1. Technische Ebene
Sprachmodelle, Tokens, Kontexte, Parameter – hier geht es darum, was ein LLM unter der Haube tut und welche Limits es technisch gibt.
LLM-Grundprinzip
Kontextfenster
Halluzinationen
Grundlagen
Was ich unter KI, LLMs & Prompts verstehe.
Dieser Bereich ist für Menschen gedacht, die mitreden wollen, ohne sich durch 200 Seiten Whitepaper zu kämpfen. Wenig Hype, viel Einordnung.
Statt „KI kann alles“ schauen wir auf drei einfache Ebenen:
- Was ist die Technologie wirklich?
- Was kann sie heute – und was (noch) nicht?
- Wo passt sie sinnvoll in euren Alltag?
Die Seite kannst du für dich, dein Team oder als Basis für interne Schulungen nutzen.
Drei Blickwinkel
Technik, Alltag, Organisation
Wenn alle aneinander vorbeireden, liegt es selten an der Intelligenz – meistens an der Perspektive. Ich trenne bewusst in drei Ebenen.
2. Anwendungs-Ebene
Welche Aufgaben eignen sich? Wie sehen gute Prompts aus? Wo spart ihr wirklich Zeit – und wo baut ihr euch nur neue Komplexität?
Use Cases
Prompt-Beispiele
Fehlerkultur
3. Organisations-Ebene
Rollen, Verantwortlichkeiten, Policies, Governance. Also alles, was dafür sorgt, dass von „wir testen mal“ irgendwann echte Arbeitsweisen entstehen.
Richtlinien
Enablement
Ownership
Mini-Glossar
Drei Begriffe, die ständig fallen – in Klartext
Kein Volllexikon, sondern die Version, mit der man im Meeting nicht mehr „Wart, ich muss kurz googeln“ denkt.
LLM (Large Language Model)
Ein System, das auf Basis riesiger Textmengen gelernt hat, wie
Sprache typischerweise weitergeht. Es „weiß“ nichts wie ein Mensch,
sondern berechnet Wahrscheinlichkeiten für Wörter – sehr schnell
und sehr gut.
Prompt
Deine Anleitung an das Modell. Kein „magischer Zauberspruch“,
sondern eher ein Briefing: Rolle, Kontext, Aufgabe, Format.
Je klarer der Prompt, desto weniger Chaos im Output.
System-Prompt / Rolle
Der Rahmen, in dem ein Modell sich bewegen soll:
„Du bist ein Support-Agent…“, „Du bist ein Jurist…“.
Diese Ebene ist entscheidend für interne Assistenten und
Business-Use-Cases.
Muster
Wie aus Fragen robuste Prompts werden
Ein solider Prompt besteht fast nie nur aus einem Satz. Hier ein schematisches Beispiel, das ich in Trainings und Projekten immer wieder nutze.
Beispiel: Rollen-Prompt für einen internen Assistenten
Das ist kein „perfekter“ Prompt, sondern ein Gerüst, das Teams an ihre Realität anpassen können.
# Rollen- / System-Prompt (vereinfachtes Beispiel)
ROLE: "Du bist ein interner AI-Assistent für <Unternehmen>."
CONTEXT:
- "Du unterstützt Mitarbeitende bei <Bereich X>."
- "Du kennst die internen Richtlinien zu <Thema Y>."
TASK:
- "Erkläre komplexe Inhalte so, dass auch Fachfremde folgen können."
- "Arbeite mit Beispielen aus dem Alltag der Nutzer."
STYLE:
- "Präzise, freundlich, ohne Marketing-Sprech."
- "Lieber klar als ‚beeindruckend‘."
OUTPUT_FORMAT:
- "Nutze klare Zwischenüberschriften."
- "Fasse am Ende die wichtigsten Punkte als Liste zusammen."
# Hinweis:
# Dieses Muster ist bewusst einfach gehalten, damit Teams
# es selbst erweitern und in ihre Knowledge Base übernehmen können.
Was jetzt? Vom Verständnis zur Umsetzung.
Wenn die Grundlagen sitzen, geht es zwei Wege weiter: Entweder wir vereinfachen eure bestehenden Ideen (Die Kunst der Vereinfachung) oder wir schauen konkret auf Formate & Angebote.