Viele Projektteams nutzen KI bereits – jedoch oft ohne Abstimmung. Der Artikel zeigt, wie Sie an einem Workshop-Tag geeignete Anwendungsfälle identifizieren, erste Assistenten entwickeln und eine gemeinsame KI-Praxis im Team etablieren.
An Amazon-Kindle übertragen
Melden Sie sich bei Ihrem Amazon Konto an und folgen Sie den Anweisungen, um Ihre Datei hochzuladen und auf Ihr Kindle-Gerät zu übertragen. Unter diesem Link können Sie Ihre Amazon-Geräte und Dateien verwalten. Feedback oder Fragen?
Viele Projektteams nutzen KI bereits – jedoch oft ohne Abstimmung. Der Artikel zeigt, wie Sie an einem Workshop-Tag geeignete Anwendungsfälle identifizieren, erste Assistenten entwickeln und eine gemeinsame KI-Praxis im Team etablieren.
Viele Projektteams haben bereits erste Erfahrungen mit KI gesammelt. Einzelne Mitarbeitende nutzen ChatGPT, Copilot oder andere Werkzeuge für Recherchen, Protokolle, Auswertungen oder die Vorbereitung von Präsentationen. Was dabei fehlt, ist oft der Austausch im Team. Jeder entwickelt eigene Arbeitsweisen, sammelt eigene Erfahrungen und erzielt unterschiedliche Ergebnisse.
Dabei liegt gerade in der gemeinsamen Betrachtung der größte Nutzen. Denn bevor über Richtlinien, Tools oder komplexe KI-Strategien diskutiert wird, lohnt sich ein Blick auf die tägliche Projektarbeit: Welche Aufgaben kosten Zeit? Wo entstehen Routinen? Und bei welchen Tätigkeiten kann KI tatsächlich unterstützen?
Dieser Artikel zeigt, wie Projektteams an einem einzigen Workshop-Tag ihre bisherigen Erfahrungen zusammenführen, geeignete Anwendungsfälle identifizieren und daraus erste praxistaugliche Lösungen entwickeln – vom Prompt bis zum wiederverwendbaren Assistenten. Ziel ist kein perfektes KI-Konzept, sondern ein gemeinsamer Einstieg, der Orientierung schafft und unmittelbar nutzbare Ergebnisse liefert.
Betrachten Sie Ihr Team einen Moment lang. Die Wahrscheinlichkeit ist hoch, dass einige Mitarbeitenden KI bereits verwenden, auch wenn es noch keine Abstimmung dazu gab. Eine Kollegin lässt sich Besprechungsnotizen zusammenfassen, ein Kollege formuliert Statusmails vor, wieder andere generieren bereits Statusberichte. Andere nutzen KI bislang gar nicht, weil ihnen unklar ist, wo sie anfangen sollen.
Das Ergebnis: Jede und jeder arbeitet für sich. Es gibt kein gemeinsames Vorgehen, keine geteilten Erfahrungen und keine einheitlichen Standards. KI ist im Team angekommen – aber als Sammlung stiller Einzelversuche.
Diese sogenannte "Shadow AI" ("Schatten-KI") – also die Nutzung von KI ohne gemeinsame Regeln und oft ohne Wissen der Projektleitung – entsteht selten aus bösem Willen. Die Mitarbeitenden wollen ihre Arbeit effizient erledigen und greifen deshalb auf frei verfügbare Werkzeuge zurück. Genau das macht Shadow AI so verbreitet.
Damit sind jedoch Risiken verbunden, denn vertrauliche Projekt-, Kunden- oder Personendaten können unbeabsichtigt in nicht freigegebene Systeme gelangen. Gleichzeitig bleibt ein großer Teil des möglichen Nutzens ungenutzt: Wissen wird nicht geteilt, erfolgreiche Vorgehensweisen werden nicht übernommen, und das Team lernt kaum voneinander.
Der Ausweg liegt weder im Verbieten noch im Wegsehen. Entscheidend ist, die bestehende KI-Nutzung sichtbar zu machen und gemeinsam weiterzuentwickeln.
Dafür braucht es keine große KI-Initiative. Oft reicht bereits ein gut vorbereiteter Praxis-Workshop, der sich an den tatsächlichen Aufgaben des Teams orientiert. Dieser Artikel zeigt, wie Sie einen solchen Tag gestalten können – von der Identifikation geeigneter Anwendungsfälle über die Entwicklung erster Lösungen bis hin zur gemeinsamen Nutzung im Team.
Der erste Teil des Tages klärt die wichtigste Frage überhaupt: Wo lohnt sich KI in Ihrem Umfeld tatsächlich? Nicht im Allgemeinen, sondern in Ihrem Projektalltag, bei Ihren konkreten Aufgaben. Und ebenso wichtig: In dem Workshop bringen Sie das gesamte Team auf eine gemeinsame Sicht, bevor überhaupt ein Tool geöffnet wird.
