.

Ein zentrales Learning:

Wenn du nicht weißt, was ein Modell kann – frag die KI selbst.

Screenshot machen.

Hochladen.

„Was erkennst du hier? Was bedeutet das für mich?“

Du musst nichts auswendig lernen.

Du musst nur wissen, wie du dir alles erklären lässt.

3. Kontext schlägt Zufall

Ein zentrales Aha-Erlebnis entsteht beim Vergleich:

„Schreib mir einen LinkedIn-Post“ → generisch, beliebig.

„Das bin ich (Positionierung). Schreib mir einen LinkedIn-Post.“ → deutlich klarer.

Je präziser der Kontext, desto relevanter das Ergebnis.

Fehlt Kontext, produziert KI zwar Text – aber nicht Relevanz.

4. Der Gamechanger: Assets (Beispiele, Strukturen, Goldstücke)

Der größte Hebel in diesem Call ist die Einführung einer Asset Library.

Beispiel LinkedIn:

• Alte eigene Beiträge sammeln.

• Oder Beiträge von Vorbildern.

• 5–10 Stück reichen.

Diese werden der KI als Referenz mitgegeben:

„Orientiere dich bitte in Tonalität, Länge, Struktur und Emojis an diesen Beispielen.“

Ergebnis:

• Die KI übernimmt Stilmittel.

• Sie erkennt Textlänge.

• Sie imitiert Struktur.

• Sie integriert typische Elemente (z. B. Emojis, Hooks, Aufzählungen).

Nicht durch Erklärung.

Sondern durch Orientierung am Beispiel.

Das ist der Unterschied zwischen:

• Prompt-Beschreibung
  
  und

• Muster-Referenz

Assets machen Ergebnisse reproduzierbar stark.

5. Die vier Hebel greifen jetzt sichtbar ineinander

Ein hochwertiges KI-Ergebnis entsteht aus:

1. Dialog statt Einmal-Prompt

2. Sauberem Kontext

3. Bewusster Modellwahl

4. Starken Assets als Orientierung

Erst in der Kombination entsteht Qualität.

6. Die entscheidende Meta-Erkenntnis

KI bringt dich nicht in die Umsetzung.

Aber sie kann:

• Klarheit erzeugen

• Widersprüche spiegeln

• blinde Flecken sichtbar machen

• Richtung geben

Die Umsetzung bleibt deine Verantwortung.

Doch mit KI wird der Erkenntnisprozess schneller, klarer und radikaler.

Die wirksame Arbeitsweise mit KI im echten Business-Alltag – Teil 05

Vom Prompt zur Entscheidung

Nachdem Prompt, Kontext, Modellwahl und Assets geklärt sind, geht es nun um die eigentliche Praxis – die Arbeitsweise.

1. KI ist weder „First“ noch Ersatz – sie ist Resonanzraum

Früher arbeiteten wir ausschließlich mit Human Intelligence (HI) – allein oder im Austausch mit anderen. Erkenntnis entstand durch Dialog.

Dann kam die Idee: „KI first“ – erst die KI fragen.

Doch die Essenz dieses Calls ist differenzierter:

KI ist nicht first.

Und auch nicht allein second.

Sie ist Resonanzpartner im Denkprozess.

Der wirkliche Mehrwert entsteht nicht durch einen Prompt –

sondern durch Schleifen im Dialog.

2. Der Denk-Kreislauf der wirksamen KI-Arbeit

Ein wirksamer Prozess sieht so aus:

1. HI (Selbstreflexion)
   
   → Was will ich wirklich? Wo stehe ich? Was ist mein Ziel?

2. KI (Impuls & Spiegel)
   
   → Erste Analyse, Perspektive, Struktur.

3. Dialog & Vertiefung
   
   → Rückfragen stellen. Zuspitzen. Konfrontieren. Nachschärfen.

4. HI (Finalisierung & Entscheidung)
   
   → Ergebnis bewerten. Verantwortung übernehmen. Umsetzen.

Ohne eigene Klarheit wird KI beliebig.

Ohne Dialog bleibt sie oberflächlich.

Ohne menschliche Entscheidung bleibt alles Theorie.

3. KI ist wie ein Coaching-Gespräch

Die Analogie ist eindeutig:

Ein Coaching-Gespräch verläuft nicht linear.

Es ist ein Hin und Her. Impuls. Rückfrage. Zuspitzung. Spiegelung.

Genau so muss KI genutzt werden.

