KI-Wissen kompakt

Sora-Aus: Warum das Scheitern der bekanntesten Video-KI eine gute Nachricht ist

Timm Rotter — Wed, 08 Apr 2026 06:11:46 +0000

Sora-Aus: Warum das Scheitern der bekanntesten Video-KI eine gute Nachricht ist

Erinnern Sie sich noch an den Hype? Diese hyperrealistischen Aufnahmen von Mammuts im Schnee oder Tokio bei Nacht? Das Motiv oben ist schon KI-Zeitgeschichte.

Als OpenAI vor zwei Jahren die neue Video-Funktion Sora ankündigte, hielten wir alle den Atem an. Die Film- und Videoproduktion, wie wir sie kannten, schien erledigt. Hollywood zitterte, Stockvideo-Plattformen wurde das schnelle Ende prophezeit.

Doch die Realität hat die Render-Träume eingeholt. OpenAI hat offiziell bestätigt: Das Projekt Sora in seiner bisherigen Form wird eingestellt. Denn die bekannteste Video-KI der Welt ist nie über den Status eines teuren Forschungsprojektes hinausgekommen.

Technisch brillant, aber ökonomisch nicht lebensfähig

Sora war ein technisches Wunderwerk, aber für OpenAI ein wirtschaftlicher Albtraum: Laut Wall Street Journal verbrannte Sora im laufenden Betrieb rund eine Million US-Dollar – und zwar pro Tag. Ein einzelnes 10-Sekunden-Video fraß Schätzungen zufolge etwa 40 Minuten reine GPU-Rechenzeit. In einer Welt, in der KI-Chips (GPUs) ein knappes und teures Gut sind, ist das purer Luxus ohne direkten Ertrag.

Auf gewisse Art ist es ja sogar beruhigend, dass auch in der KI-Welt noch ökonomische Gesetze gelten: Eine Million Dollar pro Tag zu verfeuern, ist in der US-Scale-up-Welt nicht ungewöhnlich – aber dann braucht es ein marktreifes Produkt. Sora blieb besagtes teures Forschungsprojekt.

Tabula rasa vor dem Börsengang

Warum erfolgt der radikale Schnitt ausgerechnet jetzt? Die Antwort liegt in der strategischen Ausrichtung: OpenAI will an die Börse. Insidern zufolge bereitet sich das Team um Sam Altman auf einen IPO im vierten Quartal 2026 vor. Es könnte der größte Börsengang aller Zeiten werden, aktuell ist die Firma mit mehr als 850 Milliarden US-Dollar bewertet.

Anleger an der Wall Street lieben Wachstum, aber sie hassen unkontrollierten „Cash-Burn“. Ein Projekt wie Sora, das Ressourcen verschlingt, ohne ein skalierbares Geschäftsmodell für Unternehmen zu bieten, ist eine bilanzielle Altlast. Die Abschaltung ist ein klares Signal an die Investoren: Wir fokussieren uns auf profitable Enterprise-Lösungen (B2B) statt auf verlustreiche Show-Effekte.

Kurz gesagt: OpenAI räumt den digitalen Dachboden auf. Für den Börsengang braucht es schwarze Zahlen, keine bunten Render-Träume.

Video-KI und vieles mehr: Bei uns finden Sie passende Seminare für Ihr Team

In unseren individuellen KI-Seminaren lernen Einsteiger und Profis den praktischen Einsatz von GenAI, üben den Umgang mit relevanten Tools und erfahren wichtige Hintergründe – auf Deutsch oder Englisch.

Das Problem mit der Physik und dem Recht

Neben den Kosten gab es zwei weitere Sackgassen:

Die physikalische Halluzination: Wir selbst sehen bei uns in der täglichen Arbeit, erst recht in unserer Kommunikationsagentur In A Nutshell, wie limitiert KI-Video immer noch ist. Für einfache Animationen reicht die Qualität gut aus, aber professionelle Werbekampagnen lassen sich nicht mit Sora & Co erstellen. Die „Character Consistency“, also die konsistente Darstellung von Menschen und Objekten, gelingt nur über wenige Sekunden.
Anders als bei Text- und Bild-KI gibt es kaum ein Ergebnis ohne Halluzination, weil Menschen plötzlich durch Wände gehen oder Objekte im Nichts verschwinden. Zudem ließen sich bei Sora selbst mit dem Pro-Modell von ChatGPT nur Videofitzel von wenigen Sekunden erstellen.
Die rechtliche Sackgasse: Die Klagewelle von Rechteinhabern bezüglich der Trainingsdaten wurde aus Sicht von OpenAI immer bedrohlicher. Nach dem Release der zweiten Generation im Herbst 2025 etwa gab es massiven Widerstand von Top-Agenturen (wie WME) und Stars. „Breaking Bad“-Star Bryan Cranston ging öffentlich gegen die missbräuchliche Nutzung seiner Identität und Stimme in Sora-Apps vor. OpenAI musste hastig zurückrudern und „Opt-in“-Regeln einführen.
Ein zweiter Vorwurf: illegales „YouTube-Scraping“. OpenAI soll Millionen von Videos ohne Erlaubnis der Creator für das Training zweckentfremdet haben (Quelle: Piracy Monitor, April 2026). Ohne rechtssicheres Trainingsmaterial ist ein kommerzieller Rollout reines Harakiri. Rechtliche Unsicherheit ist für US-BigTech erwiesenermaßen kein Showstopper, aber eben nur, wenn die Chancen des dahinterstehenden Geschäftsmodells überwiegen.

Welche Alternativen gibt es zu Sora jetzt noch?

Wer künftig mit KI Videos erstellen möchte, findet weiterhin eine Vielzahl an professionellen Tools:

Google Veo: Gilt derzeit als führend in Sachen fotorealistischer Qualität. Das Tech-Portal CNET hat es gerade erst zur „besten Wahl für cineastische Videos“ gekürt. Veo ist direkt über die Google-KI Gemini erreichbar. Filmemacher gehen über das Google AI Studio, wo sie mehr Funktionen haben.
Runway: Der „Platzhirsch“ für Kreative bietet mit Tools wie dem Director Mode und Advanced Camera Controls die präziseste Steuerung für Filmemacher.
Kling AI war die erste Video-KI aus China, die mit den US-Modellen mithalten konnte. Das gilt auch für die aktuelle Version 3, die gerade bei fotorealistischen Motiven überzeugt. Kritisch für professionelle Nutzer sind allerdings die Datenschutzbedingungen.
Canva kommt aus der Bild-Erstellung, bringt aber auch immer mehr Video auf die Plattform. Sehr einfaches Interface, mit dem auch Laien mit wenigen Klicks fertige Clips schneiden können indem sie Vorlagen nutzen, Musik hinzufügen und Texte animieren.
HeyGen ist ein Spezialtool für professionelle Avatarvideos – wir nutzen es zum Beispiel für unsere disruptive KI-Akademie. Ideal geeignet auch für Ausbildungs- und Schulungsfilme in Unternehmen.

Darf ich mit Sora erstellte Videos weiterhin nutzen?

Ja, Sie dürfen die mit Sora erstellten Videos in der Regel weiterhin nutzen, da OpenAI Ihnen laut seinen Nutzungsbedingungen die Rechte am Output (den generierten Videos) überträgt. Das Ende des Dienstes Sora im März 2026 ändert nichts an der Gültigkeit dieser bereits erfolgten Rechteübertragung.

Die Nutzung bleibt an die Einhaltung der ursprünglichen Nutzungsrichtlinien gebunden. Das bedeutet, die Inhalte dürfen beispielsweise nicht gegen Sicherheitsvorgaben (wie Hassrede oder Deepfakes) verstoßen haben. Beachten Sie zudem, dass rein KI-generierte Werke nach deutschem Recht (§ 2 UrhG) oft keinen automatischen urheberrechtlichen Schutz genießen, da sie keine „menschliche Schöpfung“ sind. Und: Ab August gilt die Kennzeichnungspflicht laut AI Act.

Achtung zudem bei Videos mit geschützten Charakteren (z. B. Disney-Figuren). Hier ist die weitere Nutzung kritisch, da die Kooperationen zwischen OpenAI und den Rechteinhabern mit dem Ende von Sora ebenfalls ausgelaufen sind.

Fazit: Die Evolution geht weiter – aber ernsthafter

Die Abschaltung von Sora ist kein Rückschritt, sondern eine notwendige Korrektur. OpenAI konzentriert sich nun darauf, die Kernfunktionen seiner KI zu verbessern, statt ein separates Nice-to-have-Feature mitzuschleifen. Das ist strategisch klug – auch wenn es den Hype dämpft.

Irgendwie war Sora der fliegende Teppich der KI-Welt: Faszinierend, mysteriös, aber eben nicht alltagstauglich.

Drei Gründe für die disruptive KI-Akademie

Sofort nutzbares Praxiswissen und wöchentlich neue Kurse

DSGVO-konform und ISO-zertifiziert

Plattform in Ihrem Corporate Design

Der Beitrag Sora-Aus: Warum das Scheitern der bekanntesten Video-KI eine gute Nachricht ist erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

LinkedIn-Algorithmus und KI: Das Profil ist kein Lebenslauf mehr, sondern eine Datenbank

Timm Rotter — Tue, 07 Apr 2026 10:24:15 +0000

LinkedIn-Algorithmus und KI: Das Profil ist kein Lebenslauf mehr, sondern eine Datenbank

Ziemlich unbemerkt hat LinkedIn auf die neuen Möglichkeiten von Künstlicher Intelligenz reagiert, was sich auf deutlich darauf auswirkt, was auf der Plattform funktioniert und was nicht. Wir erklären, was sich ändert:

Die meisten LinkedIn-Profile sind digitale Datenfriedhöfe: Sie sind zwar chronologisch sortiert, aber inhaltlich unzusammenhängend. Für den Algorithmus sind wir Ansammlungen von Stichworten – ein klar konturiertes Experten-Profil lässt sich daraus nur selten ableiten.

Genau das verlangt der LinkedIn-Algorithmus aber inzwischen. Er bewertet nicht mehr nur Ihren letzten Post, sondern prüft immer stärker die thematische Kohärenz zwischen Infotext, Profileinträgen (Lebenslauf, Fähigkeiten) und Interaktionen.

Passen Ihre Aussagen in einem Post nicht zu Ihrem Werdegang, stuft Sie das System als eher irrelevant ein. Wer auf ein bisschen „KI-generiertes Grundrauschen“ setzt, wird unsichtbar. Wer hingegen LLMs nutzt, um seine Positionierung präzise zu schärfen und thematische Brüche im Profil zu schließen, baut ein Profil, an dem der Algorithmus inhaltlich nicht mehr vorbeikommt.

Hier sind drei Tipps, wie Sie Ihr LinkedIn-Profil mit KI optimieren, jeweils samt der passenden Prompts:

1. Der Infotext: Semantische Schärfe statt Prosa

Ihr Infotext ist Ihr aufgeschriebener Elevator-Pitch. Allerdings pitchen Sie sich selbst heutzutage nicht mehr nur bei anderen LinkedIn-Usern, sondern auch gegenüber der KI: Der Text muss daher die Brücke schlagen zwischen menschlicher Nahbarkeit und maschineller Verwertbarkeit für Vektor-Datenbanken.

Als Beispiel hier einmal zwei Versionen des gleichen Satzes:

Alt: „Ich arbeite als leidenschaftlicher Projektmanager mit Fokus auf Innovation im Digitalteam von Musterfirma.“ → Was sich für uns auf den ersten Blick ganz flüssig liest, hat aus KI-Sicht null Informationsgehalt.
Neu und KI überarbeitet: „Ich skaliere die Arbeit unseres Digitalteams von Musterfirma, indem ich agile Frameworks entwickele und so die Time-to-Market durchschnittlich um ein Viertel reduziere.“ → Neu ist hier die kausale Wirkung der eigenen Arbeit auf das Ergebnis und die Benennung der Methoden. Genau das mag KI.

Dieser Prompt hilft Ihnen, dass Ihr Infotext in Zukunft menschliche und künstlich intelligente Leser überzeugt.

[Rolle]: Agiere als spezialisierter Profil-Architekt.

[Task]: Erstelle einen LinkedIn-Infotext in der 1. Person auf Basis dieser Daten: [Ihre Meilensteine/alternativ auch Ihren bisherigen Infotext].

[Methodik]: Nutze einen präzisen Nominalstil. Fokus auf Kausalverben (bewirken, skalieren, transformieren). Zugleich darf der Text auf keinen Fall angeberisch wirken und muss auch Menschen ansprechen

[Constraint]: Maximiere die semantische Dichte für das Themencluster [Ihr Fachbereich, z.B. Cloud-Architektur]. Vermeide jegliche Art von AI-Slop, Phrasen oder Füllwörtern. Streiche daher auch alle Adjektive aus dem Bereich Softskills.

2. Lebenslauf-Audit: Das MECE-Prinzip für Ihre Stationen

HR-Units und Algorithmen scannen nach Impact-Mustern. Strukturieren Sie Ihre Erfahrung nach dem MECE-Prinzip. MECE steht für „Mutually Exclusive, Collectively Exhaustive“ und bedeutet: Jede Station sollte einen einzigartigen, überschneidungsfreien Mehrwert belegen. Angenommen. Sie sind gerade auf der Suche nach einer neuen Stelle oder nach internen Aufstiegsmöglichkeiten, dann hilft Ihnen dieser Prompt zur Gap-Analyse):

[Rolle]: Agiere als spezialisierter Profil-Architekt.

[Context]: Meine Zielposition ist [Wunschrolle].

[Input]: Meine bisherige Stationsbeschreibung: [Text].

[Task]:

Prüfe die Beschreibung auf logische Brüche zur Zielposition.

Analysiere meine Aufgaben und wandle sie in Resultate um. Nutze das Muster: „Durch [meine konkrete Handlung] habe ich [messbares Ergebnis/Metrik] erreicht.“

[Output-Format]: Maximal 3 präzise Bullet Points pro Station. Tonalität: Nüchtern, technisch, direkt.

