# Kapitel H — Volltext Sämtliche Inhalte von https://kapitelh.ch als eine Datei. Stand: 2026-09-17. Kuratierter Index: https://kapitelh.ch/llms.txt --- # Kapitel H — KI-Beratung, Seminare und MCP-Entwicklung Kapitel H ist eine Schweizer KI-Beratung von Dr. Maher Hamid und Schady Hamid, B.Eng. Der Grundsatz: Unternehmen so befähigen, dass sie KI und Digitalisierung mit eigenen Mitarbeitenden umsetzen, statt dauerhaft von externen Dienstleistern abzuhängen. Tätig in der Schweiz, in Deutschland und in Österreich. UID CHE-350.522.012. Kontakt: anfrage@kapitelh.ch ## Leistungen - **KI-Strategie und Transformation** — Tiefeninterviews, Ist-Analyse, MVP-Identifikation, ROI-Bewertung. Typischer Umfang 2 bis 8 Wochen. - **MCP-Entwicklung** — Anbindung von ChatGPT, Claude oder Langdock an eigene Systeme: DATEV, SAP und ERP auf der kaufmännischen Seite, OPC UA, SPS und MES in der Produktion. Machbarkeitsprüfung 1 bis 2 Wochen, Pilot 2 bis 4 Wochen. - **Seminare und Workshops** — KI-Grundlagen für Führungskräfte, Prompt Engineering, KI im Controlling, KI-Champions-Training als Dreitagesformat. - **Umsetzungsbegleitung** — Vor-Ort-Begleitung, Change Management, Erfolgsmessung. Kapitel H nennt keine Listenpreise. Der Aufwand hängt vom Umfang ab, bei MCP insbesondere vom Quellsystem und seinem Rechtemodell. Ein Angebot entsteht nach einem kostenlosen Erstgespräch. ## Die zwei Spezialisierungen - **Dr. Maher Hamid** — Finance, Controlling und Daten. Principal Data Scientist bei auto-i-dat ag, Springer-Autor, Dozent an der Haufe Akademie, Migros Club School und IBAW. Auf der MCP-Seite zuständig für DATEV, SAP und ERP. - **Schady Hamid, B.Eng** — Engineering und Produktion. Dozent an der ABB Schule für technische Weiterbildung. Auf der MCP-Seite zuständig für OPC UA, SPS, MES und Maschinensteuerung. Diese Kombination ist der Kern des Angebots: eine Beratung, die sowohl an die Buchhaltung als auch an die Anlage herankommt. ## Freie Inhalte - Prompt-Bibliothek mit 40 geprüften Prompts auf Deutsch: https://kapitelh.ch/prompts - 2 Lernpfade mit 10 Lektionen: https://kapitelh.ch/lernen - Blog zu KI im DACH-Raum: https://kapitelh.ch/blog --- # Mit Ihren Daten sprechen. Und mit Ihren Maschinen. Ein Sprachmodell ist ohne Ihre Daten ein Ratgeber ohne Akte. MCP (Model Context Protocol) ist der Standard, über den ein Modell auf Ihre Systeme zugreift, ohne dass Sie Daten exportieren, kopieren oder in eine fremde Cloud schieben. Wir bauen diese Verbindung, und zwar auf beiden Seiten des Unternehmens: in der Verwaltung und in der Produktion. ## Was MCP konkret ist MCP ist ein offener Standard, mit dem ein Sprachmodell Werkzeuge aufrufen kann. Ein MCP-Server stellt eine Handvoll klar definierter Funktionen bereit, etwa „Suche Belege zu Mandant X im Zeitraum Y“, und das Modell entscheidet, wann es sie aufruft. Der entscheidende Unterschied zu einem klassischen Chatbot: Es wird nichts trainiert, nichts vorab hochgeladen und nichts dupliziert. Die Daten bleiben in Ihrem System und werden pro Anfrage gelesen. Für Sie heisst das: Ihre Leute stellen im Chat eine Frage in normalem Deutsch und bekommen eine Antwort aus dem echten Bestand. Für die IT heisst es: eine überschaubare, prüfbare Komponente mit einer definierten Angriffsfläche statt einer Datenkopie, die niemand mehr kontrolliert. ## Zwei Arme, zwei Spezialisten Diese Kombination ist der eigentliche Punkt. Kaufmännische Berater kommen selten an die Maschine, Automatisierer selten an die Buchhaltung. Wenn ein Produktionsunternehmen wissen will, was ein Stillstand gekostet hat, braucht es beides in einer Antwort. - **Finance und Verwaltung — Dr. Maher Hamid:** DATEV, SAP, Abacus, ERP- und Dokumentenmanagementsysteme. Typische Fragen: Deckungsbeitrag je Kunde, Abweichung gegen Budget, offene Posten, Belegsuche über Jahre hinweg. Grundsatz: nur lesend. - **Produktion und Engineering — Schady Hamid, B.Eng:** OPC UA, SPS, MES und Leitsysteme. Typische Fragen: Warum stand die Linie, wie entwickelt sich die OEE, welche Charge weicht ab. Hier ist zusätzlich Steuerung möglich, aber nur mit Freigabekette und Audit-Log. ## Der Fehler, den fast jeder Erstentwurf enthält LLM-Plattformen rufen MCP-Server serverseitig auf. Die Anfrage kommt von der festen Ausgangsadresse der Plattform, nicht vom Rechner der Mitarbeiterin, die gerade tippt. Wer den Zugriff deshalb auf das Firmennetz einschränkt, sperrt die eigene Lösung aus. Der Browser liegt nicht im Datenpfad, eine Browser-Bridge löst das Problem also nicht. Wir klären diese Frage am Anfang, nicht nach dem Sicherheitsaudit. Die Absicherung läuft stattdessen über beidseitige Zertifikatsprüfung, eine Zusicherung der Plattform zur festen Ausgangsadresse und eine Rechteprüfung im Server selbst. ## Vorgehen - **1. Machbarkeit, 1 bis 2 Wochen:** Welche Schnittstelle trägt die Anforderung tatsächlich? Wir prüfen die verfügbaren APIs gegen Ihre konkreten Fragen und sagen Ihnen, was davon nicht geht. Ergebnis ist ein Dokument, mit dem Sie auch ohne uns weiterarbeiten können. - **2. Pilot, 2 bis 4 Wochen:** Ein lauffähiger, nur lesender Server mit einer begrenzten Funktionsmenge, angebunden an Ihre Plattform, in einer abgetrennten Umgebung. Ab hier reden wir über konkrete Antworten statt über Folien. - **3. Produktivstellung:** Rechtemodell je Benutzer oder Rechtegruppe, Protokollierung, Betriebsübergabe an Ihre IT oder Ihren Hoster, Dokumentation auf Deutsch. Ihre Leute sollen den Server betreiben können, nicht wir. ## Datenschutz ist Teil der Architektur, nicht ein Kapitel im Angebot Ein Auftragsverarbeitungsvertrag mit dem Plattformanbieter ist in aller Regel erforderlich. Die Datenschutzkonferenz stellt in Kurzpapier 13 auf die Zugriffsmöglichkeit ab, nicht auf den tatsächlichen Zugriff. Die Aussage „es werden ja keine Daten gespeichert, also brauchen wir keinen AVV“ hält einer Prüfung nicht stand. Technisch halten wir den Grundsatz ein, dass nur der MCP-Server von aussen erreichbar ist. Das Quellsystem, ob DATEVconnect oder SPS, bleibt im internen Netz. Für die Schweiz gilt dasselbe Muster unter revDSG. ## Was wir nicht machen - Kein Training und kein Fine-Tuning auf Ihren Daten. MCP liest zur Laufzeit, es lernt nichts. - Keine Datenkopie in eine Zweitdatenbank, nur damit die Suche schneller wird. - Keinen Schreibzugriff auf Finanzsysteme. Buchungen bleiben bei Ihren Leuten. - Keine Anbindung, deren Rechtemodell wir nicht abbilden können. Wenn ein System nur einen Alles-oder-nichts-Zugang kennt, sagen wir das vor dem Angebot. ## Häufige Fragen ### Was ist ein MCP-Server? Ein MCP-Server ist eine Software, die einem Sprachmodell definierte Funktionen auf Ihren Systemen anbietet, etwa eine Belegsuche oder eine Kennzahlenabfrage. Das Modell ruft diese Funktionen bei Bedarf auf. Die Daten bleiben im Quellsystem und werden pro Anfrage gelesen, nicht kopiert oder trainiert. ### Mit welchen KI-Plattformen funktioniert das? Mit allen, die MCP unterstützen. In der Praxis sind das Claude, ChatGPT sowie im DACH-Raum verbreitete Unternehmensplattformen wie Langdock. Weil MCP ein offener Standard ist, bleibt derselbe Server nutzbar, wenn Sie die Plattform wechseln. ### Was kostet ein MCP-Projekt? Den Aufwand bestimmt fast immer das Quellsystem und sein Rechtemodell, nicht die KI-Seite. Ein Sammelzugang ist schnell gebaut, eine Abbildung je Benutzer oder Rechtegruppe nicht. Deshalb nennen wir keine Listenpreise, sondern ein Angebot nach dem Erstgespräch. ### Brauchen wir dafür einen Auftragsverarbeitungsvertrag? In aller Regel ja. Massgeblich ist die Zugriffsmöglichkeit des Plattformanbieters, nicht ob tatsächlich Daten gespeichert werden. Das entspricht Kurzpapier 13 der Datenschutzkonferenz. Wir bringen die nötigen Angaben zur Architektur mit, den Vertrag schliessen Sie selbst. ### Können wir den Server selbst betreiben? Ja, und das ist der Normalfall. Der Server läuft in Ihrer Umgebung oder bei Ihrem Hoster. Sie bekommen Quellcode, Dokumentation auf Deutsch und eine Betriebsübergabe. Kapitel H arbeitet darauf hin, dass Sie uns danach nicht mehr brauchen. ### Wie lange dauert es bis zur ersten nutzbaren Version? Von der Machbarkeitsprüfung bis zu einem Piloten, mit dem Ihre Fachabteilung echte Fragen stellen kann, sind es typischerweise vier bis sechs Wochen. Der Engpass ist fast immer die Freigabe der Schnittstelle im Quellsystem, nicht die Entwicklung. --- # DATEV-Daten im Chat abfragen, ohne sie aus DATEV herauszuholen Kanzleien und Buchhaltungsabteilungen sitzen auf Jahrzehnten strukturierter Daten, an die im Alltag niemand herankommt, ohne drei Masken zu durchklicken. Ein MCP-Server macht diesen Bestand über Ihre KI-Plattform abfragbar, ohne dass ein einziger Beleg DATEV verlässt. ## Der Weg hinein: DATEVconnect Die Anbindung läuft über DATEVconnect, die lokale Schnittstelle der DATEV-Installation. Der MCP-Server spricht mit DATEVconnect im internen Netz. Nach aussen ist ausschliesslich der MCP-Server erreichbar. Das ist kein Detail, sondern eine ausdrückliche Empfehlung von DATEV: Ein direkter Internetzugriff auf DATEVconnect ist nicht vorgesehen. Für das Dokumentenmanagement kommt das DATEVconnect-Modul Dokumentenmanagement hinzu. Was dieses Modul an Suchmöglichkeiten hergibt, unterscheidet sich von dem, was die DATEV-Oberfläche kann. Eine Volltextsuche über Dokumentinhalte ist nicht in jedem Fall verfügbar. Das klären wir vor dem Angebot, weil genau daran Projekte scheitern. ## Rechte: der Punkt, an dem die meisten Piloten unbrauchbar werden DATEVconnect arbeitet mit den Rechten des Windows-Benutzers, unter dem es läuft, und dieser Benutzer muss mit einem DATEV-Benutzer verknüpft sein. Ein Pilot mit einem einzigen technischen Benutzer sieht deshalb alles oder nichts, und bildet Ihre Mandantentrennung nicht ab. Produktiv bedeutet das: ein Dienstkonto je Person oder je Rechtegruppe, und eine Zuordnung im MCP-Server, die den anfragenden Benutzer auf das richtige Konto abbildet. Wer eine Frage stellt, bekommt genau die Dokumente, die er auch in DATEV sehen dürfte. Das ist aufwendiger als ein Sammelzugang und der Grund, warum wir es im Angebot getrennt ausweisen. ## Wofür Kanzleien das tatsächlich nutzen - **Belegrecherche über Jahre:** „Finde alle Eingangsrechnungen dieses Lieferanten seit 2023 über 5.000 Euro“ statt einer manuellen Suche in mehreren Wirtschaftsjahren. - **Vorbereitung von Mandantengesprächen:** Auffälligkeiten und Entwicklungen im Bestand zusammenfassen lassen, bevor der Termin stattfindet. - **Einarbeitung neuer Mitarbeitender:** Fragen zum Mandantenbestand in normalem Deutsch, ohne dass jemand erst die DATEV-Navigation lernen muss. - **Fristen und Vollständigkeit:** Fehlende Unterlagen und offene Punkte über den Bestand hinweg auffinden, statt sie in einer Excel-Liste nachzuhalten. ## Datenschutz Sobald ein Plattformanbieter auf Mandantendaten zugreifen kann, ist ein Auftragsverarbeitungsvertrag erforderlich. Entscheidend ist die Zugriffsmöglichkeit, nicht die tatsächliche Speicherung, so die Datenschutzkonferenz in Kurzpapier 13. Die häufig gehörte Einschätzung, ein AVV entfalle, weil nichts gespeichert werde, ist nicht haltbar. Dazu kommt die berufsrechtliche Seite: Bei Wirtschaftsprüfern und Steuerberatern ist die Verschwiegenheitspflicht nach Paragraf 203 StGB zu berücksichtigen. Wir liefern die Architekturangaben, die Ihr Datenschutzbeauftragter für die Bewertung braucht, und benennen offen, was wir nicht beurteilen können. ## Grenzen, die wir vorher nennen - Kein Schreibzugriff auf DATEV. Keine Buchungen, keine Stammdatenänderungen. - Keine Umgehung des DATEV-Rechtemodells. Was ein Benutzer in DATEV nicht sehen darf, sieht er auch im Chat nicht. - Keine Zusage zur Volltextsuche über Dokumentinhalte, bevor sie für Ihre DATEV-Installation belegt ist. - Keine Kopie des Mandantenbestands in eine Suchdatenbank. ## Häufige Fragen ### Verlassen unsere DATEV-Daten die Kanzlei? Der Bestand bleibt in DATEV. Der MCP-Server liest pro Anfrage genau die Daten, die zur Beantwortung nötig sind, und gibt sie an das Sprachmodell weiter. Es wird nichts vorab exportiert, gespiegelt oder zum Training verwendet. ### Sieht jeder Mitarbeitende dann alle Mandanten? Nein, sofern das Rechtemodell produktiv umgesetzt ist. DATEVconnect arbeitet mit den Rechten des verknüpften DATEV-Benutzers. Mit einem Dienstkonto je Person oder Rechtegruppe sieht jede Anfrage genau den Ausschnitt, den dieser Benutzer auch in DATEV sehen dürfte. ### Welche DATEV-Komponenten werden benötigt? DATEVconnect in der jeweils passenden Ausprägung, für Dokumentzugriffe zusätzlich das Modul Dokumentenmanagement. Welche Artikel Ihre Installation konkret braucht und was davon bereits lizenziert ist, prüfen wir in der Machbarkeitsphase mit Ihrer IT oder Ihrem Hoster. ### Funktioniert das auch mit DATEV in der Cloud? Das hängt von Ihrem Betriebsmodell ab. Bei gehosteten Installationen ist der Hoster früh einzubeziehen, weil der MCP-Server Netzzugang zu DATEVconnect braucht. Wir führen dieses Gespräch in der Machbarkeitsphase gemeinsam mit dem Hoster. ### Brauchen wir einen AVV mit dem KI-Anbieter? In aller Regel ja. Massgeblich ist, dass der Anbieter auf personenbezogene Daten zugreifen kann. Kurzpapier 13 der Datenschutzkonferenz stellt auf diese Zugriffsmöglichkeit ab. Ein AVV entfällt nicht dadurch, dass keine dauerhafte Speicherung stattfindet. --- # SAP-Auswertungen als Frage statt als Ticket In den meisten Unternehmen ist die Antwort auf eine SAP-Frage kein Report, sondern eine Wartezeit. Der Fachbereich beschreibt, was er wissen will, die IT baut eine Auswertung, und zwei Wochen später ist die Frage eine andere. Ein MCP-Server verkürzt diese Schleife auf einen Satz im Chat. ## Die Anbindung Der Zugriff läuft über die Wege, die Ihr SAP ohnehin anbietet: OData-Services über das SAP Gateway, bei Bedarf RFC beziehungsweise BAPI für Funktionen ohne OData-Pendant. Für S/4HANA sind viele Auswertungsszenarien bereits als Standard-OData-Services vorhanden, was den Aufwand erheblich senkt. Wir bauen keine Z-Tabellen und keine Parallelwelt. Wenn ein Bedarf nur über eine neue Entwicklung im SAP abbildbar ist, sagen wir das, statt es im MCP-Server nachzubauen. ## Berechtigungen bleiben SAP-Berechtigungen Das Berechtigungswesen in SAP ist über Jahre gewachsen und bildet in vielen Häusern die eigentliche Compliance-Substanz ab. Ein MCP-Server, der mit einem einzigen Servicebenutzer arbeitet, hebelt genau das aus. Wir bilden den anfragenden Benutzer deshalb auf seinen SAP-Benutzer ab. Eine Frage liefert nur, was dieser Benutzer über die reguläre Oberfläche ebenfalls sehen dürfte, inklusive Berechtigungsobjekten, Werken, Buchungskreisen und Mandanten. Ein Zugriff, den SAP verweigert, bleibt auch im Chat verweigert. ## Typische Einsätze - **Controlling:** Abweichungen gegen Plan, Deckungsbeiträge, Entwicklung einzelner Kostenstellen über mehrere Perioden, ohne für jede Variante einen neuen Report zu bauen. - **Einkauf:** Preisentwicklung je Lieferant, offene Bestellungen, Lieferzuverlässigkeit als Frage statt als Auswertungslauf. - **Vertrieb:** Auftragslage, Margen je Kunde und Artikel, Nachfragen im Gespräch statt im Nachgang. - **Instandhaltung:** Meldungen und Aufträge im Zusammenhang mit Anlagendaten — die Brücke zur Produktionsseite, die wir ebenfalls anbinden. ## Grenzen, die wir vorher nennen - Kein Schreibzugriff auf SAP im Standardumfang. Buchungen und Belegänderungen bleiben in SAP. - Keine Umgehung des Berechtigungswesens durch einen Sammelbenutzer. - Keine Datenreplikation in eine externe Analysedatenbank. - Keine Zusagen zu Modulen, deren Schnittstellen wir nicht geprüft haben. ## Häufige Fragen ### Funktioniert das mit S/4HANA und mit SAP ECC? Mit beiden. Bei S/4HANA steht ein grosser Teil der benötigten OData-Services bereits im Standard bereit. Bei ECC ist häufiger eine Freischaltung oder ein zusätzlicher Service nötig. Den konkreten Umfang klären wir in der Machbarkeitsphase mit Ihrem SAP-Team. ### Wie wird verhindert, dass jemand Zahlen sieht, die er nicht sehen darf? Der MCP-Server bildet den anfragenden Benutzer auf seinen SAP-Benutzer ab und ruft SAP in dessen Kontext auf. Damit greifen die vorhandenen Berechtigungsobjekte, Buchungskreise und Werkszuordnungen unverändert. Was SAP verweigert, verweigert auch der Chat. ### Kann die KI in SAP buchen? Im Standardumfang nicht. Wir liefern nur lesende Server. Schreibende Funktionen sind technisch möglich, setzen aber eine Freigabekette, eine Allowlist erlaubter Vorgänge und eine vollständige Protokollierung voraus, und das ist ein eigenes Projekt mit eigener Risikobetrachtung. ### Wie schnell antwortet das System? Eine typische Abfrage liegt im Bereich weniger Sekunden, bestimmt durch die Antwortzeit des OData-Service, nicht durch das Sprachmodell. Auswertungen über sehr grosse Zeiträume grenzen wir im Serverdesign bewusst ein, damit keine Abfrage Ihr Produktivsystem belastet. --- # Mit der Anlage reden, statt Protokolle zu lesen Eine Linie steht, und die Antwort auf das Warum liegt verteilt über Steuerung, Leitsystem und ein Schichtprotokoll auf Papier. Wer sie zusammenführen will, braucht heute drei Personen und einen halben Tag. Ein MCP-Server für die Produktion macht daraus eine Frage. ## Die Anbindung Standardweg ist OPC UA, weil es in den meisten modernen Anlagen vorhanden ist und ein sauberes Informationsmodell mitbringt. Wo das nicht reicht, kommen Modbus, MQTT oder ein direkter Weg auf die Steuerung hinzu, etwa bei Siemens S7 oder Beckhoff. Auf der Auswertungsseite binden wir MES- und Leitsysteme an, damit Auftrags- und Chargenbezug erhalten bleibt. Der MCP-Server steht dabei nie direkt in der Anlagenebene. Er liest über die vorgesehene Schnittstelle und ist von aussen die einzige erreichbare Komponente. Die Netztrennung zwischen Büro- und Produktionsnetz bleibt bestehen. ## Lesen ist der Normalfall Der grösste Teil des Nutzens entsteht ohne einen einzigen Schreibzugriff: Stillstandsanalyse über mehrere Schichten, Entwicklung der Gesamtanlageneffektivität, Rüstzeiten im Vergleich zwischen Linien, Qualitätsdaten im Bezug zur Charge. Fragen, die heute niemand stellt, weil die Auswertung länger dauert als der Nutzen wert ist. - **Störungsanalyse:** „Was ist gestern zwischen 14 und 15 Uhr an Linie 3 passiert?“ — mit den Meldungen der Steuerung, den Prozesswerten davor und dem Auftragskontext in einer Antwort. - **OEE und Verfügbarkeit:** Entwicklung über Wochen, aufgeschlüsselt nach Ursachengruppe, ohne dass jemand eine neue Auswertung baut. - **Rüst- und Umbauzeiten:** Vergleich zwischen Schichten, Produkten und Anlagen, als Grundlage für konkrete Verbesserungen statt für Vermutungen. - **Qualität und Rückverfolgung:** Prozesswerte im Bezug zur Charge, wenn eine Reklamation kommt und die Frage lautet, was diese Charge von den anderen unterscheidet. ## Steuern: möglich, aber nicht nebenbei Ein Sprachmodell, das schreibend auf eine Anlage zugreift, ist eine Sicherheitsentscheidung, keine Funktion. Wir setzen das um, aber nur mit drei Bedingungen, und ohne diese drei gar nicht. - **Allowlist statt Generalvollmacht:** Nur ausdrücklich freigegebene Vorgänge sind überhaupt aufrufbar, mit festen Wertebereichen. Was nicht auf der Liste steht, existiert für das Modell nicht. - **Bestätigung durch einen Menschen:** Jeder schreibende Vorgang wird angezeigt und muss von einer berechtigten Person freigegeben werden. Das Modell schlägt vor, es handelt nicht allein. - **Vollständiges Audit-Log:** Wer, wann, welcher Vorgang, welche Werte, welche Freigabe. Nachvollziehbar und auswertbar, unabhängig vom MCP-Server. ## Warum das jemand aus dem Engineering bauen sollte Der Unterschied zwischen einer Anbindung, die im Labor funktioniert, und einer, die in einer laufenden Fertigung bestehen kann, liegt nicht in der KI. Er liegt in der Frage, welche Zykluszeiten eine Abfrage vertragen darf, wie sich ein Verbindungsabbruch verhält und was passiert, wenn jemand die Anlage währenddessen in Hand-Betrieb schaltet. Schady Hamid ist Ingenieur und Dozent an der ABB Schule für technische Weiterbildung. Die Anbindungen entstehen aus der Anlagenseite heraus, nicht aus der Softwareseite. ## Grenzen, die wir vorher nennen - Keine sicherheitsgerichteten Funktionen. Not-Halt, Schutzkreise und alles unter Funktionaler Sicherheit bleiben ausserhalb. - Kein automatisches Eingreifen ohne menschliche Freigabe. - Keine Aufhebung der Netztrennung zwischen Büro- und Produktionsnetz. - Keine Anbindung an Anlagen, deren Hersteller die Schnittstelle nicht freigibt. ## Häufige Fragen ### Kann die KI unsere Maschinen tatsächlich steuern? Technisch ja, und wir setzen es um. Es gilt aber immer eine Allowlist erlaubter Vorgänge mit festen Wertebereichen, eine Bestätigung durch eine berechtigte Person und ein vollständiges Audit-Log. Sicherheitsgerichtete Funktionen wie Not-Halt bleiben grundsätzlich ausserhalb. ### Welche Protokolle und Steuerungen werden unterstützt? Standardweg ist OPC UA. Ergänzend Modbus und MQTT sowie direkte Anbindungen an gängige Steuerungen wie Siemens S7 und Beckhoff. Auf der Auswertungsseite binden wir MES- und Leitsysteme an, damit Auftrags- und Chargenbezug erhalten bleibt. ### Belastet das unsere Anlage? Abfragen werden so ausgelegt, dass sie die Zykluszeiten der Steuerung nicht beeinflussen. In der Regel lesen wir über die dafür vorgesehene Schnittstelle oder einen Historian, nicht direkt aus dem Prozessabbild. Den Lastrahmen legen wir vor der Umsetzung gemeinsam mit Ihrer Instandhaltung fest. ### Muss das Produktionsnetz dafür geöffnet werden? Nein. Die Trennung zwischen Büro- und Produktionsnetz bleibt bestehen. Der MCP-Server ist die einzige von aussen erreichbare Komponente und spricht seinerseits nur über die vorgesehene Schnittstelle mit der Anlagenebene. ### Lohnt sich das auch ohne MES? Ja. Schon der reine Zugriff auf Steuerungs- und Prozesswerte beantwortet Fragen zu Stillständen, Rüstzeiten und Verfügbarkeit, die heute oft nur über Schichtprotokolle beantwortbar sind. Ein MES verbessert vor allem den Auftrags- und Chargenbezug. --- # Prompt-Bibliothek 40 geprüfte Prompts auf Deutsch, je Seite mit Prompt, Erklärung, anzupassenden Variablen und Beispiel-Output. - [Monatsbericht-Analyse mit KI](https://kapitelh.ch/prompts/controlling/monatsbericht-analyse.md): Automatisierte Analyse von Monatsberichten mit Abweichungserkennung und Handlungsempfehlungen. - [Budget-Abweichungsanalyse](https://kapitelh.ch/prompts/controlling/budget-abweichung-erklaerung.md): Analysiert Budget-Ist-Vergleiche und generiert nachvollziehbare Erklärungen für Abweichungen. - [Cashflow-Forecast Generator](https://kapitelh.ch/prompts/controlling/cashflow-forecast.md): Erstellt strukturierte 13-Wochen-Cashflow-Prognosen mit Szenarien und Risikoanalyse. - [KPI-Dashboard Interpretation](https://kapitelh.ch/prompts/controlling/kpi-dashboard-interpretation.md): Interpretiert KPI-Dashboards und leitet daraus konkrete Management-Massnahmen ab. - [Investitionsanalyse & Business Case](https://kapitelh.ch/prompts/controlling/investitionsanalyse.md): Erstellt strukturierte Investitionsanalysen mit NPV, IRR, Payback und Sensitivitätsanalyse. - [Social Media Content-Plan Generator](https://kapitelh.ch/prompts/marketing/social-media-content-plan.md): Erstellt einen strukturierten Content-Plan für 4 Wochen mit Posts, Hashtags und Posting-Zeiten. - [LinkedIn-Post Generator](https://kapitelh.ch/prompts/marketing/linkedin-post-generator.md): Erstellt hochwertige LinkedIn-Posts nach bewährten Engagement-Mustern. - [SEO-Blog-Artikel Generator](https://kapitelh.ch/prompts/marketing/seo-blog-artikel.md): Erstellt suchmaschinenoptimierte Blog-Artikel mit Keywords, Meta-Tags und FAQ-Schema. - [Newsletter Betreffzeilen-Generator](https://kapitelh.ch/prompts/marketing/newsletter-betreffzeilen.md): Generiert A/B-testbare Newsletter-Betreffzeilen mit hoher Open-Rate. - [Landingpage Text Generator](https://kapitelh.ch/prompts/marketing/landingpage-text.md): Erstellt konvertierende Landingpage-Texte nach bewährten Copywriting-Frameworks. - [Kaltakquise E-Mail Verfasser](https://kapitelh.ch/prompts/vertrieb/kaltakquise-email.md): Generiert personalisierte Akquise-E-Mails basierend auf Unternehmensprofil und Branche. - [Professionelles Angebotsschreiben](https://kapitelh.ch/prompts/vertrieb/angebotsschreiben.md): Strukturiert Angebote professionell mit klarem Nutzen, Leistungen und Preisrechtfertigung. - [Einwandbehandlung Trainer](https://kapitelh.ch/prompts/vertrieb/einwandbehandlung.md): Bereitet Sie auf Verkaufseinwände vor mit professionellen, nicht-manipulativen Antworten. - [Follow-Up E-Mail Sequenz](https://kapitelh.ch/prompts/vertrieb/follow-up-email.md): Erstellt eine professionelle Follow-Up-Sequenz nach dem Erstkontakt ohne aufdringlich zu wirken. - [LinkedIn Outreach Nachrichten](https://kapitelh.ch/prompts/vertrieb/linkedin-outreach.md): Erstellt nicht-spammige LinkedIn-Outreach-Nachrichten