Nicht:
Prompt → Ergebnis → Fertig.

Sondern:
Prompt → Ergebnis → Reflexion → Nachfrage → Zuspitzung → Klärung → Entscheidung.

KI wird zum Sparringspartner – nicht zum Textautomaten.

4. Drei Lösungswege im Umgang mit KI

Der Call unterscheidet drei Ebenen:

Dialog (Basis)

Direkte Konversation mit Kontext und klarer Fragestellung.

Hier entsteht 80 % des Mehrwerts.

Strukturierte Systeme

• Custom GPTs

• Skills

• Assistenten

• Asset-basierte Arbeitsweisen

Für wiederkehrende Aufgaben.

Automatisierung & Apps

Komplexe Lösungen wie Buchgeneratoren oder automatisierte Prozesse.

Wichtige Botschaft:
Man beginnt nicht mit Automatisierung.

Man meistert zuerst den Dialog.

5. Vom Prompt zur echten Konfrontation

Ein besonders kraftvoller Moment entsteht, wenn man die KI bewusst auffordert:

• kritisch zu sein

• unverblümt zu antworten

• Widersprüche klar zu benennen

Die KI wird dann nicht mehr gefällig –

sondern direkt.

Und genau dort entstehen oft die stärksten Erkenntnisse:

• Diskrepanzen zwischen Anspruch und Realität

• Engpässe im Geschäftsmodell

• falsche Prioritäten

• fehlender Fokus

6. Integration statt Aktionismus

Ein starkes Praxisbeispiel zeigt:

Wer strategische Ziele (z. B. aus früheren Workshops) mit der aktuellen Positionierung und Kontextarbeit verbindet, erhält:

• Klarheit über Prioritäten

• Bestätigung oder Korrektur von Maßnahmen

• neue strategische Schärfe

KI wird so zum strategischen Integrator.

Kernaussage des Calls

Gute KI-Arbeit ist kein einmaliger Prompt.

Sie ist ein iterativer Denkprozess.

Du denkst.

Die KI spiegelt.

Du reflektierst.

Die KI schärft.

Du entscheidest.

KI beschleunigt Erkenntnis.

Aber Verantwortung und Umsetzung bleiben menschlich.

 

 

Wie du jede Methode ableitest, anwendest und in eigene IP verwandelst – Teil 06

Modelle meistern

Dieser Trainingscall hebt das KI-Sparring auf die nächste Ebene:

Es geht nicht mehr nur um Dialog, sondern um Modelle, Methoden und eigene Intellectual Property (IP).

1. Arbeiten mit Modellen statt nur mit Fragen

Der Einstieg ist klar:

Du kannst mit einer offenen Frage starten.

Oder du nutzt ein Modell.

Beispiele:

• SWOT-Analyse

• Business Model Canvas

• Blue Ocean Strategie

• Value Ladder

• One-Page-Marketing-Plan

Statt nur „frei“ zu reflektieren, wird das eigene Business in eine strukturierte Denkform überführt. Modelle erzeugen Schärfe.

2. Drei Wege, ein Modell zu nutzen

Der Call zeigt drei systematische Zugänge:

Kopieren

Ein Modell aus Workbook oder Literatur übernehmen und auf sich anwenden.

Erarbeiten

Die KI fragen:

„Kennst du das Business Model Canvas?“

→ Modell erklären lassen

→ auf eigenes Business übertragen.

Ableiten

Ein YouTube-Video oder Expertenmodell nehmen

→ Transkript kopieren

→ Struktur extrahieren lassen

→ als eigenes Arbeitsmodell nutzbar machen.

Erkenntnis:

Du brauchst keine Bücher mehr zu wälzen.

Du kannst dir jedes Modell herleiten.

3. Vom Anwender zum Entwickler

Der entscheidende Perspektivwechsel kommt am Ende:

Nicht nur fremde Modelle nutzen.

Eigene Modelle entwickeln.

Das ist der nächste Evolutionsschritt in der Selbstständigkeit:

• Von Zeit-gegen-Geld

• Zu Produkten

• Zu Methoden

• Zu klarer IP (Intellectual Property)

Beispiele:

• Positionierungs-Canvas

• Strategy-on-a-Page

• Leuchtturmprodukt-Canvas

Wer in Modellen denkt, wird skalierbar.

4. Der Gamechanger: Eigene Modelle in Prompts überführen

Hier liegt der eigentliche Durchbruch:

Dein eigenes Modell ist kein Allgemeingut.