Am Anfang steht die ehrliche Bestandsaufnahme. Am Ende dieser Phase sollen Sie wissen, an welchen Stellen im Projektalltag KI einen echten Mehrwert bringt – und an welchen sie lediglich attraktiv wirkt. Erfahrungsgemäß liegen die Chancen in einigen wiederkehrenden Kategorien:
Diese Kategorien helfen, die eigenen Aufgaben gezielt abzuklopfen.
Die Frage lautet nicht: "Was kann ChatGPT alles?". Es geht um die Frage: "Wo entsteht bei uns konkret Aufwand, und kann KI dort entlasten?".
Der Nebeneffekt ist mindestens ebenso wertvoll: Das Team entwickelt ein gemeinsames Verständnis davon, was KI leisten kann und was nicht. Die einen werden in ihren Erwartungen gebremst, die anderen ermutigt. Aus "die KI macht ohnehin alles falsch", "Ich kann das besser als die KI" und "Die KI kann alles" wird eine realistische, geteilte Einschätzung.
Der Einstieg in die Arbeit mit KI beginnt nicht bei der Technik, sondern bei den Aufgaben, die im Arbeitsalltag anfallen. Lassen Sie jedes Teammitglied die eigenen wiederkehrenden Aufgaben vorstellen und diskutieren – die realen, oft unscheinbaren und zeitintensiven, z.B. Statusberichte, Protokolle, das Sortieren von Anforderungen, das Zusammentragen von Risiken, Stakeholder-Mails, die Aufbereitung von Reportings. Notieren Sie jede wiederkehrende Aufgabe auf einer separaten Karte im Whiteboard oder Board-Tool.
Anschließend sortieren Sie gemeinsam. Drei Fragen helfen dabei:
Dabei wird fast zwangsläufig sichtbar, wer heute bereits KI wofür einsetzt. "Das erledige ich längst mit Copilot" – "Das ist möglich?". Die Nutzung von KI geschieht häufig unter dem Radar. Daher ist es wichtig, einen sicheren Raum zu schaffen, in dem sich jedes Teammitglied äußern kann, ohne Konsequenzen befürchten zu müssen. Denn solche Aussagen sind für das Team ausgesprochen wertvoll: Sie zeigen, wo KI bereits unkompliziert eingesetzt wird. Auf diesen konkreten Anwendungsfällen kann man aufbauen; davon kann das gesamte Team profitieren.
Jetzt verfügt das Team über eine Liste an Chancen und Möglichkeiten, um KI einzusetzen. Bevor diese weiterverfolgt werden, sollten jede Chance danach eingeordnet werden, welchen Mehrwert (Impact) sie bringt und wie hoch die Machbarkeit ist, also wie einfach dies umgesetzt werden kann. Konkret hilft dabei ein kurzer Check je Chance:
Diese Einordnung gibt Ihnen eine klare Reihenfolge: Chancen mit hohem Mehrwert und hoher Machbarkeit sind Ihre Quick Wins.
Chancen mit hohem Mehrwert bei geringer Machbarkeit sind eventuell strategisch wichtig, benötigen jedoch viel organisatorische und technische Vorbereitung sowie ein höheres Budget. Diese Use Cases können deswegen gegebenenfalls nicht kurzfristig umgesetzt werden.
Die Ideen, die wenig Mehrwert bringen, lassen Sie außen vor. Am Ende stehen drei bis fünf priorisierte Chancen, auf die sich das Team committet.
Starten Sie im Workshop am besten mit den Quick Wins, um einen schnellen Erfolg zu erzielen. Strategische Ideen können Sie gemeinsam skizzieren, wenn die Workshopzeit ausreicht. Oder sie vertagen sie auf einen weiteren Workshop.
Erst jetzt – und das ist der entscheidende Schritt – definieren Sie für jede dieser Chancen, die Sie konkret angehen möchten, einen konkreten Anwendungsfall (Use Case):
Definieren Sie bewusst, an welcher Stelle ein Mensch das Ergebnis prüft, ergänzt oder freigibt (Human-in-the-loop). Bei Statusberichten, Risikoanalysen oder Stakeholder-Kommunikation sollte die KI unterstützen, die Verantwortung jedoch beim Projektteam bleiben.
Am Ende dieser Phase steht eine überschaubare Landkarte: eine Handvoll konkreter KI-Use-Cases, sortiert nach Machbarkeit und Mehrwert. Dies ist die Liste, hinter der das Team steht. Was gemeinsam erarbeitet wurde, wird auch gemeinsam getragen. Dieses Set definierter Use Cases ist das Ergebnis von Phase 1 – und Ihre Agenda für den zweiten Teil des Tages.