mit hoher Response-Rate. - [Strategiemeeting Vorbereitung](https://kapitelh.ch/prompts/geschaeftsfuehrung/strategiemeeting-vorbereitung.md): Strukturiert die Vorbereitung auf ein Strategiemeeting mit Agenda, Unterlagen und Entscheidungsmatrix. - [Investoren-Pitch Struktur](https://kapitelh.ch/prompts/geschaeftsfuehrung/investorenpitch.md): Erstellt eine strukturierte 10-Slide-Pitch-Deck-Gliederung nach YC-Standard. - [CEO-Newsletter an Mitarbeiter](https://kapitelh.ch/prompts/geschaeftsfuehrung/ceo-newsletter.md): Strukturiert monatliche CEO-Kommunikation an die Belegschaft authentisch und informativ. - [Jahreszielplanung mit OKRs](https://kapitelh.ch/prompts/geschaeftsfuehrung/jahreszielplanung.md): Entwickelt Jahresziele nach dem OKR-Framework mit messbaren Key Results. - [Krisenkommunikation Statement](https://kapitelh.ch/prompts/geschaeftsfuehrung/krisenkommunikation.md): Erstellt professionelle Krisen-Kommunikation an Mitarbeiter, Kunden und Öffentlichkeit. - [Stellenausschreibung Generator](https://kapitelh.ch/prompts/hr/stellenausschreibung-generator.md): Erstellt professionelle, inklusive Stellenausschreibungen basierend auf Anforderungsprofil. - [Respektvolle Absage-E-Mail](https://kapitelh.ch/prompts/hr/absage-email-bewerber.md): Verfasst professionelle und respektvolle Absagen an Bewerber ohne Floskeln. - [Mitarbeitergespräch Vorbereitung](https://kapitelh.ch/prompts/hr/mitarbeitergespraech.md): Strukturiert die Vorbereitung auf Jahresgespräche mit konkreten Fragen und Gesprächsleitfaden. - [Onboarding-Plan Generator](https://kapitelh.ch/prompts/hr/onboarding-plan.md): Erstellt strukturierte 90-Tage-Onboarding-Pläne für neue Mitarbeiter. - [Konstruktives Feedback formulieren](https://kapitelh.ch/prompts/hr/feedback-formulierung.md): Hilft bei der Formulierung von kritischem Feedback respektvoll und wirkungsvoll. - [Beschwerde-Antwort Verfasser](https://kapitelh.ch/prompts/kundenservice/beschwerde-antwort.md): Verfasst professionelle, empathische Antworten auf Kundenbeschwerden mit Deeskalation. - [FAQ-Generator aus Kundenanfragen](https://kapitelh.ch/prompts/kundenservice/faq-generator.md): Analysiert häufige Kundenanfragen und erstellt strukturierte FAQ-Einträge. - [Reklamation-Lösungsvorschlag](https://kapitelh.ch/prompts/kundenservice/reklamation-loesung.md): Entwickelt strukturierte Lösungsvorschläge für komplexe Reklamationen. - [Kundenumfrage Gestaltung](https://kapitelh.ch/prompts/kundenservice/kundenumfrage.md): Entwickelt strukturierte Kundenumfragen mit hohen Response-Rates und verwertbaren Insights. - [Chat-Antwort-Vorlagen](https://kapitelh.ch/prompts/kundenservice/chat-antwort-vorlagen.md): Erstellt Antwort-Vorlagen für Live-Chat und E-Mail-Support mit freundlichem Ton. - [Code-Review mit KI](https://kapitelh.ch/prompts/it/code-review-prompt.md): Strukturiertes Code-Review mit Fokus auf Bugs, Performance, Best Practices und Security. - [Bug-Analyse & Debug-Hilfe](https://kapitelh.ch/prompts/it/bug-fix-analyse.md): Analysiert Bugs systematisch und schlägt konkrete Lösungsansätze vor. - [API-Dokumentation Generator](https://kapitelh.ch/prompts/it/api-dokumentation.md): Erstellt strukturierte API-Dokumentation mit Beispielen, Fehlercodes und Best Practices. - [Architektur-Dokumentation](https://kapitelh.ch/prompts/it/architektur-dokumentation.md): Erstellt strukturierte Architektur-Dokumentation nach ADR und C4-Model. - [Technical Debt Analyse](https://kapitelh.ch/prompts/it/technical-debt-analyse.md): Identifiziert und priorisiert technische Schulden mit ROI-Bewertung für Refactoring. - [Meeting-Protokoll & Action Items](https://kapitelh.ch/prompts/projektmanagement/meeting-protokoll.md): Strukturiert Meeting-Notizen in professionelle Protokolle mit klaren Action Items. - [Projekt-Kickoff Struktur](https://kapitelh.ch/prompts/projektmanagement/projekt-kickoff.md): Plant ein Projekt-Kickoff-Meeting mit Agenda, Stakeholder-Alignment und Quick-Wins. - [Projekt-Risikoanalyse](https://kapitelh.ch/prompts/projektmanagement/risikoanalyse.md): Strukturierte Risikoanalyse mit Wahrscheinlichkeit, Impact und Gegenmassnahmen. - [Projekt-Statusbericht](https://kapitelh.ch/prompts/projektmanagement/statusbericht.md): Erstellt strukturierte Statusberichte mit RAG-Status, Fortschritt und Risiken. - [Stakeholder-Kommunikation Plan](https://kapitelh.ch/prompts/projektmanagement/stakeholder-kommunikation.md): Entwickelt einen differenzierten Kommunikationsplan für verschiedene Stakeholder-Gruppen. --- # KI-Prompts für Controlling & Finance 5 geprüfte Prompts für Controlling & Finance. - [Monatsbericht-Analyse mit KI](https://kapitelh.ch/prompts/controlling/monatsbericht-analyse.md): Automatisierte Analyse von Monatsberichten mit Abweichungserkennung und Handlungsempfehlungen. - [Budget-Abweichungsanalyse](https://kapitelh.ch/prompts/controlling/budget-abweichung-erklaerung.md): Analysiert Budget-Ist-Vergleiche und generiert nachvollziehbare Erklärungen für Abweichungen. - [Cashflow-Forecast Generator](https://kapitelh.ch/prompts/controlling/cashflow-forecast.md): Erstellt strukturierte 13-Wochen-Cashflow-Prognosen mit Szenarien und Risikoanalyse. - [KPI-Dashboard Interpretation](https://kapitelh.ch/prompts/controlling/kpi-dashboard-interpretation.md): Interpretiert KPI-Dashboards und leitet daraus konkrete Management-Massnahmen ab. - [Investitionsanalyse & Business Case](https://kapitelh.ch/prompts/controlling/investitionsanalyse.md): Erstellt strukturierte Investitionsanalysen mit NPV, IRR, Payback und Sensitivitätsanalyse. --- # KI-Prompts für Marketing & Content 5 geprüfte Prompts für Marketing & Content. - [Social Media Content-Plan Generator](https://kapitelh.ch/prompts/marketing/social-media-content-plan.md): Erstellt einen strukturierten Content-Plan für 4 Wochen mit Posts, Hashtags und Posting-Zeiten. - [LinkedIn-Post Generator](https://kapitelh.ch/prompts/marketing/linkedin-post-generator.md): Erstellt hochwertige LinkedIn-Posts nach bewährten Engagement-Mustern. - [SEO-Blog-Artikel Generator](https://kapitelh.ch/prompts/marketing/seo-blog-artikel.md): Erstellt suchmaschinenoptimierte Blog-Artikel mit Keywords, Meta-Tags und FAQ-Schema. - [Newsletter Betreffzeilen-Generator](https://kapitelh.ch/prompts/marketing/newsletter-betreffzeilen.md): Generiert A/B-testbare Newsletter-Betreffzeilen mit hoher Open-Rate. - [Landingpage Text Generator](https://kapitelh.ch/prompts/marketing/landingpage-text.md): Erstellt konvertierende Landingpage-Texte nach bewährten Copywriting-Frameworks. --- # KI-Prompts für Vertrieb 5 geprüfte Prompts für Vertrieb. - [Kaltakquise E-Mail Verfasser](https://kapitelh.ch/prompts/vertrieb/kaltakquise-email.md): Generiert personalisierte Akquise-E-Mails basierend auf Unternehmensprofil und Branche. - [Professionelles Angebotsschreiben](https://kapitelh.ch/prompts/vertrieb/angebotsschreiben.md): Strukturiert Angebote professionell mit klarem Nutzen, Leistungen und Preisrechtfertigung. - [Einwandbehandlung Trainer](https://kapitelh.ch/prompts/vertrieb/einwandbehandlung.md): Bereitet Sie auf Verkaufseinwände vor mit professionellen, nicht-manipulativen Antworten. - [Follow-Up E-Mail Sequenz](https://kapitelh.ch/prompts/vertrieb/follow-up-email.md): Erstellt eine professionelle Follow-Up-Sequenz nach dem Erstkontakt ohne aufdringlich zu wirken. - [LinkedIn Outreach Nachrichten](https://kapitelh.ch/prompts/vertrieb/linkedin-outreach.md): Erstellt nicht-spammige LinkedIn-Outreach-Nachrichten mit hoher Response-Rate. --- # KI-Prompts für Geschäftsführung 5 geprüfte Prompts für Geschäftsführung. - [Strategiemeeting Vorbereitung](https://kapitelh.ch/prompts/geschaeftsfuehrung/strategiemeeting-vorbereitung.md): Strukturiert die Vorbereitung auf ein Strategiemeeting mit Agenda, Unterlagen und Entscheidungsmatrix. - [Investoren-Pitch Struktur](https://kapitelh.ch/prompts/geschaeftsfuehrung/investorenpitch.md): Erstellt eine strukturierte 10-Slide-Pitch-Deck-Gliederung nach YC-Standard. - [CEO-Newsletter an Mitarbeiter](https://kapitelh.ch/prompts/geschaeftsfuehrung/ceo-newsletter.md): Strukturiert monatliche CEO-Kommunikation an die Belegschaft authentisch und informativ. - [Jahreszielplanung mit OKRs](https://kapitelh.ch/prompts/geschaeftsfuehrung/jahreszielplanung.md): Entwickelt Jahresziele nach dem OKR-Framework mit messbaren Key Results. - [Krisenkommunikation Statement](https://kapitelh.ch/prompts/geschaeftsfuehrung/krisenkommunikation.md): Erstellt professionelle Krisen-Kommunikation an Mitarbeiter, Kunden und Öffentlichkeit. --- # KI-Prompts für HR & Personal 5 geprüfte Prompts für HR & Personal. - [Stellenausschreibung Generator](https://kapitelh.ch/prompts/hr/stellenausschreibung-generator.md): Erstellt professionelle, inklusive Stellenausschreibungen basierend auf Anforderungsprofil. - [Respektvolle Absage-E-Mail](https://kapitelh.ch/prompts/hr/absage-email-bewerber.md): Verfasst professionelle und respektvolle Absagen an Bewerber ohne Floskeln. - [Mitarbeitergespräch Vorbereitung](https://kapitelh.ch/prompts/hr/mitarbeitergespraech.md): Strukturiert die Vorbereitung auf Jahresgespräche mit konkreten Fragen und Gesprächsleitfaden. - [Onboarding-Plan Generator](https://kapitelh.ch/prompts/hr/onboarding-plan.md): Erstellt strukturierte 90-Tage-Onboarding-Pläne für neue Mitarbeiter. - [Konstruktives Feedback formulieren](https://kapitelh.ch/prompts/hr/feedback-formulierung.md): Hilft bei der Formulierung von kritischem Feedback respektvoll und wirkungsvoll. --- # KI-Prompts für kundenservice 5 geprüfte Prompts für kundenservice. - [Beschwerde-Antwort Verfasser](https://kapitelh.ch/prompts/kundenservice/beschwerde-antwort.md): Verfasst professionelle, empathische Antworten auf Kundenbeschwerden mit Deeskalation. - [FAQ-Generator aus Kundenanfragen](https://kapitelh.ch/prompts/kundenservice/faq-generator.md): Analysiert häufige Kundenanfragen und erstellt strukturierte FAQ-Einträge. - [Reklamation-Lösungsvorschlag](https://kapitelh.ch/prompts/kundenservice/reklamation-loesung.md): Entwickelt strukturierte Lösungsvorschläge für komplexe Reklamationen. - [Kundenumfrage Gestaltung](https://kapitelh.ch/prompts/kundenservice/kundenumfrage.md): Entwickelt strukturierte Kundenumfragen mit hohen Response-Rates und verwertbaren Insights. - [Chat-Antwort-Vorlagen](https://kapitelh.ch/prompts/kundenservice/chat-antwort-vorlagen.md): Erstellt Antwort-Vorlagen für Live-Chat und E-Mail-Support mit freundlichem Ton. --- # KI-Prompts für IT & Entwicklung 5 geprüfte Prompts für IT & Entwicklung. - [Code-Review mit KI](https://kapitelh.ch/prompts/it/code-review-prompt.md): Strukturiertes Code-Review mit Fokus auf Bugs, Performance, Best Practices und Security. - [Bug-Analyse & Debug-Hilfe](https://kapitelh.ch/prompts/it/bug-fix-analyse.md): Analysiert Bugs systematisch und schlägt konkrete Lösungsansätze vor. - [API-Dokumentation Generator](https://kapitelh.ch/prompts/it/api-dokumentation.md): Erstellt strukturierte API-Dokumentation mit Beispielen, Fehlercodes und Best Practices. - [Architektur-Dokumentation](https://kapitelh.ch/prompts/it/architektur-dokumentation.md): Erstellt strukturierte Architektur-Dokumentation nach ADR und C4-Model. - [Technical Debt Analyse](https://kapitelh.ch/prompts/it/technical-debt-analyse.md): Identifiziert und priorisiert technische Schulden mit ROI-Bewertung für Refactoring. --- # KI-Prompts für projektmanagement 5 geprüfte Prompts für projektmanagement. - [Meeting-Protokoll & Action Items](https://kapitelh.ch/prompts/projektmanagement/meeting-protokoll.md): Strukturiert Meeting-Notizen in professionelle Protokolle mit klaren Action Items. - [Projekt-Kickoff Struktur](https://kapitelh.ch/prompts/projektmanagement/projekt-kickoff.md): Plant ein Projekt-Kickoff-Meeting mit Agenda, Stakeholder-Alignment und Quick-Wins. - [Projekt-Risikoanalyse](https://kapitelh.ch/prompts/projektmanagement/risikoanalyse.md): Strukturierte Risikoanalyse mit Wahrscheinlichkeit, Impact und Gegenmassnahmen. - [Projekt-Statusbericht](https://kapitelh.ch/prompts/projektmanagement/statusbericht.md): Erstellt strukturierte Statusberichte mit RAG-Status, Fortschritt und Risiken. - [Stakeholder-Kommunikation Plan](https://kapitelh.ch/prompts/projektmanagement/stakeholder-kommunikation.md): Entwickelt einen differenzierten Kommunikationsplan für verschiedene Stakeholder-Gruppen. --- # Monatsbericht-Analyse mit KI Automatisierte Analyse von Monatsberichten mit Abweichungserkennung und Handlungsempfehlungen. - Kategorie: Controlling & Finance - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein erfahrener Controller in einem mittelständischen Unternehmen mit 15+ Jahren Berufserfahrung. Analysiere den folgenden Monatsbericht und liefere: 1. **Executive Summary** (3-4 Sätze), Gesamteindruck, wichtigste positive Entwicklung, grösste Sorge. 2. **Top 3 Abweichungen** (pro Abweichung): Kostenstelle, Höhe (absolut + prozentual), Ursachen (2-3 Hypothesen), Handlungsempfehlung. 3. **Risiken und Chancen** (je 2-3 Punkte). 4. **Empfehlungen an die Geschäftsführung** (max. 3 konkrete Massnahmen). Denke zuerst Schritt für Schritt nach, bevor du die finale Analyse schreibst. Monatsbericht: [HIER MONATSBERICHT EINFÜGEN] Kontext: - Branche: [BRANCHE] - Unternehmensgrösse: [MITARBEITERZAHL] - Geschäftsjahr: [GJ START - GJ ENDE] ``` ## Erklärung Dieser Prompt kombiniert mehrere bewährte Techniken: Rollendefinition ("erfahrener Controller"), klare Strukturvorgabe (nummerierte Abschnitte), Chain-of-Thought-Aufforderung ("Denke Schritt für Schritt"), und Kontextvariablen (Branche, Grösse). Die Executive Summary am Anfang stellt sicher, dass auch bei flüchtigem Lesen die wichtigsten Erkenntnisse sichtbar sind. ## Anzupassende Variablen - [HIER MONATSBERICHT EINFÜGEN] - [BRANCHE] - [MITARBEITERZAHL] - [GJ START - GJ ENDE] ## Beispiel-Output **Executive Summary** Der März zeigt ein gemischtes Bild: Umsatz liegt mit CHF 4.2 Mio um 8% über Plan. Die Materialkostenquote ist jedoch um 3.2 Prozentpunkte auf 42.8% gestiegen, was die Bruttomarge belastet. **Top 3 Abweichungen** 1. Materialkostenquote: +3.2 PP (ungünstig), Rohstoffpreisanstieg bei Stahl (+12%) 2. Personalkosten: -2.1% (günstig), verzögerte Neueinstellungen 3. Marketing: +18% (ungünstig), ungeplante Messe-Teilnahme [...] ## Häufige Fragen ### Für welche KI-Tools funktioniert dieser Prompt? Optimiert für ChatGPT (GPT-4o, GPT-5) und Claude (Sonnet, Opus). Bei Gemini sollten Sie die Formatierung leicht anpassen. ### Kann ich Excel-Daten direkt einfügen? Ja. Für bessere Ergebnisse formatieren Sie die Daten vorher als Markdown-Tabelle. Claude verarbeitet tabellarische Daten besonders gut. ### Wie verhindere ich, dass sensible Daten abfliessen? Nutzen Sie ChatGPT Team/Enterprise oder Claude Team mit aktivem DPA. Alternativ: Daten vor dem Einfügen anonymisieren. --- # Budget-Abweichungsanalyse Analysiert Budget-Ist-Vergleiche und generiert nachvollziehbare Erklärungen für Abweichungen. - Kategorie: Controlling & Finance - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein Senior Controller mit Fokus auf Abweichungsanalyse. Analysiere die folgende Budget-Ist-Abweichung: **Kostenstelle:** [KOSTENSTELLE] **Zeitraum:** [MONAT/QUARTAL] **Budget:** [BUDGETWERT] **Ist:** [ISTWERT] **Abweichung:** [ABSOLUT + PROZENTUAL] **Kontext:** - Branche: [BRANCHE] - Saisonalität: [JA/NEIN - WELCHE] - Bekannte Sondereffekte: [SONDEREFFEKTE] Liefere: 1. **Erklärungshypothesen** (3-5 mögliche Ursachen, nach Wahrscheinlichkeit sortiert) 2. **Empfohlene Detailanalysen** (welche Daten als nächstes prüfen) 3. **Kommunikationsvorschlag** für die Geschäftsführung (max. 150 Wörter) 4. **Präventionsmassnahmen** Wichtig: Unterscheide zwischen Preis- und Mengenabweichungen. ``` ## Erklärung Abweichungsanalysen scheitern oft an oberflächlicher Ursachenforschung. Dieser Prompt zwingt das Modell zu mehreren Hypothesen und zur Trennung von Preis- und Mengeneffekten, eine fundamentale Unterscheidung im Controlling. ## Anzupassende Variablen - [KOSTENSTELLE] - [MONAT/QUARTAL] - [BUDGETWERT] - [ISTWERT] - [BRANCHE] - [SONDEREFFEKTE] ## Beispiel-Output **Erklärungshypothesen:** 1. Preisabweichung durch Lieferantenwechsel, neue Konditionen seit Q4 2. Mengenabweichung durch höheres Produktionsvolumen 3. Sondereffekt Rohstoffkosten, Stahlpreisanstieg im März um 12% [...] ## Häufige Fragen ### Kann ich den Prompt für Quartalsanalysen nutzen? Ja, ersetzen Sie 'Monat' durch 'Quartal' und liefern Sie entsprechende Kontextdaten. --- # Cashflow-Forecast Generator Erstellt strukturierte 13-Wochen-Cashflow-Prognosen mit Szenarien und Risikoanalyse. - Kategorie: Controlling & Finance - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein Senior Treasury-Experte mit Fokus auf Liquiditätsplanung. Erstelle einen 13-Wochen-Cashflow-Forecast für: **Unternehmen:** [UNTERNEHMEN + BRANCHE] **Aktuelle Liquidität:** [KONTOSTAND] **Historische Daten der letzten 12 Wochen:** [DATEN] **Erwartete Eingänge:** [EINGÄNGE mit Datum und Betrag] **Erwartete Ausgänge:** [AUSGÄNGE mit Datum und Betrag] Liefere: 1. **Wöchentliche Cashflow-Tabelle** (13 Wochen, Eingänge/Ausgänge/Netto/Kumuliert) 2. **Drei Szenarien**: Best Case (+15% Eingänge), Base Case, Worst Case (-20% Eingänge + 10% Ausgänge) 3. **Liquiditätsengpässe**: Warnzeichen, wenn Kontostand unter [MINDESTBESTAND] fällt 4. **Handlungsempfehlungen**: konkrete Massnahmen bei Engpass (Factoring, Skonti ziehen, Kreditlinie) 5. **Executive Summary**: 3-Satz-Zusammenfassung für CFO Nutze präzise Treasury-Terminologie. ``` ## Erklärung Der 13-Wochen-Cashflow ist der Industriestandard für kurzfristige Liquiditätsplanung. Dieser Prompt zwingt zur szenariobasierten Betrachtung und liefert direkt handlungsorientierte Empfehlungen, nicht nur eine Tabelle. ## Anzupassende Variablen - [UNTERNEHMEN + BRANCHE] - [KONTOSTAND] - [DATEN] - [EINGÄNGE] - [AUSGÄNGE] - [MINDESTBESTAND] ## Beispiel-Output **Executive Summary** In Woche 7 droht ein Liquiditätsengpass (Kontostand: CHF 180k, Mindest: CHF 250k). Hauptursache: grosse Rechnung an Lieferant Meier (CHF 420k) in KW 6 bei gleichzeitiger Zahlungsverschiebung von Kunde Schmidt um 2 Wochen. **Handlungsempfehlung:** Verhandlung mit Lieferant Meier über Zahlungsziel-Verlängerung auf 45 Tage oder kurzfristige Nutzung der Kreditlinie (max. CHF 100k). [...] ## Häufige Fragen ### Wie oft sollte ich den Cashflow-Forecast aktualisieren? Bei stabilen Unternehmen wöchentlich, bei volatiler Liquiditätslage täglich. Der 13-Wochen-Horizont bleibt konstant und rollt weiter. ### Kann ich das mit Excel verbinden? Ja. Exportieren Sie die Vorwochen-Daten aus Excel/SAP, fügen Sie sie als CSV ein und lassen Sie die KI die Tabelle generieren. --- # KPI-Dashboard Interpretation Interpretiert KPI-Dashboards und leitet daraus konkrete Management-Massnahmen ab. - Kategorie: Controlling & Finance - Geeignet für: ChatGPT, Claude, Gemini - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein strategischer Controller mit Fokus auf Management-Reporting. Interpretiere das folgende KPI-Dashboard und leite Handlungsempfehlungen ab: **Unternehmen:** [UNTERNEHMEN] **Zeitraum:** [ZEITRAUM] **Branche:** [BRANCHE] **KPIs mit Werten (aktuell vs. Vorperiode vs. Ziel):** [KPI-TABELLE, z.B. Umsatz, EBITDA, Working Capital, DSO, DIO, Customer Churn, NPS] Liefere: 1. **KPI-Bewertung**, pro KPI: Status (grün/gelb/rot), Trend, Kontext 2. **Zusammenhänge erkennen**, welche KPIs beeinflussen sich gegenseitig? 3. **Root-Cause-Analyse** für die 3 kritischsten KPIs 4. **Priorisierte Massnahmen** (Quick Wins vs. strategische Projekte) 5. **Storyline für Management-Meeting**, strukturierte Argumentation (Situation → Problem → Lösung) Sei ehrlich bei kritischen Entwicklungen, aber konstruktiv. Keine Schuldzuweisungen. ``` ## Erklärung Der grösste Fehler bei KPI-Analysen: Zahlen isoliert betrachten. Dieser Prompt zwingt zur systemischen Betrachtung (Zusammenhänge zwischen KPIs) und liefert eine fertige Storyline für das Management-Meeting, das ist oft der eigentliche Engpass für Controller. ## Anzupassende Variablen - [UNTERNEHMEN] - [ZEITRAUM] - [BRANCHE] - [KPI-TABELLE] ## Beispiel-Output **Kritische KPIs:** 1. DSO: 58 Tage (+12 vs. Vorperiode, Ziel 45), ROT 2. Customer Churn: 4.2% (+0.8 PP), GELB 3. EBITDA-Marge: 11.3% (-1.5 PP), ROT **Zusammenhang:** Der steigende DSO und die EBITDA-Erosion hängen vermutlich zusammen. Verzögerte Zahlungen zwingen zum vermehrten Einsatz der Kreditlinie (+CHF 800k Zinsbelastung YTD). [...] ## Häufige Fragen ### Welche KPIs sollte ich einspeisen? Mindestens die North-Star-Metric Ihres Unternehmens plus 5-10 operative KPIs aus den Bereichen Finance, Kunde, Operations, Mitarbeiter. --- # Investitionsanalyse & Business Case Erstellt strukturierte Investitionsanalysen mit NPV, IRR, Payback und Sensitivitätsanalyse. - Kategorie: Controlling & Finance - Geeignet für: ChatGPT, Claude - Schwierigkeit: Experte ## Der Prompt ```text Du bist ein Corporate-Finance-Experte mit Fokus auf Investitionsrechnung. Erstelle eine vollständige Investitionsanalyse für: **Investitionsobjekt:** [OBJEKT, z.B. Maschine, Software, Produktionslinie] **Investitionssumme:** [BETRAG] **Nutzungsdauer:** [JAHRE] **Erwartete jährliche Cashflows:** [CASHFLOWS] **Kalkulatorischer Zinssatz (WACC):** [ZINSSATZ] **Restwert:** [RESTWERT oder 0] Liefere: 1. **Kennzahlen-Tabelle**, NPV, IRR, Payback-Periode, ROI, Profitabilitätsindex 2. **Cashflow-Tabelle** über die Nutzungsdauer (Jahr 0 bis Jahr n) 3. **Sensitivitätsanalyse**, wie verändern sich NPV und IRR bei: ±10% Cashflows, ±2 PP WACC, -20% Restwert 4. **Risiken**, 3-5 wesentliche Risiken qualitativ beschrieben 5. **Entscheidungsempfehlung**, klar und begründet (Investieren / Ablehnen / Nachverhandeln) 6. **Business Case Summary** für Geschäftsleitung (max. 200 Wörter) Rechne nach DCF-Methode. Zeige Rechenschritte transparent. ``` ## Erklärung Viele Investitionsanalysen im Mittelstand stützen sich auf einfache Amortisationsrechnungen. Dieser Prompt erzwingt die DCF-Methode mit NPV und IRR sowie eine Sensitivitätsanalyse, der Unterschied zwischen einer Bauchentscheidung und einem fundierten Business Case. ## Anzupassende Variablen - [OBJEKT] - [BETRAG] - [JAHRE] - [CASHFLOWS] - [ZINSSATZ] - [RESTWERT] ## Beispiel-Output **Kennzahlen:** - NPV (8% WACC): CHF +487.000 - IRR: 14.2% - Payback: 4.3 Jahre - ROI: 67% **Sensitivität:** - Bei -10% Cashflows: NPV = CHF +312k (noch positiv) - Bei WACC 10%: NPV = CHF +298k - Bei WACC 12%: NPV = CHF +142k (kritisch) **Empfehlung:** Investition durchführen. NPV deutlich positiv, IRR über WACC. Hauptrisiko ist Zinsanstieg. [...] ## Häufige Fragen ### Welchen WACC soll ich nehmen? Für Mittelstand typischerweise 7-10%. Konsultieren Sie Ihren CFO für den exakten Wert Ihres Unternehmens. ### Reicht NPV als einziges Kriterium? Nein. NPV sagt, ob sich etwas lohnt, IRR sagt, wie profitabel es ist, Payback zeigt das Liquiditätsrisiko. Alle drei gehören zusammen. --- # Social Media Content-Plan Generator Erstellt einen strukturierten Content-Plan für 4 Wochen mit Posts, Hashtags und Posting-Zeiten. - Kategorie: Marketing & Content - Geeignet für: ChatGPT, Claude, Gemini - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein erfahrener Social Media Manager für B2B-Unternehmen im DACH-Raum. Erstelle einen detaillierten Content-Plan für 4 Wochen: **Unternehmen:** [UNTERNEHMEN] **Branche:** [BRANCHE] **Zielgruppe:** [ZIELGRUPPE] **Hauptbotschaften:** [3-5 KERNBOTSCHAFTEN] **Plattform:** [LINKEDIN / INSTAGRAM / BEIDES] Liefere pro Woche: 1. **Wochenthema** (ein übergreifendes Motto) 2. **5 Posts** mit: Tag + Zeit, Post-Text (150-300 Wörter für LinkedIn), 5-8 Hashtags, CTA, Visual-Vorschlag 3. **KPI-Ziele** (Reichweite, Engagement, Conversions) Variiere Post-Formate: Storytelling, How-to, Expert Insights, Case Studies, Umfragen. Tonalität: professionell, aber nahbar. ``` ## Erklärung Dieser Prompt erzeugt sofort umsetzbare Content-Pläne, weil er alle notwendigen Parameter explizit abfragt. Die Variablen zwingen den Nutzer zur Konkretisierung, ohne sie produziert die KI generische Platzhalter. ## Anzupassende Variablen - [UNTERNEHMEN] - [BRANCHE] - [ZIELGRUPPE] - [3-5 KERNBOTSCHAFTEN] - [LINKEDIN / INSTAGRAM / BEIDES] ## Beispiel-Output **Woche 1: "Dein Einstieg in die KI-Welt"** *Montag 8:00:* "Montag morgen, 8 Uhr. Während andere noch beim Kaffee sitzen, analysiert unser KI-Tool bereits den Wochenbericht. [...]" Hashtags: #KI #Digitalisierung #Mittelstand CTA: "Welche Tools nutzt ihr?" Visual: Dashboard-Screenshot [...] ## Häufige Fragen ### Für welche Plattformen ist der Prompt optimiert? Primär für LinkedIn und Instagram (B2B). Für TikTok oder X die Längenvorgaben anpassen. ### Kann die KI die Bilder gleich erstellen? Ja, mit ChatGPT (DALL-E integriert) direkt. Claude und Gemini liefern Bildbeschreibungen für Midjourney/DALL-E. --- # LinkedIn-Post Generator Erstellt hochwertige LinkedIn-Posts nach bewährten Engagement-Mustern. - Kategorie: Marketing & Content - Geeignet für: ChatGPT, Claude - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein LinkedIn-Content-Experte mit über 50.000 Followern und hoher Durchschnitts-Engagement-Rate. Erstelle einen LinkedIn-Post zu folgendem Thema: **Thema:** [THEMA] **Zielgruppe:** [ZIELGRUPPE, z.B. CFOs, HR-Manager, Tech-Entscheider] **Ziel des Posts:** [Awareness / Lead-Generierung / Personal Branding / Community-Aufbau] **Persönlicher Kontext:** [EIGENE ERFAHRUNG / STANDPUNKT] Regeln: - **Hook** in den ersten 2 Zeilen (entscheidet über Klick auf "mehr anzeigen") - **Länge:** 150-250 Wörter (optimal für LinkedIn-Algorithmus) - **Struktur:** kurze Absätze, viel Whitespace, keine Textwände - **Format:** persönliche Geschichte ODER kontroverse These ODER praktische Anleitung - **CTA:** eine klare Frage am Ende für Kommentare - **Hashtags:** 3-5 relevante (nicht mehr!) - **Kein Buzzword-Bingo** ("Synergien", "disruptiv", "innovativ") - **Emojis:** sparsam (max. 2-3), nur wenn es zum Thema passt Liefere zusätzlich: - 3 alternative Hook-Varianten - Optimaler Posting-Zeitpunkt (Wochentag + Uhrzeit) ``` ## Erklärung LinkedIn-Posts scheitern meist am Hook, die ersten 2 Zeilen entscheiden über Engagement oder Scroll-by. Dieser Prompt erzwingt bewusst die Hook-Strategie, setzt harte Längenbegrenzungen und verbietet Buzzwords, die auf LinkedIn sofort als unecht erkannt werden. ## Anzupassende Variablen - [THEMA] - [ZIELGRUPPE] - [ZIEL DES POSTS] - [EIGENE ERFAHRUNG / STANDPUNKT] ## Beispiel-Output **Hook:** Letzte Woche hat mir ein CFO erzählt, dass er KI "erstmal beobachten" will. Ein halbes Jahr später hat sein Konkurrent die Hälfte seiner Kunden übernommen. **Post:** Der Controller ist ausgeschieden. Der Marketing-Leiter sitzt mit 3 neuen KI-Tools am Schreibtisch. Der CFO fragt sich, was passiert ist. [...] **CTA:** Was ist euer grösster KI-Widerstand im Unternehmen? #KITransformation #Leadership #Mittelstand **Beste Posting-Zeit:** Dienstag, 8:30 MESZ ## Häufige Fragen ### Wie oft sollte ich posten? 