Die KI kennt es nicht automatisch.

Aber du kannst:

1. Dein Modell hochladen (PDF, Bild, Text).

2. Die KI fragen: „Was erkennst du hier?“

3. Darauf basierend einen universellen Prompt entwickeln lassen,
   der dieses Modell reproduzierbar anwendet.

So wird aus deiner Methode ein skalierbarer Prompt.

Und aus deinem Denken ein strukturiertes System.

Das bedeutet:

• Deine Kunden können dein Modell nutzen.

• Du kannst es automatisiert einsetzen.

• Deine IP wird operationalisierbar.

5. Die eigentliche Meta-Botschaft

KI ersetzt kein Grundwissen.

Aber sie beschleunigt Strukturierung, Ableitung und Anwendung.

Die Zukunft gehört denen, die:

• Modelle verstehen

• Modelle anwenden

• Modelle entwickeln

• Modelle in Systeme überführen

Nicht Konsumenten von Methoden.

Sondern Produzenten.

 

 

Die wirksame Arbeitsweise mit KI im echten Business-Alltag – Teil 07 

Vom Gedanken zum validierten Angebot

In diesem Trainingscall wird KI praktisch eingesetzt – nicht theoretisch erklärt. Der Fokus liegt auf zwei zentralen Bereichen: Produktentwicklung und Marktrecherche.

1. Vom Gedanken zum Produktsteckbrief in Minuten

Anhand eines Live-Beispiels (Toschi) wird demonstriert, wie aus einer freien Beschreibung eines Produktgedankens innerhalb weniger Minuten ein strukturierter Produktsteckbrief entsteht.

Vorgehen:

1. Produktidee frei formulieren (gesprochen oder geschrieben).

2. Transkript erzeugen (z. B. mit Real-Time-Assistenz).

3. Eigenes Produktmodell (z. B. Leuchtturmprodukt-Canvas) als Struktur nutzen.

4. Einen darauf basierenden Prompt anwenden.

5. Ergebnis reflektieren und nachschärfen.

Das Resultat:

• Zielgruppe

• Problemdefinition

• Nutzenversprechen

• Angebotsstruktur

• Preismodell

• Differenzierung

• Bewertungsmatrix

Alles generiert aus wenigen Minuten Input.

Die entscheidende Erkenntnis:
Nicht der Prompt ist magisch.

Sondern die Kombination aus Modell + Kontext + sauberer Struktur.

2. Modelle sind übertragbar – alles ist ableitbar

Egal ob:

• Business Model Canvas

• SWOT

• Blue Ocean

• Eigene Methode

• Fremdes YouTube-System

Alles kann:

• kopiert

• hergeleitet

• extrahiert

• strukturiert

• in Prompts überführt

• auf das eigene Business angewendet werden

Du brauchst keine fertigen Frameworks kaufen.

Du musst lernen, sie zu operationalisieren.

3. KI ersetzt kein Denken – aber beschleunigt Struktur

Wichtiger Punkt aus dem Austausch:

KI darf nicht losgelöst vom eigenen Kontext arbeiten.

Gerade bei rechtlichen, strategischen oder beratenden Themen ist entscheidend:

• eigene Tonalität

• eigene Expertise

• eigene Methodik

KI wird dann stark, wenn sie deine Denkweise verstärkt – nicht ersetzt.

4. Marktrecherche auf Enterprise-Niveau

Der zweite große Block:

Marktanalyse mit Deep Research.

Früher:
20.000–100.000 € für externe Studien.

Heute:

• Kontext definieren (Positionierung + Antworten auf 9/40 Fragen)

• Deep Research Prompt entwickeln

• Recherche mit mehreren KI-Systemen parallel starten

• Ergebnisse vergleichen

Wichtig:

• Erst den Prompt entwickeln

• Dann Deep Research starten

• Rückfragen der KI beantworten

• Mehrere Modelle gegeneinander antreten lassen

Die Qualität hängt nicht nur vom Tool ab, sondern vom vorbereiteten Kontext.

5. Umsetzungspflicht

Mehrfach betont:

• Ergebnisse lesen.

• Hinterfragen.

• Nachschärfen.

• Verantwortung übernehmen.

KI liefert Struktur.

Du lieferst Entscheidung.

Kernaussage des Calls

Du kannst:

• Produktideen in Minuten strukturieren.

