Was nervt euch? Was wäre super? Im Make-it-Workshop bringen wir KI zum Laufen. Vorher kommt die Diagnose. Denn es macht keinen Sinn, etwas zu automatisieren, was so eigentlich schon weg kann. Wähle ein Beispiel — und schau, wie wir vorgehen würden.
„Ich komm nicht mehr zum Arbeiten. Und weiß danach immer noch nicht, wer was entschieden hat."
Kleines Pilotprojekt
🤷
Mein Team will einfach nicht mit KI arbeiten
„Ich mach Workshops, schick Links — nach einer Woche ist alles wieder wie vorher."
Führungsthema
✨
Wenn ich zaubern könnte, dann …
„Es gibt Dinge, die wir gerne machen würden. Aber es ist zu teuer, zu aufwändig, einfach unmöglich."
Neue Möglichkeiten
Das wirkliche Problem
🗓️
Analyse
Das Problem ist nicht nur die Anzahl der Meetings. Oder wer wieder Protokoll schreibt.
Eher: Wofür überhaupt welches Meeting mit wem? Wir schauen zuerst hin — bevor wir etwas automatisieren.
Wie wir vorgehen
Schritt 1
Bedarf & Kickoff
Was nervt konkret — und warum?
Schritt 2
Methode analysieren
Wie läuft ein Meeting heute ab?
Schritt 3
Recherche
Protokolle, Kalender, Rollen.
Schritt 4
Lösung bauen
Erst Struktur, dann Automatisierung.
Schritt 1 — Bedarf & Kickoff
„Welche Meetings nerven am meisten — und was passiert dort eigentlich?"
Was wir rausfinden
Welche Meeting-Typen gibt es? Wer entscheidet — oder entscheidet niemand? Was passiert danach mit den Ergebnissen?
Typische Überraschung
Das Meeting ist nicht das Problem. Das Problem ist, dass danach nichts passiert — und deshalb das nächste Meeting nötig wird.
Schritt 2 — Bisherige Methode analysieren
„Wie wird ein Meeting aktuell vor-, durch- und nachbereitet?"
Wir schauen auf
Zeit- und Kostenaufwand pro Meeting. Wer ist wirklich nötig? Was kostet das pro Woche in Arbeitsstunden?
Ziel definieren
Konkret: z.B. „Wir ersetzen 3 von 5 wöchentlichen Meetings durch einen asynchronen Kanal + Protokollbot." Das ist messbar.
Schritt 3 — Recherche
„Wer braucht was vom Output dieser Meetings?"
Wir sammeln
Alte Protokolle, Kalender-Daten, Rollenanalyse. Was sind die wiederkehrenden Inhalte? Was könnte asynchron laufen?
Wir fragen
Alle Beteiligten: Was braucht ihr wirklich vom Ergebnis? Oft wollen Chefs nur eine Zusammenfassung — keine 60-Minuten-Debatte.
Schritt 4 — Lösung bauen
„Was automatisieren wir — und was bleibt menschlich?"
Typische Lösung
Asynchroner Projektkanal + Protokollbot, der Diskussionen zusammenfasst und Entscheidungen markiert. Eine 30-Minuten-Entscheidungsrunde pro Woche — kein Statusupdate mehr.
Wichtig
Die Automatisierung kommt nach der Strukturarbeit. Wer einen schlechten Prozess automatisiert, hat einen schnelleren schlechten Prozess.
Vorher / Nachher
Vorher
5–6 Meetings/Woche, viele ohne klares Ergebnis
Protokolle fehlen oder werden nicht gelesen
Entscheidungen werden im nächsten Meeting wiederholt
Es geht selten gegen die KI an sich. Es ist eher die Sinnfrage.
Teams arbeiten mit KI, wenn KI ihnen wirklich etwas bringt. Nicht weil es eine Schulung gab.
Wie wir vorgehen
Schritt 1
Bedarf & Kickoff
Was nervt das Team täglich wirklich?
Schritt 2
Methode analysieren
Wie wird diese Aufgabe heute gemacht?
Schritt 3
Recherche
Wer macht was, wie lange, warum so?
Schritt 4
Pilotprojekt
Kleiner Erfolg — in Wochen, nicht Monaten.
Schritt 1 — Was nervt das Team?
„Wenn ihr magische Kräfte hättet — was würdet ihr sofort loswerden?"
Die echte Frage
Nicht „wollt ihr KI?" — sondern „was nervt euch täglich, kostet Zeit und bringt nichts?" Dort liegt der Use Case. Immer.
Typische Antworten
Protokolle schreiben. Zusammenfassungen. Routine-Texte. Recherche-Einstieg. Keine glamourösen Anwendungen — aber sie funktionieren sofort.
Schritt 2 — Bisherige Methode analysieren
„Wie macht ihr das heute — Schritt für Schritt?"