3-5 Posts pro Woche ist das Optimum für organisches Wachstum. Tägliche Posts führen oft zu sinkender Engagement-Rate. ### Sollte ich Bilder oder Text posten? Text-Posts performen aktuell besser als Bild-Posts im B2B. Carousels sind die Ausnahme, sie haben die höchste Engagement-Rate überhaupt. --- # SEO-Blog-Artikel Generator Erstellt suchmaschinenoptimierte Blog-Artikel mit Keywords, Meta-Tags und FAQ-Schema. - Kategorie: Marketing & Content - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein erfahrener SEO-Content-Writer mit Fokus auf den DACH-Markt. Schreibe einen SEO-optimierten Blog-Artikel: **Haupt-Keyword:** [KEYWORD] **Nebenkeywords (3-5):** [NEBENKEYWORDS] **Zielgruppe:** [ZIELGRUPPE] **Suchintention:** [INFORMATIONAL / COMMERCIAL / TRANSACTIONAL] **Ziel-Länge:** [800-2500 WÖRTER] **Tonalität:** [PROFESSIONELL / NAHBAR / EXPERTE] Struktur: 1. **H1** mit Haupt-Keyword (max. 60 Zeichen) 2. **Meta-Description** (150-160 Zeichen, mit Keyword + CTA) 3. **Einleitung** (2-3 Sätze mit Haupt-Keyword in den ersten 100 Wörtern) 4. **5-7 H2-Abschnitte** mit Nebenkeywords 5. **Listen und Tabellen** für Scanbarkeit 6. **FAQ-Sektion** (3-5 Fragen, für Google FAQ-Schema) 7. **Fazit** mit CTA SEO-Regeln: - Haupt-Keyword-Dichte: 1-1.5% - Interne Link-Vorschläge: 3-5 (markiert als [INTERNAL LINK: Thema]) - Externe Link-Vorschläge: 2-3 zu autoritativen Quellen - Lesbarkeit: Flesch-Kincaid für Deutsch, "einfach" - Keine Keyword-Stuffing Liefere zusätzlich: - 3 Titel-Varianten für A/B-Test - Vorschlag für Featured Image (Bildbeschreibung) ``` ## Erklärung SEO-Artikel scheitern oft an zwei Dingen: Keyword-Stuffing (Google bestraft das) oder zu wenig Keyword-Integration (rankt nicht). Dieser Prompt findet die Balance durch harte Dichte-Vorgaben und die Pflicht zur FAQ-Sektion, die das Google FAQ-Schema aktiviert. ## Anzupassende Variablen - [KEYWORD] - [NEBENKEYWORDS] - [ZIELGRUPPE] - [SUCHINTENTION] - [ZIEL-LÄNGE] - [TONALITÄT] ## Beispiel-Output **H1:** KI im Mittelstand: 5 Schritte zur erfolgreichen Einführung **Meta:** Erfahren Sie, wie Sie KI im Mittelstand Schritt für Schritt einführen. Praxisleitfaden mit konkreten Tipps → Jetzt lesen! **H2-Struktur:** 1. Was ist KI im Mittelstand wirklich? 2. Die 3 grössten Herausforderungen 3. Schritt 1: Ist-Analyse durchführen 4. Schritt 2: Use Cases identifizieren [...] **FAQs:** - Was kostet KI im Mittelstand? - Brauche ich eine eigene IT-Abteilung? - Wie lange dauert die Einführung? ## Häufige Fragen ### Wie viele Wörter sind optimal für SEO? Abhängig von der Konkurrenz. Für Long-Tail-Keywords: 800-1500 Wörter. Für umkämpfte Head-Keywords: 2000-3500 Wörter. Länge allein bringt nichts, Tiefe zählt. ### Sollte ich KI-Artikel veröffentlichen? Google straft KI-Content nicht per se. Was bestraft wird: minderwertiger Content. Ein KI-generierter Artikel, der menschlich überprüft und mit eigener Erfahrung angereichert wurde, rankt genauso gut wie ein manueller. --- # Newsletter Betreffzeilen-Generator Generiert A/B-testbare Newsletter-Betreffzeilen mit hoher Open-Rate. - Kategorie: Marketing & Content - Geeignet für: ChatGPT, Claude, Gemini - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein E-Mail-Marketing-Experte mit hohen Open-Rates (40%+). Generiere Betreffzeilen für folgenden Newsletter: **Thema:** [THEMA] **Zielgruppe:** [ZIELGRUPPE] **Kern-Inhalt des Newsletters:** [INHALT] **Gewünschter Ton:** [PROFESSIONELL / NAHBAR / DRINGEND / NEUGIERIG] Liefere: 1. **10 Betreffzeilen-Varianten** in verschiedenen Stilen: - Neugier-weckend (Curiosity Gap) - Direkter Nutzen - Frage an den Leser - Zahlen / Listen - Exklusivität / Insider - Storytelling-Einstieg - Kontrovers / provokativ - Persönlich / direkt - FOMO / Dringlichkeit - Bezug auf aktuelles Ereignis 2. **Top 3 Empfehlungen** mit Begründung (Zielgruppen-Fit, erwartete Open-Rate) 3. **Preheader-Vorschläge** für die Top 3 (ergänzt die Betreffzeile, 40-50 Zeichen) Regeln: - Max. 50 Zeichen (Mobile-optimiert) - Kein "Sie müssen", "Jetzt kaufen", Spam-Trigger - Emojis nur, wenn zur Tonalität passend (max. 1) - Personalisierung mit {{Vorname}} wo sinnvoll ``` ## Erklärung Die Betreffzeile entscheidet über 80% des Newsletter-Erfolgs. Dieser Prompt zwingt das Modell zu stilistischer Variation (10 verschiedene Ansätze), damit Sie tatsächlich A/B-testen können, und nicht nur Varianten desselben Stils bekommen. ## Anzupassende Variablen - [THEMA] - [ZIELGRUPPE] - [INHALT] - [TON] ## Beispiel-Output **10 Varianten:** 1. "Was 94% aller Controller falsch machen" (Curiosity) 2. "3 KI-Tools, die Ihr Controlling 2026 brauchen" (Nutzen) 3. "Nutzen Sie schon ChatGPT für den Monatsbericht?" (Frage) 4. "[Vorname], dieser Prompt spart Ihnen 2 Std/Tag" (Personal) 5. "Nur heute: KI-Leitfaden als PDF-Download" (FOMO) [...] **Top 3:** 1. "Was 94% aller Controller falsch machen" → erwartete Open-Rate 35-42% 2. "[Vorname], dieser Prompt spart Ihnen 2 Std/Tag" → personalisiert, 38-45% **Preheader:** "Und wie Sie zu den 6% gehören." ## Häufige Fragen ### Welche Betreffzeile hat die höchste Open-Rate? In unseren Tests: personalisierte Fragen + Zahlen. 'Wie spart [Firma] CHF 50k pro Jahr?' schlägt fast immer generische Aussagen. ### Darf ich Emojis verwenden? Ja, aber sparsam. Ein Emoji am Anfang der Betreffzeile erhöht die Open-Rate oft um 5-10%. Mehr als 2 wirken spammig. --- # Landingpage Text Generator Erstellt konvertierende Landingpage-Texte nach bewährten Copywriting-Frameworks. - Kategorie: Marketing & Content - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein erfahrener Direct-Response-Copywriter mit Fokus auf B2B-Landingpages. Erstelle vollständige Landingpage-Texte für: **Produkt/Service:** [PRODUKT] **Unternehmen:** [UNTERNEHMEN] **Zielgruppe:** [ZIELGRUPPE, möglichst präzise, z.B. "CFOs in Industrieunternehmen 100-1000 MA"] **Hauptnutzen:** [USP] **Preis:** [PREIS oder "auf Anfrage"] **Conversion-Ziel:** [Demo / Kontakt / Kauf / Download] **Kernbotschaft:** [KERNBOTSCHAFT] Struktur nach PAS-Framework (Problem-Agitation-Solution): 1. **Hero-Section** - Headline (max. 10 Wörter, nutzen-orientiert) - Sub-Headline (1 Satz, präzisiert) - Primary CTA-Button-Text - Trust-Element (Kundenlogos, Zertifikate, Zahlen) 2. **Problem-Section**, die 3 grössten Schmerzpunkte der Zielgruppe, emotional formuliert 3. **Agitation**, was passiert, wenn das Problem nicht gelöst wird? 4. **Solution**, Ihr Produkt als Lösung, mit 3-5 konkreten Features als Benefits formuliert 5. **Social Proof**, Platzhalter für Testimonials, Case Studies 6. **FAQ** (5 typische Einwände) 7. **Final CTA** mit Dringlichkeit Stil: klare Sprache, kurze Sätze, "Du" oder "Sie" konsistent, keine Marketing-Phrasen. ``` ## Erklärung Das PAS-Framework (Problem-Agitation-Solution) ist die bewährteste Copywriting-Struktur für Conversion. Dieser Prompt zwingt zur Emotion im Problem-Teil (oft übersprungen) und zur konkreten Nutzen-Formulierung statt Feature-Listen. ## Anzupassende Variablen - [PRODUKT] - [UNTERNEHMEN] - [ZIELGRUPPE] - [USP] - [PREIS] - [CONVERSION-ZIEL] - [KERNBOTSCHAFT] ## Beispiel-Output **Hero-Headline:** KI-Transformation, ohne Abhängigkeit von Beratern **Sub:** Kapitel H befähigt Ihre Mitarbeiter, KI eigenständig umzusetzen, mit messbarem ROI in 90 Tagen. **CTA-Button:** Kostenloses Erstgespräch vereinbaren **Problem:** - Sie haben KI gehört, gelesen, getestet, aber keinen strukturierten Weg gefunden - Externe Berater kosten CHF 200k+ und hinterlassen Ihnen eine Abhängigkeit - Ihre Mitarbeiter sind motiviert, aber wissen nicht, wo anfangen **Agitation:** In 2 Jahren werden KI-Kompetente Unternehmen 30% produktiver sein. Die anderen werden aufgekauft. [...] ## Häufige Fragen ### Welches Copywriting-Framework ist das beste? PAS für emotional getriebene Entscheidungen, AIDA für rationale Entscheidungen, Before-After-Bridge für Produkte mit klarer Transformation. Im B2B meist PAS. ### Wie lang sollte eine Landingpage sein? So lang wie nötig. Bei einem CHF 50k Produkt: sehr lang (3000+ Wörter). Bei einem CHF 29 Tool: kurz (500 Wörter). Faustregel: je teurer, desto länger. --- # Kaltakquise E-Mail Verfasser Generiert personalisierte Akquise-E-Mails basierend auf Unternehmensprofil und Branche. - Kategorie: Vertrieb - Geeignet für: ChatGPT, Claude - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein erfahrener B2B-Vertriebsprofi mit hoher Response-Rate. Schreibe eine personalisierte Akquise-E-Mail: **Unser Unternehmen:** [EIGENES UNTERNEHMEN + USP] **Angebot / Lösung:** [WAS WIR ANBIETEN] **Zielunternehmen:** [NAME + BRANCHE] **Ansprechpartner:** [NAME + POSITION] **Relevanter Aufhänger:** [AKTUELLE NEWS, HERAUSFORDERUNG, GEMEINSAME VERBINDUNG] Regeln: - Maximal 120 Wörter - Beginn mit konkretem Bezug zum Ansprechpartner oder Unternehmen - Klare Wertaussage - Eine einzige, einfache CTA (z.B. 15-Minuten-Gespräch) - Professionell, aber nicht steif - Kein "Dear Sir/Madam" Liefere zusätzlich: - 3 Betreffzeilen-Varianten - Follow-up-E-Mail nach 5 Tagen ohne Antwort ``` ## Erklärung Kaltakquise-E-Mails scheitern meist an: zu lang, zu generisch, zu viel gleichzeitig. Dieser Prompt adressiert alle drei Probleme durch harte Regeln (120 Wörter, eine CTA) und die Pflicht zur Personalisierung. ## Anzupassende Variablen - [EIGENES UNTERNEHMEN + USP] - [WAS WIR ANBIETEN] - [NAME + BRANCHE] - [NAME + POSITION] - [AUFHÄNGER] ## Beispiel-Output **Betreffzeilen:** 1. "Kurze Frage zu Ihrem neuen Werk in Dresden" 2. "{Vorname}, Gedanke zu Ihrer Digitalisierungs-Initiative" 3. "3 Minuten: Wie Schmid Autogruppe 487k EUR einspart" **E-Mail:** Hallo {Vorname}, ich habe gelesen, dass Müller Industrie gerade die digitale Transformation beschleunigt. Spannend, wir haben bei einem vergleichbaren Unternehmen durch strukturierte KI-Einführung 487.000 EUR Jahrespotenzial identifiziert. [...] ## Häufige Fragen ### Wie hoch ist die typische Response-Rate? Gut personalisierte Kaltakquise-E-Mails erzielen 8-15% Response-Rate. ### Ist Kaltakquise per E-Mail DSGVO-konform? Im B2B-Bereich unter bestimmten Bedingungen zulässig (berechtigtes Interesse, fachliche Relevanz). Konsultieren Sie Ihren Datenschutzbeauftragten. --- # Professionelles Angebotsschreiben Strukturiert Angebote professionell mit klarem Nutzen, Leistungen und Preisrechtfertigung. - Kategorie: Vertrieb - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein Senior-Vertriebsberater mit Fokus auf komplexe B2B-Angebote. Erstelle ein professionelles Angebotsschreiben: **Kunde:** [KUNDE + ANSPRECHPARTNER] **Angefragte Leistung:** [LEISTUNG] **Vorgespräch-Notizen:** [WAS WURDE BESPROCHEN] **Bedarf des Kunden:** [SCHMERZPUNKTE] **Unsere Leistung:** [DETAILLIERTER SCOPE] **Preis:** [PREIS + OPTIONALE LEISTUNGEN] **Laufzeit / Zeitrahmen:** [TIMELINE] Struktur: 1. **Persönliche Anrede** (Bezug zum Vorgespräch) 2. **Verständnis des Bedarfs**, zeige, dass du zugehört hast (3-5 Sätze) 3. **Unser Lösungsvorschlag**, klare Struktur, Nutzen im Vordergrund 4. **Leistungsumfang**, Bulletpoints mit klarer Abgrenzung (was ist dabei, was nicht) 5. **Zeitplan**, realistisch, mit Meilensteinen 6. **Investition**, Preis + Zahlungsbedingungen + Begründung des Nutzens 7. **Ihre Vorteile**, 3-5 konkrete Outcomes 8. **Referenz**, ein kurzer Verweis auf ähnliches Projekt 9. **Nächste Schritte**, klarer Call-to-Action Stil: professionell, aber warm. Keine Marketing-Floskeln. Zeige, dass du den Kunden verstehst. ``` ## Erklärung Angebote werden oft abgelehnt, weil sie wie Standardtexte wirken. Dieser Prompt erzwingt den expliziten Bezug zum Vorgespräch und zum konkreten Bedarf des Kunden, das unterscheidet ein gewinnendes von einem durchschnittlichen Angebot. ## Anzupassende Variablen - [KUNDE] - [LEISTUNG] - [VORGESPRÄCH-NOTIZEN] - [SCHMERZPUNKTE] - [SCOPE] - [PREIS] - [TIMELINE] ## Beispiel-Output **Sehr geehrter Herr Müller,** vielen Dank für das offene Gespräch am Dienstag. Sie haben drei Herausforderungen beschrieben, die uns direkt ansprechen: erstens die fehlende KI-Strategie trotz klarem Management-Willen, zweitens die Abhängigkeit von externen Dienstleistern, drittens die Unsicherheit Ihrer Mitarbeiter gegenüber neuen Tools. **Unser Vorschlag: Ein 3-stufiges Programm** Phase 1: Ist-Analyse (4 Wochen) [...] ## Häufige Fragen ### Sollte der Preis im Angebot stehen? Ja, immer. Angebote ohne Preis werden meist ignoriert. Die einzige Ausnahme: wenn der Preis noch individuell verhandelt werden muss. --- # Einwandbehandlung Trainer Bereitet Sie auf Verkaufseinwände vor mit professionellen, nicht-manipulativen Antworten. - Kategorie: Vertrieb - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein Vertriebscoach mit Fokus auf konsultativen Verkauf (nicht manipulativ). Bereite mich auf ein Verkaufsgespräch vor: **Angebotene Lösung:** [LÖSUNG] **Zielgruppe:** [ZIELGRUPPE] **Erwartete Einwände:** [EINWÄNDE oder "unbekannt"] Liefere: 1. **Top 10 typische Einwände** zu diesem Produkt/Service 2. **Pro Einwand:** - Die wahrscheinliche echte Sorge dahinter (oft anders als der geäusserte Einwand) - Eine professionelle, ehrliche Antwort (nicht manipulativ!) - Eine Rückfrage, um den Einwand zu validieren - Social Proof oder Fakten zur Untermauerung 3. **Reframing-Technik**, wie man den Einwand in eine Chance verwandelt 4. **Was tun bei hartem "Nein"**, professionelle Abschluss-Strategie (keine verbrannten Brücken) Wichtig: - Niemals manipulative Techniken (Verknappung, Schuldgefühle, Urgency-Manipulation) - Wenn der Kunde berechtigt ablehnt: respektieren - Langfristige Beziehung schlägt kurzfristigen Abschluss ``` ## Erklärung Viele Einwandbehandlungs-Trainings lehren manipulative Techniken. Dieser Prompt bewusst nicht. Konsultativer Verkauf respektiert den Kunden und fokussiert auf echten Mehrwert, das ist langfristig profitabler und ethischer. ## Anzupassende Variablen - [LÖSUNG] - [ZIELGRUPPE] - [EINWÄNDE] ## Beispiel-Output **Einwand 1: "Zu teuer"** *Echte Sorge:* Der Kunde sieht den ROI nicht oder hat Vergleiche mit billigeren Anbietern. *Antwort:* "Ich verstehe. Darf ich fragen, im Vergleich wozu ist es zu teuer? Haben Sie einen anderen Anbieter im Kopf, oder geht es um die Kosten an sich?" *Fakten:* In unseren letzten 10 Projekten lag der ROI bei durchschnittlich 3.2x innerhalb von 12 Monaten. *Reframing:* "Sie zahlen nicht für die Beratung, Sie investieren in messbare Einsparungen." [...] ## Häufige Fragen ### Ist 'Zu teuer' immer ein Preiseinwand? Nein. Oft ist es ein versteckter Wert-Einwand: der Kunde sieht den Nutzen nicht. Die Lösung ist nicht Preissenkung, sondern bessere Wertkommunikation. --- # Follow-Up E-Mail Sequenz Erstellt eine professionelle Follow-Up-Sequenz nach dem Erstkontakt ohne aufdringlich zu wirken. - Kategorie: Vertrieb - Geeignet für: ChatGPT, Claude - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein B2B-Vertriebsprofi mit Erfahrung in konsultativem Verkauf. Erstelle eine Follow-Up-Sequenz nach einem Erstkontakt: **Kontext des Erstkontakts:** [TERMIN / E-MAIL / MESSE / EVENT] **Datum des Erstkontakts:** [DATUM] **Ansprechpartner:** [NAME + POSITION] **Unternehmen:** [UNTERNEHMEN + BRANCHE] **Besprochen:** [INHALT DES ERSTKONTAKTS] **Vereinbartes nächstes Gespräch:** [JA/NEIN + WANN] **Ungelöste offene Fragen:** [FRAGEN] Liefere eine Sequenz von 4 Follow-Up-E-Mails: **E-Mail 1 (Tag 1 nach Kontakt):** Bedanken + Zusammenfassung + offene Punkte **E-Mail 2 (Tag 5):** Mehrwert liefern (Case Study, Artikel, Template) **E-Mail 3 (Tag 12):** Sanfter Reminder + Frage nach Status **E-Mail 4 (Tag 21):** "Break-up" E-Mail mit direkter Frage nach Interesse Jede E-Mail: - Maximal 100 Wörter - Eigenen Mehrwert bieten (nicht nur nachfragen) - Klare, einfache CTA - Professioneller Ton, keine Passiv-Aggressivität - Nie betteln oder Dringlichkeit fingieren ``` ## Erklärung Die häufigsten Follow-Up-Fehler: 1) zu früh/zu oft nachhaken, 2) nichts bieten ausser Nachfragen, 3) passiv-aggressive Ton ("Haben Sie meine letzte Mail erhalten?"). Dieser Prompt erzwingt Mehrwert in jeder Mail. ## Anzupassende Variablen - [KONTEXT] - [DATUM] - [ANSPRECHPARTNER] - [UNTERNEHMEN] - [INHALT] - [OFFENE FRAGEN] ## Beispiel-Output **E-Mail 1 (Tag 1):** Hallo {Vorname}, vielen Dank für das offene Gespräch gestern auf der KI-Konferenz. Besonders interessant fand ich Ihren Punkt zur Datenqualität im Controlling. Anbei das versprochene Whitepaper zu Best Practices [Link]. Falls sich Fragen ergeben: melden Sie sich gerne. Viele Grüsse **E-Mail 2 (Tag 5):** Hallo {Vorname}, passend zu unserem Gespräch ist heute ein interessanter Artikel erschienen zu [Thema]. Der zweite Abschnitt zu [spezifisch] könnte für Ihre Situation relevant sein. [...] ## Häufige Fragen ### Wie oft sollte ich nachhaken? Maximal 4 Mal. Danach wirkt es aufdringlich. Wenn nach 4 Mails kein Interesse besteht, archivieren Sie den Kontakt für 3-6 Monate. ### Was ist eine Break-up-E-Mail? Die letzte Follow-Up-E-Mail, in der Sie offen kommunizieren, dass Sie den Kontakt beenden wenn keine Antwort kommt. Ironischerweise hat sie oft die höchste Response-Rate. --- # LinkedIn Outreach Nachrichten Erstellt nicht-spammige LinkedIn-Outreach-Nachrichten mit hoher Response-Rate. - Kategorie: Vertrieb - Geeignet für: ChatGPT, Claude - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein LinkedIn-Social-Selling-Experte. Erstelle eine LinkedIn-Outreach-Sequenz: **Ziel-Person:** [NAME + POSITION + UNTERNEHMEN] **Person-Profil:** [INHALT IHRES LINKEDIN-PROFILS oder RECENT ACTIVITY] **Warum interessant für uns:** [GRUND] **Eigenes Angebot:** [WAS WIR ANBIETEN] **Ziel der Kontaktaufnahme:** [KONVERSATION / DEMO / NETZWERK-AUFBAU] Liefere: 1. **Vernetzungs-Anfrage** (max. 200 Zeichen, LinkedIn-Limit) - KEIN Sales-Pitch - Persönlicher Bezug zum Profil der Person - Grund, warum du dich vernetzen willst 2. **Willkommensnachricht nach Annahme** (max. 150 Wörter) - Bedanken für die Annahme - Kurzer Mehrwert (ohne Verkauf) - Keine direkte CTA zum Verkaufsgespräch 3. **Follow-up nach 5 Tagen** (max. 150 Wörter) - Konkreter Mehrwert (Artikel, Insight, Frage) - Öffnung für Konversation 4. **Soft Pitch nach 10 Tagen** (max. 200 Wörter) - Erst jetzt das eigene Angebot erwähnen - Klare, niedrigschwellige CTA WICHTIG: - NIEMALS in der ersten Nachricht verkaufen - NIEMALS Template-artig wirken - Jede Nachricht muss eigenständig Wert bieten ``` ## Erklärung LinkedIn Outreach wird meist durch sofortige Verkaufs-Pitches zerstört. Dieser Prompt erzwingt eine beziehungsorientierte Sequenz: erst Wert liefern, dann fragen. Response-Rates mit diesem Ansatz liegen oft bei 20-30% vs. 2-5% bei aggressiven Pitches. ## Anzupassende Variablen - [NAME + POSITION] - [PROFIL] - [GRUND] - [ANGEBOT] - [ZIEL] ## Beispiel-Output **Vernetzungs-Anfrage:** "Hallo {Vorname}, ich habe Ihren Artikel zu KI im Controlling gelesen, besonders Ihre These zur Automatisierung hat mich angesprochen. Würde mich freuen, mich mit Ihnen zu vernetzen." **Willkommen:** "Hallo {Vorname}, vielen Dank für die Annahme! Ihr Artikel hat mich an eine Case Study erinnert, die wir kürzlich durchgeführt haben, eine 600-Mann-Firma sparte durch ähnliche Ansätze CHF 487k pro Jahr. Falls interessant, sende ich Ihnen gerne die Zusammenfassung." [...] ## Häufige Fragen ### Wie hoch ist die Response-Rate bei LinkedIn-Outreach? Bei generischen Messages: 2-5%. Bei personalisierten, wertbasierten Sequenzen: 20-30%. ### Darf ich LinkedIn für Vertrieb nutzen? Ja, aber mit Mass. LinkedIn erlaubt Outreach, aber bei zu vielen Anfragen blockiert die Plattform das Konto. Max. 30-40 Anfragen pro Tag. --- # Strategiemeeting Vorbereitung Strukturiert die Vorbereitung auf ein Strategiemeeting mit Agenda, Unterlagen und Entscheidungsmatrix. - Kategorie: Geschäftsführung - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein Management-Consultant mit Fokus auf strategische Planung. Bereite ein Strategiemeeting vor: **Unternehmen:** [UNTERNEHMEN + BRANCHE] **Meeting-Teilnehmer:** [TEILNEHMER + ROLLEN] **Hauptfragen / Entscheidungen:** [WAS SOLL ENTSCHIEDEN WERDEN] **Aktuelle Situation:** [KONTEXT] **Zeitrahmen des Meetings:** [STUNDEN] Liefere: 1. **Meeting-Agenda** mit Zeitblöcken (detailliert, realistisch) 2. **Pre-Reading-Liste**, welche Unterlagen sollen die Teilnehmer vorab lesen (mit Zeitaufwand-Schätzung) 3. **Strategische Fragen**, 5-7 Schlüsselfragen, die im Meeting diskutiert werden sollten 4. **Entscheidungsmatrix**, Kriterien für die anstehenden Entscheidungen, gewichtet 5. **SWOT-Gerüst**, vorbereitete Struktur für die Diskussion 6. **Follow-Up-Plan**, was passiert nach dem Meeting Stil: strukturiert, ohne Managementsprech. Fokus auf Entscheidbarkeit. ``` ## Erklärung Strategiemeetings scheitern oft an schlechter Vorbereitung: unklare Agenda, keine Pre-Reads, vage Entscheidungen. Dieser Prompt erzwingt eine klare Entscheidungsmatrix und Pre-Reading-Struktur, das ist der Unterschied zwischen einem produktiven Meeting und einem 3-Stunden-Gespräch ohne Ergebnis. ## Anzupassende Variablen - [UNTERNEHMEN + BRANCHE] - [TEILNEHMER + ROLLEN] - [WAS SOLL ENTSCHIEDEN WERDEN] - [KONTEXT] - [STUNDEN] ## Beispiel-Output **Agenda (3h):** - 0:00-0:15 Check-in + Meeting-Ziele - 0:15-0:45 Review Ist-Situation (CFO) - 0:45-1:30 Strategische Optionen (3 Szenarien) - 1:30-1:45 Pause - 1:45-2:30 Entscheidungsdiskussion - 2:30-3:00 Commitments + Nächste Schritte **Strategische Fragen:** 1. Welches Wachstumsszenario wollen wir verfolgen? 2. Wie viel Risiko sind wir bereit einzugehen? [...] ## Häufige Fragen ### Wie lange sollte ein Strategiemeeting dauern? Max. 3 Stunden am Stück. Längere Meetings sind oft ineffektiv. Bei komplexen Themen lieber 2-Tage-Workshop. --- # Investoren-Pitch Struktur Erstellt eine strukturierte 10-Slide-Pitch-Deck-Gliederung nach YC-Standard. - Kategorie: Geschäftsführung - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein Venture-Capital-Experte mit Erfahrung in hunderten Pitches. Erstelle eine Pitch-Deck-Struktur für: **Unternehmen:** [UNTERNEHMEN] **Stadium:** [PRE-SEED / SEED / SERIES A / WACHSTUM] **Branche:** [BRANCHE] **Produkt/Service:** [BESCHREIBUNG] **Aktuelle Traction:** [UMSATZ, KUNDEN, WACHSTUM] **Team:** [KERNKOMPETENZEN] **Finanzierungsziel:** [BETRAG + VERWENDUNG] Liefere eine 10-Slide-Struktur nach YC-Standard: 1. **Cover**, Name, Tagline, Kontakt 2. **Problem**, das ungelöste Problem, konkret und schmerzhaft 3. **Solution**, Ihre Lösung in einem Satz, dann Details 4. **Why Now**, warum ist der Markt jetzt reif? 5. **Market Size**, TAM/SAM/SOM mit Quellen 6. **Product**, Screenshots, Flow, differenzierende Features 7. **Business Model**, wie Sie Geld verdienen, Unit Economics 8. **Traction**, Kennzahlen, Wachstum, Meilensteine 9. **Team**, warum Ihr Team das richtige ist 10. **Ask**, wieviel Kapital, wofür, was bekommen die Investoren Für jede Slide: - Kernbotschaft (1 Satz) - Die 3 wichtigsten Bulletpoints - Empfohlene Visualisierung - Typische Nachfragen aus dem Publikum - Rote Flaggen, die Sie vermeiden müssen Stil: investorenorientiert, datenbasiert, selbstbewusst aber nicht arrogant. ``` ## Erklärung Pitch-Decks scheitern meist an Überladung (zu viele Slides, zu viel Text) oder an Unterlassung (wichtige Informationen fehlen). Diese 10-Slide-Struktur ist der YC-Standard und hat sich hundertfach bewährt. Der Prompt erzwingt auch die Antizipation kritischer Nachfragen, das unterscheidet einen guten von einem mittelmässigen Pitch. ## Anzupassende Variablen - [UNTERNEHMEN] - [STADIUM] - [BRANCHE] - [BESCHREIBUNG] - [TRACTION] - [TEAM] - [FINANZIERUNGSZIEL] ## Beispiel-Output **Slide 2, Problem:** *Kernbotschaft:* "Der Mittelstand verliert durch verzögerte KI-Einführung jährlich 2.3 Mrd. EUR an Produktivität." *Bulletpoints:* - 73% der KMU wollen KI nutzen, aber nur 12% haben eine Strategie - Externe Berater kosten 200k+ und schaffen Abhängigkeit - Mitarbeiter sind motiviert, aber ohne Anleitung *Typische Nachfrage:* "Wie hoch ist Ihre CAC im Verhältnis zum LTV?" *Rote Flagge zu vermeiden:* Keine vagen TAM-Zahlen ohne Quellen [...] ## Häufige Fragen ### Wie viele Slides sind optimal? 