• Eigene Modelle in skalierbare Prompts überführen.

• Marktrecherchen auf strategischem Niveau durchführen.

• Mehrere KI-Systeme parallel arbeiten lassen.

Aber:

Nur wer in den Dialog geht und nachschärft, erzeugt echte Qualität.

 

Von der Marktanalyse zur strategischen Entscheidung – Teil 08

Deep Research

In diesem Call werden die Ergebnisse der Deep Research Analysen eingeordnet. Mit ChatGPT, Gemini und Claude sind umfangreiche Marktanalysen (14–21 Seiten, 30+ Quellen) entstanden – in unter 20 Minuten.

Zentrale Erkenntnis:

Nicht die Länge entscheidet, sondern die Relevanz.

Auffällig ist, dass mehrere KI-Systeme zu ähnlichen strategischen Empfehlungen kommen – etwa Fokus, Portfolio-Bereinigung, Skalierung oder Teamaufbau. Wenn sich Muster wiederholen, lohnt sich genaues Hinschauen.

Die Marktanalyse ist kein Endprodukt, sondern Rohmaterial für:

• Positionierung

• Angebotsentwicklung

• Marketingstrategie

• Skalierungsentscheidungen

KI liefert Klarheit.

Die Entscheidung bleibt bei dir.

 

Muster erkennen, Prioritäten klären, Entscheidungen schärfen – Teil 09

Meta-Analyse der Marktrecherche

In diesem Call wird der nächste logische Schritt gegangen:

Nicht nur einzelne Marktanalysen betrachten sondern mehrere Deep-Research-Ergebnisse meta-analytisch zusammenführen.

Nach der Durchführung von Marktanalysen mit ChatGPT, Gemini und Claude werden alle Ergebnisse in ein System (z. B. Claude) eingespeist – inklusive eigenem Kontext – mit der Frage:

• Welche Muster erkennst du?

• Welche Kernpunkte wiederholen sich?

• Wo unterscheiden sich die Analysen?

• Welche konkreten Handlungsempfehlungen leitest du ab?

1. Von Einzelanalyse zur Mustererkennung

Statt eine Analyse isoliert zu bewerten, entsteht durch die Zusammenführung:

• Mustererkennung über mehrere KI-Systeme hinweg

• qualitative Unterschiede zwischen Modellen

• Verdichtung strategischer Kernhebel

Wenn unterschiedliche Systeme unabhängig ähnliche Engpässe oder Chancen identifizieren, steigt die strategische Relevanz deutlich.

2. Meta-Ebene statt Detailverliebtheit

Die zentrale Frage lautet nicht mehr:

„Was steht auf Seite 14?“

Sondern:

„Was ist die Essenz aus allen Analysen?“

Die KI wird genutzt, um:

• strategische Kernaussagen zu extrahieren

• Handlungsempfehlungen zu priorisieren

• blinde Flecken sichtbar zu machen

• weitere Reflexionsfragen vorzuschlagen

3. Dialog vertiefen

Der entscheidende Schritt ist nicht das Zusammenfassen –

sondern das Weiterfragen:

• Was habe ich übersehen?

• Welche Frage sollte ich jetzt stellen?

• Wo siehst du Widersprüche?

• Was würde ein Investor kritisch hinterfragen?

So entsteht strategische Tiefe.

4. Technologischer Quantensprung

Ein zusätzlicher Meta-Punkt:

Die Qualität und Quellenanzahl aktueller Deep-Research-Modelle hat sich massiv gesteigert (teilweise 300–600 Quellen).

Was früher externe Marktstudien erforderte, ist heute iterativ und dialogisch verfügbar.

Kernaussage des Calls

Der wahre Mehrwert entsteht nicht durch eine Marktanalyse.

Sondern durch:

1. Vergleich mehrerer Systeme

2. Verdichtung auf Muster

3. Meta-Reflexion

4. Konsequente Ableitung von Entscheidungen

KI liefert Perspektiven.

Strategie entsteht durch Bewertung.

 

Angebote und Landingpages strategisch mit KI entwickeln – Teil 10

Von der Zielgruppe zur Conversion

In diesem Trainingscall wird der nächste logische Schritt gegangen:

Aus Produkt und Marktrecherche wird konkrete Marktbearbeitung.

Der Ablauf ist klar strukturiert:

1. Produktsteckbrief

2. Zielgruppenanalyse

3. Landingpage

4. Conversion-Logik

Alles in einem durchgängigen KI-Dialog.