In der zweiten Phase greifen Sie die Aufgaben aus dieser Liste auf und entwickeln daraus eine konkret einsetzbare Lösung. Das wirkt zunächst ambitioniert, ist aber gut zu bewältigen, wenn Sie klein beginnen und systematisch vorgehen.
Je nach Komplexität des Anwendungsfalls liegt Ihnen Ende des Tages eine Lösungsskizze oder sogar eine erste fertige Anwendung vor.
Bevor Sie den ersten Prompt schreiben, beschreiben Sie die Aufgabe möglichst konkret. Welche Informationen liegen vor? Wer nutzt das Ergebnis? Welche Qualitätsanforderungen bestehen? Welche Schritte übernimmt die KI und welche der Mensch? Je präziser die Aufgabe definiert ist, desto deutlicher kann der Prompt verfasst werden.
Die meisten Enttäuschungen mit KI gehen nicht auf die KI zurück, sondern auf den Prompt. "Fasse das zusammen" ist eben kein präziser Auftrag. Statt weiterhin jede Person ungesteuert ausprobieren zu lassen, geben Sie dem Team ein gemeinsames Gerüst an die Hand. Beziehen Sie auch die Teammitglieder ein, die in der KI-Nutzung schon weiter fortgeschritten sind. Hier gilt es, voneinander zu lernen.
Vermitteln Sie allen ein bewährtes Prompt-Framework. Der Vorteil dieses Vorgehens: Wenn alle nach demselben Muster prompten, werden die Ergebnisse vergleichbar und teilbar. Ein guter Prompt einer Kollegin lässt sich fürs ganze Team übernehmen, weil er nachvollziehbar aufgebaut ist. Auf diese Weise wird aus individuellem Können ein Teamstandard. Auch werden diejenigen abgeholt, die noch keine Prompt-Erfahrung haben.
Ein gutes Prompt-Framework besteht aus:
Ein gutes Prompt-Framework verbessert die Ergebnisse deutlich. Es ersetzt jedoch weder Fachwissen noch qualitativ hochwertige Daten. Die Qualität einer KI-Lösung hängt immer vom Zusammenspiel aus Aufgabe, Daten, Modell und Prompt ab.
Bis hierhin haben Sie für Ihre priorisierten Use Cases erste funktionierende Prompts entwickelt. Der nächste Schritt besteht darin, diese nicht jedes Mal neu zu schreiben, sondern dauerhaft nutzbar zu machen.
Viele schrecken davor zurück, weil "einen Assistenten bauen" nach Programmierung klingt. In den meisten Fällen ist das jedoch nicht notwendig. Ein Assistent ist zunächst nichts anderes als ein gut durchdachter Prompt, der als feste Anweisung hinterlegt wird – beispielsweise als Custom GPT in ChatGPT, als Projekt in Claude oder als Agent in Copilot. Statt die gleichen Anweisungen immer wieder neu einzugeben, übergeben Sie künftig nur noch die aktuellen Inhalte und der Assistent führt die Aufgabe aus.
Wählen Sie dafür eine wiederkehrende Aufgabe aus Ihrer Use-Case-Liste, etwa die Erstellung eines Statusberichts, die Aufbereitung von Meetingnotizen oder die Analyse von Risiken. Den ausgereiften Prompt aus der vorherigen Phase hinterlegen Sie als feste Instruktion und geben dem Assistenten einen eindeutigen Namen. Von diesem Zeitpunkt an kann das gesamte Team auf dieselbe Logik, dieselben Qualitätsstandards und dieselbe Arbeitsweise zugreifen.
Der eigentliche Nutzen liegt dabei nicht nur in der Zeitersparnis. Noch wichtiger ist die Standardisierung. Wissen bleibt nicht bei einzelnen Teammitgliedern, sondern wird für das gesamte Team nutzbar. Gute Vorgehensweisen lassen sich wiederverwenden, weiterentwickeln und gemeinsam verbessern.
Wichtig ist die richtige Erwartungshaltung: Im Workshop entsteht zunächst ein Prototyp. Ziel ist nicht die perfekte Lösung, sondern ein erster funktionierender Assistent, der den Nutzen des Anwendungsfalls sichtbar macht. Je nach Komplexität können anschließend weitere Schritte folgen – etwa die Anbindung an interne Systeme, die Nutzung sensibler Daten oder ein unternehmensweiter Rollout. Spätestens dann sollten IT, Datenschutz oder andere relevante Bereiche eingebunden werden.
Definieren Sie außerdem bewusst, welche Aufgaben die KI übernimmt und an welchen Stellen eine menschliche Prüfung erforderlich bleibt. Gerade bei Statusberichten, Risikoanalysen oder Entscheidungsvorlagen sollte die KI unterstützen, die Verantwortung jedoch beim Projektteam verbleiben.