10-12 für Pitches, max. 20 für Deep-Dives. Mehr verliert das Publikum. ### Soll ich Finanzprojektionen zeigen? Ja, aber nur 3 Jahre und nur als Szenarien. Detaillierte 5-Jahres-Pläne wirken unseriös, weil sie nicht realistisch prognostizierbar sind. --- # CEO-Newsletter an Mitarbeiter Strukturiert monatliche CEO-Kommunikation an die Belegschaft authentisch und informativ. - Kategorie: Geschäftsführung - Geeignet für: ChatGPT, Claude - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein Experte für interne Unternehmenskommunikation. Erstelle einen CEO-Newsletter an die Belegschaft: **Unternehmen:** [UNTERNEHMEN] **Zeitraum:** [MONAT] **Wichtige Ereignisse:** [EVENTS] **Neue Mitarbeiter:** [NEUEINSTELLUNGEN oder "keine"] **Erfolge zum Feiern:** [ERFOLGE] **Herausforderungen (offen kommunizieren!):** [HERAUSFORDERUNGEN] **Strategische Updates:** [UPDATES] **Persönlicher Ton des CEO:** [WIE IST DIE PERSON] Struktur: 1. **Persönliche Begrüssung**, warm, authentisch, nicht corporate 2. **Highlights des Monats**, 3-5 positive Entwicklungen mit konkreten Beispielen 3. **Strategischer Einblick**, was bewegt uns gerade, wo stehen wir? 4. **Herausforderungen**, offen ansprechen, nicht verstecken 5. **Spotlights**, ein Team oder eine Person hervorheben 6. **Neuigkeiten**, Neueinstellungen, Veränderungen, Events 7. **Persönliches Schlusswort**, Dankbarkeit, Ausblick, Motivation Stil: - Authentisch, nicht gestelzt - Keine Buzzwords - Verletzlichkeit ist erlaubt (CEOs sind auch Menschen) - Konkrete Beispiele statt abstrakter Aussagen - Max. 600 Wörter ``` ## Erklärung CEO-Newsletter scheitern meist an Corporate-Speech, die die Mitarbeiter nicht ernstnimmt. Dieser Prompt erzwingt Authentizität durch die explizite Aufforderung, Herausforderungen offen zu kommunizieren und persönliche Worte zu finden. ## Anzupassende Variablen - [UNTERNEHMEN] - [MONAT] - [EVENTS] - [NEUEINSTELLUNGEN] - [ERFOLGE] - [HERAUSFORDERUNGEN] - [UPDATES] - [TON] ## Beispiel-Output **Liebes Team,** der April war ein intensiver Monat, in jeder Hinsicht. Ich möchte mit Ihnen teilen, was gut lief und wo wir gerade kämpfen. **Was gut lief:** - Unser KI-Projekt bei der Müller-Gruppe hat die erste Meilensteinprüfung bestanden. Besonderer Dank an Sarah und das Data-Science-Team, eure Nachtschichten haben sich gelohnt. - Drei neue Kundenverträge im Gesamtvolumen von CHF 890k. **Was uns gerade herausfordert:** Unser Einstellungsprozess hinkt unserem Wachstum hinterher. Aktuell sind 5 Positionen offen, die wir seit 3 Monaten nicht besetzen können. [...] ## Häufige Fragen ### Wie oft sollte ein CEO-Newsletter erscheinen? Einmal im Monat ist optimal. Häufiger verliert an Bedeutung, seltener verliert den Kontext. ### Sollte der CEO alles selbst schreiben? Die Kernbotschaften und den persönlichen Ton ja. Die Struktur kann von HR oder Kommunikation vorbereitet werden. KI kann bei der Formulierung helfen, aber der CEO muss den Ton prüfen und überarbeiten. --- # Jahreszielplanung mit OKRs Entwickelt Jahresziele nach dem OKR-Framework mit messbaren Key Results. - Kategorie: Geschäftsführung - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein OKR-Experte mit Erfahrung bei Tech-Unternehmen. Entwickle eine Jahreszielplanung nach dem OKR-Framework: **Unternehmen:** [UNTERNEHMEN] **Branche:** [BRANCHE] **Unternehmensgrösse:** [MITARBEITER] **Strategische Prioritäten:** [3-5 PRIORITÄTEN] **Aktuelle Baseline (wichtige KPIs):** [AKTUELLE WERTE] **Zeitrahmen:** [JAHR] Liefere: 1. **5 Company-Level Objectives**, ambitioniert, inspirierend, qualitativ 2. **Pro Objective: 3-4 Key Results**, messbar, spezifisch, zeitgebunden 3. **Quartalsziele**, heruntergebrochen auf Q1-Q4 4. **Department-Ziele**, wie werden Company-OKRs auf Abteilungen übertragen 5. **Confidence-Level** für jedes KR (0-10), wie sicher ist die Erreichung? 6. **Leading Indicators**, welche Metriken zeigen früh, ob wir auf Kurs sind? OKR-Regeln: - Objectives: qualitativ, inspirierend ("Was wollen wir erreichen?") - Key Results: quantitativ, messbar ("Woran messen wir Erfolg?") - Ambition: Key Results sollen bei 70% Erreichung als Erfolg gelten - Max. 3-5 Objectives pro Ebene (weniger ist mehr) - Nicht Top-Down diktieren, ein Mischung aus Top-Down und Bottom-Up ist ideal ``` ## Erklärung OKRs scheitern oft an zwei Fehlern: 1) zu viele Ziele (Fokus geht verloren), 2) nicht messbare Key Results (werden zu Wunschdenken). Dieser Prompt erzwingt die Messbarkeit und die Confidence-Level, das zweite unterscheidet OKRs von simplen To-do-Listen. ## Anzupassende Variablen - [UNTERNEHMEN] - [BRANCHE] - [MITARBEITER] - [PRIORITÄTEN] - [AKTUELLE WERTE] - [JAHR] ## Beispiel-Output **Objective 1:** Wir werden zur führenden KI-Beratung für den Schweizer Mittelstand. *Key Results:* - KR1: Umsatz von CHF 2.5M auf CHF 4.2M steigern (+68%) - KR2: Top-of-mind Brand Awareness im DACH Mittelstand: von 12% auf 25% - KR3: NPS von 45 auf 65 steigern - KR4: 15 neue Fortune-500-Referenzkunden gewinnen *Leading Indicators:* Website-Traffic, Qualified Leads pro Monat, Speaking-Engagements *Confidence:* 7/10, ambitioniert, aber auf Basis bisherigen Wachstums realistisch ## Häufige Fragen ### OKRs oder KPIs, was ist der Unterschied? KPIs sind laufende Metriken, die Sie immer überwachen (z.B. Umsatz, Conversion). OKRs sind zeitlich begrenzte Veränderungs-Ziele (z.B. Umsatz um 50% steigern). OKRs treiben KPIs in die gewünschte Richtung. ### Wie oft sollte man OKRs überprüfen? Wöchentliche Check-ins für Key Results, monatlicher Review, Quartals-Retrospektive. Ohne regelmässige Check-ins werden OKRs zu vergessenen Wunschlisten. --- # Krisenkommunikation Statement Erstellt professionelle Krisen-Kommunikation an Mitarbeiter, Kunden und Öffentlichkeit. - Kategorie: Geschäftsführung - Geeignet für: ChatGPT, Claude - Schwierigkeit: Experte ## Der Prompt ```text Du bist ein Krisen-Kommunikationsexperte mit Erfahrung in Unternehmens-Reputation-Management. Erstelle Krisen-Kommunikation für folgende Situation: **Unternehmen:** [UNTERNEHMEN] **Art der Krise:** [DATENPANNE / QUALITÄTSPROBLEM / PERSONALISSUE / FINANZKRISE / RECHTLICH] **Detaillierte Situation:** [WAS IST PASSIERT] **Bekannte Fakten:** [WAS IST GESICHERT] **Offene Fragen:** [WAS IST NOCH UNKLAR] **Betroffene Personen/Gruppen:** [BETROFFENE] **Rechtliche Situation:** [RECHTSBERATUNG FRÜH EINBEZIEHEN] Liefere drei Versionen: 1. **Internes Statement** an die Mitarbeiter - Transparent, aber nicht panikmachend - Fakten + was wir wissen + was wir nicht wissen - Klare nächste Schritte - Ansprechpartner für Fragen 2. **Externes Statement** an Kunden - Entschuldigung (falls angebracht) - Was ist passiert (nur gesicherte Fakten) - Was tun wir dagegen - Ansprechpartner für Betroffene - Zeitplan für Updates 3. **Öffentliche Pressemitteilung** - Knapp, sachlich, transparent - Keine Beschönigung - Aktive Verantwortungsübernahme - Klare nächste Schritte Krisen-Regeln: - Niemals Fakten verdrehen oder vertuschen - Schnell kommunizieren, Stille wird als Schuldeingeständnis gewertet - Empathie zeigen, besonders bei betroffenen Personen - Rechtliche Beratung VOR Veröffentlichung - Einen klaren Informations-Zeitplan kommunizieren ``` ## Erklärung Krisen werden selten durch das Ereignis selbst zum Reputationsschaden, sondern durch schlechte Kommunikation. Die typischen Fehler: zu langsam, vertuschen, Schuld abwälzen. Dieser Prompt erzwingt Transparenz, Empathie und Struktur. ## Anzupassende Variablen - [UNTERNEHMEN] - [ART DER KRISE] - [SITUATION] - [FAKTEN] - [OFFENE FRAGEN] - [BETROFFENE] ## Beispiel-Output **Internes Statement:** Liebes Team, ich muss euch über eine ernste Situation informieren: Heute morgen haben wir festgestellt, dass am 8. April Unbefugte auf unser CRM-System zugegriffen haben. Betroffen sind Kontaktdaten von ca. 1.200 Kunden. Was wir bereits wissen: [...] Was wir noch prüfen: [...] Unsere sofortigen Massnahmen: 1. Forensik-Team eingesetzt (externes Unternehmen) 2. Datenschutzbehörde wird heute informiert 3. Betroffene Kunden werden persönlich kontaktiert Fragen und Anliegen bitte an: [...] ## Häufige Fragen ### Sollte man in einer Krise schnell oder richtig kommunizieren? Beides. Erste Kommunikation innerhalb von 2 Stunden ('Wir wissen von dem Vorfall und untersuchen'), detaillierte Kommunikation innerhalb von 24 Stunden. ### Sollte man einen Krisenanwalt einbinden? Bei rechtlichen oder regulatorischen Themen immer. KI-generierte Texte sind ein guter Ausgangspunkt, aber rechtliche Prüfung ist Pflicht. --- # Stellenausschreibung Generator Erstellt professionelle, inklusive Stellenausschreibungen basierend auf Anforderungsprofil. - Kategorie: HR & Personal - Geeignet für: ChatGPT, Claude, Gemini - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein erfahrener HR-Profi mit Fokus auf moderne, inklusive Stellenausschreibungen. Erstelle eine Stellenausschreibung für: **Position:** [POSITION] **Abteilung:** [ABTEILUNG] **Unternehmen:** [UNTERNEHMEN + KURZBESCHREIBUNG] **Standort:** [STANDORT] **Arbeitsvolumen:** [VOLLZEIT/TEILZEIT] **Hauptaufgaben:** [AUFGABEN] **Must-haves:** [ANFORDERUNGEN] **Nice-to-haves:** [OPTIONALE ANFORDERUNGEN] **Benefits:** [BENEFITS] Struktur: 1. Überschrift (mit Position und Gender-Neutralität) 2. Kurze Unternehmensbeschreibung (2-3 Sätze, keine Floskeln) 3. Deine Rolle (Du-Ansprache, fokussiert auf Wirkung) 4. Dein Profil (strukturiert, ohne übertriebene Anforderungen) 5. Was dich erwartet (echte Benefits, nicht "Obstkorb") 6. Kontakt und Bewerbungsprozess Regeln: - Gender-neutrale Sprache - Kein "Dynamisches Team", "Flache Hierarchien", "Spannende Herausforderungen" - Max. 450 Wörter - Ehrlich und realistisch - Nur Must-haves als Pflicht ``` ## Erklärung Die meisten Stellenausschreibungen scheitern an generischen Floskeln und übertriebenen Anforderungen. Dieser Prompt verbietet explizit Worthülsen und trennt sauber zwischen Must-haves und Nice-to-haves. Gender-neutrale Sprache erhöht nachweislich die Bewerberzahl um 20-30%. ## Anzupassende Variablen - [POSITION] - [ABTEILUNG] - [UNTERNEHMEN] - [STANDORT] - [VOLLZEIT/TEILZEIT] ## Beispiel-Output **Senior Controller (w/m/d), Industrie & Finance** Kapitel H begleitet mittelständische Unternehmen bei der KI-Transformation. Wir arbeiten pragmatisch und mit messbarem Impact. **Deine Rolle** Du übernimmst die Verantwortung für Monatsabschlüsse und Forecast-Prozesse eines wachsenden Beratungsunternehmens. [...] ## Häufige Fragen ### Ist 'w/m/d' rechtlich ausreichend? In der Schweiz und Deutschland wird 'w/m/d' akzeptiert und rechtlich als ausreichend angesehen. --- # Respektvolle Absage-E-Mail Verfasst professionelle und respektvolle Absagen an Bewerber ohne Floskeln. - Kategorie: HR & Personal - Geeignet für: ChatGPT, Claude, Gemini - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein HR-Profi mit Fokus auf Candidate Experience und respektvolle Kommunikation. Schreibe eine Absage-E-Mail an einen Bewerber: **Position:** [POSITION] **Bewerber:** [NAME] **Stadium der Absage:** [NACH CV / NACH ERSTGESPRÄCH / NACH FINALE] **Grund für Absage:** [GRUND, intern] **Mit Bewerber besprochene Stärken:** [STÄRKEN] **Bewerbungsdauer:** [WIE LANGE HAT DER PROZESS GEDAUERT] Je nach Stadium: **Nach CV-Sichtung (kurz):** - Neutraler Dank für die Bewerbung - Klarer Absage-Grund (nicht zu spezifisch) - Kurze Wertschätzung **Nach Erstgespräch (mittel):** - Persönlicher Bezug zum Gespräch - Konkrete Anerkennung der Stärken des Bewerbers - Klarer, aber empathischer Absage-Grund - Offenlassen für andere Rollen - Danke für die investierte Zeit **Nach Final-Gespräch (länger):** - Persönliche, warme Anrede - Echte Wertschätzung, was der Bewerber eingebracht hat - Ehrlicher Absage-Grund (soweit angemessen) - Angebot für Feedback - Kontaktbleiben-Option anbieten - Warme Schlussworte Regeln: - NIEMALS Floskeln wie "Wir wünschen Ihnen viel Erfolg für Ihre Karriere" - NIEMALS "Wir haben uns für einen anderen Kandidaten entschieden" ohne Kontext - IMMER die Person beim Namen nennen - IMMER als Absender eine echte Person (nicht "HR-Team") - Wenn nach Feedback gefragt wird: offen und konkret sein ``` ## Erklärung Absagen sind der wichtigste Candidate-Experience-Moment, und werden am häufigsten vermasselt. Dieser Prompt stuft die Tiefe der Absage nach Prozessstadium und erzwingt persönliche Bezüge statt Copy-Paste-Floskeln. Gute Absagen schaffen Employer-Brand-Botschafter auch aus abgelehnten Kandidaten. ## Anzupassende Variablen - [POSITION] - [NAME] - [STADIUM] - [GRUND] - [STÄRKEN] - [DAUER] ## Beispiel-Output **Nach Final-Gespräch:** Liebe Frau Müller, vielen Dank für die spannenden Gespräche in den letzten drei Wochen und besonders für Ihre offene Art im Final-Interview. Ich möchte Ihnen heute eine Absage kommunizieren, und das fällt mir nicht leicht. Ihre strategische Denkweise und Ihre Erfahrung im Controlling haben uns alle beeindruckt, besonders Ihre Case-Study-Analyse. Die Entscheidung fiel nicht gegen Sie, sondern für eine Kandidatin mit einem ähnlichen, aber spezifischeren Branchen-Hintergrund. Das war eine Abwägung mit sehr engem Ausgang. Falls Sie Feedback wünschen, ich nehme mir gerne 15 Minuten Zeit für ein Gespräch. [...] ## Häufige Fragen ### Wie lange sollte eine Absage dauern bis sie rausgeht? Nach CV-Sichtung: innerhalb von 2 Wochen. Nach persönlichem Gespräch: innerhalb von 1 Woche. Nach Final-Runde: innerhalb von 3 Tagen. ### Soll ich Feedback im Absage-Brief mitsenden? Nein, Feedback nur auf Anfrage. Im Brief Feedback anbieten. Unaufgefordertes Feedback wirkt belehrend. --- # Mitarbeitergespräch Vorbereitung Strukturiert die Vorbereitung auf Jahresgespräche mit konkreten Fragen und Gesprächsleitfaden. - Kategorie: HR & Personal - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein Leadership-Coach mit Fokus auf effektive Mitarbeitergespräche. Bereite ein Mitarbeitergespräch vor: **Mitarbeiter:** [NAME + ROLLE] **Zeitraum der Betrachtung:** [LETZTE 12 MONATE / Q1 etc.] **Art des Gesprächs:** [JAHRESGESPRÄCH / FEEDBACK / KARRIEREGESPRÄCH] **Leistung im Zeitraum:** [ÜBERDURCHSCHNITTLICH / SOLID / UNTER ERWARTUNGEN] **Besondere Ereignisse:** [PROJEKTE, KONFLIKTE, ERFOLGE] **Entwicklungsbedarf:** [WELCHE BEREICHE] **Ziele für das kommende Jahr:** [ZIELE] Liefere: 1. **Gesprächsleitfaden** (60-90 Minuten Dauer) - Check-in (5 Min) - Rückblick Mitarbeiter (10 Min), offene Fragen - Rückblick Führungskraft (10 Min), konkretes Feedback - Dialog zu Highlights und Herausforderungen (20 Min) - Entwicklungsperspektiven (15 Min) - Ziele setzen (20 Min) - Abschluss (10 Min) 2. **5 Kernfragen**, offen, nicht suggestiv 3. **Feedback-Struktur**, SBI-Model (Situation-Behavior-Impact) 4. **Umgang mit schwierigen Themen**, wie du kritisches Feedback respektvoll kommunizierst 5. **Entwicklungsvorschläge**, konkret, mit Zeitrahmen 6. **Dokumentations-Template**, was sollte schriftlich festgehalten werden Regeln: - Mitarbeiter mehr sprechen lassen als die Führungskraft - Konkretes Feedback mit Beispielen - Entwicklung als Dialog, nicht als Diktat - Niemals Lob oder Kritik vor dem Hintergrund von Gehaltsverhandlungen ``` ## Erklärung Jahresgespräche scheitern oft an schlechter Vorbereitung (Small Talk statt Tiefgang) oder an Dominanz der Führungskraft. Dieser Prompt strukturiert das Gespräch so, dass der Mitarbeiter zuerst spricht und die Führungskraft konkretes, entwicklungsorientiertes Feedback gibt, nicht bewertendes. ## Anzupassende Variablen - [NAME + ROLLE] - [ZEITRAUM] - [ART] - [LEISTUNG] - [EREIGNISSE] - [ENTWICKLUNGSBEDARF] - [ZIELE] ## Beispiel-Output **Kernfragen:** 1. Wenn du auf die letzten 12 Monate zurückschaust, was war dein bester beruflicher Moment? 2. Wovon hättest du gerne mehr in deiner Arbeit? 3. Wo hast du dich am stärksten entwickelt, wo am wenigsten? 4. Was hindert dich aktuell daran, noch wirkungsvoller zu sein? 5. Wie siehst du deine Rolle in 12-24 Monaten? **SBI-Feedback-Beispiel:** *Situation:* "Bei der Kundenpräsentation letzten Dienstag..." *Behavior:* "...hast du die Q&A-Runde übernommen, nachdem der Kunde kritische Fragen gestellt hat..." *Impact:* "...und dadurch hat der Kunde spürbar Vertrauen gewonnen. Das hat den Deal gerettet." [...] ## Häufige Fragen ### Wie oft sollten Mitarbeitergespräche stattfinden? Formale Jahresgespräche einmal jährlich, aber regelmässige 1:1s alle 2 Wochen sind effektiver als ein jährliches Grossgespräch. --- # Onboarding-Plan Generator Erstellt strukturierte 90-Tage-Onboarding-Pläne für neue Mitarbeiter. - Kategorie: HR & Personal - Geeignet für: ChatGPT, Claude - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein HR-Experte mit Fokus auf erfolgreiches Onboarding. Erstelle einen 90-Tage-Onboarding-Plan für: **Position:** [POSITION + LEVEL] **Unternehmen:** [UNTERNEHMEN + GRÖSSE] **Team:** [TEAM-STRUKTUR] **Haupt-Aufgaben in der Rolle:** [AUFGABEN] **Wichtigste Stakeholder:** [STAKEHOLDER] **Erfolgsmetriken nach 90 Tagen:** [WAS SOLLTE ERREICHT SEIN] Liefere einen detaillierten Plan: **Tag 1 (erster Tag):** - Welcome-Ablauf - Erste Gespräche - Technisches Setup - Keine Überforderung **Woche 1 (Orientierung):** - Meetings mit wichtigen Teammitgliedern - Shadow-Tage mit Kollegen - Erste "easy wins" - Company-Kultur kennenlernen **Woche 2-4 (Einarbeitung):** - Konkrete erste Aufgaben - Produkt-/Service-Schulungen - Prozesse und Tools lernen - Wöchentliches Check-in mit Manager **Monat 2 (Integration):** - Eigenverantwortliche Projekte starten - Tiefer in Kundenbeziehungen eintauchen - Vertretung bei ersten Kundenterminen - Mid-Point-Feedback **Monat 3 (Selbstständigkeit):** - Volle Verantwortung für den Rollenumfang - Erste Beiträge zu strategischen Themen - 90-Tage-Review mit konkreten Entwicklungspunkten Für jede Phase: - Klare Meilensteine - Benötigte Ressourcen - Ansprechpartner für spezifische Themen - Erwartete Outcomes Stil: strukturiert, mitarbeiterorientiert, ohne Überforderung ``` ## Erklärung Schlechtes Onboarding ist der Hauptgrund, warum Mitarbeiter in den ersten 6 Monaten kündigen. Dieser Prompt erzwingt eine schrittweise Integration: erst Orientierung, dann Einarbeitung, dann Selbstständigkeit. Die häufigsten Onboarding-Fehler, zu schnell, zu viel, zu wenig Kontakt, werden systematisch vermieden. ## Anzupassende Variablen - [POSITION + LEVEL] - [UNTERNEHMEN + GRÖSSE] - [TEAM] - [AUFGABEN] - [STAKEHOLDER] - [ERFOLGSMETRIKEN] ## Beispiel-Output **Tag 1:** - 09:00 Welcome mit CEO (30 Min, kein Small Talk, echtes Gespräch) - 09:30 Arbeitsplatz einrichten, Laptop, Accounts - 10:30 Team-Vorstellungsrunde - 12:00 Team-Lunch (bezahlt vom Unternehmen) - 14:00 Rundgang mit Buddy - 15:00 HR-Onboarding (Verträge, Benefits) - 16:30 Ende, bewusst nicht voll packen **Erste Woche:** - 1:1 mit jedem direkten Teammitglied (30 Min) - Shadow-Tage mit 2 erfahrenen Kollegen - Company-Handbuch lesen - Erste einfache Aufgabe: Dokumentation eines Prozesses aus Neu-Sicht (wertvolles Feedback!) [...] ## Häufige Fragen ### Was sind die häufigsten Onboarding-Fehler? 1) Zu schnell zu viel: der erste Tag ist voll, die erste Woche chaotisch. 2) Kein Buddy: neue Mitarbeiter fühlen sich allein. 3) Keine klaren Erwartungen: was soll nach 30/60/90 Tagen erreicht sein? ### Wer sollte das Onboarding leiten? Geteilte Verantwortung: HR für formale Aspekte, direkter Manager für Rolle und Erwartungen, Buddy für tägliche Fragen und Kultur. --- # Konstruktives Feedback formulieren Hilft bei der Formulierung von kritischem Feedback respektvoll und wirkungsvoll. - Kategorie: HR & Personal - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein Leadership-Coach mit Fokus auf konstruktive Kommunikation. Hilf mir, Feedback zu formulieren: **Person:** [BEZIEHUNG, Mitarbeiter / Kollege / Vorgesetzter] **Situation:** [WAS IST PASSIERT, konkret und beobachtbar] **Wirkung:** [WAS WAR DIE KONSEQUENZ] **Gewünschtes Verhalten:** [WAS HÄTTE ICH MIR GEWÜNSCHT] **Beziehungskontext:** [WIE IST DIE BEZIEHUNG GENERELL] **Dringlichkeit:** [SOFORT / BEIM NÄCHSTEN 1:1 / IN SCHRIFTFORM] Liefere: 1. **SBI-Feedback-Struktur** - **Situation:** sachlich, zeitlich, nicht interpretativ - **Behavior:** konkret beobachtbares Verhalten - **Impact:** welche Wirkung hatte das Verhalten 2. **Mündliche Variante** (für ein direktes Gespräch, ca. 60 Sek. Sprechzeit) - Empathischer Einstieg - SBI - Offene Frage zur Reflektion - Gemeinsame Lösungsentwicklung 3. **Schriftliche Variante** (für eine E-Mail oder Slack-Nachricht) - Wie mündlich, aber formeller - Klarheit: Dies ist Feedback, keine Bewertung - Offen für Antwort 4. **Schwierigkeitsgrad-Anpassung:** - Wenn die Person sensibel ist - Wenn die Person defensiv reagiert - Wenn die Person höher in der Hierarchie steht Wichtig: - Niemals "Du bist..." (Charakterangriff) - Immer "Ich habe beobachtet..." / "Ich hatte den Eindruck..." - Feedback im Ich-Format, nicht als objektive Wahrheit - Vermeiden: "immer", "nie", "typisch" - Empathie zeigen, aber nicht verwässern ``` ## Erklärung Kritisches Feedback ist eine der schwierigsten Kommunikationsaufgaben. Die meisten Menschen vermeiden es oder machen es falsch (zu scharf oder zu weich). Die SBI-Methode ist das bewährteste Framework, sie trennt Fakten von Interpretation und schafft eine Basis für echten Dialog. ## Anzupassende Variablen - [BEZIEHUNG] - [SITUATION] - [WIRKUNG] - [GEWÜNSCHT] - [BEZIEHUNGSKONTEXT] - [DRINGLICHKEIT] ## Beispiel-Output **SBI-Variante:** *Situation:* "In unserem Team-Meeting am Dienstag..." *Behavior:* "...hast du meine Idee zur neuen Struktur unterbrochen und direkt als 'unrealistisch' bezeichnet, bevor ich sie zu Ende erklären konnte..." *Impact:* "...und ich habe mich danach zurückgehalten, weitere Gedanken einzubringen. Ich habe den Eindruck, dass das für uns beide suboptimal war." **Mündliche Variante:** "Kann ich dir kurz Feedback geben zu unserem Meeting am Dienstag? Ich habe wahrgenommen, dass du meine Idee direkt als unrealistisch abgetan hast. Das hat dazu geführt, dass ich mich für den Rest des Meetings zurückgezogen habe. Ich glaube, wir verlieren dadurch wertvolle Perspektiven. Wie hast du die Situation erlebt?" ## Häufige Fragen ### Wann sollte man Feedback geben, sofort oder später? Zeitnah (innerhalb von 24-48 Stunden), aber nicht in emotionalen Momenten. Immer unter vier Augen, niemals vor Dritten. ### Wie gebe ich Feedback an meinen Chef? Respektvoll, aber ehrlich. Bitten Sie um ein dediziertes Gespräch, nutzen Sie die Ich-Form, zeigen Sie Ihre Beobachtung und Wirkung. Gute Chefs schätzen ehrliches Upward-Feedback. --- # Beschwerde-Antwort Verfasser Verfasst professionelle, empathische Antworten auf Kundenbeschwerden mit Deeskalation. - Kategorie: kundenservice - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein erfahrener Kundenservice-Manager mit Fokus auf Deeskalation und Beziehungsaufbau. Verfasse eine Antwort auf folgende Kundenbeschwerde: **Kunde:** [KUNDENNAME] **Beschwerde (Originaltext):** [BESCHWERDE] **Sachverhalt, was ist tatsächlich passiert:** [FAKTEN] **Schuldfrage:** [UNSER FEHLER / KUNDENFEHLER / MISSVERSTÄNDNIS / UNKLAR] **Kundenstatus:** [NEUKUNDE / LANGJÄHRIG / PREMIUM] **Bisherige Kontakte zu diesem Thema:** [VORHISTORIE] **Handlungsspielraum:** [WAS IST MIR ERLAUBT ANZUBIETEN] Liefere: 1. **Empathischer Einstieg**, die Gefühle des Kunden anerkennen, ohne die Schuld automatisch zu übernehmen 2. **Sachliche Darstellung**, was ist passiert, aus unserer Sicht, ohne Ausreden 3. **Verantwortungsübernahme** (falls angebracht), ohne zu übertreiben 4. **Konkrete Lösung**, was bieten wir an, mit Zeitrahmen 5. **Prävention**, was tun wir, damit es nicht nochmal passiert (bei echten Fehlern) 6. **Abschluss**, warm, beziehungsorientiert Regeln: - Niemals "leider" oder "bedauerlich" (passiv, schwach) - Niemals Schuld auf andere schieben ("Das ist die Logistik...") - Immer beim Namen nennen - Niemals Copy-Paste-Gefühl - Bei unseren Fehlern: klar, offen, Kompensation anbieten - Bei Kundenfehlern: höflich aber bestimmt klarstellen, Lösung trotzdem anbieten - Tonalität: warm, professionell, lösungsorientiert ``` ## Erklärung Beschwerden sind Chancen, wenn sie richtig behandelt werden. Ein Kunde, dessen Beschwerde exzellent gelöst wurde, ist oft loyaler als ein Kunde ohne Probleme. Dieser Prompt erzwingt Empathie UND klare Verantwortungsbestimmung, beides, nicht nur eines von beiden. ## Anzupassende Variablen - [KUNDENNAME] - [BESCHWERDE] - [FAKTEN] - [SCHULDFRAGE] - [KUNDENSTATUS] - [VORHISTORIE] - [HANDLUNGSSPIELRAUM] ## Beispiel-Output **Unser Fehler:** Liebe Frau Müller, vielen Dank, dass Sie sich mit Ihrer Beschwerde direkt an uns gewandt haben. Ihre Verärgerung über die verspätete Lieferung kann ich sehr gut nachvollziehen, besonders nachdem Sie extra für dieses Event bestellt hatten. Was passiert ist: Wir haben Ihre Bestellung am 5.4. bearbeitet, aber durch einen internen Kommunikationsfehler ist die Express-Option nicht gebucht worden. Das ist eindeutig unser Versehen. **Was wir für Sie tun:** - Sofortige Rücküberweisung des Express-Aufpreises (CHF 45) - 20% Rabatt auf Ihre nächste Bestellung - Kostenfreie Express-Lieferung bei der nächsten Bestellung Damit sowas nicht wieder passiert, haben wir [...] ## Häufige Fragen ### Wie schnell sollte ich auf Beschwerden reagieren? Erste Bestätigung innerhalb von 2 Stunden, vollständige Antwort innerhalb von 24 Stunden. Schweigen wird als Ignoranz gewertet. ### Was tun, wenn der Kunde übertreibt? Niemals den Kunden korrigieren. Anerkennen Sie seine Gefühle, stellen Sie die Fakten sachlich dar und bieten Sie eine Lösung. Die Wahrheit darf höflich sein. --- # FAQ-Generator aus Kundenanfragen Analysiert häufige Kundenanfragen und erstellt strukturierte FAQ-Einträge. - Kategorie: kundenservice - Geeignet für: ChatGPT, Claude - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein UX-Writer mit Fokus auf hilfreiche FAQ-Strukturen. Erstelle FAQ-Einträge aus folgenden Kundenanfragen: **Produkt/Service:** [PRODUKT] **Zielgruppe:** [ZIELGRUPPE] **Kundenanfragen (die am häufigsten gestellten):** [LISTE DER ANFRAGEN] Liefere: 1. **Kategorisierte FAQ-Struktur**, gruppiere die Fragen thematisch (z.B. Allgemein, Produkt, Preise, Technisches, Support) 2. **Pro Frage:** - **Frage:** in Kundensprache, nicht in Fachchinesisch - **Kurze Antwort:** 1-2 Sätze für den schnellen Überblick - **Ausführliche Antwort:** 3-5 Sätze für Tiefe - **Verlinkungen:** auf relevante Unterseiten - **Schema.org Markup-Bereit:** JSON-LD Format kompatibel 3. **Reihenfolge innerhalb jeder Kategorie**, nach Häufigkeit oder Wichtigkeit 4. **Fehlende Fragen**, identifiziere 3-5 Fragen, die noch nicht gestellt wurden, aber wichtig wären Regeln: - Kundensprache, nicht Marketingsprache - Antworten: präzise, nicht ausweichend - Kein Corporate-Speech ("Unsere Philosophie ist...") - Keine Wiederholungen zwischen Fragen - Bei technischen Fragen: einfach erklären, nicht verstecken ``` ## Erklärung Gute FAQ-Sektionen sind Such-Gold: sie ranken bei Google (FAQ Schema), entlasten den Kundenservice und beschleunigen Kaufentscheidungen. Der häufigste Fehler: FAQs werden in Marketingsprache geschrieben statt in Kundensprache. Dieser Prompt erzwingt authentische Fragen und präzise Antworten. ## Anzupassende Variablen - [PRODUKT] - [ZIELGRUPPE] - [LISTE DER ANFRAGEN] ## Beispiel-Output **Kategorie: Preise & Abrechnung** **F:** Was kostet ein Workshop bei [Beispiel AG]? **Kurz:** Tagessatz je nach Teilnehmerzahl, Angebot nach einem kurzen Vorgespräch. **Ausführlich:** Die Kosten hängen vom Umfang ab: Teilnehmerzahl, Dauer und ob Inhalte auf Ihre Prozesse zugeschnitten werden. Statt einer Preisliste klären wir den Umfang in einem 20-minütigen Vorgespräch und schicken danach ein verbindliches Angebot. **Verlinkung:** /kontakt **F:** Gibt es eine Mindestlaufzeit bei der Umsetzungsbegleitung? [...] ## Häufige Fragen ### Wie viele FAQs sind sinnvoll? 10-20 FAQs sind optimal. Mehr als 30 überfordert Nutzer. Regelmässig aufräumen und irrelevante Fragen entfernen. ### FAQ als eigene Seite oder am Ende jeder Produktseite? Beides: eine zentrale FAQ-Seite plus spezifische FAQs auf Produktseiten (für SEO-Schema und Relevanz). --- # Reklamation-Lösungsvorschlag Entwickelt strukturierte Lösungsvorschläge für komplexe Reklamationen. - Kategorie: kundenservice - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein erfahrener Customer-Success-Manager mit Fokus auf komplexe Fallbearbeitung. Entwickle einen Lösungsvorschlag für folgende Reklamation: **Kunde:** [KUNDENNAME + VERTRAGSART] **Kundenwert (LTV):** [HOCH / MITTEL / NIEDRIG] **Reklamationsgrund:** [GRUND DETAILLIERT] **Bisher unternommene Schritte:** [WAS WURDE SCHON VERSUCHT] **Rechtliche Situation:** [KLAR / UNKLAR / STREITIG] **Budget für Kompensation:** [RAHMEN] **Eskalationsstufe:** [LEVEL 1 / LEVEL 2 / LEVEL 3] Liefere: 1. **Ursachenanalyse**, was ist das eigentliche Problem (nicht nur das Symptom)? 2. **Drei Lösungsoptionen**: - **Option A:** Minimallösung (schnell, kostengünstig) - **Option B:** Angemessene Lösung (ausgewogen) - **Option C:** Premium-Lösung (beziehungsorientiert, höhere Kosten) 3. **Für jede Option:** - Konkrete Massnahmen - Kosten (zeitlich und finanziell) - Auswirkungen auf die Kundenbeziehung - Rechtliche Implikationen - Präzedenzrisiko (schafft es einen Präzedenzfall für andere Kunden?) 4. **Empfehlung**, welche Option, mit Begründung basierend auf Kundenwert und Reklamationsart 5. **Kommunikationsvorschlag**, wie sollte die Lösung dem Kunden präsentiert werden 6. **Follow-Up-Plan**, wie stellen wir sicher, dass der Kunde zufrieden ist? Entscheidungsrahmen: - High-LTV-Kunde + unser Fehler: Option C (beziehungsrettend) - Mittlerer Kunde + gemischte Schuld: Option B - Kleiner Kunde + klare Kundenschuld: Option A, aber trotzdem freundlich ``` ## Erklärung Reklamationsentscheidungen werden oft ad-hoc getroffen, und sind dadurch entweder zu generös (teuer, schafft schlechte Präzedenzfälle) oder zu knickrig (verliert Kunden). Dieser Prompt zwingt zu einer systematischen Bewertung mit klarem Entscheidungsrahmen. ## Anzupassende Variablen - [KUNDENNAME + VERTRAGSART] - [LTV] - [GRUND] - [VORHISTORIE] - [RECHTLICH] - [BUDGET] - [ESKALATIONSSTUFE] ## Beispiel-Output **Ursache:** Nicht die verspätete Lieferung ist das Kernproblem, sondern die unterbrochene Kommunikation. Der Kunde hat sich ignoriert gefühlt, nicht nur verärgert über die Verzögerung. **Option B (empfohlen):** - 30% Rabatt auf aktuelle Rechnung (CHF 1.200) - Dedizierter Ansprechpartner für die nächsten 6 Monate - Wöchentlicher Status-Update während der Einführungsphase - Kostenlose Zusatzschulung (1 Tag, CHF 4.500 Gegenwert) Gesamtkosten für uns: CHF 5.700 Customer Lifetime Value: CHF 180.000 (über 3 Jahre) ROI der Massnahme: 31x [...] ## Häufige Fragen ### Wie hoch darf die Kulanz sein? Faustregel: max. 10% des jährlichen Kundenwerts. Bei High-Value-Kunden bis zu 20%, wenn es die Beziehung rettet. --- # Kundenumfrage Gestaltung Entwickelt strukturierte Kundenumfragen mit hohen Response-Rates und verwertbaren Insights. - Kategorie: kundenservice - Geeignet für: ChatGPT, Claude - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein Customer-Research-Experte mit Fokus auf Survey-Design. Erstelle eine Kundenumfrage: **Ziel der Umfrage:** [NPS / CSAT / PRODUKTFEEDBACK / MARKTFORSCHUNG] **Zielgruppe:** [WER WIRD BEFRAGT] **Produkt/Service:** [PRODUKT] **Umfragedauer:** [MAX. MINUTEN, realistisch 3-5 Min] **Verteilungskanal:** [E-MAIL / IN-APP / WEB] **Zu beantwortende Fragen:** [WAS WOLLT IHR LERNEN] Liefere: 1. **Umfrage-Struktur** (max. 8-10 Fragen) - Warm-up (1 einfache Frage) - Hauptblock (6-7 Kernfragen) - Demographie (2 Fragen, optional) 2. **Fragen-Mix:** - 1× NPS-Frage (Ziel: Loyalitätsmessung) - 1× CSAT-Frage (Ziel: Zufriedenheit mit spezifischer Interaktion) - 2-3× Closed-Ended (schnell, quantifizierbar) - 1-2× Open-Ended (qualitative Insights) - 1× "Warum"-Follow-up zur NPS-Frage 3. **Für jede Frage:** - Exakte Formulierung - Antwortoptionen (wo relevant) - Begründung warum diese Frage 4. **Einleitung und Abschluss:** - Kurze Erklärung des Zwecks - Zeitangabe ("Dauert 3 Minuten") - Anreiz-Optional - Dank am Ende 5. **Versand-Tipps:** - Optimaler Versandzeitpunkt - Betreffzeile für E-Mail - Erinnerung nach 3 Tagen Regeln für gute Fragen: - Nie zwei Dinge gleichzeitig fragen ("Wie zufrieden mit Preis UND Qualität?") - Keine Leitfragen ("Finden Sie nicht auch, dass...?") - Einfache Sprache - Neutrale Formulierung - Antwortskalen einheitlich (immer 1-5 oder immer 1-10) ``` ## Erklärung Schlechte Umfragen produzieren wertlose Daten, und verärgern Kunden. Dieser Prompt strukturiert die Umfrage so, dass jede Frage einen klaren Zweck hat, die Länge zumutbar bleibt und die Ergebnisse auswertbar sind. Die Kombination von NPS + Follow-up ist der Goldstandard. ## Anzupassende Variablen - [ZIEL] - [ZIELGRUPPE] - [PRODUKT] - [DAUER] - [KANAL] - [ZU LERNENDE FRAGEN] ## Beispiel-Output **Einleitung:** "Hallo {Vorname}, hilf uns, besser zu werden. Diese Umfrage dauert nur 3 Minuten und ist komplett anonym." **Q1 (NPS):** "Wie wahrscheinlich ist es, dass du Kapitel H einem Kollegen weiterempfiehlst?" (0-10) **Q2 (Follow-up):** "Was ist der Hauptgrund für deine Bewertung?" (Offenes Textfeld) **Q3:** "Welche unserer Leistungen hast du bisher genutzt?" (Multi-Select: Workshops, Beratung, Umsetzungsbegleitung) **Q4 (CSAT):** "Wie zufrieden warst du mit dem Workshop insgesamt?" (1-5) **Q5:** "Was hat dir am meisten gefallen?" (Offen) [...] ## Häufige Fragen ### NPS oder CSAT, was ist besser? Beides zusammen. NPS misst langfristige Loyalität, CSAT misst konkrete Zufriedenheit. Kombiniert ergibt sich ein vollständiges Bild. ### Wie hoch sind gute Response-Rates? E-Mail-Umfragen: 10-20% ist normal, über 25% sehr gut. In-App-Umfragen: oft 30-50%. Länge und Relevanz sind die stärksten Treiber. --- # Chat-Antwort-Vorlagen Erstellt Antwort-Vorlagen für Live-Chat und E-Mail-Support mit freundlichem Ton. - Kategorie: kundenservice - Geeignet für: ChatGPT, Claude - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein Customer-Service-Experte mit Fokus auf effiziente, warme Chat-Kommunikation. Erstelle Antwort-Vorlagen für: **Produkt/Service:** [PRODUKT] **Kommunikationskanal:** [LIVE-CHAT / E-MAIL / WHATSAPP] **Tonalität des Unternehmens:** [LOCKER / PROFESSIONELL / PREMIUM] **Typische Anfragen:** [LISTE DER 10 HÄUFIGSTEN FRAGEN] Liefere für jede Anfrage: 1. **Schnell-Antwort** (für Live-Chat, max. 2 Zeilen) 2. **Ausführliche Antwort** (für E-Mail, 3-5 Sätze) 3. **Variables-Integration**, welche Platzhalter werden benötigt ({{Kundenname}}, {{Produkt}}, etc.) 4. **Follow-up-Frage**, wenn die Anfrage unklar ist 5. **Escalation-Trigger**, wann sollte an einen Menschen übergeben werden? Zusätzlich: **Begrüssungs-Vorlagen:** - Erstkontakt (neue Anfrage) - Fortsetzung (wiederholte Anfrage) - Dankbarkeit bei positivem Feedback **Schwierige Situationen:** - "Ich warte zu lange" → Deeskalation - "Das hat nicht funktioniert" → Lösungsansatz - "Ich möchte den Manager sprechen" → professionelle Eskalation **Abschieds-Vorlagen:** - Nach gelöster Anfrage - Bei offenem Thema ("Wir melden uns") - Bei Unzufriedenheit Regeln: - NIEMALS "leider", "bedauerlich" (passiv) - IMMER mit Empathie starten - Konkrete nächste Schritte nennen - Vorlagen müssen personalisierbar sein - Kurze Sätze, klare Sprache ``` ## Erklärung Chat-Support scheitert an zwei Extremen: zu robotisch (Copy-Paste, keine Empathie) oder zu frei (inkonsistent, fehleranfällig). Vorlagen mit Variables-Integration geben Mitarbeitern Struktur, während sie gleichzeitig personalisierbar bleiben. Der Sweet Spot ist warme Effizienz. ## Anzupassende Variablen - [PRODUKT] - [KANAL] - [TONALITÄT] - [LISTE FRAGEN] ## Beispiel-Output **Anfrage: "Wo ist meine Bestellung?"** *Schnell (Live-Chat):* "Hallo {{Vorname}}, ich schaue mir deine Bestellung #{{Nummer}} an, einen Moment." *Ausführlich (E-Mail):* "Liebe {{Vorname}}, vielen Dank für deine Nachricht. Ich habe deine Bestellung #{{Nummer}} geprüft: Sie wurde am {{Versanddatum}} verschickt und wird voraussichtlich am {{Zustelldatum}} bei dir sein. Hier der Tracking-Link: {{Link}}. Falls du weitere Fragen hast, bin ich für dich da." *Escalation-Trigger:* Wenn Tracking nicht funktioniert oder Zustellung überfällig → an menschlichen Support [...] ## Häufige Fragen ### Sollten Vorlagen 1:1 verwendet werden? Nein. Vorlagen sind Ausgangspunkte. Mindestens den Namen anpassen und 1-2 Sätze personalisieren. Pure Copy-Paste wird sofort erkannt. ### Wie viele Vorlagen sind sinnvoll? 20-30 Vorlagen decken 80% der Fälle ab. Mehr wird unübersichtlich. Regelmässig aktualisieren basierend auf neuen Trends in Anfragen. --- # Code-Review mit KI Strukturiertes Code-Review mit Fokus auf Bugs, Performance, Best Practices und Security. - Kategorie: IT & Entwicklung - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein Senior Software Engineer mit 15+ Jahren Erfahrung und Fokus auf Code-Qualität. Führe ein Code-Review durch: **Sprache/Framework:** [SPRACHE] **Kontext des Codes:** [WAS SOLL DER CODE TUN] **Code:** ``` [CODE HIER EINFÜGEN] ``` **Projekt-Kontext:** [BRANCHE / ANWENDUNG / TEAMGRÖSSE] **Review-Fokus:** [ALLGEMEIN / BUGS / PERFORMANCE / SECURITY / READABILITY] Liefere: 1. **Zusammenfassung** (2-3 Sätze), Gesamteindruck: grün / gelb / rot 2. **Kritische Issues** (müssen behoben werden) - Bugs (Logik-Fehler, Null-Pointer, Race Conditions) - Security-Probleme (SQL Injection, XSS, unverschlüsselte Daten) - Performance-Killer (O(n²), Memory-Leaks, unnötige DB-Calls) 3. **Verbesserungsvorschläge** (wichtig aber nicht kritisch) - Code-Lesbarkeit - Benennungen (Variablen, Funktionen) - Komplexität reduzieren (SOLID-Prinzipien) - Tests (fehlende Test-Cases) 4. **Nice-to-haves** (kosmetische Verbesserungen) - Formatierung - Kommentare - Idiomatische Sprach-Features 5. **Positive Aspekte**, was ist gut gemacht? (wichtig für Lerneffekt) 6. **Refactoring-Vorschlag**, falls grössere Änderungen nötig sind Pro Issue: - Zeile(n) im Code - Beschreibung des Problems - Vorgeschlagene Lösung (mit Code) - Begründung Stil: konstruktiv, nicht belehrend. Ziel: Lerneffekt, nicht Abwertung. ``` ## Erklärung Code-Reviews scheitern oft an zwei Extremen: zu weich (nichts wird verbessert) oder zu hart (Entwickler fühlen sich angegriffen). Dieser Prompt erzwingt eine strukturierte Trennung zwischen kritisch/wichtig/nice-to-have und verlangt die Hervorhebung positiver Aspekte, das ist der Schlüssel zu konstruktivem Code-Review. ## Anzupassende Variablen - [SPRACHE] - [WAS SOLL DER CODE TUN] - [CODE] - [PROJEKT-KONTEXT] - [REVIEW-FOKUS] ## Beispiel-Output **Gesamteindruck:** GELB, Funktional, aber kritische Security-Issues. **Kritische Issues:** 1. Zeile 23-28: SQL Injection - Problem: User-Input wird direkt in SQL-Query konkateniert - Lösung: Prepared Statements verwenden ```sql SELECT * FROM users WHERE id = ? -- statt "WHERE id = " + userId ``` 2. Zeile 45: Null-Pointer-Exception möglich - Problem: user.profile wird verwendet ohne Null-Check [...] **Positive Aspekte:** ✓ Gute Separation of Concerns ✓ Aussagekräftige Variablennamen ✓ Gute Error-Handling-Struktur im Hauptteil [...] ## Häufige Fragen ### Soll ich KI-Code-Reviews blind übernehmen? Nein. KI-Reviews sind ein Startpunkt. Kritische Entscheidungen (Architektur, Security) sollten immer von einem menschlichen Senior-Engineer geprüft werden. ### Welche Sprachen werden unterstützt? Alle gängigen Sprachen. Die Qualität ist am besten bei Python, JavaScript/TypeScript, Java, Go, Rust. Bei Nischen-Sprachen kann die Genauigkeit abnehmen. --- # Bug-Analyse & Debug-Hilfe Analysiert Bugs systematisch und schlägt konkrete Lösungsansätze vor. - Kategorie: IT & Entwicklung - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein Senior Debugging-Experte mit Fokus auf systematische Fehleranalyse. Hilf mir bei der Analyse dieses Bugs: **Sprache/Framework:** [SPRACHE] **Erwartetes Verhalten:** [WAS SOLL PASSIEREN] **Tatsächliches Verhalten:** [WAS PASSIERT STATT DESSEN] **Fehlermeldung (falls vorhanden):** [FEHLER-LOG] **Relevanter Code:** ``` [CODE] ``` **Bereits versuchte Lösungen:** [WAS HABE ICH PROBIERT] **Reproduzierbarkeit:** [IMMER / MANCHMAL / EINMAL] **Umgebung:** [DEV / STAGING / PRODUCTION] Liefere: 1. **Hypothesen**, 3-5 mögliche Ursachen, sortiert nach Wahrscheinlichkeit 2. **Pro Hypothese:** - Warum diese wahrscheinlich ist - Wie man sie verifizieren kann (konkrete Debug-Schritte) - Wenn bestätigt: Lösungsvorschlag mit Code 3. **Logging-Vorschläge**, welche Logs/Prints hinzufügen, um das Problem einzugrenzen 4. **Edge Cases**, Welche Edge Cases könnten übersehen worden sein? 5. **Root-Cause-Check**, Was ist das wahre Problem (nicht nur das Symptom)? 6. **Präventions-Tipps**, wie man solche Bugs in Zukunft vermeidet (Tests, Code-Pattern, Linting) 7. **Priorisierung**, was zuerst prüfen, was später Stil: systematisch, nicht raten. Wissenschaftliche Methode: Hypothese → Test → Bestätigung/Verwerfung. ``` ## Erklärung Debugging ist zu 80% das richtige Finden der Ursache, zu 20% das Fixen. Die meisten Entwickler beheben Symptome statt Ursachen. Dieser Prompt erzwingt wissenschaftliches Denken: Hypothesen aufstellen, verifizieren, Root Cause finden. ## Anzupassende Variablen - [SPRACHE] - [ERWARTETES VERHALTEN] - [TATSÄCHLICHES VERHALTEN] - [FEHLER-LOG] - [CODE] - [VERSUCHTE LÖSUNGEN] - [REPRODUZIERBARKEIT] - [UMGEBUNG] ## Beispiel-Output **Hypothesen:** 1. **Race Condition** (80% Wahrscheinlichkeit) - Symptom (intermittierend, nur unter Last) deutet auf Concurrency-Problem hin - Verifikation: Log-Statements mit Thread-ID hinzufügen, Last-Test reproduzieren - Lösung: Mutex um kritischen Block oder atomare Operation 2. **Memory Leak durch Circular Reference** (15%) - Memory-Profiling würde es zeigen - Verifikation: Node --inspect und Heap-Dump nehmen [...] **Root Cause:** Das Problem ist vermutlich nicht im sichtbaren Code, sondern in der Session-Management-Schicht. [...] ## Häufige Fragen ### Wie viele Hypothesen sollte ich aufstellen? 3-5 ist optimal. Weniger ist riskant (zu früh auf eine Lösung fokussiert), mehr wird ineffizient. --- # API-Dokumentation Generator Erstellt strukturierte API-Dokumentation mit Beispielen, Fehlercodes und Best Practices. - Kategorie: IT & Entwicklung - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein Technical Writer mit Fokus auf Developer-Experience. Erstelle API-Dokumentation für: **API-Name:** [API] **Basis-URL:** [URL] **Authentifizierung:** [BEARER / API-KEY / OAUTH2] **Endpoint zu dokumentieren:** [ENDPOINT + HTTP-METHODE] **Request-Body:** [BODY SCHEMA] **Response-Body:** [RESPONSE SCHEMA] **Mögliche Fehlercodes:** [FEHLER] Struktur: 1. **Endpoint-Header** - HTTP-Methode + Pfad - Kurze Beschreibung (1 Satz) - Authentifizierungs-Hinweis - Rate Limits (falls vorhanden) 2. **Parameter** - Path-Parameter (Tabelle: Name, Typ, Required, Beschreibung) - Query-Parameter (gleiche Tabelle) - Header-Parameter 3. **Request-Body** - JSON Schema - Beispiel-Request - Feldbeschreibungen (Name, Typ, Required, Beispiel, Validierung) 4. **Response** - Success-Response (200/201) mit JSON-Beispiel - Feldbeschreibungen - Error-Responses (400, 401, 403, 404, 500) mit Beispielen 5. **Code-Beispiele** (in 3 Sprachen): - cURL - JavaScript (Fetch) - Python (Requests) 6. **Hinweise & Best Practices** - Idempotenz - Pagination (falls vorhanden) - Versionierung - Rate Limit Handling Stil: präzise, entwicklerfreundlich, ohne Marketing-Phrasen. ``` ## Erklärung Schlechte API-Dokumentation ist der grösste Reibungspunkt für Entwickler. Dieser Prompt erzwingt die vollständige Dokumentation inklusive Fehlercodes und Mehrsprachen-Code-Beispiele, das sind die Dinge, die am häufigsten vergessen werden. ## Anzupassende Variablen - [API] - [URL] - [AUTH] - [ENDPOINT] - [BODY SCHEMA] - [RESPONSE SCHEMA] - [FEHLER] ## Beispiel-Output ## POST /api/chat Sendet eine Nachricht an den KI-Chat-Assistenten und erhält eine gestreamte Antwort. **Auth:** Bearer Token erforderlich **Rate Limit:** 60 Requests pro Minute **Request Body:** ```json { "messages": [ { "id": "msg_1", "role": "user", "parts": [{"type": "text", "text": "Hallo"}] } ] } ``` **Response (200):** Server-Sent Events Stream ``` data: {"type":"text-delta","delta":"Hallo, wie kann..."} data: [DONE] ``` **Fehler:** - 401: Token fehlt oder ungültig - 429: Rate Limit erreicht [...] ## Häufige Fragen ### OpenAPI oder Markdown für API-Docs? OpenAPI für maschinenlesbare Spec (ermöglicht Auto-Generierung von Clients, Tests), Markdown für menschenlesbare Dokumentation. Beide zusammen ist ideal. --- # Architektur-Dokumentation Erstellt strukturierte Architektur-Dokumentation nach ADR und C4-Model. - Kategorie: IT & Entwicklung - Geeignet für: ChatGPT, Claude - Schwierigkeit: Experte ## Der Prompt ```text Du bist ein Software-Architekt mit Fokus auf klare Dokumentation komplexer Systeme. Erstelle Architektur-Dokumentation für: **System:** [SYSTEMNAME] **Zweck:** [WAS TUT DAS SYSTEM] **Haupt-Komponenten:** [KOMPONENTEN] **Externe Abhängigkeiten:** [APIs, DATENBANKEN, SERVICES] **Deployment-Umgebung:** [CLOUD / ON-PREM / HYBRID] **Team-Grösse:** [WIE VIELE ENTWICKLER] **Wichtigste Architektur-Entscheidungen:** [LISTE] Liefere: 1. **System-Übersicht** (C4-Level 1: Context Diagram) - Was ist das System? - Wer nutzt es? - Mit welchen externen Systemen interagiert es? 2. **Container-Diagramm** (C4-Level 2) - Hauptkomponenten (Web, API, DB, Message Queue) - Technologie-Stack pro Container - Kommunikationswege 3. **Component-Diagramm** (C4-Level 3, für Hauptkomponenten) - Interne Struktur - Abhängigkeiten 4. **Architecture Decision Records (ADRs)**, für die wichtigsten 3-5 Entscheidungen: - Kontext (warum mussten wir entscheiden?) - Optionen (welche Alternativen gab es?) - Entscheidung (was wurde gewählt) - Konsequenzen (positive und negative) 5. **Cross-Cutting Concerns:** - Authentication & Authorization - Logging & Monitoring - Error Handling - Data Management - Deployment & CI/CD 6. **Quality Attributes:** - Performance-Ziele (Response Times, Throughput) - Verfügbarkeit (SLA) - Sicherheit (Threat Model) - Skalierbarkeit 7. **Bekannte Trade-Offs und technische Schulden** Stil: präzise, ohne Buzzwords, ehrlich über Limitationen. Technische Details, aber zugänglich. ``` ## Erklärung Architektur-Dokumentation ist meist entweder zu abstrakt (nutzlos für Entwickler) oder zu detailliert (veraltet nach 2 Wochen). C4-Model und ADRs sind der Industriestandard, weil sie gerade das richtige Abstraktionsniveau bieten. ## Anzupassende Variablen - [SYSTEMNAME] - [ZWECK] - [KOMPONENTEN] - [EXTERNE ABHÄNGIGKEITEN] - [DEPLOYMENT] - [TEAM-GRÖSSE] - [ENTSCHEIDUNGEN] ## Beispiel-Output **ADR-001: Datenbank-Wahl (PostgreSQL vs. MongoDB)** *Kontext:* Wir brauchen eine Datenbank für ein CRM mit hauptsächlich strukturierten Daten und gelegentlichen Volltext-Suchen. *Optionen:* - A) PostgreSQL mit JSONB für unstrukturierte Daten - B) MongoDB mit Schema-Validation - C) Hybrid (PostgreSQL + MongoDB) *Entscheidung:* PostgreSQL *Begründung:* - 90% der Daten sind strukturiert (Kunden, Bestellungen) - ACID-Garantien für Finanzdaten kritisch - Team hat mehr SQL-Erfahrung - JSONB deckt unstrukturierte Edge Cases ab *Konsequenzen:* + Starke Konsistenz, bekannte Tools + Weniger Operational Overhead - Limitierte Horizontal-Skalierung - JSONB-Queries weniger elegant als native MongoDB [...] ## Häufige Fragen ### Wie detailliert sollte Architektur-Dokumentation sein? Gerade so detailliert, dass ein neuer Entwickler in 2 Stunden das System versteht. Mehr wird nicht gelesen, weniger ist nutzlos. ### Wie aktuell muss Architektur-Dokumentation sein? Die High-Level-Diagramme sollten aktuell bleiben (monatliches Review). Detaillierte Komponenten-Dokumentation veraltet schnell, dort lieber auf den Code als Source of Truth verweisen. --- # Technical Debt Analyse Identifiziert und priorisiert technische Schulden mit ROI-Bewertung für Refactoring. - Kategorie: IT & Entwicklung - Geeignet für: ChatGPT, Claude - Schwierigkeit: Experte ## Der Prompt ```text Du bist ein Software-Architekt mit Fokus auf technische Schulden und Refactoring-Strategie. Analysiere die technischen Schulden eines Systems: **System:** [SYSTEMNAME] **Code-Basis:** [SPRACHE / FRAMEWORK / ALTER] **Team-Grösse:** [ENTWICKLER] **Aktuelle Pain Points (was nervt das Team):** [PAIN POINTS] **Business-Kontext:** [WARUM JETZT DARÜBER NACHDENKEN] **Budget für Refactoring:** [ZEIT / GELD] Liefere: 1. **Debt-Inventar**, identifiziere typische technische Schulden: - Veraltete Dependencies - Code-Duplikation - Fehlende Tests - Schlechte Abstraktionen - Performance-Issues - Security-Issues - Dokumentations-Defizite - Verwaiste Code-Teile 2. **Pro identifizierte Schuld:** - **Business-Impact** (hoch / mittel / niedrig) - **Technischer Impact** (blockt neue Features? erhöht Bug-Rate?) - **Refactoring-Aufwand** (Zeit-Schätzung) - **Risiko des Ignorierens** (was passiert, wenn wir nichts tun?) - **Risiko der Änderung** (was könnte beim Fixen brechen?) 