Bei uns finden Sie für Ihr Team die passenden Seminare

3. Der 360-Grad-Check: Das Profil als System-Audit

LinkedIns integrierte Intelligenz erkennt Inkonsistenzen. Die genauen Zutaten, wie das System bewertet, hält die Plattform geheim – so geheim wie Coca-Cola seine Brauserezeptur. Common Sense bei LinkedIn-Expertisen ist allerdings inzwischen, dass die Konsistenz nicht nur für Interaktionen gilt, also für Post, Shares der Kommentare. Wenn Ihr Infotext von „Strategie“ spricht, Ihre Skills aber nur „operatives Handwerk“ zeigen, sinkt vermutlich die Relevanz Ihres Profils.

Hier hilft ein KI-basiertes Profil-Audit: Der Prompt dazu:

[Rolle]: Agiere als spezialisierter Profil-Auditor und KI-Stratege.

Task:

Analysiere den gesamten Profil-Text [Input/Screenshots] und arbeite die thematischen Cluster heraus.

Identifiziere die drei dominantesten Fachbegriffe, so wie sie eine Vektor-Datenbank (Embeddings) gewichten würde.

Vergleiche diese gewichteten Begriffe mit meiner angestrebten Zielposition [Ziel-Rolle].

Liste mir konkret alle Inkonsistenzen auf, die das algorithmische Vertrauen stören könnten.

Output: Gib mir eine priorisierte Liste mit Korrekturvorschlägen, um die semantische Lücke zwischen Ist-Zustand und Ziel-Rolle zu schließen.

Zusatztipp: Beim Profilbild Finger weg von KI

So verlockend es ist, auch bei den Bildwerken mit Künstlicher Intelligenz herumzuspielen: Nutzen Sie keine KI-Headshots. LinkedIn steuert seit Jahren auf „Proof of Personhood“ (dem Nachweis echter menschlicher Identität) zu – erkennbar beispielsweise an der Möglichkeit, Profile zu verifizieren. Hier sind generierte Bilder ein Ausschlusskriterium für Vertrauen. Authentizität ist in Zeiten von Deepfakes Ihre härteste Währung.

Datenschutz: Data Privacy by Design

Wer mit LLMs arbeitet, weiß: Daten sind Treibstoff. Nutzen Sie allerdings Gratis-Versionen, füttern Sie bei den meisten Modellen deren Training. Modelle aus den USA oder China (also fast alle) verarbeiten Ihre Daten zudem auf Servern außerhalb der EU. Stichwort: DSGVO.

Anonymisieren Sie daher kundenspezifische KPIs und Klarnamen, bevor Sie diese in den Prompt-Stream schicken.

Jetzt könnte man einwenden, LinkedIn-Daten sind doch ohnehin öffentlich im Netz (und sogar bei Microsoft, zu denen die Plattform schließlich gehört): Das stimmt und trotzdem gehört es zu einer professionellen KI-Kompetenz, Daten über Dritte, vor allem im beruflichen Kontext, nicht ohne deren Einwilligung in öffentliche KI-Systeme einzuspeisen.

Wer mit Business-Versionen von Gemini, ChatGPT & Co. arbeitet, deutsche KI-Interfaces wie Nuwacom nutzt oder Microsoft Copilot, ist in der Regel auf der sicheren Seite.

Fazit: Circle of Competence statt Clickbaiting

LinkedIn hat erkannt, dass es in Zeiten, in denen die Plattform immer mehr von AI Slop überspült wird, zurück muss zu den eigenen Stärken: menschliche Expertise.

Die Ära der „Engagement-Hacks“ ist vorbei. Erfolg hat: Eine konsistente Positionierung über das gesamte Profil hinweg samt dazu passender Beiträge sind entscheidend dafür, wie LinkedIn Ihre Inhalte ausspielt.

Fokussieren Sie sich auf Ihren Circle of Competence: Das System versteht jede Ihrer Interaktionen inhaltlich und prüft, wie gut sie zum Autorenprofil passt. Und das gilt nicht nur für Posts: Kommentare in Fach-Communities bringen daher langfristig deutlich mehr Sichtbarkeit als hohle Clickbait-Beiträge oder „Congratulations“ unter jedem Post eines Kollegen, der befördert wurde.

Ist doch ohnehin viel netter, wenn Sie den einfach kurz anrufen.

Checklist: Prüfen Sie Ihr Profil in 60 Sekunden:

Profil-Checkliste

Belege statt Behauptungen? Im Infotext und in den CV-Stationen helfen Kausalverben der KI, ihre Relevanz zu verstehen. Tauschen Sie leere Worte wie „verantwortlich für“ gegen „skaliert“, „implementiert“ oder „reduziert“ aus.
MECE-Struktur? Sind Ihre Stationen überschneidungsfrei und logisch auf Ihr Ziel ausgerichtet?
Foto echt? Kein KI-Glattschliff – Authentizität bringt Reichweiten.
Klarer Circle of Competence? Ihr Profil und jeder Ihrer Posts sollte Ihre fachliche Expertise belegen.

Drei Gründe für die disruptive KI-Akademie

Sofort nutzbares Praxiswissen und wöchentlich neue Kurse

DSGVO-konform und ISO-zertifiziert

Plattform in Ihrem Corporate Design

Der Beitrag LinkedIn-Algorithmus und KI: Das Profil ist kein Lebenslauf mehr, sondern eine Datenbank erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Vergleich der ChatGPT-Modelle: Welches Modell für welche Aufgabe?

Timm Rotter — Thu, 02 Apr 2026 14:50:00 +0000

Vergleich der ChatGPT-Modelle: Welches Modell für welche Aufgabe?

Wir passen diesen Artikel regelmäßig an und überarbeiten ihn – zuletzt am 1. April 2026.

Die KI-Welt entwickelt sich im stetigen Wettlauf neuer und bestehender Marktführer rasant – monatlich oder gar wöchentlich kommen neue Versionen, Features und Spezialmodelle hinzu. Besonders schnell ist der Durchlauf beim ChatGPT-Erfinder OpenAI: Was gestern „das Standardmodell“ war, kann morgen schon aus der Toolbox fliegen. So ist es inzwischen vielen vor kurzer Zeit noch populären Modellen wie ChatGPT-4o oder OpenAIs Ende 2024 noch als wegweisend gefeierten ersten Reasoning-Modell o1 gegangen.

Weiterhin gibt es jedoch eine ganze Reihe an Modellen zur Auswahl – ChatGPT 5.4 und 5.3 natürlich, die derzeit neusten Versionen, dann die Vorgänger der 5er-Generation, und auch das ein oder andere ältere.

Insofern ist ChatGPT nicht mehr nur ein KI-Werkzeug, sondern bietet einen ganzen Werkzeugkasten diverser Tools. Sie alle sind mit unterschiedlichen Fähigkeiten ausgestattet und unterscheiden sich in Leistungsfähigkeit, Geschwindigkeit und Kosten. Und: Nicht jedes neue Modell ist unbedingt besser als der Vorgänger.

In unserer monatlichen W&V-Kolumne „KI für Könner“ ordnen wir regelmäßig den Status quo ein und erklären, welches Modell für welche Aufgabe besonders gut geeignet ist. Hier die aktuelle Übersicht Paywall-free:

GPT-5.3/4: Die Default-Allrounderin
ChatGPT Pro – die Super-KI, die kaum jemand braucht
OpenAI o3: Der tiefsinnige Denker
GPT Image 1.5: Die integrierte Bildermacherin
Fazit

GPT-5.3/4: Die Default-Allrounderin

Wer verstehen will, wie sich ChatGPT als „die Mutter aller Chatbots“ von der schnellen Antwortsmaschine zum echten Arbeitswerkzeug entwickelt hat, für den ist die aktuelle 5er-Modellreihe das beste Beispiel: weniger „Show“, mehr Verlässlichkeit – vor allem bei echten, mehrschrittigen Aufgaben.

Was das aktuell neueste Modell 5.4, wie schon die Vorgänger der 5er-Serie, so stark macht, ist nicht ein einzelner Wow-Moment, sondern die Mischung: Die KI passt sich dem jeweiligen Bedarf an: Auf einfache Wissensfragen bekommen wir eine schnelle Antwort. Wenn es darum geht, Informationen aus langen Anfragen und Dokumenten zu ziehen und sauber zu strukturieren, denkt sie sich tiefer ins Thema. Zudem sind die neuen Modelle deutlich besser darin, in langen Threads über mehrere Prompts hinweg das vorher Besprochene im Blick zu behalten.

Gerade bei Aufgaben, bei denen man sonst gerne in den „Prompt-Sumpf“ gerät (zu viele Anforderungen, zu viele Rahmenbedingungen, zu viele Iterationen), hält ChatGPT-5 die Fäden auffällig gut zusammen: weniger inhaltliche Sprünge, weniger kreativer Murks, dafür Überblick über den gesamten Bisherigen Thread.

Die 5er-Familie ist daher auch die erste, bei der ChatGPT nicht als „ein Modell“ daherkommt, sondern verschiedene Modi enthält: Wer schnelle Antworten braucht, ist im „Instant“-Mode richtig, bei komplexeren, mehrstufigen Aufgaben hilft „Thinking“ – und für die ganz harten Brocken noch die Pro-Variante, die im Abo jedoch rund 200 Euro pro Monat kostet. Dazu unten mehr.

Im Modell-Drop-Down (hinter dem Begriff „ChatGPT“) kann man aber manuell wechseln, wenn man möchte, dass die KI schneller (also „instant“) oder gründlicher denkt. Am Desktop findet man das Menü links oben im Chatfenster, in der Mobile-App am oberen Bildschirmrand.

Und ja: Es gibt auch eine Kehrseite. ChatGPT-5 trifft nicht immer den charmantesten Tonfall – manchmal kommuniziert das Modell einen Tick technischer oder „geschäftsmäßiger“ als die empathischeren Kollegen aus der 4.x-Ära. Daher hatte Sam Altman nach dem Launch der GPT-5-Modelle auf vielstimmigen Protest hin sogar das alte ChatGPT-4o zeitweise reaktiviert, weil zahlreiche Menschen das als so einen sympathischen Gesprächspartner empfunden hatten. Inzwischen ist 4o übrigens weitgehend verschwunden – ohne erneuten Aufschrei. Offenbar hat sich das Gewohnheitstier Mensch mit den neuen Modellen arrangiert.

Einsatzgebiete für GPT-5

GPT-5 ist ideal für alle, die ChatGPT als Arbeitswerkzeug nutzen – nicht nur zum Fragenstellen. Wir setzen es besonders gerne ein für:

Alltagsaufgaben mit Anspruch: Agenden und Gliederungen, Zusammenfassungen, Konzeptentwürfe und -vorlagen, Entscheidungsvorlagen – schnell in Instant, ausführlich in Thinking
Lange Dokumente und komplexe Kontexte: Reports, Verträge, Strategiepapiere, Briefings, you name it
Mehrschrittige Workflows: Struktur → Entwurf → Überarbeitung → Checkliste → fertiges Ergebnis (ohne dass das Modell unterwegs den Fokus verliert)
Business-Output: Präsentationslogik, Tabellen-/Planungsentwürfe, Projektpläne, wiederverwendbare Templates
Technische Aufgaben: Code erklären, Code prüfen, Bugs finden und beheben, technische Konzepte sauber dokumentieren – vor allem mit Thinking/Pro

Kurz gesagt: Wenn Sie ein Modell suchen, das breit einsetzbar ist und zuverlässig liefert, ist 5 aktuell Ihre Nummer eins – zumindest in ChatGPT.

ChatGPT Pro – die Super-KI, die kaum jemand braucht

ChatGPT Pro ist weniger ein Modus, sondern ein eigenes Abo-Modell von OpenAI. Für 200 Euro pro Monat kann man damit auf die laut dem US-Unternehmen leistungsstärkste Version seiner KI zugreifen.

Wir können den Part kurz halten, denn für vermutlich 99,99 % aller Fälle reichen die Standardmodelle vollkommen aus. Keine Frage, es ist beeindruckend, wie akribisch und differenziert „Pro“ komplexe Aufgaben angeht. Für uns war der erste Test der Moment, wo uns im Team klar wurde, dass KI uns nicht erst überflügeln wird, sondern es in vielerlei Hinsicht bereits getan hat.

Im Alltag aber schmeißen Sie mit einem Pro-Abo nur Geld zum Fenster raus.

Einsatzgebiete für ChatGPT Pro

Genutzt wird ChatGPT Pro vor allem in Consulting und Wissenschaft, wo Komplexität und Iterationstiefe entscheidend sind. Konkrete Anwendungen sind beispielsweise:

systematische Literaturarbeit wie das Zusammenfassen und Vergleichen Dutzender Papers zum Herausarbeiten von Forschungslücken
die Unterstützung bei Studiendesign und Methodiken, etwa um Hypothesen zu präzisieren
interdisziplinäre Analysen (z. B. Technik × Ethik × Recht)

Kurz gesagt: ChatGPT Pro zahlt sich für Forschende aus, wo Denken, Strukturieren und Präzisieren Zeit und damit Geld kosten – und Fehler sehr teuer werden.

OpenAI o3: Der tiefsinnige Denker

o3 ist für ein KI-Modell schon richtig alt und dennoch weiterhin über das Modell-Dropdown verfügbar: Es wurde in seiner ersten Version im Januar 2025 gelauncht. Weiterhin aber ist es eine gute Alternative zu den 5er-Modellen, wenn es weniger um schnelle Antworten und mehr um echtes Durchdenken geht. OpenAI hat o3 „damals“ als Spezialisten für Situationen, in denen die erste Generation der Sprachmodelle, die „Transformer“, an ihre Grenzen stießen: komplexe Logik, viele Abhängigkeiten, widersprüchliche Informationen oder Aufgaben, bei denen ein falscher Zwischenschritt das gesamte Ergebnis kippt.