Wir dokumentieren
Zeit pro Aufgabe, wer macht es, wie oft. Manchmal: 30 Minuten täglich pro Person — für etwas, das in 5 Minuten mit KI geht.
Ziel
Einen messbaren Gegenwert definieren: z.B. „Wir sparen 2h/Woche pro Person." Das ist das Argument, das auch Skeptiker überzeugt.
Schritt 3 — Recherche
„Was braucht das Tool, damit es wirklich funktioniert?"
Kontext sammeln
Beispielmaterial, Handbücher, Standards, typische Outputs. Je besser der Kontext, desto besser das Tool. Handwerk — kein Hype.
Alle einbinden
Nicht nur Führungskraft entscheidet — die, die täglich damit arbeiten, wissen am besten, was der Output können muss.
Schritt 4 — Kleines Pilotprojekt
„Was ist das eine Ding, das wir in zwei Wochen zum Laufen bringen?"
Das Prinzip
Nicht alle Probleme auf einmal. Ein kleines, sichtbares Ergebnis in kurzer Zeit. Wer selbst erlebt, dass KI seine nervigste Aufgabe erledigt, braucht keine Überzeugungsarbeit mehr.
Danach
Erfolg messen, dokumentieren, kommunizieren. Dann: Projekt 2 — mit einem Team, das will.
Vorher / Nachher
Vorher
KI-Schulungen ohne konkreten Anlass
Team probiert kurz, kehrt zur Routine zurück
Kein messbarer Nutzen, keine Motivation
✗ KI bleibt Fremdkörper
Nachher
Ein Use Case, der eine echte Aufgabe löst
Team erlebt selbst, dass es funktioniert
Team entwickelt eigene Use Cases — ohne Aufforderung
Vieles, was bisher nicht ging, wird mit KI machbar. Was wird jetzt möglich? Wir finden es mit euch gemeinsam heraus — und probieren es.
Wie wir vorgehen
Schritt 1
Wunschliste
Was wolltet ihr immer machen, wenn ihr könntet?
Schritt 2
Machbarkeit prüfen
Was geht davon heute wirklich?
Schritt 3
MVP definieren
Was ist das kleinste funktionierende Ding?
Schritt 4
Bauen & testen
MVP in 4 Wochen — dann entscheiden wir weiter.
Schritt 1 — Wunschliste
„Wenn ihr zaubern könntet — was würdet ihr machen, das bisher nicht möglich war?"
Typische Antworten
„Jeden Artikel in drei Längen gleichzeitig." „Archiv-Inhalte wieder sichtbar machen." „Zielgruppen-Feedback in Echtzeit." „Automatisch aus Rohmaterial eine Story destillieren." Das sind keine Träume mehr.
Warum dieser Einstieg?
Wer bei der Technologie anfängt, endet bei abstrakten Möglichkeiten. Wer beim eigenen Wunsch anfängt, endet bei konkreten Projekten.
Schritt 2 — Machbarkeit prüfen
„Was davon ist heute tatsächlich machbar — und was braucht es dafür?"
Wir prüfen
Technische Machbarkeit, Datenlage, Aufwand, rechtliche Fragen. Und: Was wäre das kleinste funktionierende Ding — ohne monatelange Entwicklung?
Ehrliche Einschätzung
Nicht alles ist sofort machbar. Aber fast immer gibt es eine erste Version, die in Wochen realisierbar ist — und zeigt, ob die Richtung stimmt.
Schritt 3 — MVP definieren
„Was ist das eine Ding, das wir in vier Wochen zum Laufen bringen?"
MVP-Prinzip
Nicht die perfekte Lösung — die kleinste Lösung, die beweist, dass das Konzept funktioniert. Minimal. Testbar. Echte Nutzer, echte Bedingungen.
Klares Erfolgskriterium
Vor dem Start definieren wir: Woran erkennen wir, dass es funktioniert? Konkret und messbar. Dann wissen wir nach vier Wochen, was als nächstes kommt.
Schritt 4 — Bauen & testen
„Was haben wir gelernt — und was kommt als nächstes?"
Testbetrieb
Das MVP läuft unter echten Bedingungen. Feedback einholen, anpassen, dokumentieren. Was funktioniert? Was überrascht? Was fehlt?
Danach
Entweder: Das Konzept trägt — wir bauen weiter. Oder: Wir haben schnell gelernt, was nicht funktioniert — und investieren die Energie woanders. Beides ist ein gutes Ergebnis.
Vorher / Nachher
Vorher
Ideen, die nie umgesetzt wurden — zu teuer, zu komplex
Vage KI-Ambitionen ohne Richtung
Entscheidungen immer weiter verschoben
✗ Möglichkeiten bleiben Möglichkeiten
Nachher
Eine konkrete Idee, die in 4 Wochen getestet wird
MVP läuft — echte Erkenntnisse statt Hypothesen
Klare Entscheidungsgrundlage für den nächsten Schritt