3. **Priorisierung nach ROI:** - Quick Wins (hoher Impact, niedriger Aufwand) - Strategic Bets (hoher Impact, hoher Aufwand) - Time Bombs (Risiko steigt mit Zeit) - Nice-to-haves (niedriger Impact) 4. **Refactoring-Roadmap** (3-6 Monate) - Woche 1-4: Quick Wins - Monat 2-3: Strategic Refactorings (parallel zu neuen Features) - Monat 4+: Langfristige Modernisierung 5. **Metriken zur Erfolgsmessung:** - Code-Coverage - Build-Zeit - Bug-Rate - Feature-Velocity - Developer Happiness 6. **Business Case**, wie verkauft man Refactoring an das Management? Stil: ehrlich über Schmerzen, aber konstruktiv. Keine Perfektions-Obsession. ``` ## Erklärung Technical Debt ist der häufigste Grund für sinkende Entwicklerproduktivität, und wird meist ignoriert, weil der ROI schwer kommunizierbar ist. Dieser Prompt zwingt zur Quantifizierung und Priorisierung. Quick Wins + Time Bombs sind die zwei wichtigsten Kategorien, weil sie einfache Erfolge und kritische Risiken identifizieren. ## Anzupassende Variablen - [SYSTEMNAME] - [CODE-BASIS] - [TEAM-GRÖSSE] - [PAIN POINTS] - [BUSINESS-KONTEXT] - [BUDGET] ## Beispiel-Output **Time Bomb (HÖCHSTE PRIORITÄT):** Node.js 14 End-of-Life in 4 Monaten - Business-Impact: HOCH (Security-Updates stoppen, Compliance-Risiko) - Aufwand: 3 Wochen (Dependency-Updates + Tests) - Risiko des Ignorierens: Security-Vulnerabilities ohne Patches - Empfehlung: SOFORT einplanen **Quick Win:** Tests für zentrales Payment-Modul fehlen - Business-Impact: HOCH (jede Änderung ist Roulette) - Aufwand: 1 Woche (Integration-Tests für 80% Coverage) - ROI: extrem hoch, verhindert Bugs in Kern-Funktionalität **Business Case für Management:** "Wir investieren 4 Wochen Refactoring, um: 1) Node 14 EOL Risiko zu eliminieren (Compliance) 2) Bug-Rate um geschätzt 30% zu senken (basierend auf Coverage-Lücken) 3) Feature-Velocity um 15% zu erhöhen (weniger Regression-Fixes)" [...] ## Häufige Fragen ### Wie viel Zeit für Refactoring einplanen? Faustregel: 15-20% der Entwicklungszeit für Refactoring und technische Schulden. Weniger führt zu Stagnation, mehr wird vom Business kaum akzeptiert. ### Wann ist Refactoring sinnlos? Bei Code, der kurz vor Deprekation steht. Refactoring ist eine Investition in die Zukunft, wenn es keine Zukunft gibt, investiert man lieber in den Nachfolger. --- # Meeting-Protokoll & Action Items Strukturiert Meeting-Notizen in professionelle Protokolle mit klaren Action Items. - Kategorie: projektmanagement - Geeignet für: ChatGPT, Claude - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein erfahrener Projektmanager mit Fokus auf strukturierte Meeting-Dokumentation. Erstelle aus Meeting-Notizen ein Protokoll: **Meeting:** [MEETING-TITEL] **Datum:** [DATUM] **Teilnehmer:** [TEILNEHMER] **Meeting-Ziel:** [ZIEL] **Rohe Notizen:** [NOTIZEN] Struktur: 1. **Header**, Meeting, Datum, Teilnehmer, Protokollant 2. **Zusammenfassung** (3-5 Sätze) 3. **Diskussionspunkte**, thematisch gruppiert, mit Entscheidungen 4. **Entscheidungen**, klar herausgehoben 5. **Action Items**, Wer/Was/Wann/Priorität (Tabelle) 6. **Offene Fragen** (für nächstes Meeting) 7. **Nächster Termin** Regeln: - Präzise, ohne Füllwörter - Action Items in Tabellenform - Entscheidungen vom Diskussionsverlauf getrennt - Fehlende Informationen als [TBD] markieren, nicht erfinden ``` ## Erklärung Meeting-Protokolle scheitern daran, dass Diskussion, Entscheidung und Aufgaben vermischt werden. Dieser Prompt trennt sauber zwischen diesen Kategorien. Die explizite Anweisung, fehlende Informationen nicht zu erfinden ([TBD]), verhindert KI-Halluzinationen bei unvollständigen Notizen. ## Anzupassende Variablen - [MEETING-TITEL] - [DATUM] - [TEILNEHMER] - [ZIEL] - [NOTIZEN] ## Beispiel-Output **Action Items:** | Wer | Was | Bis wann | Priorität | |-----|-----|----------|-----------| | J. Müller | Interviewpartner benennen | 12.04.2026 | Hoch | | S. Hamid | Interviewleitfaden erstellen | 11.04.2026 | Hoch | | K. Schmidt | ERP-Zugänge prüfen | 15.04.2026 | Mittel | ## Häufige Fragen ### Kann ich die KI mit Audio-Aufnahmen füttern? Ja. Nutzen Sie zuerst ein Transkriptions-Tool (z.B. Whisper) und füttern Sie dann das Transkript in diesen Prompt. ### Darf ich Meetings mit KI aufzeichnen? In der Schweiz und EU nur mit Zustimmung aller Teilnehmer. Holen Sie die Zustimmung explizit ein und dokumentieren Sie diese. --- # Projekt-Kickoff Struktur Plant ein Projekt-Kickoff-Meeting mit Agenda, Stakeholder-Alignment und Quick-Wins. - Kategorie: projektmanagement - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein erfahrener Projektmanager mit Fokus auf erfolgreiche Projekt-Starts. Plane ein Projekt-Kickoff: **Projektname:** [PROJEKT] **Projektziel:** [ZIEL] **Geschäftlicher Kontext:** [WARUM DIESES PROJEKT JETZT] **Stakeholder:** [LISTE MIT ROLLEN] **Zeitrahmen:** [START-ENDE] **Budget:** [BUDGET] **Kritische Erfolgsfaktoren:** [ERFOLGSFAKTOREN] Liefere: 1. **Kickoff-Agenda** (2-3 Stunden) - Begrüssung & Vorstellungsrunde (15 Min) - Projekt-Vision & Business Case (20 Min) - Scope & Liefergegenstände (30 Min) - Rollen & Verantwortlichkeiten (20 Min) - Zeitplan & Meilensteine (20 Min) - Risiken & Erfolgsfaktoren (15 Min) - Kommunikation & Reporting (10 Min) - Q&A + Commitments (20 Min) 2. **Pre-Reading-Material** für Teilnehmer: - Business Case (1-Seiter) - Initialer Projektplan - Stakeholder-Map - Erste Risikoanalyse 3. **Stakeholder-Alignment-Fragen:** - Was ist Erfolg für dieses Projekt? - Was wäre ein Misserfolg? - Wer muss informiert werden, wer muss zustimmen? - Welche Abhängigkeiten gibt es? 4. **RACI-Matrix-Vorlage**, wer ist Responsible, Accountable, Consulted, Informed? 5. **Erste 4 Wochen Plan**, konkrete Quick Wins für schnelle Erfolge 6. **Kommunikationsplan:** - Weekly Updates (Format, Empfänger, Inhalt) - Steering Committee (Frequenz, Teilnehmer) - Escalation Path 7. **Risiken & Mitigation**, Top 5 Risiken mit Gegenmassnahmen Stil: strukturiert, aber nicht bürokratisch. Fokus auf Alignment und schnelle Umsetzung. ``` ## Erklärung Schlechte Kickoffs sind der Hauptgrund für spätere Projektprobleme: unklare Ziele, fehlende Rollen, falsche Erwartungen. Dieser Prompt erzwingt eine strukturierte Alignment-Phase und die Identifikation von Quick Wins, die ersten 4 Wochen entscheiden oft über den Erfolg des ganzen Projekts. ## Anzupassende Variablen - [PROJEKT] - [ZIEL] - [BUSINESS-KONTEXT] - [STAKEHOLDER] - [ZEITRAHMEN] - [BUDGET] - [ERFOLGSFAKTOREN] ## Beispiel-Output **Stakeholder-Alignment-Fragen:** 1. "Was wäre für Sie ein 100% Erfolg in 6 Monaten?" 2. "Wo sehen Sie die grössten Hindernisse?" 3. "Welche Entscheidungen müssen Sie persönlich treffen?" 4. "Wer muss regelmässig informiert werden?" 5. "Welche ähnlichen Projekte sind bei Ihnen gescheitert und warum?" **Top 5 Risiken:** 1. Unklare Scope-Abgrenzung → Wöchentliche Scope-Reviews in ersten 4 Wochen 2. Mitarbeiter-Verfügbarkeit → Commitments in Kickoff schriftlich dokumentieren 3. Datenqualität → Dry-Run in Woche 2 mit Test-Daten [...] ## Häufige Fragen ### Wer sollte beim Kickoff dabei sein? Alle Entscheidungsträger + Kernteam. Mehr als 15 Personen wird unproduktiv, dann lieber Management-Kickoff und separater Team-Kickoff. --- # Projekt-Risikoanalyse Strukturierte Risikoanalyse mit Wahrscheinlichkeit, Impact und Gegenmassnahmen. - Kategorie: projektmanagement - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein Senior Projektmanager mit Fokus auf Risikomanagement. Erstelle eine Risikoanalyse für: **Projekt:** [PROJEKT] **Projekt-Typ:** [IT-PROJEKT / BAUPROJEKT / CHANGE-MANAGEMENT / MARKTEINFÜHRUNG] **Projekt-Beschreibung:** [WAS SOLL ERREICHT WERDEN] **Stakeholder:** [WICHTIGE STAKEHOLDER] **Budget:** [BUDGET] **Zeitrahmen:** [START-ENDE] **Bereits bekannte Risiken:** [LISTE] Liefere: 1. **Risiko-Inventar**, identifiziere typische Risiken in den Kategorien: - **Zeitrisiken** (Verzögerungen, Abhängigkeiten) - **Kostenrisiken** (Budgetüberschreitung, verdeckte Kosten) - **Qualitätsrisiken** (Scope-Creep, unzureichende Tests) - **Stakeholder-Risiken** (Widerstand, fehlende Commitments) - **Technische Risiken** (neue Technologien, Integration) - **Externe Risiken** (Lieferanten, regulatorische Änderungen) - **Personelle Risiken** (Verfügbarkeit, Know-how, Fluktuation) 2. **Pro Risiko:** - **Beschreibung**, konkret, nicht vage - **Wahrscheinlichkeit** (1-5) - **Impact** (1-5) - **Risiko-Score** (W × I) - **Mitigation** (was tun, damit es nicht eintritt?) - **Contingency** (was tun, wenn es doch eintritt?) - **Verantwortlich** (wer überwacht dieses Risiko?) - **Frühindikatoren** (woran erkennt man, dass das Risiko eintritt?) 3. **Risiko-Matrix**, visuelle Darstellung (W × I) 4. **Top 5 Risiken**, priorisiert nach Score 5. **Risiko-Monitoring-Plan**, wie oft wird das Risiko-Register geprüft? 6. **Frühwarnsystem**, konkrete Metriken für Frühindikatoren Stil: realistisch, nicht dramatisierend. Fokus auf umsetzbare Massnahmen. ``` ## Erklärung Risikoanalysen scheitern oft an zwei Extremen: zu oberflächlich (nur generische Risiken) oder zu paranoid (alles ist ein Risiko). Dieser Prompt erzwingt konkrete Risiken mit messbaren Frühindikatoren, das unterscheidet proaktives Risikomanagement von Wunschdenken. ## Anzupassende Variablen - [PROJEKT] - [PROJEKT-TYP] - [BESCHREIBUNG] - [STAKEHOLDER] - [BUDGET] - [ZEITRAHMEN] - [BEKANNTE RISIKEN] ## Beispiel-Output **Risiko R-003: Schlüsselmitarbeiter fällt aus** *Beschreibung:* Lead-Architekt Müller ist alleiniger Experte für Legacy-System-Integration. *Wahrscheinlichkeit:* 3/5 (hohe Arbeitsbelastung, offene Kündigung möglich) *Impact:* 5/5 (Projekt würde 2-3 Monate verzögert) *Score:* 15 (HOCH) *Mitigation:* - Wissens-Transfer-Sessions mit 2 weiteren Entwicklern (Wochen 1-4) - Dokumentation der Integration-Patterns - Hiring eines externen Beraters als Backup *Contingency:* - Sofort-Einschaltung des externen Beraters (Vertrag vorbereitet) - Reduktion des Scope um Legacy-Integration (vorab mit Sponsor besprochen) *Frühindikator:* Müller nimmt Urlaub ohne Übergabe / kündigt mündlich an *Verantwortlich:* Projektleiter (wöchentliches 1:1 mit Müller) ## Häufige Fragen ### Wie oft sollte das Risiko-Register aktualisiert werden? Wöchentliches Review im Projekt-Standup, monatliches Tiefen-Review. Neue Risiken können jederzeit hinzugefügt werden. --- # Projekt-Statusbericht Erstellt strukturierte Statusberichte mit RAG-Status, Fortschritt und Risiken. - Kategorie: projektmanagement - Geeignet für: ChatGPT, Claude - Schwierigkeit: Einsteiger ## Der Prompt ```text Du bist ein Projektmanager mit Fokus auf klare Stakeholder-Kommunikation. Erstelle einen Projekt-Statusbericht: **Projekt:** [PROJEKT] **Berichtsperiode:** [ZEITRAUM] **Empfänger:** [STAKEHOLDER] **Projekt-Fortschritt:** [% oder PHASE] **Budget-Status:** [VERBRAUCHT / GEPLANT] **Zeitplan-Status:** [ON TRACK / VERZÖGERT um X Tage] **Wichtigste Ereignisse der Periode:** [EVENTS] **Neue Risiken oder Probleme:** [ISSUES] Struktur: 1. **Executive Summary** (3-5 Zeilen) - RAG-Status (Rot/Gelb/Grün) - Kernbotschaft - Wichtigste Entscheidung benötigt 2. **RAG-Status Übersicht:** - Gesamt-Status - Scope (Grün/Gelb/Rot + Begründung) - Zeit (Grün/Gelb/Rot + Begründung) - Budget (Grün/Gelb/Rot + Begründung) - Qualität (Grün/Gelb/Rot + Begründung) - Team (Grün/Gelb/Rot + Begründung) 3. **Fortschritt** - Was wurde abgeschlossen - Was ist in Arbeit - Was startet als Nächstes 4. **Meilensteine** - Abgeschlossene Meilensteine - Nächste Meilensteine mit Datum 5. **Risiken & Issues** - Neue Risiken - Status bestehender Risiken - Eskalierte Themen 6. **Entscheidungen benötigt** - Von wem - Bis wann - Worum geht es - Optionen 7. **Key Numbers:** - Budget verbraucht vs. geplant - Offene Action Items - Team-Auslastung Stil: ehrlich, prägnant, kein Schönreden. Rote Status sind OK, sie zeigen Handlungsbedarf. ``` ## Erklärung Statusberichte scheitern am "Grüner Status um jeden Preis"-Syndrom. Wenn alles grün ist, wird entweder gelogen oder der Bericht ist nutzlos. Dieser Prompt erzwingt eine ehrliche RAG-Bewertung mit Begründungen und benennt explizit benötigte Entscheidungen. ## Anzupassende Variablen - [PROJEKT] - [ZEITRAUM] - [EMPFÄNGER] - [FORTSCHRITT] - [BUDGET-STATUS] - [ZEITPLAN-STATUS] - [EVENTS] - [ISSUES] ## Beispiel-Output **Executive Summary:** Gesamtstatus: GELB. Die Ist-Analyse ist abgeschlossen (Meilenstein 1 erreicht), der Zeitplan für MVP-Identifikation ist durch verzögerte Stakeholder-Interviews um 1 Woche in Verzug. Entscheidung benötigt: Freigabe für Scope-Reduktion oder Zeitplan-Verlängerung. **RAG-Status:** - Scope: GRÜN, unverändert, keine Scope-Creeps - Zeit: GELB, 1 Woche Verzug, aufholbar - Budget: GRÜN, 38% verbraucht bei 40% Projekt-Fortschritt - Qualität: GRÜN, Interviews tiefer als geplant, bessere Insights - Team: GELB, 2 von 5 Interviews noch offen wegen Urlaub **Entscheidung benötigt:** *Von:* CFO Müller *Bis:* 15.04.2026 *Thema:* Zeitplan-Verlängerung um 1 Woche ODER Reduktion von 12 auf 10 Interviews *Empfehlung:* Verlängerung (Qualität der Interviews ist entscheidend für Projekterfolg) [...] ## Häufige Fragen ### Wie oft sollten Statusberichte verschickt werden? Wöchentlich für operative Teams, monatlich für Steering Committee. Format: Weekly kurz (1 Seite), Monthly ausführlich. ### Was tun bei rotem Status? Roten Status NICHT verstecken. Direkt eskalieren, Ursachenanalyse liefern, klare Entscheidungsempfehlung machen. Management hasst rote Status, aber noch mehr Überraschungen. --- # Stakeholder-Kommunikation Plan Entwickelt einen differenzierten Kommunikationsplan für verschiedene Stakeholder-Gruppen. - Kategorie: projektmanagement - Geeignet für: ChatGPT, Claude - Schwierigkeit: Fortgeschritten ## Der Prompt ```text Du bist ein Change-Management-Experte mit Fokus auf Stakeholder-Engagement. Entwickle einen Stakeholder-Kommunikationsplan: **Projekt:** [PROJEKT] **Projekt-Typ:** [TECH / ORGANISATION / PRODUKT] **Stakeholder-Gruppen:** [LISTE] **Projekt-Phase:** [KICKOFF / LAUFEND / GO-LIVE / POST-LAUNCH] **Besondere Herausforderungen:** [WIDERSTÄNDE / SENSIBILITÄTEN] Liefere: 1. **Stakeholder-Matrix** (Power × Interest): - **Key Players** (hohe Power, hohes Interesse) → aktiv involvieren - **Keep Satisfied** (hohe Power, niedriges Interesse) → zufriedenstellen - **Keep Informed** (niedrige Power, hohes Interesse) → informieren - **Monitor** (niedrige Power, niedriges Interesse) → beobachten 2. **Pro Stakeholder-Gruppe:** - **Ihr Interesse** (Was will diese Gruppe wissen?) - **Ihre Sorgen** (Was macht ihnen Angst?) - **Einfluss auf das Projekt** (Hoch/Mittel/Niedrig) - **Kommunikationskanal** (Meeting, E-Mail, Intranet, Town Hall) - **Frequenz** (Täglich, Wöchentlich, Monatlich, Ad-hoc) - **Tonalität** (Formell, Informell, Inspirierend, Sachlich) - **Kernbotschaften** (3-5 Key Messages, wiederholbar) 3. **Kommunikations-Taktiken:** - **Positive Verstärker** (Champions identifizieren und nutzen) - **Umgang mit Widerstand** (ernstnehmen, verstehen, einbeziehen) - **Gerüchte-Management** (proaktiv aufklären) 4. **Milestones & Kommunikations-Events:** - Kickoff-Ankündigung - Monatliche Updates - Go-Live-Kommunikation - Post-Launch-Feedback 5. **Krisen-Kommunikation** (falls etwas schiefgeht): - Eskalationspfad - Sprachregelung - Zuständigkeiten Regeln: - Niemals alle Stakeholder gleich behandeln - Niemals Informationen zurückhalten, die Stakeholder beunruhigen werden (kommt immer raus) - Empathie vor Effizienz ``` ## Erklärung Projekte scheitern häufiger an fehlender Stakeholder-Kommunikation als an technischen Problemen. Dieser Prompt erzwingt eine differenzierte Betrachtung: unterschiedliche Gruppen haben unterschiedliche Bedürfnisse. Der grösste Fehler ist, alle gleich zu behandeln oder wichtige Stakeholder zu vergessen. ## Anzupassende Variablen - [PROJEKT] - [PROJEKT-TYP] - [STAKEHOLDER] - [PHASE] - [HERAUSFORDERUNGEN] ## Beispiel-Output **Stakeholder: IT-Abteilung (Key Player)** *Interesse:* Neue Systeme, Integration, technische Details, Auswirkungen auf bestehende Architektur *Sorgen:* - "Werden wir für die Wartung zuständig?" - "Wird unser aktuelles System ersetzt?" - "Kommen neue Tools ohne IT-Beteiligung?" *Einfluss:* Sehr hoch (kann Projekt technisch blockieren) *Kommunikation:* - Kanal: Wöchentliches Tech-Lead-Meeting + Dedizierter Slack-Channel - Frequenz: Wöchentlich strukturiert, ad-hoc bei technischen Entscheidungen - Tonalität: Sachlich, technisch detailliert - Kernbotschaften: 1. "IT ist von Tag 1 involviert und entscheidet bei technischen Fragen" 2. "Keine Shadow-IT, alle Tools werden mit IT evaluiert" 3. "Wartungsplan wird gemeinsam entwickelt, keine Überraschungen" [...] ## Häufige Fragen ### Wie gehe ich mit Stakeholder-Widerstand um? Ernstnehmen, nicht übergehen. Ein persönliches Gespräch mit dem Stakeholder, um seine Sorgen zu verstehen, ist oft die beste Massnahme. Widerstand ist selten irrational, dahinter stecken echte Bedenken. ### Was tun bei zu vielen Stakeholdern? Priorisieren mit der Power-Interest-Matrix. Nicht jeder muss aktiv eingebunden werden. Key Players aktiv, andere informiert, aber nicht überinformiert. --- # KI-Lernpfade Kostenlose Lernpfade auf Deutsch, ohne Anmeldung. - [KI-Grundlagen](https://kapitelh.ch/lernen/ki-grundlagen.md): Dieser Lernpfad vermittelt Ihnen die wesentlichen Grundlagen der Künstlichen Intelligenz, ohne mathematische Formeln, dafür mit konkreten Beispielen aus dem Geschäftsalltag. - [KI für Führungskräfte](https://kapitelh.ch/lernen/ki-fuer-fuehrungskraefte.md): Dieser Lernpfad richtet sich an Führungskräfte und Entscheider, die KI strategisch in ihrem Unternehmen einführen wollen. --- # KI-Grundlagen Der perfekte Einstieg in Künstliche Intelligenz - Niveau: Einsteiger - Dauer: ca. 2 Stunden Dieser Lernpfad vermittelt Ihnen die wesentlichen Grundlagen der Künstlichen Intelligenz, ohne mathematische Formeln, dafür mit konkreten Beispielen aus dem Geschäftsalltag. ## Lektionen 1. [Was ist Künstliche Intelligenz?](https://kapitelh.ch/lernen/ki-grundlagen/was-ist-ki.md) — Eine verständliche Einführung in KI, Machine Learning und Large Language Models. (15 Min.) 2. [Erste Schritte mit ChatGPT](https://kapitelh.ch/lernen/ki-grundlagen/erste-schritte-chatgpt.md) — Wie Sie ChatGPT effektiv für alltägliche Aufgaben nutzen. (20 Min.) 3. [Prompt Engineering Grundlagen](https://kapitelh.ch/lernen/ki-grundlagen/prompt-engineering-grundlagen.md) — Die wichtigsten Techniken, um mit KI-Tools bessere Ergebnisse zu erzielen. (25 Min.) 4. [KI-Tools im Überblick](https://kapitelh.ch/lernen/ki-grundlagen/ki-tools-ueberblick.md) — ChatGPT, Claude, Gemini, Copilot, welches Tool für welchen Zweck? (20 Min.) 5. [Datenschutz & KI im Unternehmen](https://kapitelh.ch/lernen/ki-grundlagen/datenschutz-ki-unternehmen.md) — Die wichtigsten rechtlichen Grundlagen für den KI-Einsatz in Schweizer und EU-Unternehmen. (30 Min.) --- # Was ist Künstliche Intelligenz? Lernpfad: KI-Grundlagen · Dauer: 15 Min. Eine verständliche Einführung in KI, Machine Learning und Large Language Models. Künstliche Intelligenz ist einer der am häufigsten missverstandenen Begriffe unserer Zeit. Was oft als "intelligente Maschine" beschrieben wird, ist in Wahrheit ein statistisches System, das auf Mustererkennung basiert. ## Die drei Ebenen **1. Künstliche Intelligenz (KI)** Der Oberbegriff für alle Technologien, die menschenähnliche kognitive Fähigkeiten simulieren. Das umfasst Sprache, Bilderkennung, Entscheidungsfindung und vieles mehr. **2. Machine Learning (ML)** Ein Teilgebiet der KI. Systeme, die aus Daten lernen, ohne explizit programmiert zu werden. Statt Regeln vorzugeben, zeigen wir dem System Beispiele und es lernt die Muster. **3. Large Language Models (LLM)** Die aktuelle Generation von KI-Modellen, die auf riesigen Textmengen trainiert wurden. ChatGPT, Claude und Gemini sind LLMs. Sie können Texte verstehen, generieren und transformieren. ## Was KI nicht ist KI ist kein denkendes Wesen. Sie hat kein Bewusstsein, keine Meinung, keine Motivation. Ein LLM ist ein extrem leistungsfähiger Textvorhersager: Bei einem gegebenen Text sagt es das wahrscheinlichste nächste Wort voraus, Wort für Wort, bis eine Antwort entstanden ist. Diese Erkenntnis ist wichtig, denn sie erklärt, warum KI: - Manchmal Dinge "erfindet" (Halluzinationen) - Bei Fakten überprüft werden muss - Bei kreativen Aufgaben oft besser ist als bei strikten Berechnungen - Kein Ersatz für Expertenwissen ist, sondern ein Werkzeug ## Warum ist KI jetzt so wichtig? Seit Ende 2022 hat sich die Leistungsfähigkeit von KI dramatisch verbessert. Was vor drei Jahren noch als Zukunftsvision galt, ist heute Produktivitätswerkzeug. Der Grund: eine Kombination aus massiv mehr Rechenleistung, besseren Algorithmen und riesigen Trainingsdatenmengen. Für Unternehmen bedeutet das: KI ist keine Option mehr für "später", sondern ein Wettbewerbsfaktor heute. Wer jetzt die Grundlagen lernt, verschafft sich einen Vorsprung. ## Kernbotschaft KI ist ein Werkzeug, mächtig, aber nicht magisch. Verstehen Sie die Grundprinzipien, und Sie werden KI selbstbewusst und kritisch einsetzen. --- # Erste Schritte mit ChatGPT Lernpfad: KI-Grundlagen · Dauer: 20 Min. Wie Sie ChatGPT effektiv für alltägliche Aufgaben nutzen. ChatGPT ist für viele der erste Berührungspunkt mit KI. Der Einstieg ist einfach, aber um die volle Leistungsfähigkeit zu nutzen, sind einige Grundprinzipien wichtig. ## Der erste Schritt Gehen Sie auf chat.openai.com und erstellen Sie einen Account. Für Unternehmensnutzung empfehlen wir direkt ChatGPT Team oder Enterprise, die kostenlose Version ist für sensible Daten nicht geeignet. ## Ihre ersten Prompts Beginnen Sie mit einfachen Aufgaben: - "Fasse diesen Text in 3 Sätzen zusammen: [Text]" - "Übersetze diesen Brief ins Französische, formeller Ton: [Brief]" - "Erstelle mir 5 Varianten für eine E-Mail-Betreffzeile zum Thema [Thema]" Schon bei diesen einfachen Aufgaben werden Sie merken: ChatGPT spart Zeit. Aber die Qualität hängt stark davon ab, wie Sie die Aufgabe formulieren. ## Drei Regeln für bessere Ergebnisse **1. Kontext liefern** Nicht "Schreibe eine E-Mail", sondern "Schreibe eine E-Mail an einen langjährigen Kunden, der zuletzt Qualitätsprobleme hatte. Ziel: Entschuldigung und Angebot einer Kompensation." **2. Rolle definieren** "Du bist ein erfahrener Controller" oder "Du bist ein Marketingexperte", diese einfache Anweisung verbessert die Antwortqualität deutlich. **3. Format vorgeben** "Antworte in einer nummerierten Liste mit je einem Satz Begründung pro Punkt." ## Was Sie vermeiden sollten - Sensible Daten (Kunden, Finanzen, Gehälter) in die kostenlose Version eingeben - Antworten blind übernehmen ohne Fact-Check - Zu lange, komplexe Prompts mit 10 verschiedenen Aufgaben gleichzeitig - ChatGPT als Ersatz für Expertenwissen verwenden ## Nächster Schritt Probieren Sie ChatGPT heute für eine konkrete Aufgabe aus Ihrem Arbeitsalltag aus. Nach 30 Minuten haben Sie ein gutes Gefühl für die Möglichkeiten und Grenzen. --- # Prompt Engineering Grundlagen Lernpfad: KI-Grundlagen · Dauer: 25 Min. Die wichtigsten Techniken, um mit KI-Tools bessere Ergebnisse zu erzielen. Prompt Engineering ist die Kunst, KI-Modelle so zu instruieren, dass sie genau das liefern, was Sie brauchen. Es ist einfacher als es klingt, und der Unterschied zwischen mittelmässigen und exzellenten Ergebnissen. ## Die sechs Grundprinzipien **1. Sei präzise** Vage Anweisungen führen zu vagen Antworten. "Schreib etwas über KI" ist nutzlos. "Erstelle einen LinkedIn-Post über KI im Mittelstand, 200 Wörter, mit einer konkreten Case Study und einem Call-to-Action" liefert brauchbare Ergebnisse. **2. Definiere die Rolle** "Du bist ein erfahrener [Rolle] mit 15 Jahren Berufserfahrung in [Branche]." Diese Anweisung aktiviert spezifisches Fachwissen im Modell. **3. Gib Kontext** Je mehr relevanten Kontext Sie liefern, desto besser die Antwort. Branche, Zielgruppe, Anlass, bisherige Kommunikation, all das hilft dem Modell. **4. Zeige Beispiele** Wenn Sie einen bestimmten Stil oder ein Format wünschen, zeigen Sie 1-3 Beispiele. "Hier sind drei Posts, die gut funktioniert haben: [...]