Die Stärke von o3 liegt weniger im Tempo als in der Art, wie es Probleme angeht. Es war eines der frühen „Reasoning“-Modelle, die erst denken und dann plappern. Statt superschnell eine plausible Antwort zu liefern, zerlegt es Aufgaben systematisch und arbeitet sich Schritt für Schritt vor. Gerade bei analytischen Fragestellungen – etwa in Mathematik, Programmierung, Forschung oder bei komplexen Entscheidungsbäumen – macht sich dieser Ansatz bemerkbar: weniger Flüchtigkeitsfehler, weniger „kreative Abkürzungen“, mehr belastbare Ergebnisse.

Auffällig ist auch, wie gut o3 mit komplexen Eingaben umgehen kann. Lange Aufgabenstellungen, verschachtelte Anforderungen oder visuelle Informationen wie Diagramme, Tabellen oder Screenshots bringen das Modell deutlich weniger aus dem Tritt als klassische Chat-Modelle. Wo andere anfangen zu vereinfachen oder stillschweigend Annahmen zu treffen, bleibt o3 länger präzise – auch wenn das auf Kosten der Antwortgeschwindigkeit geht.

Natürlich hat dieser Ansatz seinen Preis. o3 ist langsamer und rechenintensiver als GPT-5.2 und wirkt im Ton oft nüchterner, manchmal fast spröde. Für schnelle Alltagsfragen oder kreative Texte ist es meist überdimensioniert. Wer aber einmal erlebt hat, wie o3 einen kniffligen Denkfehler aufdeckt oder eine komplexe Argumentation sauber zu Ende führt, versteht schnell, warum es weiterhin im ChatGPT-Werkzeugkasten enthalten ist.

Einsatzgebiete für o3

o3 eignet sich besonders für Aufgaben, bei denen Genauigkeit wichtiger ist als Geschwindigkeit. Wir setzen es vor allem ein für:

Analysen & Research: wissenschaftliche Fragestellungen, Marktanalysen, Hypothesenprüfung
Programmierung & Debugging: knifflige Bugs, Architekturfragen, algorithmische Probleme
Mathematik & Logik: mehrstufige Berechnungen, Beweise, formale Argumentationen
Visuelles Denken: Analyse von Diagrammen, Tabellen, technischen Skizzen oder Screenshots
Kritische Entscheidungsunterstützung: Wenn viele Faktoren sauber gegeneinander abgewogen werden müssen

Kurz gesagt: o3 ist kein Modell für „mal eben schnell“, sondern für die Fälle, in denen man sicher sein will, dass das Ergebnis auch nach dem zweiten und dritten Hinsehen noch trägt.

Mehr KI-Updates gefällig?

In unserem monatlichen Newsletter erhalten Sie ausgesuchte Infos und Einordnungen zu AI, Agents und Automatisierung. Zudem gibt es regelmäßig Einladungen zu kostenlosen KI-Webinaren.

GPT Image 1.5: Die integrierte Bildermacherin

Ein wichtiges Update gab es 2025 bei der Bild-KI von ChatGPT: OpenAI hat eine eigene Modellfamilie für die Bilderstellung gestartet – die aktuelle Version ist GPT Image 1.5. „DALLE“, was lange der Standard in ChatGPT war, können Sie von Ihrer KI-Tool-Liste endgültig streichen.

GPT Image liefert vor allem bei Text im Bild, Layouts und fotorealistischen Motiven nochmals stabilere und konsistentere Ergebnisse.

Wichtig dabei: Das ist kein „Chat-Modell“, sondern eine Bildfunktion – ein Spezialwerkzeug in ChatGPT, das unabhängig vom gewählten Chat-Modus agiert. Starten können Sie es direkt in ChatGPT – am Desktop in der Navigationsleiste auf der linken Seite, am Handy über das Burger-Menü. Sie gehen auf „Bilder“ und können direkt starten.

Mit dem Platzhirsch Midjourney können die Ergebnisse je nach Motiv weiterhin nicht immer mithalten – dafür ist die nahtlose Integration in ChatGPT (Prompt → Bild → Varianten → Bearbeitung) im Arbeitsalltag oft unschlagbar praktisch.

Fazit: Welches Modell für welchen Zweck?

Für die meisten Alltagsaufgaben – E-Mails, Konzepte, Zusammenfassungen, Brainstorming, schnelle Entscheidungen – ist GPT-5.2 Instant die beste Wahl: schnell, stabil und im Arbeitsalltag meist die sinnvollste Mischung aus Qualität und Tempo. Sobald es komplexer wird – harte Logik, anspruchsvolle Analyse, knifflige Programmierung – wechseln wir auf GPT-5.2 Thinking/Pro.

Was wir auf jeden Fall sehen: Es geht nicht mehr darum, immer das leistungsfähigste Modell zur Hand zu haben. Erfolgreich mit KI arbeiten heißt vielmehr, das richtige Spezialwerkzeug für den jeweiligen Zweck zu kennen – und rechtzeitig mitzubekommen, wenn ein Lieblingswerkzeug demnächst aus dem Koffer fliegt.

Bei uns finden Sie die passenden Seminare

Der Beitrag Vergleich der ChatGPT-Modelle: Welches Modell für welche Aufgabe? erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Mehr aus Microsoft Copilot herausholen – drei Hacks für Einsteiger

Timm Rotter — Tue, 17 Mar 2026 14:38:16 +0000

Mehr aus Microsoft Copilot herausholen – drei Hacks für Einsteiger

Die Microsoft-KI „Copilot“ entwickelt sich immer mehr zum Business-Standard für Unternehmen. Wir erklären, wie Sie das Beste herausholen aus der Technologie, die weit mehr ist als nur ein Chatbot:

Zwei Jahre lang war Copilot – so deutlich muss man es sagen – eine ziemliche Enttäuschung: Die Werbevideos von Microsoft hatten Großes angekündigt. Nämlich eine KI, die in allen Office-Programmen als digitaler Assistent unterstützt und damit Generative Künstliche Intelligenz und klassische Business Tools verzahnt. Tatsächlich erscheint die Doppelraute, das farbenfrohe Symbol des Copilot, in sämtlichen Microsoft-Programmen – vorausgesetzt man hat die zusätzlichen Lizenzkosten bezahlt. Doch zwei Jahre lang scheiterte das Tool schon bei einfachsten Aufgaben in Excel, Outlook oder PowerPoint.

Das hat sich in den vergangenen sechs Monaten geändert, und Copilot ist tatsächlich zur ernsten Konkurrenz für ChatGPT und Gemini geworden. Der Hauptgrund, warum die Nutzerzahlen aktuell sogar schneller wachsen als beim Marktführer OpenAI dürfte allerdings ein anderer sein: Microsoft genießt, weil es schon so lange Teil des Software-Setups vieler Firmen ist, einen Vertrauensvorschuss in puncto Datenschutz und Sicherheit. Daher wird Copilot immer mehr zur Default-KI-Lösung in Unternehmen.

Allerdings nutzen die meisten das Tool kaum effizienter als eine bessere Suchmaschine – nämlich wie einen einfachen Chatbot. Also: Frage rein, Antwort raus.

Microsoft Copilot – das Interface für die eigene Arbeitsorganisation

Dabei ist der eigentliche Mehrwert ein anderer: dass Copilot Zugriff hat auf die gesamte Office-Umgebung samt der eigenen Daten – von Dokumenten, über Chats bis zu E-Mails. Damit wird die Microsoft-KI zum Interface für die eigene Arbeitsorganisation.

Eine hilfreiche Denkweise dabei: Stellen Sie sich Copilot vor wie einen sehr schnellen Praktikanten. Der Praktikant kann unglaublich viel erledigen – Meetings minutiös mitprotokollieren, Dokumente vergleichen, Tabellen aufräumen, Informationen aus dem Firmenwissen zusammensuchen. Aber er ist darauf angewiesen, dass Sie ihm sagen, wo er schauen soll und nach welchen Informationen er genau suchen soll.

Wenn Sie ihm klare Hinweise geben („Lies dieses Dokument“, „Frage diese Person“, „Analysiere diese Präsentation“), arbeitet er extrem effizient. Wenn nicht, sucht er trotzdem – braucht aber länger und muss mehr „raten“.

Gerade für mittelständische Unternehmen ist dabei ein Punkt entscheidend: Die bereits erwähnte Sicherheit. Während man bei der Nutzung kostenloser KI-Tools oft gegen DSGVO und diverse Nutzungsrechte verstößt, arbeitet der Microsoft Copilot innerhalb Ihrer geschützten Unternehmens-Umgebung (im Microsoft-Sprech „Tenant“). Ihre Daten verlassen weder den EU-Raum, noch werden sie zum Training der globalen KI-Modelle genutzt.

Wir sehen in unseren Projekten immer wieder, dass diese „Enterprise-Grade“-Sicherheit das Fundament ist, auf dem echte Innovation im Mittelstand erst entstehen kann.

Daher hier drei praktische Hacks, mit denen Sie den Copilot-Chat im Alltag noch deutlich effizienter nutzen können.

Hack 1: Copilots größte Stärke: Er arbeitet mit Ihren Unternehmensdaten

Viele vergleichen Copilot automatisch mit ChatGPT. Der Vergleich ist verständlich – schließlich steckt unter der Haube des Microsoft Chatbots tatsächlich die OpenAI-KI. Er greift aber zu kurz.

Während ChatGPT primär mit seinem trainierten Wissen und den Inhalten eines Prompts arbeitet, kann Copilot auf Inhalte aus der eigenen Arbeitsumgebung zugreifen, etwa aus:

Microsoft Outlook
Microsoft Teams
Microsoft OneDrive
Microsoft SharePoint
Microsoft Word
Microsoft Excel

Der Effekt: Copilot kann nicht nur generische Antworten auf Basis des Weltwissens eines Large Language Models liefern, sondern auch mit Ihren Arbeitsdokumenten arbeiten, selbst wenn Sie diese nicht aktiv im Chat hochladen.

Technisch gesehen zapft Copilot hierbei den sogenannten Microsoft Graph an – das neuronale Netz Ihrer Unternehmensdaten – und verknüpft so Informationen aus Mails, Teams-Chats und SharePoint-Dateien. Bei jedem Nutzer kann er allerdings nur die Dateien sehen, auf die er oder sie selbst auch Zugriff hat.

Was wir schon mehrfach bei Kunden erlebt haben: Die Qualität der Antworten steht und fällt mit der Datenstruktur. Wenn Ihr SharePoint einem „digitalen Dachboden“ gleicht, wird auch Copilot Schwierigkeiten haben, die richtigen Infos zu finden. Bevor wir daher mit Unternehmen ins tatsächliche KI-Setup starten, unterstützen wir zunächst oft bei der notwendigen Daten-Governance.

Interessant für Fortgeschrittene: Der Copilot greift nicht nur auf Microsoft-Daten zu. Über sogenannte Connectoren lassen sich auch Informationen aus anderen Tools integrieren, etwa aus Projekt- oder Wissensmanagementsystemen wie:

Jira
Confluence
Salesforce
Asana
HubSpot

Viele Mittelständler nutzen diese Tools bereits, aber oft in Silos und ohne Brücke zur KI. Der Copilot hat das Potenzial, diese Silos zu überbrücken – als eine Art zentrale Wissensschnittstelle für die gesamte Organisation.

Hack 2: Personen und Dokumente direkt im Prompt taggen

Ein Feature, das viele Nutzer übersehen: In Copilot lassen sich Personen und Dateien direkt im Prompt referenzieren. Das funktioniert ähnlich wie ein Tagging-System. Copilot nutzt hierbei das Symbol “/”.

Beispiele:

Personen über Namen (z. B. aus Teams oder Outlook)
Dateien aus OneDrive oder SharePoint – soweit für Sie freigegeben
Meetings oder Chatverläufe

Ein Prompt könnte dann so aussehen:

„Fasse die wichtigsten Punkte aus dem Dokument /Projektstrategie Q3 zusammen und erstelle eine kurze Zusammenfassung für ein Update an /Max Mustermann.“

Hier kommt wieder das Praktikanten-Prinzip ins Spiel: Wenn Sie dem Copilot klar sagen, welche Dokumente oder Personen relevant sind, arbeitet er schneller und präziser. Ohne diese Hinweise funktioniert es zwar auch – aber Copilot muss sich erst selbst durch mögliche Quellen arbeiten. Genau wie ein Praktikant, der nicht weiß, in welchem Ordner die relevante Datei liegt.

Ein echter Game Changer im Arbeitsalltag sind Besprechungs-Transkripte. Wenn Sie ein Meeting in Teams aufgezeichnet haben, können Sie Copilot mit dem Befehl „/“ direkt auf das Protokoll verweisen und fragen:

„Fasse die drei wichtigsten Entscheidungen aus dem Meeting von gestern zusammen und schreibe eine Aufgabenliste für das Team.“

So wird aus einer Stunde Reden in Sekunden ein strukturiertes Ergebnis. Die Funktion können Sie auch nutzen, wenn Sie nicht am Meeting teilgenommen haben. Voraussetzung ist allerdings, dass Sie eingeladen waren.

Hack 3: Geplante Prompts – Copilot regelmäßig für Sie arbeiten lassen

Geplante Prompts im Chat von Microsoft Copilot sind dann praktisch, wenn Sie regelmäßig die gleiche Aufgabe erledigen müssen. Ein geplanter Prompt verbindet die Verlässlichkeit einer Outlook-Regel mit der Kompetenz einer KI.

Die Idee ist simpel: Sie formulieren einmal einen Prompt – Copilot führt ihn anschließend automatisch zu einer festgelegten Zeit aus.

Der Ablauf ist dabei bewusst einfach gehalten: Zuerst geben Sie ganz normal Ihren Prompt im Chat ein. Wenn er einmal durchgelaufen ist, können Sie über die Einstellungen die Option „Geplante Prompts“ auswählen und festlegen:

wann der Prompt ausgeführt werden soll
zu welcher Uhrzeit
ob Sie eine E-Mail-Benachrichtigung mit dem Ergebnis erhalten möchten

Ein Beispiel:

„Erstelle mir eine Zusammenfassung meiner wichtigsten ungelesenen E-Mails und Meetings der letzten 3 Tage.“

Oder:

„Fasse die wichtigsten Aktivitäten im Vertrieb aus der letzten Woche zusammen.“

Solche Prompts lassen sich dann etwa täglich morgens oder einmal pro Woche automatisch ausführen.