1. Zielgruppenanalyse: Präzision statt Bauchgefühl

Ausgehend vom entwickelten Produkt wird die Zielgruppe systematisch analysiert:

• Wer ist sie konkret?

• Wo steht sie?

• Welche Probleme treiben sie?

• Welche Kaufblocker gibt es?

• Wie sieht die Entscheidungslogik aus?

• Welche Einwände müssen aufgelöst werden?

Die KI entwickelt nicht nur eine oberflächliche Beschreibung, sondern:

• Personas

• Kaufreise

• psychologische Hürden

• Argumentationslinien

• Einwandbehandlung

Entscheidend:

Die Qualität entsteht durch den vorher aufgebauten Kontext (Positionierung + Produkt + ggf. 9/40 Fragen).

2. Landingpage: Struktur statt Textwüste

Anstatt „irgendwie Text zu schreiben“, wird die KI gefragt:

• Nach welchem Konzept sollte die Landingpage aufgebaut sein?

• Welche Frameworks passen zu Produkt und Zielgruppe?

Beispiel:

• StoryBrand (Donald Miller)

• Hormozi Value Stack

• Hybrid-Struktur

Die KI empfiehlt – begründet – und setzt anschließend direkt um.

Ergebnis:

• Klare Heldenstruktur

• Problembeschreibung

• Positionierung als Guide

• Call-to-Action

• Einwandbehandlung

• Vertrauenselemente

3. Von Text zu echter Website

Die KI liefert nicht nur Text, sondern:

• Struktur

• Design-Logik

• HTML-Code

• sofort deploybare Landingpage

Was früher:

• Agenturauftrag

• Designer

• Texter

• Entwickler

war, entsteht heute im Dialog.

4. Zentrale Meta-Erkenntnis

Der eigentliche Gamechanger ist nicht die Landingpage.

Sondern:

• Du leitest Frameworks auf dein Business ab.

• Du kombinierst Modelle individuell.

• Du bekommst keine Standardlösung – sondern eine kontextbasierte Ableitung.

Das ist kein YouTube-Wissen.

Das ist dialogische Strategiearbeit.

5. Wichtiger Praxisimpuls

Starte mit einem Pilotfall, den du fachlich vollständig durchdringst.

Warum?

• Du kannst die Qualität bewerten.

• Du trainierst dein System.

• Du erkennst Grenzen.

• Du lernst, wo KI stark ist – und wo du eingreifen musst.

Kernaussage des Calls

Aus:

Produkt → Zielgruppe → Analyse → Framework → Landingpage

wird ein stringenter Prozess.

KI ersetzt nicht Strategie.

Sie beschleunigt und strukturiert sie.

 

Workshops, Prozesse und Strategie neu gedacht – Teil 11

KI-gestützte Kollaboration mit Miro

In diesem Trainingscall wird ein entscheidender Perspektivwechsel vollzogen:

KI wird nicht nur im 1:1-Sparring genutzt, sondern als integrierter Bestandteil eines Kollaborationstools – konkret am Beispiel von Miro.

Der Fokus liegt auf der Frage:

Wie kann KI Teams, Workshops und strategische Prozesse unterstützen – ohne Medienbrüche und ohne reine Einzelarbeit?

1. Von generativer KI zur integrierten KI

Bisher stand die Arbeit mit ChatGPT, Claude oder Gemini im Vordergrund – meist im Einzelsetting.

Miro zeigt eine andere Dimension:

• KI ist direkt im Whiteboard integriert.

• Keine Screenshots.

• Kein Copy-Paste zwischen Tools.

• Kein Wechsel der Plattform.

KI wird Teil des Prozesses – nicht externer Helfer.

2. KI im Workshop: Beschleuniger statt Ersatz

Anwendungsbeispiele:

• Brainstorming automatisiert starten (z. B. 20 Ideen als Sticky Notes generieren)

• Post-its automatisch clustern

• Muster erkennen lassen

• Blinde Flecken identifizieren

• Prozesse aus Textbeschreibungen als Flussdiagramm visualisieren (inkl. BPMN-Struktur)

• RACI-Matrizen und Customer Journeys generieren

• Präsentationen und Mockups automatisch erzeugen

Das alles direkt im Board – für alle sichtbar.

Wichtig dabei:

Die KI darf den Workshop nicht dominieren.

Sie beschleunigt – ersetzt aber nicht den Denkprozess.