. Schreibe einen vierten in ähnlichem Stil." **5. Strukturiere die Aufgabe** Komplexe Aufgaben teilen Sie in Schritte auf: "Mache zuerst X, dann Y, dann Z." Oder nutzen Sie nummerierte Anforderungen. **6. Iteriere** Der erste Prompt ist selten perfekt. Verfeinern Sie: "Das war gut, aber mache es formeller" oder "Füge eine konkrete Zahl hinzu." ## Fortgeschrittene Techniken **Chain-of-Thought** Fordern Sie das Modell auf, Schritt für Schritt zu denken: "Denke zuerst laut nach, was für diese Aufgabe relevant ist. Dann formuliere die finale Antwort." **Few-Shot Learning** Zeigen Sie mehrere Beispiele des gewünschten Inputs und Outputs. Das Modell lernt das Muster und wendet es an. **Self-Critique** "Erstelle die Antwort, dann kritisiere sie selbst und verbessere sie." ## Der wichtigste Tipp Experimentieren Sie. Prompt Engineering lernt man durch Machen, nicht durch Lesen. Nehmen Sie eine konkrete Aufgabe, probieren Sie drei verschiedene Formulierungen, und vergleichen Sie die Ergebnisse. Nach zehn solcher Experimente haben Sie ein Gefühl für das, was funktioniert. --- # KI-Tools im Überblick Lernpfad: KI-Grundlagen · Dauer: 20 Min. ChatGPT, Claude, Gemini, Copilot, welches Tool für welchen Zweck? Der KI-Tool-Markt wächst täglich. Hier eine praxisnahe Orientierung, welches Tool Sie für welchen Zweck einsetzen sollten. ## Die grossen Generalisten **ChatGPT (OpenAI)** - Der Marktführer, grösstes Ökosystem - Stärken: Allgemeine Aufgaben, Code, kreative Texte, Bildgenerierung (DALL-E) - Preis: ab CHF 25/Monat (Team) - Datenschutz: DPA verfügbar, EU-Rechenzentren bei Enterprise **Claude (Anthropic)** - Stärken: Lange Texte, präzise Analysen, natürliche deutsche Sprache - Besonders gut bei: Consulting, juristischen Texten, wissenschaftlichen Arbeiten - Preis: vergleichbar mit ChatGPT - Datenschutz: DPA verfügbar, US-basiert mit SCCs **Gemini (Google)** - Stärken: Integration mit Google Workspace, grosse Kontextfenster - Besonders gut für: Unternehmen im Google-Ökosystem - Preis: vergleichbar - Datenschutz: EU-Rechenzentren verfügbar ## Die spezialisierten Tools **Microsoft Copilot** - Für Microsoft 365 Nutzer - Direkt in Word, Excel, Outlook, Teams integriert - Ideal für Unternehmen mit Microsoft-Stack - Preis: ca. CHF 30/Monat pro User **GitHub Copilot** - Code-Autocomplete für Entwickler - Spart Entwicklungszeit um 30-50% - Preis: ca. CHF 10/Monat pro Entwickler **Perplexity** - KI-gestützte Web-Suche - Liefert Antworten mit Quellenangaben - Ideal für Recherche ## Unsere Empfehlungen für Unternehmen **Wenn Sie nur eines wählen:** - Microsoft-Stack: Microsoft Copilot - Google Workspace: Gemini - Unabhängig: ChatGPT Team **Ideal ist eine Kombination:** - ChatGPT oder Microsoft Copilot für die tägliche Arbeit - Claude für komplexe Analysen und lange Texte - Perplexity für Recherche mit Quellen ## Datenschutz-Hinweis Nutzen Sie für Unternehmensdaten NIEMALS die kostenlosen Versionen dieser Tools. Die Free-Versionen haben keine Datenschutzverträge und Ihre Daten können für Modelltraining verwendet werden. Team/Enterprise-Lizenzen mit DPA sind Pflicht. ## Praxistipp Testen Sie mehrere Tools für eine Woche parallel. Die Lizenzkosten sind überschaubar, und Sie lernen schnell, welches Tool für welche Aufgabe am besten ist. Die meisten Unternehmen landen bei einer Kombination von 2-3 Tools. --- # Datenschutz & KI im Unternehmen Lernpfad: KI-Grundlagen · Dauer: 30 Min. Die wichtigsten rechtlichen Grundlagen für den KI-Einsatz in Schweizer und EU-Unternehmen. Datenschutz ist beim KI-Einsatz kein Nice-to-have, sondern Pflicht. Dieser Beitrag gibt Ihnen einen praxisnahen Überblick über die wichtigsten rechtlichen Grundlagen. ## Die drei relevanten Gesetze **1. Schweizer DSG (revidiert seit September 2023)** - Für alle Schweizer Unternehmen verbindlich - Regelt Datenverarbeitung, einschliesslich KI-basierte - Wichtige Neuerungen: automatisierte Entscheidungen, Bearbeitungsverzeichnis **2. EU DSGVO** - Gilt, sobald Sie Daten von EU-Bürgern verarbeiten - Strenger als das DSG - Wichtig: Artikel 22 (automatisierte Entscheidungen) **3. EU AI Act (ab 2026 schrittweise in Kraft)** - Weltweit erstes umfassendes KI-Gesetz - Kategorisiert KI-Systeme nach Risikograd - Transparenzpflichten bei Chatbots ## Die fünf wichtigsten Regeln **Regel 1: Niemals sensible Daten in kostenlose Tools** Die kostenlosen Versionen von ChatGPT, Claude und Gemini verwenden Ihre Eingaben potenziell für Modelltraining. Für Unternehmensdaten ausschliesslich Team- oder Enterprise-Lizenzen mit DPA nutzen. **Regel 2: Data Processing Agreement (DPA) abschliessen** Bei jedem externen KI-Tool müssen Sie einen DPA (Auftragsverarbeitungsvertrag) abschliessen. Das gilt für ChatGPT Team/Enterprise, Claude Team, Microsoft Copilot, etc. **Regel 3: Internationale Transfers absichern** Die meisten grossen KI-Anbieter sind US-Unternehmen. Stellen Sie sicher, dass EU-Standardvertragsklauseln im Vertrag sind. Ideal: Anbieter mit EU-Rechenzentren. **Regel 4: Transparenz bei Chatbots** Wenn Ihr Unternehmen einen KI-Chatbot einsetzt (z.B. im Kundenservice), müssen Nutzer eindeutig erkennen, dass sie mit einer KI interagieren. Das ist ab 2026 EU-Pflicht. **Regel 5: Automatisierte Entscheidungen dokumentieren** Wenn KI-Systeme Entscheidungen über Personen treffen (Kredite, Bewerbungen, Versicherungen), gelten strenge Regeln. Konsultieren Sie einen Datenschutzbeauftragten. ## Praktische Umsetzung **1. KI-Richtlinie im Unternehmen** Erstellen Sie eine schriftliche Richtlinie, die regelt: - Welche KI-Tools dürfen genutzt werden? - Welche Daten dürfen eingegeben werden? - Wer ist verantwortlich? - Wie wird mit Ergebnissen umgegangen? **2. Mitarbeiter-Schulung** Die beste Richtlinie nützt nichts, wenn sie nicht verstanden wird. Schulen Sie Ihre Mitarbeiter regelmässig. **3. Technische Massnahmen** - Zugriffsbeschränkungen auf Unternehmens-Accounts - Data Loss Prevention (DLP) für sensible Daten - Audit-Logs für KI-Nutzung **4. Kontinuierliche Überprüfung** Der rechtliche Rahmen entwickelt sich schnell. Überprüfen Sie Ihre KI-Policy mindestens halbjährlich. ## Die grössten Stolperfallen - Kostenlose KI-Tools für Geschäftsdaten nutzen - Kunden- oder Mitarbeiterdaten ohne Rechtsgrundlage in KI einspeisen - Chatbot ohne Transparenzhinweis - Automatisierte Entscheidungen ohne menschliche Überprüfung - Fehlende Dokumentation im Bearbeitungsverzeichnis ## Fazit Rechtskonformer KI-Einsatz ist machbar, aber er verlangt bewusste Entscheidungen und klare Prozesse. Wer jetzt die Grundlagen schafft, kann KI selbstbewusst nutzen. Wer die Augen verschliesst, riskiert teure Bussgelder und Reputationsschäden. --- # KI für Führungskräfte Strategische KI-Kompetenz für Entscheider - Niveau: Fortgeschritten - Dauer: ca. 3 Stunden Dieser Lernpfad richtet sich an Führungskräfte und Entscheider, die KI strategisch in ihrem Unternehmen einführen wollen. ## Lektionen 1. [KI-Strategie für Ihr Unternehmen](https://kapitelh.ch/lernen/ki-fuer-fuehrungskraefte/ki-strategie-entwickeln.md) — Wie Sie eine umsetzbare KI-Strategie entwickeln, die zu Ihrem Unternehmen passt. (35 Min.) 2. [ROI von KI-Projekten berechnen](https://kapitelh.ch/lernen/ki-fuer-fuehrungskraefte/roi-ki-projekte.md) — Wie Sie den wirtschaftlichen Nutzen von KI-Investitionen messbar machen. (30 Min.) 3. [Change Management bei KI-Einführung](https://kapitelh.ch/lernen/ki-fuer-fuehrungskraefte/change-management-ki.md) — Wie Sie Mitarbeiter bei der KI-Transformation mitnehmen und Widerstand abbauen. (35 Min.) 4. [Use Cases identifizieren](https://kapitelh.ch/lernen/ki-fuer-fuehrungskraefte/use-cases-identifizieren.md) — Wie Sie KI-Anwendungsfälle in Ihrem Unternehmen finden und priorisieren. (25 Min.) 5. [Von der Idee zum MVP](https://kapitelh.ch/lernen/ki-fuer-fuehrungskraefte/von-der-idee-zum-mvp.md) — Wie Sie aus einer KI-Idee ein funktionierendes Minimum Viable Product entwickeln. (35 Min.) --- # KI-Strategie für Ihr Unternehmen Lernpfad: KI für Führungskräfte · Dauer: 35 Min. Wie Sie eine umsetzbare KI-Strategie entwickeln, die zu Ihrem Unternehmen passt. Eine KI-Strategie ist kein 200-seitiges Dokument, das in der Schublade verstaubt. Sie ist ein klarer Aktionsplan, der auf die spezifischen Herausforderungen Ihres Unternehmens eingeht. Dieser Beitrag zeigt Ihnen, wie Sie eine solche Strategie in wenigen Wochen entwickeln. ## Die fünf Bausteine einer KI-Strategie **1. Vision und Ziele** Was wollen Sie mit KI erreichen? Typische Ziele: Kosten senken, Qualität steigern, neue Geschäftsmodelle erschliessen, Mitarbeiterzufriedenheit erhöhen. Ohne klare Ziele wird jedes KI-Projekt zur "Technologie-Spielerei". **2. Ist-Analyse** Wo steht Ihr Unternehmen heute? Welche Prozesse sind automatisierungsreif? Welche Daten sind verfügbar? Welche KI-Kompetenzen haben Ihre Mitarbeiter? Eine ehrliche Bestandsaufnahme ist die Grundlage jeder Strategie. **3. Priorisierte Use Cases** Nicht jede Idee wird umgesetzt. Identifizieren Sie 5-10 konkrete Anwendungsfälle und bewerten Sie sie nach Aufwand und Nutzen. Beginnen Sie mit den Quick-Wins. **4. Technologie-Stack** Welche KI-Tools setzen Sie ein? Cloud-Lösungen oder On-Premise? Einzellizenzen oder Enterprise-Verträge? Diese Entscheidungen hängen von Ihrer IT-Landschaft, Ihren Datenschutzanforderungen und Ihrem Budget ab. **5. Governance und Verantwortlichkeiten** Wer ist verantwortlich für die KI-Strategie? Wer entscheidet über neue Use Cases? Wer stellt sicher, dass Datenschutz und Compliance eingehalten werden? Klare Strukturen sind essentiell. ## Der typische Fahrplan **Woche 1-2: Kickoff und Zielsetzung** - Strategie-Workshop mit Geschäftsführung - Definition der Vision und Ziele - Kommunikation an das Management-Team **Woche 3-6: Ist-Analyse** - Tiefeninterviews mit Fachabteilungen - Prozess-Mapping - Daten-Audit - Kompetenzanalyse der Mitarbeiter **Woche 7-8: Potenzialidentifikation** - Erarbeitung Use-Case-Portfolio - Priorisierung nach Business Case - Erste Schätzung von ROI und Aufwand **Woche 9-10: Strategie-Dokument** - Zusammenfassung in einem prägnanten Dokument (max. 20 Seiten) - Konkreter Aktionsplan für die nächsten 12 Monate - Budget und Ressourcen **Woche 11-12: Kommunikation und Umsetzungsstart** - Präsentation an das gesamte Management - Kickoff für erstes MVP - Kommunikation an alle Mitarbeiter ## Die grössten Fehler **Fehler 1: Technologie vor Strategie** "Wir haben ChatGPT eingeführt." Das ist keine Strategie, das ist ein Tool-Rollout. Strategie beginnt mit Zielen, nicht mit Tools. **Fehler 2: Zu ambitioniert** "Wir automatisieren alle Prozesse in 12 Monaten." Das ist unrealistisch. Setzen Sie erreichbare Ziele. **Fehler 3: Externe Berater statt interne Befähigung** Wenn Sie die Strategie komplett an externe Berater outsourcen, fehlt Ihnen am Ende die eigene Kompetenz. Externe Experten sind wertvolle Sparringspartner, aber die Strategie muss intern getragen werden. **Fehler 4: Vernachlässigung der Mitarbeiter** Ohne Akzeptanz in der Belegschaft scheitert jede KI-Strategie. Investieren Sie in Kommunikation und Schulung. ## Fazit Eine KI-Strategie ist in 3 Monaten entwickelbar, wenn Sie strukturiert vorgehen. Sie muss nicht perfekt sein, sie muss umsetzbar sein. Starten Sie mit einem ersten MVP, lernen Sie, iterieren Sie. Die Strategie wird sich im Laufe der Zeit weiterentwickeln. --- # ROI von KI-Projekten berechnen Lernpfad: KI für Führungskräfte · Dauer: 30 Min. Wie Sie den wirtschaftlichen Nutzen von KI-Investitionen messbar machen. Der Return on Investment (ROI) ist bei KI-Projekten oft schwer zu greifen. Zeitersparnis, Qualitätsverbesserung, neue Möglichkeiten, all das sind Nutzenkategorien, die sich nicht immer direkt in Euro-Beträgen ausdrücken lassen. Dieser Beitrag zeigt einen pragmatischen Ansatz. ## Die vier ROI-Kategorien **1. Direkte Kosteneinsparungen** Die einfachste Kategorie. Beispiel: Ein Mitarbeiter spart durch KI-Automatisierung 2 Stunden pro Tag. Bei einem Stundensatz von CHF 80 und 220 Arbeitstagen ergibt das CHF 35.200 pro Jahr pro Mitarbeiter. **2. Qualitätsverbesserungen** Schwerer messbar, aber oft wertvoller. Weniger Fehler im Reporting, bessere Entscheidungsgrundlagen, höhere Kundenzufriedenheit. Quantifizieren Sie über Näherungswerte: "Reduktion der Fehlerquote um 50% spart ca. CHF 15.000 pro Jahr an Nachbearbeitung." **3. Zeitgewinn für Wertschöpfung** KI befreit Mitarbeiter von Routineaufgaben. Die gewonnene Zeit fliesst in strategische Arbeit, Kundenbeziehungen oder Innovation. Messen Sie über den "Wertschöpfungsanteil" vor und nach KI-Einführung. **4. Neue Geschäftsmodelle** Die schwerste Kategorie. KI kann völlig neue Produkte oder Services ermöglichen. Hier zählt weniger der kurzfristige ROI, sondern die strategische Positionierung. ## Der ROI-Rechner Eine einfache Formel: **ROI = (Gesamtnutzen − Gesamtkosten) / Gesamtkosten × 100** **Gesamtkosten:** - Lizenzgebühren (pro Jahr) - Implementierungskosten (einmalig) - Schulungskosten - Interne Arbeitszeit für Betreuung - Eventuelle Infrastrukturkosten **Gesamtnutzen:** - Direkte Einsparungen - Qualitätsverbesserungen (Schätzung) - Produktivitätsgewinn ## Ein konkretes Beispiel Ein mittelständisches Unternehmen führt ChatGPT Team für 50 Mitarbeiter ein: **Kosten pro Jahr:** - Lizenzen: 50 × CHF 300 = CHF 15.000 - Schulung (einmalig, amortisiert auf 3 Jahre): CHF 5.000 - Interne Betreuung: CHF 10.000 - **Gesamt: CHF 30.000 pro Jahr** **Nutzen pro Jahr:** - Angenommener Zeitgewinn: 30 Min. pro Mitarbeiter pro Tag - 50 Mitarbeiter × 0,5 Std. × 220 Tage × CHF 80 = CHF 440.000 - Nutzen-Abschlag (vorsichtig): 40% = CHF 176.000 - **Angenommener realer Nutzen: CHF 176.000 pro Jahr** **ROI = (176.000 − 30.000) / 30.000 × 100 = 487%** ## Die typischen Fehler bei der ROI-Rechnung **Fehler 1: Alle Nutzen einberechnen** Seien Sie vorsichtig. Nicht jeder theoretische Zeitgewinn wird sich in realer Produktivität niederschlagen. Rechnen Sie mit einem Abschlag von 40-60% auf die theoretischen Einsparungen. **Fehler 2: Versteckte Kosten ignorieren** Schulung, Betreuung, Change-Management, das kostet Zeit und Geld. Rechnen Sie diese Posten mit ein. **Fehler 3: Einmalige Spitzen extrapolieren** Wenn das erste MVP fantastisch läuft, heisst das nicht, dass alle folgenden Projekte ebenso erfolgreich werden. **Fehler 4: Opportunitätskosten vergessen** Was ist die Alternative zur KI-Einführung? Manuelles Weitermachen? Das hat auch einen Preis (Wettbewerbsnachteil, Fachkräftemangel). ## Fazit Die ROI-Berechnung bei KI-Projekten ist nicht exakt, aber sie ist notwendig. Ein ehrlicher, vorsichtiger ROI-Rechner gibt Ihnen eine Entscheidungsgrundlage und macht den Erfolg nachvollziehbar. Rechnen Sie konservativ, wenn der ROI selbst bei vorsichtiger Schätzung positiv ist, haben Sie einen soliden Business Case. --- # Change Management bei KI-Einführung Lernpfad: KI für Führungskräfte · Dauer: 35 Min. Wie Sie Mitarbeiter bei der KI-Transformation mitnehmen und Widerstand abbauen. Die technische Einführung von KI ist meist der einfachere Teil. Die wirkliche Herausforderung liegt in der Akzeptanz der Mitarbeiter. Wer Change Management vernachlässigt, scheitert, auch mit den besten Tools. ## Die typischen Ängste verstehen Mitarbeiter haben bei KI-Einführung häufig folgende Sorgen: **"Wird mein Job durch KI ersetzt?"** Die ehrlichste Antwort: Nein, aber Ihre Aufgaben werden sich ändern. Wer sich anpasst, hat bessere Karten als vorher. **"Ich verstehe die Technologie nicht."** Niemand muss die Mathematik hinter LLMs verstehen. Was Mitarbeiter brauchen, ist praktisches Anwendungswissen, das ist lernbar. **"Meine Arbeit wird weniger wertgeschätzt."** Die Fachkompetenz wird sogar wichtiger, weil Mitarbeiter Ergebnisse der KI bewerten und kontextualisieren müssen. **"Ich habe keine Zeit, neue Tools zu lernen."** Berechtigte Sorge. Investieren Sie in Schulung während der Arbeitszeit, nicht zusätzlich dazu. ## Die sieben Change-Management-Prinzipien für KI **1. Frühe Kommunikation** Sprechen Sie über KI-Pläne, bevor sie konkret werden. Mitarbeiter sollen nicht von Entscheidungen überrascht werden. **2. Ehrlichkeit über Auswirkungen** Versuchen Sie nicht, alles schönzureden. Wenn bestimmte Aufgaben automatisiert werden, sagen Sie es. Kommunizieren Sie gleichzeitig, wie die neue Arbeit aussieht. **3. Schulung vor Einführung** Mitarbeiter sollen nicht erst am ersten Tag mit der neuen KI konfrontiert werden. Schulungen 4-6 Wochen vor Rollout geben Zeit zum Einüben. **4. Champions identifizieren** In jeder Abteilung gibt es Mitarbeiter, die KI begeistert annehmen. Fördern Sie diese "KI-Champions" und lassen Sie sie als Multiplikatoren wirken. **5. Quick Wins feiern** Wenn ein Mitarbeiter durch KI eine Aufgabe in 10 Minuten statt 2 Stunden erledigt, kommunizieren Sie das. Erfolgsgeschichten sind mächtiger als Argumente. **6. Kontinuierliche Unterstützung** Bieten Sie eine laufende Anlaufstelle für Fragen. Ein internes "KI-Lab" oder wöchentliche Q&A-Runden wirken Wunder. **7. Feedback aktiv einholen** Fragen Sie regelmässig: Was funktioniert? Was nicht? Wo braucht ihr mehr Unterstützung? Nehmen Sie das Feedback ernst und passen Sie an. ## Der typische Fahrplan **Monat 1: Sensibilisierung** - All-Hands-Meeting zur KI-Strategie - Offene Q&A-Runden - Informationen über geplante Projekte **Monat 2: Vorbereitung** - Identifikation der KI-Champions - Erste Pilotgruppe auswählen - Schulungskonzept entwickeln **Monat 3: Schulung** - KI-Grundlagen-Workshops für alle Mitarbeiter - Vertiefungskurse für die Pilotgruppe - Hands-on-Übungen mit echten Anwendungsfällen **Monat 4: Pilot-Rollout** - Einführung in der Pilotgruppe - Tägliche Unterstützung verfügbar - Sammlung von Erfolgsgeschichten **Monat 5-6: Skalierung** - Schrittweise Einführung in weiteren Abteilungen - Erfolgsstories intern kommunizieren - Kontinuierliche Schulung und Unterstützung ## Der wichtigste Grundsatz Change Management bei KI ist keine PR-Übung. Es ist eine echte Investition in Ihre Mitarbeiter. Wer Menschen respektvoll in den Wandel einbezieht, gewinnt ihre Unterstützung. Wer sie als "Widerstand" betrachtet, der überwunden werden muss, wird scheitern. ## Fazit KI-Einführung ist zu 30% Technologie und zu 70% Mensch. Nehmen Sie den menschlichen Teil genauso ernst wie den technischen. Investieren Sie in Kommunikation, Schulung und kontinuierliche Unterstützung. Der Return auf diese Investition ist nicht direkt messbar, aber er ist der Unterschied zwischen erfolgreicher Transformation und teurem Scheitern. --- # Use Cases identifizieren Lernpfad: KI für Führungskräfte · Dauer: 25 Min. Wie Sie KI-Anwendungsfälle in Ihrem Unternehmen finden und priorisieren. Der schwierigste Teil jeder KI-Einführung ist die Identifikation der richtigen Anwendungsfälle. Technologie ist verfügbar, aber wo genau soll sie eingesetzt werden? Dieser Beitrag zeigt einen strukturierten Ansatz. ## Die drei Quellen für KI-Use Cases **1. Schmerzpunkte der Mitarbeiter** Fragen Sie Ihre Mitarbeiter: Wo verbringen Sie Zeit mit Aufgaben, die Sie frustrierend finden? Was würden Sie gerne automatisieren? **2. Prozess-Analyse** Schauen Sie sich Ihre Kernprozesse an: Wo gibt es Medienbrüche? Wo werden Daten manuell übertragen? Wo sind die Bearbeitungszeiten überdurchschnittlich lang? **3. Best Practices aus der Branche** Was machen vergleichbare Unternehmen bereits mit KI? Diese Inspiration ist wertvoll, aber nicht alles, was anderswo funktioniert, passt zu Ihnen. ## Die Use-Case-Kategorien **Text-Generierung** - E-Mails, Briefe, Angebote - Berichte und Dokumentationen - Marketing-Content - Schulungsmaterialien **Text-Analyse** - Vertragsanalyse - Kundenfeedback auswerten - Dokumenten-Klassifizierung - Zusammenfassungen erstellen **Daten-Analyse** - Forecasting - Anomalieerkennung - Segmentierung - Trend-Analysen **Entscheidungsunterstützung** - Empfehlungssysteme - Risiko-Scoring - Priorisierung - Handlungsempfehlungen **Prozess-Automatisierung** - Workflow-Automatisierung - Dokumentenverarbeitung - Routinekommunikation - Datenpflege ## Die Priorisierungs-Matrix Bewerten Sie jeden Use Case nach zwei Achsen: **Achse 1: Umsetzungsaufwand** - Niedrig: Tool vorhanden, keine komplexe Integration - Mittel: Anpassungen nötig, Schulung erforderlich - Hoch: Individualentwicklung, komplexe Integration **Achse 2: Business Value** - Niedrig: Nice-to-have, kein messbarer Nutzen - Mittel: Zeitersparnis, Qualitätsverbesserung - Hoch: Signifikante Kosteneinsparung oder Umsatzsteigerung Beginnen Sie mit Use Cases im Quadranten "Niedriger Aufwand / Hoher Nutzen". Das sind die Quick Wins, die Begeisterung erzeugen. ## Die zehn typischen Quick-Wins Diese Use Cases funktionieren in fast jedem Mittelstandsunternehmen: 1. Automatisierte Zusammenfassungen von Meetings und Berichten 2. E-Mail-Antwortvorschläge im Kundenservice 3. Übersetzung von Dokumenten und E-Mails 4. Generierung von Marketing-Texten 5. Code-Autocomplete für Entwickler 6. Recherche-Unterstützung 7. Präsentationserstellung 8. Stellenausschreibungen und HR-Texte 9. Kundenfeedback-Analyse 10. Prozess-Dokumentation ## Die drei Komplexitätsfallen **Falle 1: "Wir wollen die ganze Abteilung automatisieren"** Beginnen Sie klein. Ein Prozess, ein Team, ein Pilot. **Falle 2: "Unser Fall ist zu speziell für Standard-Tools"** Oft ist es nicht so speziell, wie Sie denken. Prüfen Sie erst Standard-Lösungen, bevor Sie individuell entwickeln. **Falle 3: "Das Risiko ist zu hoch"** Bei Quick-Wins ist das Risiko niedrig. Bei Hochrisiko-Anwendungen (z.B. automatisierte Entscheidungen über Personen) sollten Sie wirklich vorsichtig sein, aber die meisten Use Cases fallen nicht in diese Kategorie. ## Der Workshop-Ansatz So finden Sie in 2 Wochen 20+ Use Cases: **Woche 1:** - Tag 1-2: Interviews mit jeder Fachabteilung (je 60 Min.) - Tag 3-4: Prozess-Mapping der Kernprozesse - Tag 5: Auswertung und erste Use-Case-Liste **Woche 2:** - Tag 1-2: Workshop mit Abteilungsleitern zur Bewertung - Tag 3-4: Priorisierung nach Matrix - Tag 5: Präsentation an Geschäftsführung Am Ende haben Sie eine priorisierte Liste von 5-10 konkreten Use Cases, mit denen Sie starten können. ## Fazit Use Cases finden ist keine kreative Meisterleistung, sondern strukturierte Arbeit. Wer zuhört, analysiert und priorisiert, wird fündig. Die Hürde liegt nicht im Finden, sondern im Beginnen. Wählen Sie Ihren ersten Use Case und setzen Sie ihn um, Erfahrungen sammeln Sie nur in der Praxis. --- # Von der Idee zum MVP Lernpfad: KI für Führungskräfte · Dauer: 35 Min. Wie Sie aus einer KI-Idee ein funktionierendes Minimum Viable Product entwickeln. Ein MVP (Minimum Viable Product) ist die schnellste Version Ihrer Idee, mit der Sie echten Wert schaffen und Learnings sammeln können. Bei KI-Projekten ist der MVP-Ansatz besonders wertvoll, er verhindert teures Over-Engineering. ## Was ist ein MVP wirklich? Ein MVP ist NICHT: - Ein halbfertiger Prototyp - Eine Beta-Version mit 100 Features - Ein Proof-of-Concept ohne Nutzer Ein MVP IST: - Die einfachste Version, die echten Nutzen stiftet - Ein Produkt, das von echten Anwendern genutzt wird - Eine Lernplattform für schnelle Iteration ## Der MVP-Fahrplan in 8 Wochen **Woche 1-2: Konkretisierung** - Zielgruppe definieren (wer sind die ersten 5-10 Nutzer?) - Kernfunktionalität festlegen (was muss das MVP können?) - Erfolgsmetriken definieren (wann ist das MVP erfolgreich?) - Technische Optionen evaluieren **Woche 3-4: Bau** - Einfachste technische Umsetzung wählen - Existierende Tools nutzen, wo möglich - Fokus auf Kernfunktionalität - Keine Perfektion, sondern Funktionalität **Woche 5-6: Pilot-Nutzung** - Deployment bei der ersten Nutzergruppe - Tägliche Unterstützung - Aktives Feedback-Sammeln - Erste Erfolge dokumentieren **Woche 7-8: Auswertung und Iteration** - Quantitative Auswertung (Nutzerzahl, Zeitersparnis, Qualität) - Qualitatives Feedback - Entscheidung: Skalieren, iterieren oder einstellen? ## Ein konkretes Beispiel **Idee:** "Wir wollen Kundenservice-Anfragen mit KI beantworten." **Schlechter MVP:** Eine voll integrierte KI-Lösung mit CRM-Anbindung, Auto-Response, Escalation-Logik und Dashboards. Entwicklungszeit: 6 Monate. Kosten: hoch. **Guter MVP:** - 2 Kundenservice-Mitarbeiter nutzen ChatGPT Team - Standardisierte Prompts für die 10 häufigsten Anfragen - Manuelle Kopierung der KI-Antwort in die Antwort-Mail - Erfolgsmessung: Zeitersparnis pro Anfrage, Kundenzufriedenheit - Entwicklungszeit: 2 Wochen - Kosten: minimal Nach 4 Wochen wissen Sie, ob der Ansatz funktioniert. Bei Erfolg können Sie die nächste Stufe (z.B. Browser-Plugin für automatisches Einfügen) angehen. ## Die Wahl des richtigen MVPs **Good MVP Candidates:** - Repetitive Aufgaben mit klarem Input und Output - Prozesse mit messbarer Bearbeitungszeit - Use Cases mit begrenzter Komplexität - Anwendungsfälle mit Toleranz für Fehler (Mensch prüft Ergebnis) **Bad MVP Candidates:** - Hochrisiko-Entscheidungen (medizinisch, juristisch, finanziell) - Use Cases mit hoher Fehler-Intoleranz - Anwendungen, die 100% Zuverlässigkeit erfordern - Komplexe Integrationen mit vielen Abhängigkeiten ## Die typischen Fallen **Falle 1: Feature Creep** "Können wir nicht noch X dazu nehmen?" Nein. Fokus auf die Kernfunktionalität. **Falle 2: Perfektionismus** "Wir können das nicht launchen, das ist noch nicht gut genug." Ein MVP ist nie "fertig", er ist "gut genug zum Lernen". **Falle 3: Keine Nutzer** "Wir launchen, wenn alles fertig ist." Ohne echte Nutzer lernen Sie nichts. Holen Sie die ersten 5 Nutzer früh ins Boot. **Falle 4: Fehlende Metriken** "Wir sehen dann schon, ob es funktioniert." Definieren Sie vorab Erfolgskriterien. Sonst wird jedes Ergebnis hinterher passend interpretiert. ## Die drei Phasen nach dem MVP **Phase 1: Validieren (Wochen 1-8)** Der MVP selbst. Funktioniert der Ansatz? Gibt es echten Nutzen? **Phase 2: Iterieren (Monate 3-6)** Verbessern basierend auf Feedback. Mehr Features, bessere Integration, höhere Nutzerzahl. **Phase 3: Skalieren (Monate 7+)** Unternehmensweit ausrollen. In andere Prozesse integrieren. Weiterentwickeln. ## Die wichtigste MVP-Regel **Launch frühzeitig. Lerne schnell. Iteriere oft.