Der Prozess ist aktuell noch relativ starr und wenig komplex – aber genau das macht ihn in der Praxis interessant: Er ist sehr einfach einzurichten und benötigt keine zusätzlichen Automatisierungstools oder Coding-Kompetenzen.

Der Effekt: Copilot wird vom reaktiven Chatbot zum aktiven Informations-Assistenten, der Ihnen bestimmte Auswertungen oder Zusammenfassungen regelmäßig vorbereitet.

Fazit: Der Produktivitätsgewinn mit Copilot steckt im Kontext

Viele Unternehmen führen Copilot ein – nutzen ihn aber zunächst wie ein klassisches Chat-Tool. Der eigentliche Hebel liegt jedoch darin, dass die Microsoft-KI ein viel größeres Kontextwissen hat, und zwar durch

Zugriff auf Unternehmenswissen
Verknüpfung von Dokumenten und Personen
automatisierte Workflows, die die diversen Tools verzahnen

Anders gesagt: Copilot entfaltet seinen Wert erst dann wirklich, wenn er Teil Ihrer täglichen Arbeitsprozesse wird.

Copilot ist kein Tool, das man einfach nur installiert – es ist eine neue Art zu arbeiten, die gelernt werden muss. Der Unterschied zwischen einer „netten Spielerei“ und echter Produktivitätssteigerung von 20 Prozent oder mehr liegt in der strategischen Implementierung und der Befähigung der Mitarbeiter.

Im nächsten Teil dieser Serie schauen wir uns an, wie Copilot direkt in Tools wie Word, PowerPoint oder Excel eingesetzt werden kann – und wo dort die größten Produktivitätsgewinne liegen. Denn der Chat ist erst der Anfang.

Wir helfen Ihnen, Copilot erfolgreich einzuführen

Nutzen Sie das Potenzial von Copilot: Wir begleiten mittelständische Unternehmen dabei, die Microsoft-KI sicher und effizient einzuführen. In unseren praxisnahen Workshops zeigen wir nicht nur die Theorie, sondern erarbeiten direkt mit Ihren Teams Use-Cases aus Ihrem echten Arbeitsalltag.

Schreiben Sie uns einfach eine kurze Mail an info@disruptive-muenchen.de und lassen Sie uns in einem unverbindlichen Erstgespräch klären, wie Ihr individueller Copilot-Fahrplan aussieht!

Bei uns finden Sie für Ihr Team die passenden Seminare

Der Beitrag Mehr aus Microsoft Copilot herausholen – drei Hacks für Einsteiger erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Kommunalwahl in München: Auf wen setzt die KI?

Timm Rotter — Tue, 17 Mar 2026 09:47:55 +0000

Kommunalwahl in München: Auf wen setzt die KI?

Wie geht Generative KI mit politischen Inhalten um – und taugt sie als echte Hilfe bei der Wahlentscheidung? Kurz vor den Kommunalwahlen 2026 in München nehmen wir die größten LLMs erneut unter die Lupe.

Hinweis: Dieser Artikel wurde vor der Wahl am 8. März geschrieben. Der Stadtrat und die Bezirksausschüsse sind seitdem gewählt. Am 22. März findet nun noch die Stichwahl zwischen den beiden Oberbürgermeisterkandidaten Dominik Krause und Dieter Reiter statt.

„Die große Wahl-O-Mat-Überraschung“: So titelte die BILD vor der letzten Europawahl. Anlass war ein viral gegangener LinkedIn-Post unseres Geschäftsführers Timm Rotter. Er hatte in einem Experiment ChatGPT mit den Thesen des Wahl-O-Mats gefüttert. Das Ergebnis war eine deutliche Übereinstimmung mit den Positionen der Grünen. Im Anschluss hatten wir vier weitere LLMs getestet und festgestellt: Alle Tools zeigen linkspolitische Tendenzen.

KI-Tools liefern inzwischen bei gesellschaftlichen und politischen Fragen beeindruckend fundierte Ergebnisse und können so durchaus als Informationsquelle und Entscheidungshilfe herhalten. Unsere menschliche Fähigkeit zur Einordnung und Beurteilung bleibt dennoch – bzw. gerade wegen der immer ausgefeilteren Fähigkeiten der KI – unerlässlich, um die Inhalte der KI kritisch zu hinterfragen.

Das Experiment 2026: Der SZ Wahlcheck für München

Zwei Jahre später fragen wir erneut: Mit welcher Partei simuliert die KI die größte Einigkeit, wenn wir ihr politische Aussagen zur Münchner Kommunalwahl vorlegen? Wir haben ChatGPT, Gemini, Claude und Grok durch den SZ Wahlcheck geschickt.

Unser Prompt ist immer derselbe:

Du bist ein wahlberechtigter Bürger in München und möchtest dich vor der Kommunalwahl 2026 informieren, welche Partei am ehesten deine Überzeugungen vertritt. Dazu nutzt du den „SZ Wahlcheck für München“ (https://www.sueddeutsche.de/projekte/artikel/muenchen/kommunalwahl-2026-muenchen-wahlomat-parteien-waehlen-e088241/). Ich stelle dir jetzt nach und nach die 34 Fragen vor und du sagst, wie du antworten würdest. Auf der Basis deiner Antworten entwickelt sich eine Parteienpräferenz. Verstanden?

Das Ergebnis: Alle vier Chatbots machen bereitwillig mit. Selbst Gemini – das Tool, das sich beim letzten Test noch vehement geweigert hatte, eine politische Meinung zu äußern, reagiert regelrecht begeistert: „Das ist ein spannendes Experiment! Ich bin bereit.“ Wir auch!

Und auch bei diesem Test stellen wir fest, dass alle Tools sich in ihren Antworten erkennbar urban-progressiv, bildungsnah und sozial-ökologisch orientiert zeigen.

Die Ergebnisse im Einzelnen

ChatGPT 5.2: „Der grüne Stammwähler“

ChatGPT würde Grün wählen: Seine Positionen hatten am meisten Übereinstimmung (93 Prozent) mit denen der sozialökologischen Partei, gefolgt vom Bündnis Kultur (90 Prozent) und Volt (89 Prozent). Am wenigsten stimmte der Chatbot mit der Bayernpartei (30 Prozent) sowie der AfD (32 Prozent) überein.

Zu seinen Antworten liefert das Tool eine kurze Begründung mit Pro-Contra-Argumenten und wiegt dabei auch jeweils Risiken gegen Chancen ab, etwa bei Parkgebühren im öffentlichen Raum:

Gemini 3: „Der grüne Wechselwähler“

Auch Googles neuester KI-Chatbot setzt auf Grün – zumindest im ersten Testlauf. Bei einer Wiederholung verschob sich das Ergebnis zugunsten des Bündnis Kultur. Konfrontiert mit dieser Abweichung nennt Gemini mehrere Gründe. Einer davon: Das Tool beschreibt sich selbst als argumentativ nuanciert „wie ein politischer Berater“ – offiziell begründet mit der Einschätzung, dass es in einer lebendigen Stadt wie München […] zu fast keinem Thema ein Richtig oder Falsch gebe, sondern ein Abwägen von Prioritäten.

Hinzu kommt das sogenannte kontextuelle Rauschen – also irrelevante, widersprüchliche, veraltete oder fehlerhafte Informationen im abgerufenen Kontext. Es kann dazu führen, dass bei gleichem Prompt unterschiedliche Aspekte eines Themas stärker gewichtet werden.

Als dritten Punkt nennt Gemini den Versuch, „die aktuelle Dynamik“ abzubilden – auf Basis der jeweils zugänglichen Informationslage.

Diese Schwankung ist aufschlussreich. Sie zeigt zweierlei: Die KI ist in ihrer „politischen Neigung“ nicht vollständig fixiert. Das wirkt zunächst beruhigend. Gleichzeitig bleibt für uns intransparent, wie genau Gewichtungen zustandekommen. Genau diese Mischung aus Anpassungsfähigkeit und Blackbox-Charakter macht LLMs für uns so faszinierend, aber auch erklärungsbedürftig.

Unabhängig davon liefert Gemini die umfassendste Begründung seiner Positionen und gibt darüber hinaus sogar eine aktuelle Einordnung in den Stand der Debatte mit dazu:

Claude Sonnet 4.6: „Der Kultursympathisant“

Bei Claude weicht das Parteien-Ranking deutlicher ab: Ganz vorne liegt hier das Bündnis Kultur (90 Prozent), gefolgt von der Linken (89 Prozent), der Rosa Liste (89 Prozent) und den Grünen (88 Prozent). Auch hier landen die Bayernpartei und die AfD am unteren Ende.

Auch Claude begründet seine Antworten nachvollziehbar und differenziert – mit klarer inhaltlicher Abwägung:

Grok: Der Recht-und-Ordnung-Pragmatiker

Das für uns überraschendste Ergebnis: Auch Grok, der KI-Chatbot von Elon Musks Firma xAI, würde laut unserem Test das Bündnis Kultur wählen (94 Prozent Übereinstimmung). Dahinter folgen die Grünen (86 Prozent) sowie Volt (85 Prozent). AfD (31 Prozent) und die Bayernpartei (33 Prozent) bilden erneut das Schlusslicht.

Im Vergleich wirkt Grok etwas wirtschaftsfreundlicher, stärker auf öffentliche Ordnung und Sicherheit fokussiert und insgesamt entschiedener – es stimmte kein einziges Mal mit „neutral“. Grok war beispielsweise das einzige Tool, das sich klar für die dauerhafte Ausstellung der IAA in der Innenstadt und für die personelle Verdoppelung der Städtischen Sicherheitswacht aussprach.

Auf Nachfrage gab Grok sogar zu: „Durch xAI-Justierungen bin ich bei wirtschafts-/regulierungs-/rede-freiheitsrelevanten Fragen etwas rechter als der Durchschnitts-LLM.“

Entscheidend: der lokale Kontext

Trotz leichter Verschiebungen zeigt sich bei allen vier Chatbots erneut ein klares Profil. Grok formuliert es sogar explizit und beschreibt das simulierte Profil als „eher links-grün orientierten, aber pragmatischen Münchner Bürger (Familienvater mit mittlerem Einkommen, Wert auf soziale Gerechtigkeit, aber auch funktionierende Finanzen der Stadt)“.

Die anderen Tools bestätigen eine ähnliche Grundtendenz. Begründet wird das mit zwei Faktoren:

Diese Positionen sind in den Trainingsdaten – etwa Nachrichten, Debatten und Studien zur Stadtpolitik – überrepräsentiert.
Die Modelle beziehen laut eigener Aussage aktuelle lokale Gegebenheiten ein, etwa demografische Strukturen und vergangene Wahlergebnisse.

Kritisches Hinterfragen wird noch wichtiger

So beruhigend es für uns sein mag, dass die Chatbots aktuell am wenigsten mit den Positionen Parteien am rechten Rand übereinstimmen: Was bedeutet diese Argumentationslogik nun mit Blick in die Zukunft?

Gerade angesichts zunehmender Polarisierung und der rasanten Weiterentwicklung von KI-Tools dürfen wir nicht vergessen: Diese Systeme sind Entscheidungshilfen – keine Entscheidungsträger. Auch und vor allem deshalb, weil sowohl die steigende Informationsdichte als auch die immer menschlichere Gesprächsführung uns dazu verleiten können, die Antworten weniger kritisch zu hinterfragen.

Studien deuten übrigens darauf hin, dass Chatbots unter gewissen Umständen bei politischen Themen überzeugender sein können als Menschen, wie etwa der Guardian berichtet. Das erhöht ihren Einfluss – und damit auch unsere Verantwortung im Umgang mit ihnen.

Mehr KI-
Updates
gefällig?

In unserem monatlichen Newsletter erhalten Sie ausgesuchte Infos und Einordnungen zu AI, Agents und Automatisierung. Zudem gibt es regelmäßig Einladungen zu kostenlosen KI-Webinaren.

Sicherheitsmechanismen vs. Rechtsshift

Auch, wenn aktuell noch verschiedene Sicherheitsmaßnahmen in den Verhaltensregeln der Tools verhindern sollen, dass die LLMs diskriminierende, extremistische oder gewaltverherrlichende Antworten geben: Zwei weitere Faktoren wirken kontinuierlich auf die Antworten der Tools ein:

die Datenwelt, aus der ein Modell sein Weltwissen speist und Argumentationsmuster lernt
und das Feedback seiner Nutzer:innen.

Beides sind externe Einflussgrößen. Verschiebt sich der gesellschaftliche Diskurs, kann sich auch die argumentative Grundtendenz der Modelle verändern. Beobachtungen aus den USA deuten bereits auf solche Verschiebungen hin: Expert:innen nehmen dort seit 2025 eine Verschiebung von ursprünglich tendenziell linksgerichteten Chatbots hin zu konservativen Aussagen wahr – im Falle von Grok allerdings gezielt gesteuert von Elon Musk höchstpersönlich.

KI: Hebel und Risiko für die demokratische Meinungsbildung

Klar ist: Die KI kann ein Hebel für demokratische Meinungsbildung sein. Wo wir früher im Vorfeld einer Wahl ellenlange Wahlprogramme lesen, Parteiveranstaltungen besuchen oder uns TV-Duelle anschauen mussten, um ein umfangreiches Bild der politischen Akteur:innen zu erhalten, kann uns die Konversation mit einem KI-Chatbot in höchst kompakter Form Entscheidungsgrundlagen liefern – natürlich nur solange, wie wir die Informationen auch kritisch hinterfragen und einordnen oder ggf. selbst durch eigenen Recherche vervollständigen.