3. Human + KI + Human

Ein zentrales Learning aus der Diskussion:

KI darf Teilnehmer nicht zu Zuschauern machen.

Sonst verliert der Workshop an Tiefe und Identifikation.

Der sinnvolle Einsatz:

• Strukturarbeit automatisieren

• Zusammenfassungen erzeugen

• Clusterbildung übernehmen

• Dokumentation sichern

Die eigentliche Reflexion bleibt menschlich.

4. Asynchrone Zusammenarbeit & Projektarbeit

Miro eignet sich nicht nur für Workshops, sondern auch für:

• längere Projektarbeit

• kollaborative Strategiereisen

• Solution-Entwicklung

• dokumentierte Prozessbegleitung

Boards können über Monate wachsen – inklusive Versionierung und Verlauf.

KI unterstützt dabei:

• Strukturierung

• Zusammenfassung

• Ableitung nächster Schritte

5. KI-Strategie-Sprint als Ausblick

Ein besonderer Ausblick gilt dem KI-Strategie-Sprint, der auf Miro basiert:

• strukturierter Strategieprozess

• integrierte KI-Unterstützung

• schnelle Ableitung konkreter Anwendungsfälle

• medienbruchfreie Umsetzung

Die Kombination aus Prozessdesign und integrierter KI hebt Kollaboration auf ein neues Level.

Kernaussage des Calls

KI entfaltet ihre volle Kraft nicht nur im Einzelgespräch –

sondern eingebettet in strukturierte Prozesse und Teamkollaboration.

Tools wie Miro zeigen:

• KI kann Workshops beschleunigen.

• KI kann Struktur schaffen.

• KI kann Dokumentation automatisieren.

• Aber Denken und Entscheidung bleiben menschlich.

 

Leitplanken für rechtssichere KI-Nutzung im Business – Teil 12

KI & Compliance

In diesem Trainingscall bringt Carsten Wittmann eine essenzielle Perspektive ein:

KI braucht Geschwindigkeit aber auch Leitplanken.

Sein zentrales Bild:

Er baut die Leitplanken für eure KI-Überholspur.

Es geht nicht darum, Innovation zu bremsen – sondern sie rechtssicher zu ermöglichen.

1. Die drei Compliance-Säulen

Carsten strukturiert das Thema entlang eines klaren Modells:

Input – Prozess – Output

Input: Was darf in die KI?

Hier stehen zentrale Fragen im Raum:

• Darf ich Kundendaten eingeben?

• Was gilt bei NDAs?

• Was sind personenbezogene Daten?

• Was ist mit Berufsgeheimnisträgern (z. B. Anwälte, Steuerberater, Ärzte)?

• Darf ich fremde Dokumente oder Frameworks hochladen?

Kernaussagen:

• Personenbezogene Daten sind weiter gefasst als viele denken (auch Stimme, Fotos, IDs, Log-Daten).

• NDAs können KI-Nutzung verbieten.

• §203 StGB macht bestimmte Daten besonders sensibel.

• Anonymisierung ist oft die letzte saubere Lösung.

• Urheberrecht schützt konkrete Texte – nicht Konzepte.

• Nur eigene oder lizenzierte Inhalte hochladen.

Transparenz gegenüber Kunden ist Pflicht – und Vertrauensbooster.

Prozess: Wie nutze ich KI rechtssicher?

Hier geht es um:

• Aufzeichnungen von Gesprächen (§201 StGB)

• Einwilligung aller Beteiligten

• Toolsicherheit

• Auftragsverarbeitungsverträge (AVV)

• Trainingsdatennutzung

• Zero Data Retention

• Enterprise- vs. Free-Modelle

Wichtig:

• Kostenlose Versionen sind für Kundendaten tabu.

• AVV ist Pflicht bei personenbezogenen Daten.

• Trainings-Opt-Out muss geprüft werden.

• Lokale Modelle sind nicht automatisch sicher.

• Copy-Paste kann bereits ein DSGVO-Verstoß sein.

KI-Nutzung im Workshop oder Coaching erfordert klare Zustimmung – auch bei Note-Takern.

Output: Wem gehört das Ergebnis?

Zentrale Klarstellung:

KI kann kein Urheber sein.

Nur Menschen können geistiges Eigentum beanspruchen.

Das bedeutet:

• KI-Ergebnisse sind Rohmaterial.

• Du musst signifikant überarbeiten.

