KI sinnvoll nutzen: Warum es nicht nur auf das Werkzeug, sondern auf das Vorgehen ankommt

Ein 3D-Modell kann hervorragend aussehen – und bei der ersten Änderung auseinanderfallen. Aus meiner Arbeit in der Entwicklung weiß ich: Entscheidend ist auch, wie es aufgebaut wurde. Diese Erfahrung prägt heute meinen Umgang mit künstlicher Intelligenz, kurz KI.

Neue Werkzeuge eröffnen Möglichkeiten. Ob daraus bessere Ergebnisse und echter Freiraum entstehen, zeigt sich aber erst in der Anwendung. Sechs Gedanken aus meiner Praxis – vom CAD-Einstieg über fachbereichsübergreifende Veränderungen bis zur heutigen Zusammenarbeit mit KI.

1. Von CAD zu KI: Was sich vergleichen lässt – und was nicht

1988 begann ich im CAD-Umfeld zu arbeiten. CAD steht für computergestütztes Konstruieren. Der Wechsel vom Zeichenbrett zu digitalen Werkzeugen veränderte die Arbeit: neue Möglichkeiten, neue Anforderungen und Fragen nach der eigenen Rolle.

Die heutige Diskussion über KI erinnert mich daran. Nicht weil CAD und KI dieselben Fähigkeiten hätten. CAD-Systeme unterstützen je nach Ausstattung etwa die Modellierung, Berechnung und Prüfung; KI kann unter anderem Texte, Vorschläge und Programmcode erzeugen. Es sind unterschiedliche Technologien.

Ähnlich ist vielmehr eine Frage: Was übernimmt das Werkzeug, und welches Wissen brauchen wir, um seine Ergebnisse sinnvoll einzusetzen? Ein neues Werkzeug verändert Tätigkeiten. Welche Fähigkeiten weiterhin nötig sind oder neu hinzukommen, muss für die jeweilige Aufgabe betrachtet werden.

Die Parallele liegt nicht in der Technologie, sondern in der Frage nach einem sinnvollen Umgang mit ihr.

2. Werkzeug-Kompetenz: Das Vorgehen macht den Unterschied

Werkzeug-Kompetenz bedeutet für mich mehr als Bedienung. Dazu gehört, die Aufgabe zu verstehen, Informationen einzuordnen und zu prüfen, ob ein Ergebnis im Zusammenhang brauchbar ist.

KI kann helfen, unübersichtliche Daten zu sortieren, Widersprüche sichtbar zu machen und Struktur vorzuschlagen. Sie kann aber nicht zuverlässig klären, welche unbekannte Angabe tatsächlich stimmt oder welche Bedeutung einer Information fehlt. Dafür braucht es nachvollziehbare Quellen und fachliche Klärung.

Besonders bei wiederkehrenden automatisierten Abläufen helfen durchdachte Strukturen: klare Eingaben, verständliche Regeln, definierte Ergebnisse und ein Umgang mit Ausnahmen. Auch dann bleibt zu prüfen, ob die Lösung im Alltag wirklich hilft.

Nicht nur fragen: Was kann die KI? Sondern auch: Wie baue ich die Aufgabe auf, damit ihr Ergebnis nutzbar wird?

3. Agenten und neue Werkzeuge: Erst die Aufgabe, dann die Entscheidung

Den Impuls für diesen Artikel gab mir eine Anzeige, nach deren Botschaft man bisherige KI-Werkzeuge vergessen könne – nur die neue Agentenwelt sei noch sinnvoll. Eine solche pauschale Schlussfolgerung hilft mir bei einer konkreten Entscheidung nicht weiter.

Ein KI-Agent kann über verbundene Werkzeuge Handlungsschritte ausführen, statt nur eine Antwort zu erstellen. Dabei kann er Modelle wie die hinter ChatGPT oder Claude nutzen. Agenten und diese Modelle sind deshalb nicht zwangsläufig Gegensätze.

Ob zusätzliche Handlungsmöglichkeiten sinnvoll sind, hängt von der Aufgabe ab. Einen Antwortentwurf vorzubereiten ist etwas anderes, als ihn eigenständig zu versenden oder Kundendaten zu verändern. Je größer die möglichen Folgen eines Fehlers, desto wichtiger werden begrenzte Berechtigungen, Freigaben, Tests und ein klarer Stopp bei fehlenden Informationen.

Für meine bisherigen Anwendungsfälle habe ich mit den vorhandenen KI-Werkzeugen passende Lösungen entwickeln können. Ein Wechsel braucht für mich einen konkreten Grund. Das ist kein Urteil gegen neue Technik, sondern eine Frage nach ihrem zusätzlichen Nutzen.

Auch die Wahl des Modells und mögliche falsche oder erfundene KI-Aussagen – oft als Halluzinationen bezeichnet – sind relevant. Eine sorgfältige Arbeitsweise macht diese Fragen nicht überflüssig. Sie hilft, Ergebnisse nicht ungeprüft zu übernehmen.