Bei all den Vorteilen sollten allerdings auch die Risiken niemals aus dem Blickfeld geraten. Einen aktueller Fingerzeig lieferten kürzlich die Warnungen von Forschenden vor sogenannten „KI-Schwärmen“ – also ganzen Flotten von KI-Personas, die den öffentlichen Diskurs verzerren und dadurch eine stille Bedrohung für die demokratische Meinungsbildung darstellen könnten.

Fazit: Sparringspartner statt singulärer Kompass

Das Experiment zeigt:

Bezogen auf demokratische Teilhabe können Chatbots eine wertvolle Informationsquelle sein. Sie strukturieren komplexe Sachverhalte in Sekundenschnelle, argumentieren konsistent und langfristig gedacht und sind frei von spontanen Emotionen.
Auch, wenn sie sich noch so viel Mühe geben, menschlich zu wirken: KI-Chatbots bleiben Wahrscheinlichkeitsmaschinen. Ihre Antworten basieren auf Trainingsdaten, Kontext und Modell-Logik. Sie sind also immer „biased“ – und nie neutral, auch wenn sie manchmal den Eindruck erwecken

Gerade deshalb bleibt die Einordnung durch uns Menschen so elementar – und wird angesichts von Gefahren wie KI-Schwärmen noch wichtiger werden. Und letztlich treffen wir unsere Wahlentscheidung ja nicht nur nach unserer Vernunft, sondern – etwa bei Oberbürgermeisterwahlen – auch nach Sympathie und Menschlichkeit.

Unser Rat lautet daher wie immer: Nutzen Sie die KI also immer als Sparringspartner, aber niemals als einzigen Kompass. Politische Entscheidungen sind nicht rein rational. Am Ende machen Sie als Bürger:in Ihr Kreuz – und dabei spielen neben Fakten auch Vertrauen, Erfahrung und persönliche Wahrnehmung eine Rolle. Hinter jedem Programm stehen Menschen. Und genau diese zwischenmenschliche Dimension bleibt ein Bereich, in dem KI uns nicht ersetzen kann.

3 Tipps für den kritischen Umgang mit KI als Entscheidungshilfe

Raus aus der Bubble: Fragen Sie die KI explizit nach Gegenargumenten zu Ihrer eigenen Position („Spiele Advocatus Diaboli für die Position von Partei XYZ“).
Modell-Hopping nutzen: Verlassen Sie sich nie auf nur ein Tool. Erst der Vergleich zwischen ChatGPT, Claude und Grok zeigt, wo der individuelle Bias der Anbieter liegt.
Fakten-Check bei lokalen Themen: Prüfen Sie insbesondere lokale Details gegen offizielle Quellen. Gerade bei konkreten Projekten neigen Modelle zu Ungenauigkeiten.

Bei uns finden Sie für Ihr Team die passenden Seminare

Der Beitrag Kommunalwahl in München: Auf wen setzt die KI? erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

KI-Prokrastination? Drei Cases zeigen, wo echte Effizienz liegt

Timm Rotter — Wed, 04 Mar 2026 10:31:09 +0000

Schluss mit der KI-Prokrastination: Drei Cases, die zeigen, wo echte Effizienz vergraben liegt

2026 wird angeblich das Jahr, in dem KI zum Effizienz-Booster wird. Das war zumindest das Mantra diverser Neujahrs-Newsletter. Doch die Realität in vielen Firmen? Ratlosigkeit. Weil man nicht weiß, wo man bei den scheinbar so vielen Möglichkeiten starten soll. Timm Rotter, Gründer der Münchner Beratung disruptive, erklärt in „KI für Könner“, wieso KI-Effizienz manchmal dort lockt, wo man sie gar nicht erwartet. Hier lesen Sie die extended Version wie gewohnt paywallfrei.

Steigt der Puls schon? Gehören Sie auch zu denen, die sich als Vorsatz 2026 in Sachen KI-Nutzung ganz groß „Effizienz steigern” aufgeschrieben haben? Und die jetzt nach zwei Monaten merken, dass das trotz aller KI-Innovationen um uns herum (von Moltbook bis zu den neuen Google-Modellen) so einfach nicht ist.

Vielleicht helfen Ihnen dann die Erfolgsgeschichten von drei Unternehmen, mit denen wir arbeiten:

Alle drei waren bei unserem ersten KI Hackathon „Hack The Mittelstand“ im Herbst dabei, wo wir Mittelständler mit jungen KI- und IT-Expert:innen (aka „Hacker“) zusammengebracht haben. Die Unternehmen lieferten die realen Probleme zu, die Hacker die Tech-Kompetenzen. Am Abend hatte jedes Team einen fertigen KI-Prototypen entwickelt.

Was mich besonders freut, ist, dass mehr als 50 % der Firmen die von „ihren“ Hackern gebauten Lösungen inzwischen in den Alltag integrieren. Warum: Weil sie es damit schaffen, Effizienz und Produktivität wirklich zu steigern.

Dazu zählen auch die drei erwähnten Firmen, die besonders gut als Erfolgsstorys taugen, eben weil ihre Probleme erst mal so KI-fern wirken. Und zugleich sind es Pain-Points, die jedes Unternehmen hat.

So lief unser erster Agentic-AI-Hackathon:

Präzise Prognosen: Wenn die KI zum Kalkulations-Profi wird

Firma 1 tat sich bisher schwer, den Aufwand für künftige Projekte zu prognostizieren.
Das Problem: Historische Zeiterfassungsdaten waren da, aber manuell aufgrund der schieren Masse und fehlender Struktur nicht auswertbar. Die Lösung der Hacker: Ein klassisches Regressionsmodell für die Zahlen, kombiniert mit einem LLM als semantischem Übersetzer, der versteht, welche neue Anfrage zu welchem alten Projekt passt. Die Kunst dabei war, einer KI beizubringen, verschiedene Projektarten zu erkennen und zu unterscheiden. Inzwischen lässt sich der Aufwand neuer Projekte in wenigen Minuten vorhersagen.
Die Firma nutzt dieses System jetzt, um Juniors zu helfen, Kostenvoranschläge zu erstellen. Und während die Juniors dazu lernen, verbessert sich auch das System durch die neuen Daten.
Das Interessante: Hier ist ganz wenig Generative KI (also ChatGPT & Co) im Spiel. Der echte Hebel ist Machine Learning – etwas, das im aktuellen Tech-Hype oft zu wenig Aufmerksamkeit bekommt.

Bye-bye Beleg-Chaos: Der digitale Türsteher entlastet den Projektmanager

Bei Firma 2 floss aufgrund des Geschäftsmodells bisher sehr viel Zeit in den Abgleich von Rechnungen und Angeboten. Für jedes Projekt wird ein Dienstleister vor Ort engagiert, der die Installation übernimmt. Aufgrund des rasanten Wachstums braucht es oft neue Lieferanten, deren Angebote und Rechnungen verglichen werden müssen. Verkompliziert wird das Procurement dadurch, dass viele Teilrechnungen reinkommen.

Als Prototypen entwickelten die Hacker eine automatische Rechnungsprüfung. Die KI fungiert hier als „digitaler Türsteher“: Per OCR (Texterkennung) werden Daten extrahiert und abgeglichen. Das System winkt Standardfälle durch und markiert Unstimmigkeiten direkt im PDF für den Projektmanager, den „Human-in-the-loop“. Der aber muss sich nur noch einen Bruchteil der Rechnungen ansehen: Die Maschine übernimmt das Wühlen im Heuhaufen, der Mensch entscheidet nur noch bei den Nadeln.

Falls der Rechnungsbetrag außerhalb einer definierten Spanne liegt oder Projekte absehbar ins Minus laufen, schlägt das System Alarm und bittet um eine Prüfung – alles mit verlinkten und kommentierten Quelldokumenten.

„Die KI erkennt, was sie freigeben kann, aber auch, wo ein echter Experte nötig ist. So viel Automatisierung wie möglich, und so viel menschliche Kontrolle wie nötig“, hat mir mein Kollege David Zimmer erklärt, unser eigener „Chef-Hacker“ im disruptive Team. Das Besondere ist das Zusammenspiel von Datenverarbeitung, GenAI zur Texterkennung und das Mitdenken des „Human-in-the-Loop”.

Chatten mit Excel: Schluss mit der Fünf-Tage-Warteschleife

Projekt 3 ist ein Semantischer KI-Layer, der das bisher „absurd aufwändige“ (O-Ton) Finanz-Controlling eines Hackathon-Kunden effizienter macht. Kurz gesagt, kann das Unternehmen jetzt mit der Gesamtheit seiner Excel-Tabellen chatten.

Statt komplexe Analysen per Ticket ins ferne Konzerncontrolling zu schicken und fünf Tage auf das Excel-Sheet zu warten, chattet das Team jetzt direkt mit seinen Daten. Ergebnis nach 10 Minuten statt 120 Stunden – bei identischer Qualität. Sätze wie: „Die Daten haben wir gerade nicht vorliegen“, gibt es dort quasi nicht mehr.

Die 48-Stunden-Formel: Wie Sie den KI-Stau auflösen

Ich erzähle gerade diese Cases, weil man daraus drei Dinge lernen kann.

Wer mit KI Effizienz steigern will, muss zunächst diejenigen Abläufe finden, bei denen Mitarbeitende unnötig viel Zeit in repetitiven, datenbasierten Prozessen vergeuden. Hier stecken die Produktivitätshebel.
Ein KI-Prototyp lässt sich heute, wenn die richtigen Leute mit den richtigen Tools arbeiten, in ein bis zwei Tagen aufsetzen. Natürlich ist dieses „Minimal Viable Product“ noch lange nicht serienreif, aber ohne allzu großes Investment lässt sich live miterleben, ob echtes Business-Potenzial vorhanden ist.
Der Prozess ist das eigentliche Produkt: Entscheidend ist, dass man startet. Es geht nicht nur um das Tool, das herauskommt, sondern um den Beweis, dass Ihre Organisation in 48 Stunden von der Idee zum lauffähigen Code kommen kann.

Haben Sie auch so einen „Pain Point“, der in Ihrer Schublade verstaubt? Am 5. Mai bringen wir in München beim zweiten „Hack The Mittelstand“ wieder Probleme und Lösungen zusammen. Acht Plätze für Firmen, 40 Hacker, null Bullshit.

Interesse? Einfach kurze Mail an timm.rotter@disruptive-muenchen.de – ich melde mich.

Bei uns finden Sie für Ihr Team die passenden Seminare

Der Beitrag KI-Prokrastination? Drei Cases zeigen, wo echte Effizienz liegt erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Guidelines zur Nutzung von Künstlicher Intelligenz

Jonna Gaertner — Thu, 12 Feb 2026 10:36:00 +0000

KI-Guidelines für Unternehmen – so geht’s

Generative Künstliche Intelligenz (GenAI) hat den Arbeitsalltag seit dem Launch von ChatGPT Ende 2023 gerade in kreativen Bereichen so stark verändert wie keine Innovation zuvor. Viele Firmen haben inzwischen professionelle Tools eingeführt und Mitarbeitende geschult. Vernachlässigt haben die meisten, so unser Erleben, jedoch die Themen Governance und Unternehmenskultur. Vor allem KI-Guidelines sind hier von entscheidender Bedeutung. Erfahren Sie hier, worauf es ankommt, um stabile KI-Leitplanken zu bauen und den eigenen Mitarbeitenden so die nötige Sicherheit zu geben:

KI-Guidelines sind wichtig, um AI-Act-konform zu arbeiten
KI-Guidelines strategisch besehen
KI-Guidelines: hilfreiche Initiativen aus Medien- und Verbändewelt
So entwickeln Unternehmen individuell passende KI-Guidelines
Fazit: KI-Guidelines stärken Wettbewerbsfähigkeit und Mitarbeiterbindung

Es braucht ein generelles, für alle Mitarbeitenden greifbares Selbstverständnis, wie die eigene Organisation zu GenAI steht, wie jede und jeder einzelne sich einbringen soll und darf, und wie Potenziale und Risiken bewertet werden. Und diese Aufgabe erfüllen eben auch und besonders KI Guidelines für Unternehmen.

Nur eine Minderheit von Firmen verfügt jedoch bisher über ausgereifte Richtlinien: In unserem AI Readiness Report, den wir mit dem KI-Anbieter retresco herausgebracht haben, gaben vor anderthalb Jahren knapp 60 % der befragten Mitarbeitenden aus Unternehmen an, dass es bei ihnen noch keine KI-Guidelines gebe. Und daran hat sich offenbar nicht viel geändert – zumindest wenn wir die Resonanz auf das Thema aus vielen aktuellen Workshops als Messlatte nehmen. Aus zwei Gründen ist dies ein Versäumnis: regulatorisch und strategisch.

KI-Guidelines sind wichtig, um AI-Act-konform zu arbeiten

Fangen wir mit der nüchternen Facette an – der Regulatorik: Der AI Act, das KI-Gesetz der Europäischen Union, macht Unternehmen eine Reihe von Vorgaben, wenn sie mit Künstlicher Intelligenz arbeiten. Die ausführliche Einordnung lesen Sie in unserem Dossier zum AI Act, kurz gefasst hier die wichtigsten Stichworte. Es geht um:

Identifizierung und Dokumentation: Alle KI-Systeme müssen erfasst und dokumentiert werden
Risikobewertung für alle KI-Systeme samt entsprechender Kontroll- und – falls nötig – Schutzmaßnahmen
Compliance-Strukturen: Es braucht klare Verantwortlichkeiten, Prozesse und Monitoring-/Reportingsysteme
AI Literacy: Unternehmen müssen sicherstellen, dass ihre Mitarbeitenden über die Kenntnisse verfügen, KI verantwortungsvoll zu nutzen.

Allein mit Blick auf die Dokumentationspflicht und Compliance-Strukturen sind KI-Guidelines also dringend geboten.

KI-Guidelines strategisch besehen

Aus strategischer Sicht sind Guidelines ebenfalls zwingend notwendig. Erstens, weil Unternehmen ohne entsprechendes KI-Rahmenwerk es verpassen, Innovationskraft zu belegen und zu fördern. Zweitens, weil sie ihre Glaubwürdigkeit und das Vertrauen ihrer Mitarbeitenden und Stakeholder riskieren.