• Eigene kreative Leistung muss dokumentierbar sein.

• Human-in-the-Loop ist Pflicht.

• Haftung bleibt immer beim Anwender.

Zusätzlich:

• Halluzinationen prüfen.

• Quellen verifizieren.

• Marken- und Urheberrechte checken.

• Plattform-Kennzeichnungspflichten beachten.

2. EU AI Act – Risikoklassifikation

Carsten ordnet Sparring-Anwendungen realistisch ein:

• Kein unakzeptables Risiko

• Kein Hochrisiko-System

• Eher begrenztes oder minimales Risiko

Aber:

KI-Kompetenz ist verpflichtend.

Wer KI nutzt, muss Risiken einschätzen können.

3. Praktische Kernbotschaften

• Transparenz schafft Sicherheit.

• Verträge prüfen und ggf. anpassen.

• Sensible Daten anonymisieren.

• Enterprise-Modelle nutzen.

• Eigene IP bewusst schützen.

• Dokumentationspflicht ernst nehmen.

• Verantwortung bleibt menschlich.

Meta-Botschaft des Calls

Innovation und Compliance sind kein Widerspruch.

KI darf Tempo bringen.

Aber nur mit Leitplanken entsteht nachhaltige Überholspur.

Carsten bringt Klarheit in ein Feld, das oft zwischen Euphorie und Angst schwankt – und liefert eine strukturierte, praxisnahe Orientierung für rechtssichere KI-Arbeit.

 

Umsetzung, nächste Schritte und die Zukunft agentischer Systeme – Teil 13

Abschluss & Ausblick

Dieser letzte Call markiert nicht nur das Ende eines intensiven Tages – sondern den Übergang in die Umsetzung.

Thorsten würdigt die Energie, die Disziplin und das hohe Niveau der Teilnehmer. Nach einem mehrstündigen Deep Dive steht nun nicht mehr Theorie im Vordergrund, sondern die klare Aufforderung:

Kommt in die Umsetzung.

1. Ausblick: Die nächsten Schritte

Es wird ein konkreter Blick nach vorne geworfen:

• KI Marketing Deep Dive Workshop

• Masterclass-Formate

• Mastery-Serie

• Vertiefung agentischer Systeme (Cloud Code, Buchgeneratoren, Automatisierungen)

Ein zentrales Signal:

Agentische Systeme sind der nächste große Hebel.

Und sie werden nicht nur theoretisch erklärt, sondern praktisch umgesetzt.

Die Masterclass bekommt neue Inhalte zuerst – anschließend werden sie in die Mastery-Serie integriert.

2. Dynamik statt starrem Jahresplan

Die Workshop-Reihen werden flexibel angepasst.

Neue Entwicklungen – insbesondere im Bereich agentischer Systeme – bekommen Priorität.

Das Jahr wird nicht starr durchgezogen, sondern strategisch nachgeschärft.

3. Umsetzungspflicht

Nach Marktanalysen, Produktentwicklung, Compliance, Landingpages und Strategiearbeit gilt:

Freut euch über eure Ergebnisse.

Aber bleibt nicht im Konzept.

Setzt um. Testet. Baut. Implementiert.

4. Wertschätzung & Teamleistung

Ein großer Teil des Abschlusses ist der Würdigung gewidmet:

• Dank an die Teilnehmer für Vertrauen und Energie

• Dank an die Impulsgeber

• Dank an die Regie (Sebastian, Annika)

• Dank an den Fotografen (Michael)

• Sichtbarkeit für das Team hinter den Kulissen

Das Setting, die Technik, die Inszenierung – alles wird als Gemeinschaftsleistung sichtbar gemacht.

5. Kultur & Community

Spürbar wird:

• Hohe Energie

• Gemeinschaftsgefühl

• Commitment

• Stolz auf 11–12 Stunden intensives Arbeiten

• Humor und Leichtigkeit trotz Tiefe

Der Call endet nicht sachlich, sondern emotional:

Mit Applaus.

Mit Kameras an.

Mit Gruppenfoto.

Mit Dankbarkeit.

Kernaussage des Abschluss-Calls

Das Event war kein isolierter Workshop.

Es ist Teil einer Bewegung.

Die Inhalte entwickeln sich weiter.

Die Formate entwickeln sich weiter.

Und die Teilnehmer entwickeln sich mit.

Von Sparring → zu Systemen → zu agentischen Anwendungen → zur Umsetzung.