Konzentrieren Sie sich im Workshop lieber auf einen Assistenten, der eine konkrete Aufgabe zuverlässig erfüllt, als auf mehrere halb fertige Lösungen. Ein funktionierender Prototyp schafft Vertrauen, liefert schnelle Erfolgserlebnisse und bildet die Grundlage für die weitere Entwicklung.
Ein Ergebnis, das auf den ersten Blick überzeugend wirkt, ist noch nicht automatisch ein valides Ergebnis. Deshalb sollten Sie Ihre Prototypen möglichst früh mit realen Daten testen. Nutzen Sie beispielsweise echte Notizen aus einer Projektbesprechung oder einen tatsächlichen Statusbericht aus der vergangenen Woche und prüfen Sie gemeinsam im Team, was der Assistent daraus macht.
Bewerten Sie die Ergebnisse dabei nicht nach Bauchgefühl, sondern anhand weniger klarer Kriterien:
Die gemeinsame Bewertung hat einen weiteren Vorteil: Unterschiedliche Perspektiven decken unterschiedliche Schwächen auf. Was für die eine Person überzeugend wirkt, fällt einer anderen sofort als unvollständig oder missverständlich auf. Genau diese Diskussion hilft dabei, die Lösung schrittweise zu verbessern.
Ebenso wichtig wie die erfolgreichen Beispiele sind die weniger erfolgreichen. Wenn ein Assistent bei einer bestimmten Aufgabe wiederholt falsche oder unbrauchbare Ergebnisse liefert, ist das keine Niederlage, sondern eine wertvolle Erkenntnis. Sie zeigt dem Team, wo die Grenzen des aktuellen Ansatzes liegen, und verhindert, dass andere denselben Irrweg erneut beschreiten.
Dokumentieren Sie deshalb nicht nur die erfolgreichen Lösungen, sondern auch die gemachten Erfahrungen. Halten Sie für jeden Anwendungsfall die Aufgabe, den verwendeten Prompt oder Assistenten, typische Fehlerquellen sowie eine kurze Bewertung fest. So entsteht Schritt für Schritt eine gemeinsame Wissensbasis, auf die das gesamte Team zurückgreifen kann.
Am Ende des Praxis-Workshops ist mehr geschehen, als nur einige Prompts formuliert zu haben. Sehen wir uns an, was konkret vorliegt – und was Sie benötigen, um einen solchen Tag selbst zu organisieren.
Das Wichtigste ist die gemeinsame Ausrichtung im Team. Zuvor hat jeder im Team für sich gearbeitet, mit eigenem Tool, eigenen Anwendungsfällen und eigenem Prompt-Vorgehen.
Dadurch wird auch ungewollter und risikobehafteter Shadow-KI-Nutzung vorgebeugt.
Nach dem Workshop zieht das Team an einem Strang und kann dadurch auch voneinander lernen. Darin liegt der eigentliche Hebel: Nicht das individuelle Können einer einzelnen Person entscheidet darüber, ob KI im Projekt etwas bringt, sondern die Frage, ob das Wissen geteilt wird. Ein Team auf einem gemeinsamen Stand wird mit jeder Woche besser, weil es gemeinsames Wissen weiterentwickelt. Einzeln agierende Personen beginnen dagegen jede Woche wieder von vorn.
Bevor Ihr Team auseinandergeht, treffen Sie gemeinsam drei Entscheidungen pro KI-Idee:
Diese ehrliche Dreiteilung verhindert, was nach vielen Workshops geschieht: dass die Ergebnisse im Sande verlaufen. Wer konkret benennt, was skaliert wird, verfügt über einen Plan für die kommende Wochen.
Damit ein solcher Praxis-Workshop gelingt, müssen Sie im Vorfeld die folgenden Punkte klären:
Bleiben Sie ehrlich mit sich selbst: Nach einem Workshop-Tag liegen erste Lösungsansätze vor, und das Team hat sich auf ein gemeinsames Vorgehen verständigt. Was er nicht liefert, sind tief integrierte Automatisierungen, Anbindungen an Ihre Systeme oder verbindliche Governance-Regeln. Das ist auch nicht sein Zweck.
Sollen die ersten Assistenten produktiv genutzt werden oder sind Fragen zu Datenschutz, Freigaben und Integration noch offen, kann ein weiterer Workshop-Tag sinnvoll sein.
Ob dies notwendig ist, zeigt sich meist erst nach den ersten praktischen Erfahrungen. Dann wird deutlich, welche Anwendungsfälle tragfähig sind und welche Voraussetzungen für den weiteren Einsatz noch fehlen. (nr)