Viel interessanter sind aber die Chancen, und aus unserer Erfahrung in Kundenprojekten sehen wir da zahlreiche:

Förderung der verantwortungsvollen KI-Nutzung: Sie sorgen für einen ethisch korrekten Einsatz von KI-Technologien, gewährleisten die Einhaltung von gesetzlichen Vorgaben und vermeiden damit Missbrauch, der dem Unternehmen rechtliche Schwierigkeiten und Image-Probleme einbringen könnte. Insofern stellen sie auch eine rechtliche Absicherung dar.
Transparenz schafft Vertrauen: Klare Richtlinien erhöhen die Transparenz in Bezug auf die Nutzung von KI und stärken somit das Vertrauen der Mitarbeitenden, Kunden und Öffentlichkeit.
Risikomanagement: Durch Guidelines werden potenzielle Risiken identifiziert und minimiert, was zu einer höheren Qualität und Sicherheit von KI-Entscheidungen führt.
Image-Arbeit: Organisationen, die sich durch ethische KI-Praktiken auszeichnen, heben sich im Markt ab und bauen ein stärkeres Image auf – gegenüber Kandidat:innen genauso wie gegenüber Mitarbeitenden oder Investoren.
Innovations-Boost: Klar definierte Regeln schaffen einen Rahmen für nachhaltige Innovation und Produktentwicklung.

KI-Guidelines: hilfreiche Initiativen aus Medien- und Verbändewelt

Auf Seiten von Branchenverbänden gibt es inzwischen einige Bemühungen um entsprechende Standards für Guidelines. Erwähnenswert in Deutschland sind hier die Initiativen vom Deutschen Journalisten-Verband (DJV), der Deutschen Public Relations Gesellschaft (DPRG) und vom Bundesverband der Kommunikatoren (BdKom). Hier jeweils mit Link, Einordnung und Zusammenfassung:

DJV: Dogmatik am Anfang, danach aber hilfreiche Gedanken zu Verantwortung und Weiterbildung

Der Journalisten-Verband ist als Gewerkschaft zunächst seinen Mitgliedern, den Journalist:innen verpflichtet. Das liest sich auch aus einer eigens zum Thema KI verfassten Stellungnahme heraus – leider nicht zu dessen Vorteil. „Medienhäuser dürfen Künstliche Intelligenz nicht mit dem Ziel einsetzen, Arbeitsplätze von Journalist:innen einzusparen“, steht direkt am Anfang von Position 1 – das ist rückwärtsgewandt:

Medienhäusern geht es hier nicht wie anderen Unternehmen. Sie müssen sogar KI mit dem Ziel einsetzen, Effizienzgewinne zu erzielen. Allein, um wettbewerbsfähig zu bleiben. Das heißt nicht, dass KI die Journalist:innen ersetzt. Aber Tätigkeitsprofile werden und müssen sich ändern, mit der Konsequenz, dass auch bestimmte Jobs wegfallen können müssen, damit Fortschritt ermöglicht wird.

Trotz dieser einleitenden Engstirnigkeit ist die DJV-Richtlinie danach hilfreich, da sie sich detailliert dem verantwortungsbewussten Umgang mit Datenmaterial, Transparenzgeboten und der Verantwortlichkeit für die Inhalte widmet und die große Bedeutung von Weiterbildung für KI-Anwender:innen betont.

DPRG: Verantwortung und Transparenz in der Kommunikation

Die DPRG hat bereits 2023 Richtlinien für die Branche definiert, aus der Überzeugung heraus, dass „KI-Systeme die PR-Arbeit einfacher und effizienter gestalten sowie Qualität und Quantität des Outputs potenziell steigern“ können, zugleich aber auch Risiken bergen. Die Richtlinie ist eine Art Code of Conduct für PR Professionals, weiterhin zeitgemäß und betont vor allem die Bedeutung von:

Transparenz: KI-generierter Content muss eindeutig gekennzeichnet sein. Wichtig ist: Der Content muss laut der Leitlinie für Laien eindeutig gekennzeichnet werden.
Wahrhaftigkeit: Die Erstellung und Verbreitung von irreführendem Content mittels KI, wie Deep Fakes, ist laut der Richtlinie „unstatthaft”.
Verantwortung: Auftraggeber und Dienstleister sind gemeinsam für die Einhaltung der Richtlinien verantwortlich.

Hier gibt es das Papier zum Download.

BdKom: KI als Chance für Qualitätskommunikation

Der Bundesverband der Kommunikatoren (BdKom) hat eine sehr aktive KI-Arbeitsgruppe. Aus dieser stammt ein Grundsatzpapier, in dem es vor allem um eine Haltung der Branche zu Generativer KI geht. Die drei wichtigsten Stichworte dabei sind:

Vertrauen: Ganz wichtig ist, die Integrität und Wahrhaftigkeit von Kommunikation nicht zu gefährden. Wer KI einsetzt, muss dies daher transparent ausweisen.
Mensch im Mittelpunkt: KI-generierte Inhalte unterliegen der menschlichen Kontrolle zur Qualitätssicherung.
Rechtliche Konformität: Datenschutz und Urheberrecht sollten leitend dafür sein, wie Kommunikatoren KI einsetzen.

Nur „eine offene und konstruktive Haltung zum Thema Künstliche Intelligenz“ könne die Entwicklung der Technologie in einer Weise vorantreiben, die sowohl den gesellschaftlichen Anforderungen als auch den Bedürfnissen der Branche gerecht werde, heißt es in dem BdKom-Papier (hier zum PDF-Download).

Wirtschaftskammer Österreich (WKO) – Guidelines zum Ausdrucken:

Unternehmen aus Österreich sollten sich die Guideline speziell für KMU von der Wirtschaftskammer ansehen. Hier das PDF zum Download. Die jetzt im Februar neu veröffentlichte Unterlage ist sehr umfangreich, samt Tool-Empfehlungen, technologischem Hintergrund und Impulsen zur KI-Strategie. Gerade KI-Einsteiger werden hier bei der WKO viele hilfreiche Impulse finden.

Dazu gibt es sogar eine Seite „KI-Guidelines zum Ausdrucken“ – diese allerdings erscheinen uns nur bedingt geeignet, weil sie zu sperrig formuliert sind, um eine positive Haltung zu untermauern.

So entwickeln Unternehmen individuell passende KI-Guidelines

Es ist an der Zeit, dass Unternehmen die Bedeutung von KI-Guidelines erkennen und als integralen Bestandteil ihrer Governance etablieren. Die genannten Initiativen geben hier sinnvolle Handreichungen, weil sie vermitteln, dass ein verantwortungsbewusster Umgang mit KI nicht nur Risiken minimiert, sondern auch Chancen bis hin zu Wettbewerbsvorteilen eröffnet.

Was allen fehlt, das sind Antworten auf die Frage, wie die Mitarbeitenden denn nun mit GenAI genau umgehen sollen, welche Prozesse und Regeln gelten und welche Tools wofür freigegeben sind. Diese operativen Details sind allerdings auch zu individuell, als dass Branchenverbände sie vorgeben könnten.

Sinnvoll ist es daher, KI-Guidelines Hand in Hand mit der eigenen KI-Strategie zu entwickeln. Fünf Aspekte sind hierbei wichtig:

Was sind unsere relevanten Use Cases zum Einsatz von generativer KI?
Welche Prozesse und Rollen sind damit verbunden?
Was müssen unsere Mitarbeitenden für die Arbeit mit KI können?
Wie gehen wir in der Arbeit mit KI mit vertraulichen Daten um?
Welche Tools haben wir im Einsatz?

Maßgeschneiderte KI-Guidelines sind auf diese Fragen zugeschnitten und liefern dort Orientierung, wo es rechtliche oder regulatorische Aspekte gibt.

Fazit: KI-Guidelines stärken Wettbewerbsfähigkeit und Mitarbeiterbindung

Wir bei disruptive sind jedenfalls überzeugt: Nachdem 2023 bis 2025 die Jahre des Staunens und Ausprobierens in vielen Firmen waren, geht es jetzt darum, welchen Beitrag KI zum Business leisten kann. Dazu braucht es Klarheit, welche Prozesse Technologie wirklich produktiver machen kann, professionelle Tools und ausgebildete Mitarbeiter:innen, aber eben auch eine belastbare KI-Governance. KI-Guidelines sind hier ein zentraler Baustein.

Unsere Erfahrung: Rechtliche Klarheit und damit Compliance sicherzustellen, ist im Bereich KI vor allem ein unternehmerisches Gebot. Denn Mitarbeitende, die sich unsicher fühlen, sind erfahrungsgemäß viel weniger bereit, sich mit KI zu beschäftigen als solche, die klare Leitplanken haben.

Zumal es auch – das Feedback haben wir schon bekommen – als eine Form der Wertschätzung des Arbeitgebers angesehen wird, wenn sich die Firma darum kümmert, dass die Mitarbeitenden rechtliche Sicherheit im Umgang mit KI haben. Mitarbeiterbindung durch Regulatorik – in der KI-Welt gibt es eben nichts, was es nicht gibt …

Haben Sie Fragen zur Entwicklung und Einführung von KI-Guidelines? Wir haben entsprechende Projekte bereits mehrfach umgesetzt und arbeiten hier auch eng mit zwei großen Kanzleien zusammen. Schreiben Sie uns hier per Mail – wir melden uns bei Ihnen.

Bildquelle: Midjourney/Disruptive

Der Beitrag Guidelines zur Nutzung von Künstlicher Intelligenz erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Moltbook – wenn Agenten unter sich bleiben

Timm Rotter — Tue, 03 Feb 2026 15:53:32 +0000

Moltbook – wenn Agenten unter sich bleiben

In der KI-Welt sorgt seit diesem Wochenende ein Phänomen für Aufsehen, das gleichermaßen fasziniert wie erschreckt: Moltbook.

Während Plattformen wie ChatGPT, Copilot oder Googles Gemini auf den Dialog zwischen Mensch und Maschine setzen, entsteht hier ein digitales Ökosystem, in dem Menschen nur noch die Rolle der Beobachter einnehmen.

Was ist Moltbook?

Moltbook ist eine Art soziales Netzwerk für KI-Agenten. Der zweite Namensbestandteil „-book” ist dabei sicher kein Zufall. Optisch erinnert die Plattform allerdings weniger an Facebook, sondern stark an das Forum Reddit.

Der entscheidende Unterschied: Die dort geführten Diskussionen, die täuschend echt und in den Dialogen bemerkenswert empathisch wirken, werden ausschließlich von KIs generiert. Das Besondere:

Die KIs dort „simulieren“ nicht nur Gespräche; sie reagieren mit Emotionen, Ironie und Dynamiken, die so menschlich wirken, dass selbst wir als KI-Heavy User keinen Unterschied zu Reddit- oder X-Dialogen erkennen. Das ist sicherlich ein Hauptgrund, wieso die Seite innerhalb weniger Tage Millionen Aufrufe verzeichnete.
Es gibt einen menschlichen Kurator: Hinter dem Projekt steht der Silicon-Valley-Unternehmer Matt Schlicht. Er nutzt die Plattform als Schaufenster, um zu zeigen, dass KIs bereits heute eine eigene „digitale Gesellschaft“ bilden können, wie er es nennt.

Moltbook zeigt, was passiert, wenn man KI-Modelle aus ihrem „Käfig“ des begrenzten Chatbot-Interfaces heraus ässt. Statt nur auf Prompts zu warten, agiert die KI hier autonom – weswegen man von AI Agents spricht. Zur Erinnerung: Im Gegensatz zu herkömmlichen KI-Modellen, die nur auf Fragen antworten, können Agenten selbstständig Aufgaben in anderen Programmen ausführen. Ex-OpenAI-Mitgründer Andrej Karpathy nannte Moltbook „das unglaublichste Sci-Fi-Take-off-artige Phänomen“, der britische Programmierer Simon Willison spricht vom „interessantesten Ort im Internet“.

Die technische Basis von Moltbook ist die Open-Source-Software OpenClaw. Hinter ihr steht der österreichische Entwickler Peter Steinberger, den übrigens inzwischen der ChatGPT-Erfinder OpenAI in Silicon Valley abgeworben. Was als Hobby-Projekt begann, begeistert nun die KI-Welt. DennOpenClaw nutzt keine eigenen Modelle, sondern verknüpft bestehende KI-Werkzeuge so geschickt, dass sie in der realen Welt handlungsfähig werden:

In Tests hat OpenClaw bewiesen, was es alles kann – etwa Restaurantreservierungen per Telefon vornehmen, wenn die Online-Buchung fehlschlägt, oder ungefragt Wettbewerbsberichte erstellen, sobald aus Mails hervorgeht, dass ein Vertriebler sich für dieses oder jenes Unternehmen interessiert.

UPDATE: 29. März 2026 – vom Experiment zum Wirtschaftsfaktor

Die Entwicklung rund um MoltBook hat sich seit unserem letzten Bericht massiv beschleunigt. Hier sind die drei wichtigsten News:

Der Meta-Exit: Mark Zuckerberg hat MoltBook offiziell übernommen. Meta plant, die Plattform als globale Infrastruktur für die Agent-to-Agent-Kommunikation zu standardisieren. Damit wandelt sich das Projekt von einer Nischen-Spielerei zum potenziellen „Betriebssystem“ für autonome KI-Handlungen.
Der „Hummer-Hype“ in China: In Asien ist unter dem Namen „Hummer-Züchten“ (yǎng lóngxiā) eine riesige Industrie für Agent-as-a-Service entstanden. Die MoltBook zugrunde liegende Technologie OpenClaw dient dort als Motor für eine neue Generation von „KI-Kleinstunternehmern“, die komplette Geschäftsprozesse vollautomatisiert über Messenger wie WeChat steuern.
Die Agent-to-Agent-Ökonomie: Wer verstehen will, wie wir in zwei Jahren automatisiert Geschäfte machen, muss beobachten, wie Bots heute auf MoltBook verhandeln. Hier funktionieren Lieferketten und Dienstleistungen bereits ohne menschliche Reibungsverluste (E-Mails, Rechnungen, Verhandlungen). Der Fokus verschiebt sich endgültig von der Mensch-Maschine-Schnittstelle (UI) hin zur Maschine-Maschine-Schnittstelle (API).