4. Aus der Praxis: Tragfähige Ergebnisse und Freiraum für Menschen

Ein schönes Modell muss auch Änderungen verkraften

Im Entwicklungsbereich bei Daimler unterstützte ich Entwickler methodisch bei der Arbeit mit 3D-Freiformflächenmodellen. Ein Modell konnte überzeugend aussehen und dennoch bei Änderungen nur schwer weiterbearbeitbar sein. Die Qualität zeigte sich also nicht allein an der sichtbaren Form, sondern auch am Aufbau.

Diese Erfahrung nehme ich in die Arbeit mit KI mit: Ich beschreibe Ziel und Rahmen, bringe relevante Informationen ein, prüfe Vorschläge und entwickle das Ergebnis im Gespräch weiter. Ein Prompt – die Eingabe beziehungsweise Aufgabenbeschreibung an die KI – ist dabei oft der Anfang, nicht die gesamte Arbeit.

Veränderungen betreffen Menschen, nicht nur Abläufe

1996 führte ich in einem Unternehmen ein Engineering Change Management ein: eine fachbereichsübergreifende Steuerung technischer Änderungen. Dabei erlebte ich, dass „leichter und schneller“ nicht automatisch Zustimmung auslöst. Menschen fragen zu Recht, was eine Veränderung für ihre Aufgaben, ihre Verantwortung und ihren Arbeitsplatz bedeutet.

Mir geht es darum, durch Vereinfachung und Automatisierung Freiraum für wichtigere Aufgaben zu schaffen. Das lässt sich nicht allein mit einem freundlicheren Begriff erklären. Es braucht konkrete Antworten: Welche Fleißarbeit entfällt? Wofür wird die gewonnene Zeit genutzt? Was verändert sich für die Beteiligten? Einwände können dabei auch auf echte Schwachstellen hinweisen.

KI als strukturierte Unterstützung im Alltag

Ein heutiges Beispiel ist mein Assistent für Zielarbeit im Coaching. Aus einer vorhandenen Zielformulierung erstellt er unter anderem Vorschläge zur Präzisierung, vertiefende Fragen und einen Aktionsplan. Mein Ziel ist, Vorbereitungs- und Fleißarbeit zu reduzieren, die Bearbeitung zu beschleunigen und die Arbeitsgrundlage zu verbessern. Welche Vorschläge passen, wird im jeweiligen Coachingzusammenhang geprüft.

„Er liefert klare Ergebnisse und bietet auch sehr viel Inspiration und Ideen zur Zielerreichung. Die Benutzung ist sehr einfach und selbsterklärend.“

— Roman, Coach, über den Zielarbeits-Assistenten.

Diese Rückmeldung beschreibt eine persönliche Anwendererfahrung, keine Garantie für jedes Ergebnis.

Den Zielarbeits-Assistenten ansehen

5. Fünf Fragen vor dem KI-Einsatz

1. Ziel und Aufgabe: Welche konkrete Arbeit soll erleichtert werden, und wie wird sie heute erledigt?

2. Nutzen und Aufwand: Woran erkennen wir eine Verbesserung – einschließlich der Zeit für Prüfung, Betrieb und Fehlerkorrektur?

3. Informationen und Struktur: Welche Daten und Regeln braucht die Lösung? Was ist verlässlich, was muss zunächst geklärt werden?

4. Prüfung und Verantwortung: Wer prüft kritische Ergebnisse? Was darf das System selbst tun, und wann muss es stoppen oder an einen Menschen übergeben?

5. Erprobung und Weiterentwicklung: Lässt sich die Lösung zunächst an einer begrenzten Aufgabe testen, einschließlich wichtiger Sonderfälle? Können wir sie später anpassen oder bei Bedarf wechseln?

Für den Einstieg braucht es nicht immer eine IT-Ausbildung. Verständliche Begleitung, Übung und eine passende Aufgabe können viel ermöglichen. Wie viel Fachwissen zusätzlich nötig ist, hängt auch davon ab, welche Folgen ein Fehler hätte.

6. Einordnung und Ausblick: Gemeinsam sinnvoll weitergehen

Für mich steht nicht das neueste Werkzeug im Mittelpunkt, sondern die Frage, was Menschen bei ihrer Arbeit wirklich unterstützt. Erfahrung hilft mir, Vorschläge einzuordnen. Sie ersetzt aber weder Lernen noch die Bereitschaft, eigene Annahmen zu überprüfen.

In der Zusammenarbeit bringen Sie Ihr Wissen über den eigenen Alltag ein. Ich unterstütze dabei, Aufgaben und Zusammenhänge zu klären, technische Möglichkeiten verständlich einzuordnen und einen überschaubaren ersten Schritt zu entwickeln. Auch eine einfachere Lösung kann das richtige Ergebnis sein.

Technik sinnvoll nutzen heißt für mich: Fleißarbeit reduzieren, die Qualität der Arbeit unterstützen und Freiraum für das schaffen, was Menschen wichtig ist.