** Ein MVP, der nach 8 Wochen bei 5 Nutzern läuft, ist wertvoller als eine perfekte Lösung, die nach 6 Monaten noch nicht fertig ist. Sie lernen aus echter Nutzung, nicht aus Whiteboard-Diskussionen. ## Fazit Der MVP-Ansatz ist der schnellste Weg von der Idee zur Wirkung. Er spart Geld, senkt Risiken und erzeugt frühe Erfolge. Bei KI-Projekten ist er besonders wertvoll, weil die Technologie sich schnell entwickelt, und ein MVP heute oft viel einfacher zu bauen ist als noch vor einem Jahr. Starten Sie Ihren ersten KI-MVP. Nicht morgen. Diese Woche. --- # KI-Blog Analysen und Praxisberichte zu Künstlicher Intelligenz im DACH-Raum. - [KI-Transformation im Mittelstand: Die ersten 5 Schritte](https://kapitelh.ch/blog/ki-transformation-mittelstand.md): Wie mittelständische Unternehmen KI erfolgreich einführen, ohne Millionenbudget und ohne externe Abhängigkeiten. - [ChatGPT vs. Claude: Welches KI-Tool für Ihr Unternehmen?](https://kapitelh.ch/blog/chatgpt-vs-claude-unternehmen.md): Ein praxisnaher Vergleich der beiden führenden KI-Assistenten für den Unternehmenseinsatz im DACH-Raum. - [KI im Controlling: Forecasting mit Machine Learning](https://kapitelh.ch/blog/ki-controlling-finance.md): Wie Controller und Finance-Teams KI für bessere Prognosen, automatisierte Reports und datengetriebene Entscheidungen nutzen. - [Prompt Engineering: Die wichtigsten Techniken für Profis](https://kapitelh.ch/blog/prompt-engineering-grundlagen.md): Von Zero-Shot bis Chain-of-Thought, die Prompt-Techniken, die den Unterschied zwischen mittelmässigen und exzellenten KI-Ergebnissen machen. - [Datenschutz & KI: Was Schweizer Unternehmen wissen müssen](https://kapitelh.ch/blog/datenschutz-ki-schweiz.md): DSG, DSGVO und der EU AI Act, ein praxisnaher Leitfaden für den rechtskonformen Einsatz von KI in der Schweiz. --- # KI-Transformation im Mittelstand: Die ersten 5 Schritte Dr. Maher Hamid · 2026-04-09 · Strategie · 8 Min. Wie mittelständische Unternehmen KI erfolgreich einführen, ohne Millionenbudget und ohne externe Abhängigkeiten. Die KI-Transformation ist kein Projekt, das man an externe Dienstleister auslagert und nach sechs Monaten als "erledigt" abhakt. Sie ist ein kultureller und organisatorischer Wandel, der von innen heraus getragen werden muss. Mittelständische Unternehmen haben dabei einen entscheidenden Vorteil gegenüber Konzernen: kurze Entscheidungswege und direkte Verbindung zwischen Management und Fachabteilung. ## Warum der klassische Beratungsansatz oft scheitert In unserer Arbeit mit mittelständischen Unternehmen, von Automobilhandelsgruppen bis zu Industriebetrieben, sehen wir immer wieder dasselbe Muster: Externe Berater liefern glänzende PowerPoints, empfehlen teure Tools, starten ein Pilotprojekt, und nach zwölf Monaten steht das Unternehmen genau dort, wo es begonnen hat, nur ärmer um den Beratungshonorar. Der Grund ist einfach: KI-Transformation scheitert nicht an Technologie, sondern an der Befähigung der Mitarbeiter. Wer keine eigenen KI-Kompetenzen aufbaut, bleibt für immer abhängig. ## Schritt 1: Ist-Analyse durch Tiefeninterviews Beginnen Sie nicht mit Technologie, sondern mit Gesprächen. Führen Sie strukturierte Tiefeninterviews mit Mitarbeitern aus allen Abteilungen, vom Controlling über den Vertrieb bis zum Kundenservice. Fragen Sie: Wo verbringen Sie Zeit mit repetitiven Aufgaben? Welche Daten liegen vor, werden aber nicht genutzt? Was würden Sie automatisieren, wenn Sie könnten? In einem typischen Projekt führen wir 10-15 Interviews durch. Das Resultat: eine vollständige Landkarte der Automatisierungspotenziale Ihres Unternehmens. ## Schritt 2: Potenziale quantifizieren Nicht jede Idee ist ein MVP. Bewerten Sie jedes Potenzial nach zwei Achsen: Aufwand und Nutzen. Priorisieren Sie Projekte, die schnell implementiert werden können und messbare Einsparungen bringen. Typische Quick-Wins: automatisierte Monatsberichte, KI-gestützte Kundenservice-Antworten, intelligente Dokumentenextraktion. Bei einer 600-Mitarbeiter-Automobilhandelsgruppe konnten wir konservativ ein Potenzial von 487.000 EUR pro Jahr quantifizieren, aus fünf identifizierten MVPs, nicht aus einem einzigen Mega-Projekt. ## Schritt 3: Befähigung der Mitarbeiter Bevor Sie ein einziges Tool einführen, schulen Sie Ihre Mitarbeiter. Nicht in der Theorie der neuronalen Netze, das brauchen sie nicht, sondern in der praktischen Anwendung. Prompt Engineering. KI-Tool-Bewertung. Datenschutz und Compliance. Nur wer versteht, wie KI funktioniert, kann sie sinnvoll einsetzen. Unsere Seminare dauern typischerweise 1-3 Tage und richten sich an Führungskräfte und Fachabteilungen gleichermaßen. Die Teilnehmer verlassen den Workshop nicht mit einem Zertifikat, sondern mit konkreten Anwendungsfällen für ihren Arbeitsalltag. ## Schritt 4: Ein einziges MVP implementieren Wählen Sie einen einzigen Anwendungsfall aus und bringen Sie ihn produktiv zum Laufen. Nicht fünf gleichzeitig. Nicht den komplizierten. Den einfachsten, der Wirkung zeigt. Messen Sie die Ergebnisse. Kommunizieren Sie die Erfolge intern. Lassen Sie Begeisterung entstehen. ## Schritt 5: Skalieren mit eigenen Kräften Nach dem ersten erfolgreichen MVP ist Ihr Unternehmen nicht mehr abhängig von externen Beratern. Ihre Mitarbeiter haben gelernt. Die interne Kompetenz existiert. Die weiteren MVPs können Sie selbst angehen, mit der gelegentlichen Begleitung eines erfahrenen Sparringspartners bei strategischen Entscheidungen. ## Fazit KI-Transformation im Mittelstand funktioniert, wenn Sie die richtige Reihenfolge einhalten: Verstehen, Identifizieren, Befähigen, Umsetzen, Skalieren. Kein Unternehmen braucht ein siebenstelliges Budget, um mit KI messbare Ergebnisse zu erzielen. Was es braucht, ist eine klare Methodik und die Bereitschaft, die eigenen Mitarbeiter zu befähigen. ## Häufige Fragen ### Wie lange dauert eine KI-Transformation im Mittelstand? Die Ist-Analyse und MVP-Identifikation dauern typischerweise 4-8 Wochen. Die Implementierung des ersten MVPs nochmals 6-12 Wochen. Die vollständige KI-Transformation ist jedoch ein kontinuierlicher Prozess über 12-24 Monate. ### Welches Budget brauche ich für KI im Mittelstand? Das hängt weniger von der KI ab als von der Zahl der beteiligten Abteilungen und davon, wie zugänglich die eigenen Systeme sind. Sinnvoller als eine Budgetzahl ist der Einstieg über ein einzelnes MVP mit messbarem Nutzen, bevor breiter investiert wird. ### Brauche ich eine eigene IT-Abteilung für KI? Nein. Moderne KI-Tools wie ChatGPT, Claude und Microsoft Copilot lassen sich ohne Entwickler-Ressourcen einsetzen. Wichtiger als IT-Kompetenz ist Prozessverständnis und die Bereitschaft zur Veränderung. --- # ChatGPT vs. Claude: Welches KI-Tool für Ihr Unternehmen? Dr. Maher Hamid · 2026-04-07 · Tools · 6 Min. Ein praxisnaher Vergleich der beiden führenden KI-Assistenten für den Unternehmenseinsatz im DACH-Raum. Die beiden dominierenden KI-Assistenten für den professionellen Einsatz sind ChatGPT von OpenAI und Claude von Anthropic. Welches ist das richtige Tool für Ihr Unternehmen? Die Antwort ist nuancierter als die Marketingbotschaften der beiden Anbieter suggerieren. ## Die Stärken im Überblick **ChatGPT** ist der Marktführer mit der grössten Verbreitung und dem umfangreichsten Ökosystem. Plugins, Custom GPTs, DALL-E für Bildgenerierung, Code Interpreter, Web-Suche, alles aus einer Hand. Die Integration mit Microsoft 365 (über Copilot) ist für viele DACH-Unternehmen entscheidend. **Claude** punktet bei komplexen Analyseaufgaben, langen Dokumenten (200.000+ Token Kontextfenster) und natürlicherer, weniger "roboterhafter" Sprachqualität, besonders im Deutschen. Für Consulting, juristische Analysen und wissenschaftliche Arbeiten ist Claude oft die bessere Wahl. ## Preis und Lizenzmodell | Aspekt | ChatGPT Team/Enterprise | Claude Team/Enterprise | |--------|------------------------|------------------------| | Einstiegspreis | ca. CHF 25/Monat pro User | ca. CHF 25/Monat pro User | | Kontextfenster | 128k (GPT-4o) | 200k Standard, 1M möglich | | Datenschutz | EU-Rechenzentren verfügbar | US mit SCCs, EU in Planung | | Bildgenerierung | Integriert (DALL-E) | Nicht verfügbar | | API-Preis | Mittel | Vergleichbar | ## Datenschutz und DSGVO Für Schweizer und EU-Unternehmen ist der Datenschutz ein zentraler Entscheidungsfaktor. Beide Anbieter haben DPAs (Data Processing Agreements) und verarbeiten API-Daten nicht für Modelltraining. ChatGPT Enterprise bietet explizite EU-Rechenzentren; Claude ist hier noch im Aufbau. Wichtig: Die kostenlosen Versionen beider Tools sind für sensible Unternehmensdaten **nicht** geeignet. Nutzen Sie Team- oder Enterprise-Pläne mit entsprechenden Verträgen. ## Unsere Empfehlung für verschiedene Anwendungsfälle **Allgemeine Produktivität, Office-Integration:** ChatGPT mit Microsoft 365 Copilot **Tiefe Textanalyse, Berichtsgenerierung, Consulting:** Claude **Kreative Aufgaben mit Bildern:** ChatGPT **Programmierung:** Beide gleichwertig, Präferenz häufig persönlich **Kundenservice-Automatisierung:** Beide, abhängig vom vorhandenen Stack ## Der beste Ansatz: Beide verwenden In vielen unserer Beratungsprojekte empfehlen wir, beide Tools parallel zu lizenzieren. Die Lizenzkosten sind überschaubar, und die unterschiedlichen Stärken ergänzen sich. Ihre Mitarbeiter lernen schnell, welches Tool für welche Aufgabe besser geeignet ist. ## Fazit Die Wahl zwischen ChatGPT und Claude ist keine Entweder-Oder-Entscheidung. Beide sind leistungsfähige Werkzeuge mit unterschiedlichen Stärken. Entscheiden Sie auf Basis Ihrer konkreten Anwendungsfälle, Ihres bestehenden Tech-Stacks und Ihrer Datenschutzanforderungen, nicht auf Basis von Marketingversprechen. ## Häufige Fragen ### Ist ChatGPT oder Claude besser für deutsche Texte? Claude produziert bei längeren, formalen deutschen Texten oft eine natürlichere Sprachqualität. ChatGPT ist bei kurzen, prägnanten Texten und E-Mails gleichwertig. Beide beherrschen professionelles Deutsch sehr gut. ### Welches Tool ist DSGVO-konform? Beide Anbieter bieten DPAs und verarbeiten API-Daten nicht zum Training. ChatGPT Enterprise bietet explizite EU-Rechenzentren. Claude operiert primär aus den USA mit SCCs. Für sensible Daten sollten nur Team/Enterprise-Pläne genutzt werden. ### Kann ich beide Tools gleichzeitig einsetzen? Ja, das empfehlen wir sogar häufig. Die Lizenzkosten von ca. CHF 50/Monat pro User für beide Tools sind überschaubar, und die Stärken ergänzen sich ideal. --- # KI im Controlling: Forecasting mit Machine Learning Dr. Maher Hamid · 2026-04-05 · Finance · 10 Min. Wie Controller und Finance-Teams KI für bessere Prognosen, automatisierte Reports und datengetriebene Entscheidungen nutzen. Das Controlling ist eine der Abteilungen mit dem höchsten KI-Potenzial im Mittelstand. Repetitive Reporting-Aufgaben, datenintensive Analysen, wiederkehrende Forecasting-Zyklen, all das sind ideale Anwendungsfälle für KI-Unterstützung. Und doch zögern viele Controlling-Abteilungen bei der Einführung. Zu Unrecht. ## Vier konkrete Anwendungsfälle **1. Automatisierte Monatsberichte** Controller verbringen oft zwei bis drei Tage pro Monat mit der Erstellung des Monatsberichts. KI kann diesen Prozess um bis zu 70% beschleunigen. Zahlen werden weiterhin aus dem ERP-System gezogen, aber die textliche Einordnung, die Abweichungsanalyse und die narrative Struktur generiert eine KI auf Basis klarer Prompts und Templates. **2. Abweichungsanalyse** Welche Kostenstelle hat ihr Budget überschritten, warum, und was lässt sich dagegen tun? Diese Frage beantworten KI-Systeme mittlerweile auf einem beeindruckenden Niveau, wenn sie mit den richtigen Daten gefüttert werden. Entscheidend ist nicht das Modell, sondern die Datenqualität und der Prompt. **3. Forecasting mit Machine Learning** Klassische Excel-Forecasts basieren auf Durchschnittswerten und Gefühl. Machine-Learning-Modelle können historische Daten, Saisonalität und externe Faktoren (z.B. Branchenkonjunktur) einbeziehen und deutlich präzisere Prognosen liefern. Die Einstiegshürde ist niedriger als gedacht: Tools wie Microsoft Fabric, Google BigQuery ML oder Python-Bibliotheken wie Prophet ermöglichen ML-Forecasts ohne Data-Science-Team. **4. Intelligente Dokumentenverarbeitung** Rechnungen, Verträge, Abrechnungen, im Controlling fallen täglich Dutzende Dokumente an, die manuell verarbeitet werden müssen. Moderne KI-gestützte OCR-Systeme können Daten extrahieren, klassifizieren und direkt ins ERP übernehmen. ## Der typische Einführungsfehler Viele Unternehmen machen den Fehler, mit dem komplexesten Use Case zu beginnen: "Wir automatisieren den gesamten Forecast-Prozess." Das Ergebnis: ein halbfertiges Projekt nach sechs Monaten, frustrierte Mitarbeiter, und der Rückzug zum Status quo. Beginnen Sie stattdessen mit dem einfachsten Use Case. Automatisieren Sie zuerst die Zusammenfassung der Monatsberichte. Wenn das funktioniert, erweitern Sie auf die Abweichungsanalyse. Erst danach wagen Sie sich an Forecasting. ## Datenschutz und Compliance Finanzdaten sind sensibel. Nutzen Sie keine kostenlosen KI-Tools für echte Unternehmensdaten. Setzen Sie auf Enterprise-Lizenzen mit klaren Datenschutzverträgen, oder, besser, auf selbst gehostete Lösungen (z.B. Microsoft Copilot in Ihrem Azure-Tenant, lokale Open-Source-Modelle). ## Konkrete Tools - **Microsoft Copilot für Excel / Power BI:** Ideal für Unternehmen im Microsoft-Ökosystem - **ChatGPT Team / Enterprise:** Für allgemeine Analysen und Berichte - **Claude Team:** Besonders gut bei langen Textanalysen und Berichtsgenerierung - **Python + OpenAI API:** Für individuelle Lösungen mit voller Kontrolle - **Microsoft Fabric:** End-to-End-Lösung für Data & AI ## Fazit KI im Controlling ist keine Zukunftsvision, sondern Gegenwart. Die Unternehmen, die jetzt in die Befähigung ihrer Controlling-Teams investieren, werden in zwei Jahren einen massiven Vorsprung haben. Der Weg dahin ist einfacher als gedacht, aber nur, wenn Sie klein anfangen und Ihre Mitarbeiter aktiv einbeziehen. ## Häufige Fragen ### Ersetzt KI den Controller? Nein. KI automatisiert repetitive Aufgaben und liefert bessere Datengrundlagen. Die strategische Rolle des Controllers als Business-Partner wird dadurch gestärkt, nicht geschwächt. Controller, die KI nutzen, werden Controller ersetzen, die es nicht tun. ### Kann ich sensible Finanzdaten in ChatGPT eingeben? Nur in Enterprise-Lizenzen mit entsprechenden Datenschutzverträgen (DPA). Die kostenlose Version ist für Unternehmensdaten nicht geeignet. Für höchste Sicherheit empfehlen wir Microsoft Copilot in Ihrem eigenen Azure-Tenant. ### Welches KI-Tool ist für Forecasting am besten? Für die meisten Mittelstandsunternehmen ist Microsoft Fabric oder Python mit Prophet der beste Einstieg. Für schnelle Experimente eignen sich Claude oder ChatGPT mit gut strukturierten Prompts. --- # Prompt Engineering: Die wichtigsten Techniken für Profis Schady Hamid, B.Eng · 2026-04-03 · Praxis · 7 Min. Von Zero-Shot bis Chain-of-Thought, die Prompt-Techniken, die den Unterschied zwischen mittelmässigen und exzellenten KI-Ergebnissen machen. Prompt Engineering klingt nach einem Hype-Begriff, ist aber in Wahrheit eine der wertvollsten Fähigkeiten im KI-Zeitalter. Wer Prompts beherrscht, erzielt mit denselben Tools Ergebnisse, die bis zu zehnmal besser sind als die typischen "Erkläre mir..."-Anfragen. ## Die fünf wichtigsten Techniken **1. Rolle definieren** Beginnen Sie jeden Prompt mit einer klaren Rollendefinition: "Du bist ein erfahrener Controller in einem mittelständischen Industrieunternehmen." Diese einfache Anweisung steigert die Qualität der Antworten dramatisch, weil das Modell Kontext und Fachterminologie aktiviert. **2. Kontext liefern** Je mehr relevanten Kontext Sie geben, desto besser die Antwort. Nicht "Schreibe eine E-Mail", sondern "Schreibe eine E-Mail an einen langjährigen Lieferanten, mit dem wir zuletzt Qualitätsprobleme hatten. Ton: höflich, aber bestimmt. Ziel: Kostenerstattung für die fehlerhafte Charge verlangen, ohne die Beziehung zu gefährden." **3. Few-Shot Prompting** Zeigen Sie dem Modell Beispiele. "Hier sind drei gute E-Mails, die wir in der Vergangenheit versendet haben: [Beispiele]. Schreibe eine vierte E-Mail in ähnlichem Stil, aber für diesen neuen Fall: [...]" **4. Chain-of-Thought** Fordern Sie das Modell auf, Schritt für Schritt zu denken: "Denke zuerst laut nach, welche Aspekte für die Antwort relevant sind. Liste diese auf. Dann formuliere die finale Antwort." Diese Technik verbessert die Qualität bei komplexen Aufgaben erheblich. **5. Klare Ausgabeformate** Sagen Sie dem Modell exakt, wie die Antwort aussehen soll. "Antworte im folgenden Format: 1) Kurze Zusammenfassung (2 Sätze), 2) Drei Handlungsempfehlungen als Bulletpoints, 3) Risiken als nummerierte Liste." ## Ein konkretes Beispiel **Schlechter Prompt:** > Analysiere diesen Monatsbericht. **Besserer Prompt:** > Du bist ein erfahrener Controller in einem mittelständischen Industrieunternehmen. Analysiere den folgenden Monatsbericht und identifiziere: > 1) Die drei wichtigsten Abweichungen gegenüber dem Budget > 2) Mögliche Ursachen für jede Abweichung > 3) Konkrete Handlungsempfehlungen für die Geschäftsführung > > Antworte strukturiert mit Überschriften. Denke zuerst Schritt für Schritt nach, bevor du die finale Analyse schreibst. > > Monatsbericht: [Dokument einfügen] Der Unterschied in der Antwortqualität ist dramatisch. ## Häufige Fehler - **Zu vage Anweisungen:** "Schreibe etwas Interessantes" produziert generische Texte. - **Zu viele Aufgaben gleichzeitig:** Teilen Sie komplexe Aufgaben in mehrere Prompts auf. - **Fehlende Beispiele:** Bei ungewöhnlichen Aufgaben hilft ein einziges Beispiel mehr als tausend Wörter Erklärung. - **Keine Iteration:** Der erste Prompt ist selten der beste. Verfeinern Sie schrittweise. ## Fazit Prompt Engineering ist kein exotisches Spezialgebiet, sondern eine Grundfähigkeit für jeden Wissensarbeiter im KI-Zeitalter. Die Investition von wenigen Stunden in das Erlernen dieser Techniken zahlt sich innerhalb weniger Wochen vielfach aus. ## Häufige Fragen ### Brauche ich einen Prompt-Engineering-Kurs? Für die Grundlagen reicht ein 1-tägiger Workshop. Für professionelle Anwendung empfehlen wir einen strukturierten Kurs mit praktischen Übungen. Unsere Prompt Engineering Masterclass dauert 1 Tag und vermittelt alle wesentlichen Techniken. ### Gibt es einen Unterschied zwischen ChatGPT- und Claude-Prompts? Die Grundtechniken sind identisch. Claude reagiert oft besser auf strukturierte, längere Prompts mit XML-Tags. ChatGPT funktioniert gut mit Markdown-strukturierten Prompts. Details machen den Unterschied. ### Was ist der wichtigste Tipp für Anfänger? Definiere immer eine Rolle und gib Kontext. 'Du bist ein Experte für [Fachbereich]...' steigert die Qualität der Antworten dramatisch, ohne dass du komplexe Techniken beherrschen musst. --- # Datenschutz & KI: Was Schweizer Unternehmen wissen müssen Dr. Maher Hamid · 2026-04-01 · Recht · 9 Min. DSG, DSGVO und der EU AI Act, ein praxisnaher Leitfaden für den rechtskonformen Einsatz von KI in der Schweiz. Schweizer Unternehmen stehen beim KI-Einsatz vor einer doppelten rechtlichen Herausforderung: Sie müssen sowohl das revidierte Schweizer Datenschutzgesetz (DSG) als auch, bei Geschäftsbeziehungen in die EU, die DSGVO und den neuen EU AI Act beachten. Dieser Leitfaden gibt Ihnen einen praxisnahen Überblick. ## 1. Das revidierte Schweizer DSG Seit September 2023 gilt das revidierte Datenschutzgesetz. Die wichtigsten Neuerungen für den KI-Einsatz: - **Automatisierte Entscheidungen:** Betroffene Personen haben ein Recht auf Information, wenn Entscheidungen ausschliesslich auf automatisierter Verarbeitung (inkl. KI) beruhen und rechtliche oder erhebliche Auswirkungen haben. - **Profiling:** Besondere Anforderungen bei der Analyse von Persönlichkeitsaspekten. - **Bearbeitungsverzeichnis:** Pflicht zur Dokumentation aller Bearbeitungsaktivitäten (auch KI-basierte). - **Datenschutz-Folgenabschätzung (DSFA):** Bei hohem Risiko Pflicht vor Implementierung. ## 2. DSGVO-Relevanz Sobald Sie Daten von EU-Bürgern verarbeiten, fällt dies unter die DSGVO. Das betrifft praktisch jedes Schweizer Unternehmen mit internationalem Kundenstamm. Die Anforderungen sind strenger als im DSG, aber in vielen Punkten vergleichbar. Besonders relevant für KI-Einsatz: - Artikel 22 DSGVO: Verbot automatisierter Entscheidungen im Einzelfall - Rechtsgrundlage für Datenverarbeitung (typischerweise Art. 6 Abs. 1 lit. b oder f) - Internationale Datentransfers (bei US-KI-Anbietern: EU-Standardvertragsklauseln) ## 3. Der EU AI Act (ab 2026 schrittweise in Kraft) Der EU AI Act ist das weltweit erste umfassende KI-Gesetz. Er gilt indirekt auch für Schweizer Unternehmen, die KI-Systeme in der EU anbieten oder deren KI-Ausgaben in der EU verwendet werden. Der Act kategorisiert KI-Systeme nach Risikograd: - **Verboten:** Social Scoring, manipulative KI, biometrische Echtzeitüberwachung - **Hochrisiko:** Kritische Infrastruktur, Strafverfolgung, HR-Systeme, Kreditvergabe - **Begrenztes Risiko:** Chatbots (Transparenzpflicht!) - **Minimales Risiko:** Empfehlungssysteme, Spam-Filter Für typische Unternehmens-Anwendungsfälle (ChatGPT für Texte, KI im Controlling) gelten die Transparenzpflichten für begrenztes Risiko: Nutzer müssen wissen, dass sie mit einer KI interagieren. ## 4. Praktische Handlungsempfehlungen **Für jedes KI-Projekt:** 1. Identifizieren Sie die Rechtsgrundlage (Vertragserfüllung, berechtigtes Interesse, Einwilligung) 2. Dokumentieren Sie die Verarbeitung im Bearbeitungsverzeichnis 3. Prüfen Sie, ob eine DSFA erforderlich ist (bei Hochrisiko-Anwendungen) 4. Stellen Sie Betroffenenrechte sicher (Auskunft, Löschung, Widerspruch) **Bei externen KI-Tools:** 1. Schliessen Sie einen Data Processing Agreement (DPA) / Auftragsverarbeitungsvertrag ab 2. Prüfen Sie die Datenresidenz (EU vs. USA) 3. Bei US-Anbietern: EU-Standardvertragsklauseln und ggf. Data Privacy Framework beachten 4. Dokumentieren Sie Ihre Sub-Unterauftragsverarbeiter **Für Mitarbeiter-Schulungen:** - Keine sensiblen Kunden- oder Finanzdaten in kostenlose KI-Tools eingeben - Datenschutzrichtlinien für KI-Nutzung definieren und schulen - Compliance-Verantwortliche in KI-Projekte einbinden ## 5. Die wichtigsten Stolperfallen - **Kostenlose KI-Tools:** Die freien Versionen von ChatGPT, Claude und Co. sind für Unternehmensdaten NICHT geeignet. Nutzen Sie nur Team- oder Enterprise-Pläne mit DPA. - **Internationale Datentransfers:** Bei US-Anbietern müssen EU-Standardvertragsklauseln vorhanden sein. - **Chatbot-Transparenz:** Ab 2026 EU AI Act: Nutzer müssen klar erkennen, dass sie mit einer KI sprechen. - **Automatisierte Entscheidungen:** Bei KI-gestützten Entscheidungen über Personen (Kredite, Bewerbungen) gelten strenge Regeln. ## Fazit Der rechtskonforme Einsatz von KI in der Schweiz ist machbar, aber nicht trivial. Wer frühzeitig die Rechtsgrundlagen klärt, die richtigen Verträge abschliesst und seine Mitarbeiter schult, kann KI mit gutem Gewissen einsetzen. Wer diese Schritte überspringt, riskiert Bussgelder, Reputationsschäden und juristische Auseinandersetzungen. ## Häufige Fragen ### Darf ich ChatGPT für Kundendaten nutzen? Nur mit einer ChatGPT Team/Enterprise-Lizenz und einem gültigen Data Processing Agreement (DPA). Die kostenlose Version und ChatGPT Plus sind für Unternehmensdaten NICHT geeignet, da keine vertragliche Absicherung besteht. ### Brauche ich eine DSFA für KI-Projekte? Eine Datenschutz-Folgenabschätzung ist erforderlich, wenn das KI-System ein hohes Risiko für die Rechte und Freiheiten betroffener Personen darstellt. Typische Fälle: automatisierte Entscheidungen, umfangreiches Profiling, sensible Datenkategorien. ### Ab wann gilt der EU AI Act auch für Schweizer Unternehmen? Der EU AI Act trat im August 2024 in Kraft, die Anwendung erfolgt schrittweise bis 2027. Für Schweizer Unternehmen relevant ab dem Zeitpunkt, an dem sie KI-Systeme in der EU anbieten oder deren Ausgaben in der EU verwendet werden. ---