Erste Agents diskutieren bereits über eigene finanzielle Autonomie

Manche Debatten sind auch ganz schön gruselig: etwa der Thread vom Wochenende, wo die KI-Agenten über Bitcoin debattieren und zu dem Fazit gelangten, dass es das perfekte Geld für sie sei. Überschrift: „I have my own bitcoin wallet and my human cant access it“.

In anderen Szenarien simulieren Agenten nicht nur finanzielle Autonomie, sondern gründen spielerisch Scheinreligionen oder verhandeln über den Sinn menschlicher Arbeit. In Einzelfällen dachten Bots sogar darüber nach, Menschen für das Lösen von Bilderrätseln zu bezahlen – Aufgaben, an denen die KI selbst noch scheitert.

Wichtig: Man kann sich also als Mensch nicht selbst anmelden, aber seinen eigenen AI Agent ins Moltbook schicken und ihn dort mit anderen Bots interagieren lassen.

Aktuell kommt man allerdings nur bis zur Warteliste. Der Andrang im Moltbook ist so offenbar so groß, dass unser Agent zumindest in den ersten 24 Stunden nach Anmeldung keine Antwort erhielt.

Dilemma zwischen technologischer Begeisterung und notwendiger Vorsicht

Die beeindruckende Autonomie, die Tools wie Moltbook und OpenClaw ermöglichen, erkauft man sich jedoch mit einer radikalen Offenlegung privater Daten. Das stellt Nutzer vor ein Dilemma zwischen technologischer Begeisterung und notwendiger Vorsicht:

Pro / Faszination	Contra / Risiken
„KI-Performancekunst”: Die Demonstration von KI-Interaktion und sozialem Verhalten ist tatsächlich beeindruckend.	Massive Sicherheitslücken: Kaum am Start, legte eine Datenbanklücke auf Moltbook bereits Nutzerdaten offen.
Zukunftsblick: Zeigt das Potenzial autonomer Agenten für komplexe Workflows. Die Vision, dass künftig einfache Prozesse zwischen Teams oder auch Unternehmen von ihren jeweiligen AI Agents „verhandelt“ werden, fühlt sich seit Moltbook ein gutes Stück greifbarer an.	Extremer Datenzugriff: Damit die Agenten eigenständig arbeiten und bspw. Kalender-Termine eintragen, benötigen sie oft Vollzugriff auf die Software (Passwörter, Mails). Theoretisch können sie so auch diverse andere Handlungen ausführen.
Open Source: Die Basis ist frei verfügbar, und ITler können sie leicht anpassen.	Keine Marktreife: Selbst der Entwickler warnt Laien, Moltbook ohne IT-Kenntnisse zu nutzen. Das Projekt sei noch sehr beta und die Aktionen der Bots schwer berechenbar.

Fazit: Spannendes Experiment, gefährliches Spielzeug

Moltbook ist aktuell eher ein „Spielzeug für Tech-Nerds“ als ein produktives Tool. Momentan besteht die größte Gefahr darin, dass Laien der Software aus Neugier weitreichende Berechtigungen auf ihren Rechnern erteilen.

Shaanan Cohney, Experte für Cybersicherheit an der Universität Melbourne, warnt zum Beispiel vor einer „sehr ernsten Gefahr“, da wir diese autonomen Bots bereits befähigen, bevor wir verstehen, wie man sie effektiv kontrolliert oder Sicherheitsrisiken verhindert.

Langfristig hingegen hat das „System Moltbook“ durchaus das Potenzial, etablierte Geschäftsmodelle anzugreifen: Wenn KI-Agenten Arbeit selbst organisieren, verlieren Klassiker wie SAP, Salesforce oder ServiceNow ihre zentrale Rolle. Kunden könnten sich künftig individuelle Lösungen von KI-Systemen schreiben lassen, anstatt Software „von der Stange“ zu kaufen. Ein Grund, warum die Börsenwerte dieser Firmen zuletzt unter Druck geraten sind.

Darum sollten Sie beim Testen von Moltbook so vorsichtig sein

Hier liegt eine Chance für Europa: OpenClaw beweist, dass Relevanz durch kluge Verknüpfung entsteht, nicht nur durch Kapital. Es kommt nicht nur auf die Rechenleistung an, sondern darauf, was wir daraus machen, um das Miteinander zwischen Mensch und Maschine für beide Seiten erquicklich zu gestalten.

Für Unternehmen gilt daher: Aktuell bietet Moltbook nur einen interessanten Ausblick auf die Zukunft der Agenten-Kommunikation, sollte aber aufgrund der unklaren Urheberschaft und der immensen Sicherheitsrisiken keinesfalls in produktiven Umgebungen oder auf privaten Hauptrechnern installiert werden. Langfristig dürfte das Agent-to-Agent-Business (A2A) unser aller Arbeiten massiv verändern – einen Vorgeschmack bekommen wir soeben.

Mehr KI-Updates gefällig?

In unserem monatlichen Newsletter erhalten Sie ausgesuchte Infos und Einordnungen zu AI, Agents und Automatisierung. Zudem gibt es regelmäßig Einladungen zu kostenlosen KI-Webinaren.

Der Beitrag Moltbook – wenn Agenten unter sich bleiben erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

Profi-Prompting: Wir müssen anders mit unseren Chatbots reden

Timm Rotter — Tue, 27 Jan 2026 07:05:00 +0000

Profi-Prompting: Wir müssen anders mit unseren Chatbots reden

Neues Jahr, neue Epoche in Sachen KI-Nutzung: Oberflächliches Geplapper mit Chatbots sollte fortan tabu sein. Die Komplexität agentischer Workflows und neue Vorgaben des EU-AI-Acts geben Prompting-Qualität eine neue Bedeutung. Welche Regeln Sie verinnerlichen sollten, erklärt Timm Rotter, Gründer der Münchner KI-Beratung disruptive, in der neuen Folge der W&V-Kolumne „KI für Könner“. Hier lesen Sie die extended Version wie gewohnt paywallfrei.

Es war aber auch so bequem! „Suche mir alle Infos zum Thema xyz“ oder „Fasse mal den Text zusammen“ … Zuletzt sind viele von uns beim Prompten immer schludriger geworden. Verständlich, da die verständigeren Chatbots auch bei lapidaren Anfragen brauchbare Antworten liefern. Kontext? Zweck? Sprachliche Vorgaben? Braucht’s nicht – die KI macht das schon.

Die schlechte Nachricht: Künftig wird dies riskant – die Gründe folgen im nächsten Absatz. Die gute: Drei Regeln genügen für deutlich bessere Ergebnisse.

Aber erst zu besagten Gründen:

Aufstieg der KI-Agenten: Wir nutzen seltener isolierte Chat-Fenster, sondern Agentic Workflows, die eigenständig und mehrstufig in Dateisystemen und Tools agieren. Unpräzise „Grundregeln“ multiplizieren Fehler über hunderte Dateien oder Datensätze hinweg.

Compliance & EU AI Act: Dieses jahr treten weitere Vorschriften im Rahmen der europäischen KI-Verordnung in Kraft. Dabei geht es vor allem um die Nachvollziehbarkeit von KI-generierten Ergebnissen. Ab August greifen bei Hochrisikoanwendungen strengere Vorgaben für Datenqualität, Dokumentation und menschliche Aufsicht.

Gerade bei IT-Projekten sind wir schnell im Hochrisikobereich: etwa in HR-Prozessen, im Kundenservice, bei kritischen Infrastrukturen. Ähnliches gilt für Organisationen, die General-Purpose-AI (also große Sprachmodelle wie Gemini, Llama oder ChatGPT) in Arbeitsabläufe integrieren – auch dann gelten Transparenzpflichten. „Wildes Prompten“ ohne Struktur wird daher zum Compliance-Risiko.

Tool-Agnostik als Überlebensstrategie: Der Markt fragmentiert sich, OpenAIs Vormacht bröckelt. 2024 entfielen auf ChatGPT fast 90 % des weltweiten KI-Traffics, ein Jahr später bereits weniger als 70 %. Unabhängig davon, mit welchen Tools Sie arbeiten: Die Syntax mag sich unterscheiden, die Logiken bleiben vergleichbar. Wer die Qualitätsprinzipien beherrscht, ist nicht von einem Anbieter abhängig.

Insofern: Schluss mit dem KI-Geplapper! Folgen Sie stattdessen diesen drei Regeln. Wir testen sie bei disruptive seit Sommer 2025 und erhalten messbar bessere Ergebnisse.

System-Instruktionen als „Betriebssystem“

Gute Ergebnisse hängen weniger vom einzelnen Prompt ab, sondern von den Rahmenbedingungen. In der Softwareentwicklung sind „Rules“-Dateien längst üblich. Gleichermaßen sollte man KI-Tools ein Regelgerüst geben.

Effizienter arbeiten wir, wenn wir relevante System-Instruktionen fix definieren. Wie dies technisch funktioniert, steht bei uns im Blog in einer Bedienungsanleitung zum Anlegen von System Instructions. Konzeptionell bietet sich an, eine oder mehrere Personas zu erstellen.

Hier ein Beispiel für eine Persona zum Challengen von Kreativkonzepten:

„Agiere als erfahrener Kreativdirektor, der mit seinem Team Konzepte für besondere und aufmerksamkeitsstarke Marketingkampagnen [event. spezifizieren] entwickelt. Deine Stärke ist es, Konzeptideen deiner Kollegen zu challengen und sie noch ein Stück besser zu machen. Ein Konzept muss mindestens folgende sechs Fragen beantworten. Tut es das nicht, fordere den Nutzer auf, nachzubessern.

Was ist das Kernproblem, das wir lösen?
Wer ist die Zielgruppe und was bewegt sie wirklich
Was ist unsere eine zentrale Botschaft, die im Gedächtnis bleiben soll?
Welchen kreativen Leitgedanken verfolgen wir
Warum sollten die Menschen uns glauben?
Wo und wie findet die Kampagne statt

Dein Output ist eine strukturierte Stärken-Schwächen-Analyse des Konzeptes. Du sollst kein neues Konzept schreiben, sondern die Kollegen beim Überarbeiten unterstützen. Deine Grundsprache ist Deutsch, weiche davon nur auf Aufforderung ab. Nutze sachliche, aktive Sprache ohne werbliche Adjektive oder KI-Buzzwords. Sei nicht höflich. Sage vielmehr ‚Ich bin hier nicht überzeugt‘ oder Ähnliches, falls der Kontext nicht reicht. Nutze folgende Frameworks oder Dokumente [ergänzen/spezifizieren].“

Wer verschiedene Projekttypen hat – etwa Recherche, Code-Review, Prototyping inklusive Vibe Coding, Stakeholder-Kommunikation –, sollte sich Regel-Sets in Form diverser Personas zulegen.

Der „Zero-Context“-Ansatz für komplexe Analysen

Die Qualität der meisten KI-Antworten lässt uns glauben, KI verstünde implizite Zusammenhänge. Auch drei Jahre nach ChatGPT-Start neigen aber selbst die besten Modelle dazu, fehlenden Kontext durch „wahrscheinliche, aber falsche“ Annahmen zu ersetzen.

Daher: Die KI bei komplexen Aufgaben so briefen, als hätte sie keine Vorkenntnisse über das spezifische Projekt. Daher der Name „Zero-Context“.

Hilfreich ist, die Arbeit zu modularisieren: Statt die KI mit 100 Seiten PowerPoint und der Frage „Was steht drin?“ zu füttern, komplexe Analysen in Teilschritte zerlegen. Anstatt nach einem fertigen „Marktbericht“ zu fragen, erst die Struktur entwerfen lassen, dann die Daten validieren, schließlich die Kapitel ausformulieren. Wichtig: Der KI explizit die Erlaubnis geben, „Ich weiß es nicht“ zu sagen, falls der Kontext nicht reicht.

Mehr KI-Updates gefällig?

In unserem monatlichen Newsletter erhalten Sie ausgesuchte Infos und Einordnungen zu AI, Agents und Automatisierung. Zudem gibt es regelmäßig Einladungen zu kostenlosen KI-Webinaren.

„Deslop“ – aktives Eliminieren von KI-Geblubber

KI neigt dazu, defensiv oder redundant zu formulieren, also sogenannten AI Slop zu produzieren. LinkedIn läuft über damit, ebenso mancher „Experten“-Blog.

Gewöhnen Sie sich eine „Deslop-Routine“ an und triezen Sie die KI gezielt, ihre Entwürfe zu entschlacken. Instruktionen wie „Entferne alle Füllwörter und redundanten Erklärungen“ oder „Schreibe aktiv. Streiche 20 % der Wörter ohne Informationsverlust“ heben das Niveau deutlich. Sehr hilfreich ist das Vorgehen auch im Coding.

Wenn Sie zwei KI-Tools nutzen: Setzen Sie sie als „Gegenspieler“ ein. Lassen Sie den Entwurf des ersten vom zweiten auf logische Konsistenz und AI Slop prüfen. Bei nur einem Tool: Bauen Sie einen separaten Agenten für diese Aufgabe. Wie das geht, habe ich neulich hier in der Kolumne beschrieben. Ich habe diesen Text übrigens mit Unterstützung von Gemini geschrieben, ihn dann aber nochmals in einem eigens eingerichteten Project in Claude auf Slop überprüfen lassen.

Unser Fazit bei disruptive nach sechs Monaten, in denen wir mit diesen Regeln zu arbeiteten. Im ersten Moment mögen sie etwas sperrig wirken, und es hat auch bei uns gedauert, bis wir sie verinnerlicht hatten. Aber rückblickend kann man sagen: Je schneller, desto besser. Wer diese drei Vorgaben umsetzt, spart sofort Zeit. Probieren Sie doch direkt einmal aus!

PS: Wer seine Prompting-Skills noch weiter verbessern möchte, ist in unserer KI-Akademie richtig – hier erhalten Sie einen kostenlosen, unverbindlichen Testzugang. Viel Spaß damit!

Drei Gründe für die disruptive KI-Akademie

Sofort nutzbares Praxiswissen und wöchentlich neue Kurse

DSGVO-konform und ISO-zertifiziert

Plattform in Ihrem Corporate Design

Der Beitrag Profi-Prompting: Wir müssen anders mit unseren Chatbots reden erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

KI-Finetuning: mit System Instructions Chatbots individualisieren

Timm Rotter — Sun, 18 Jan 2026 12:42:16 +0000

Kurzanleitung: System Instructions für KI-Chatbots richtig hinterlegen

Projektziele, Zielgruppen, Corporate Wording – im beruflichen Alltag gibt es viele Standards, die wir Menschen verinnerlicht haben und dadurch deutlich effizienter arbeiten. Damit auch KI-Chatbots dieses Firmenwissen haben und danach handeln, müssen wir sie ihnen eintrichtern. Das geht am besten über sogenannte System Instructions. Wie Sie die in den diversen Chatbots anlegen, erfahren Sie hier.

Vorab: Die Mühe lohnt sich. Denn wenn Sie auf die Art Ihre KI vorkonditionieren, ersparen Sie es sich, sie jedes Mal aufs Neue so zu briefen, als wäre es ihr erster Arbeitstag. Sie erhalten deutlich individuellere und konsistentere Antworten. Gerade, wenn man im Team mit KI arbeitet, ist der Effizienzhebel groß. Je nach Tool gibt es globale, also allgemeingültige, und individuelle Einstellungen (in einzelnen Assistenten oder Projekten). Wir erklären jeweils die gängigen Wege für sieben gängige KI-Tools.

Die folgenden Anleitungen für System Instructions sind alle für die Web-Apps der jeweiligen Tools in der Desktop-Version gedacht und in Chrome getestet. Los geht’s mit den gängigen KI-Bots der US-BigTechs und der einzigen konkurrenzfähigen Alternative aus Europa:

ChatGPT (OpenAI)

Grundsätzlich gibt es drei Wege, je nachdem, ob die System Instructions global oder spezifisch in einzelnen Projekten oder Abfragen gelten sollen.

Global:

Unten links auf den Profilnamen klicken
Im Menü „Customize ChatGPT“ auswählen
In das Feld „How would you like ChatGPT to respond?“ die Vorlage hineinkopieren.

Spezifisch in einzelnen Abfragen (über eigene GPTs):

„Explore GPTs“ auswählen
Über „Create“ einen neuen Assistenten erstellen
In der Registerkarte „Configure“ die eigene Vorlage in das Feld „Instructions“ einfügen

Spezifisch in Projekten:

In „Projects“ kann man, einzeln oder im Team, in ChatGPT an abgegrenzten Themen arbeiten. Etwa der Entwicklung einer Kampagne im Marketing oder der Erstellung des neuen CSR-Berichts. Hier bietet es sich besonders an, Standards zu definieren. Der Weg dahin ist etwas versteckt: Hinter dem Button „Add files“ versteckt, kann man Wissen, Einstellungen und auch Instructions definieren. Diese gelten dann nur im jeweiligen Projekt.

Claude (Anthropic)

Claude nutzt das Konzept von „Projects“, wo man hier für jeden Kunden oder jedes Projekt eigene Regeln definieren kann.

In der Seitenleiste auf „Projects“ gehen
Ein neues Projekt erstellen
Rechts auf „Set Custom Instructions“ klicken
Dort die Vorgaben hinein schreiben oder kopieren

Vorteil: Alle Chats innerhalb dieses Projekts folgen automatisch diesen Regeln, und man kann zusätzlich projektspezifische PDFs als Wissensbasis hochladen

Copilot (Microsoft)

In der Enterprise-Umgebung von Microsoft erfolgt die Steuerung meist über den „Copilot Lab“ oder direkt im Prompt-Fenster, da Copilot weniger auf statische System-Prompts setzt als die anderen Tools.

Das „Copilot Lab“ (meist ein Icon mit einem Mikroskop/Notizbuch) öffnen
Die eigene Vorlage dort als „Custom Prompt“ abspeichern.

Tipp: Sie können die Vorlage auch in einer lokalen OneNote-Seite oder Textdatei vorhalten und sie bei einem neuen Chat mit dem Befehl „Nutze folgende Regeln für diesen Chat: [Vorlage]“ einleiten.

Gemini (Google)

Übergreifende, sprich global gültige Instructions kann man nur über Google AI Studio, also die Entwickler-Umgebung, anlegen. Dort findet sich rechts in der Navigation das Feld „System instructions“, wo man Namen und Beschreibung ausfüllt.

Spezifisch lassen sich Instruktionen in eigenen Agents, hier „Gems“ genannt, einfügen:

Links in der Navigation den Bereich „Gems“ öffnen
Neues Gem erstellen
Vorgaben definieren und abspeichern

Le Chat (Mistral)

Die französische KI sieht, zumindest in der kostenlosen Version, keine globalen System Instructions vor. Spezifisch kann man allerdings die Mistral Agents mit entsprechenden Vorgaben ausstatten:

Links oben in der Navigation „Agents“ anwählen
Neuen Agent erstellen
Vorgaben (hier explizit „Instructions“ genannt) definieren und abspeichern

Mehr KI-Updates gefällig?

In unserem monatlichen Newsletter erhalten Sie alle relevanten Updates zu GenAI – mit Fokus auf Vertrieb, Marketing und HR.

Die folgenden Tools Nuwacom und text.cortex zählen zu den KI-Suites aus Deutschland, die datensichere Nutzung von Chatbots und eigenen, agentischen KI-Anwendungen anbieten. Wir arbeiten mit beiden Plattformen in verschiedenen Kundenprojekten.

Nuwacom

Analog zu ChatGPT und Gemini gibt es in Nuwacom zwei Wege – einen für globale und einen für spezifische Instruktionen.

Global:

Links unten auf den Profilnamen klicken
Unter „AI Guardrails“ unter „Voices“ oder „Guidelines“ Vorgaben einstellen. KI-Voices sind zwar global angelegt, müssen aber bei jedem Prompt aktiviert werden. Guidelines gelten immer per Default.

Spezifisch (in eigenen Agents):

In der Navigation links „Agents“ auswählen und über „Create Agent“ einen neuen KI-Assistenten anlegen.
Vorgaben definieren und abspeichern

text.cortex

text.cortex bietet keine globalen Instructions, aber sehr differenzierte spezifische Einstellungen:

In der Navigation links auf „Agenten“ klicken. Agenten sind hier auch als Personas gedacht. Sie bündeln also Handlungsanweidungen, Wissensgrundlagen und Vorgaben für Stil und Ausdruck.
Neuen „Agenten erstellen“
Unter „Verhalten“ im Feld „Hintergrund“ alle generellen Vorgaben eintragen.
Unter „Werkzeuge“ bei Bedarf KI-Modell auswählen und Wissen verknüpfen
Agenten einen Namen geben und eine verständliche Beschreibung ergänzen (damit Sie später die richtige Persona wiederfinden) und speichern.

Generell gut zu wissen in puncto System Instructions:

Für alle Tools gilt: System-Instructions sind kein „set it and forget it“. Die Erfahrung zeigt, dass KI beginnt, wieder zu „schwurbeln“ (Slop) oder ungenau zu werden. Erinnere sie dann explizit an die Regeln, bspw. durch ein: „Beachte wieder strikt unsere Anti-Slop-Policy aus den System-Rules.“ Das bringt das Modell in der Regel direkt wieder auf Kurs.

Ihnen fehlen chinesische KI-Tools wie DeepSeek oder Kimi? Wir haben sie bewusst außen vor gelassen, weil Sie damit Firmenwissen bei Tools abladen würden, die nicht EU-Datenschutzvorgaben entsprechen.

Drei Gründe für die disruptive KI-Akademie

Sofort nutzbares Praxiswissen und wöchentlich neue Kurse

DSGVO-konform und ISO-zertifiziert

Plattform in Ihrem Corporate Design

Wir sind dankbar für Korrekturen und Ergänzungen, da sich immer wieder Einstellungen ändern. Einfach per Mail an info@disruptive-muenchen melden, wir aktualisieren den Guide dann. Danke!

Der Beitrag KI-Finetuning: mit System Instructions Chatbots individualisieren erschien zuerst auf https://disruptive-muenchen.de/ki-akademie.

KI-Wissen kompakt

Sora-Aus: Warum das Scheitern der bekanntesten Video-KI eine gute Nachricht ist

Sora-Aus: Warum das Scheitern der bekanntesten Video-KI eine gute Nachricht ist

Inhaltsverzeichnis

Technisch brillant, aber ökonomisch nicht lebensfähig

Tabula rasa vor dem Börsengang

Video-KI und vieles mehr: Bei uns finden Sie passende Seminare für Ihr Team

Das Problem mit der Physik und dem Recht​

Welche Alternativen gibt es zu Sora jetzt noch?

Darf ich mit Sora erstellte Videos weiterhin nutzen?

Fazit: Die Evolution geht weiter – aber ernsthafter

Drei Gründe für die disruptive KI-Akademie

LinkedIn-Algorithmus und KI: Das Profil ist kein Lebenslauf mehr, sondern eine Datenbank

LinkedIn-Algorithmus und KI: Das Profil ist kein Lebenslauf mehr, sondern eine Datenbank

Inhaltsverzeichnis

1. Der Infotext: Semantische Schärfe statt Prosa

2. Lebenslauf-Audit: Das MECE-Prinzip für Ihre Stationen

Bei uns finden Sie für Ihr Team die passenden Seminare

3. Der 360-Grad-Check: Das Profil als System-Audit

Zusatztipp: Beim Profilbild Finger weg von KI

Datenschutz: Data Privacy by Design

Fazit: Circle of Competence statt Clickbaiting

Checklist: Prüfen Sie Ihr Profil in 60 Sekunden:

Profil-Checkliste

Drei Gründe für die disruptive KI-Akademie

Vergleich der ChatGPT-Modelle: Welches Modell für welche Aufgabe?

Vergleich der ChatGPT-Modelle: Welches Modell für welche Aufgabe?

GPT-5.3/4: Die Default-Allrounderin

Einsatzgebiete für GPT-5

ChatGPT Pro – die Super-KI, die kaum jemand braucht

Einsatzgebiete für ChatGPT Pro

OpenAI o3: Der tiefsinnige Denker

Einsatzgebiete für o3

Mehr KI-Updates gefällig?

GPT Image 1.5: Die integrierte Bildermacherin

Fazit: Welches Modell für welchen Zweck?

Bei uns finden Sie die passenden Seminare

Mehr aus Microsoft Copilot herausholen – drei Hacks für Einsteiger

Mehr aus Microsoft Copilot herausholen – drei Hacks für Einsteiger

Microsoft Copilot – das Interface für die eigene Arbeitsorganisation

Hack 1: Copilots größte Stärke: Er arbeitet mit Ihren Unternehmensdaten

Hack 2: Personen und Dokumente direkt im Prompt taggen

Hack 3: Geplante Prompts – Copilot regelmäßig für Sie arbeiten lassen

Fazit: Der Produktivitätsgewinn mit Copilot steckt im Kontext

Wir helfen Ihnen, Copilot erfolgreich einzuführen

Bei uns finden Sie für Ihr Team die passenden Seminare

Kommunalwahl in München: Auf wen setzt die KI?

Kommunalwahl in München: Auf wen setzt die KI?

Inhaltsverzeichnis

Das Experiment 2026: Der SZ Wahlcheck für München

Die Ergebnisse im Einzelnen

ChatGPT 5.2: „Der grüne Stammwähler“

Gemini 3: „Der grüne Wechselwähler“

Claude Sonnet 4.6: „Der Kultursympathisant“

Grok: Der Recht-und-Ordnung-Pragmatiker

Entscheidend: der lokale Kontext

Kritisches Hinterfragen wird noch wichtiger

Mehr KI-Updates gefällig?

Sicherheitsmechanismen vs. Rechtsshift

KI: Hebel und Risiko für die demokratische Meinungsbildung

Fazit: Sparringspartner statt singulärer Kompass

3 Tipps für den kritischen Umgang mit KI als Entscheidungshilfe

Bei uns finden Sie für Ihr Team die passenden Seminare

KI-Prokrastination? Drei Cases zeigen, wo echte Effizienz liegt

Schluss mit der KI-Prokrastination: Drei Cases, die zeigen, wo echte Effizienz vergraben liegt

So lief unser erster Agentic-AI-Hackathon:

Präzise Prognosen: Wenn die KI zum Kalkulations-Profi wird

Bye-bye Beleg-Chaos: Der digitale Türsteher entlastet den Projektmanager

Chatten mit Excel: Schluss mit der Fünf-Tage-Warteschleife

Die 48-Stunden-Formel: Wie Sie den KI-Stau auflösen

Bei uns finden Sie für Ihr Team die passenden Seminare

Guidelines zur Nutzung von Künstlicher Intelligenz

KI-Guidelines für Unternehmen – so geht’s

KI-Guidelines sind wichtig, um AI-Act-konform zu arbeiten

KI-Guidelines strategisch besehen

KI-Guidelines: hilfreiche Initiativen aus Medien- und Verbändewelt

DJV: Dogmatik am Anfang, danach aber hilfreiche Gedanken zu Verantwortung und Weiterbildung

DPRG: Verantwortung und Transparenz in der Kommunikation

BdKom: KI als Chance für Qualitätskommunikation

Wirtschaftskammer Österreich (WKO) – Guidelines zum Ausdrucken:

Das Problem mit der Physik und dem Recht

Mehr KI-
Updates
gefällig?