AI Productivity lernen — ABXK

Was KI im Arbeitsalltag kann – und was nicht

Wed, 14 Oct 2026 00:00:00 +0000

Sie haben sicher schon gehört, dass KI E-Mails schreiben, Meetings zusammenfassen und Folien gestalten kann. Manche sagen, sie verändert jeden Beruf. Andere sagen, sie macht zu viele Fehler, um nützlich zu sein. An beidem ist etwas dran — und die Wirklichkeit ist praktischer als beide Positionen.

Dieser Artikel ist Teil 1 von Level 0, dem Einstieg in unseren Lernpfad. Sie brauchen kein technisches Vorwissen. Am Ende wissen Sie, welche Alltagsaufgaben KI-Tools heute schon gut erledigen, wo sie scheitern und wie Sie Ihre erste Aufgabe ohne Risiko ausprobieren.

Chatbots, Assistenten, Generatoren: die wichtigsten Arten von KI-Tools

Wed, 14 Oct 2026 00:00:00 +0000

Chatbot, Copilot, Assistent, Generator, Notetaker: KI-Tools tragen viele Namen, und jede Woche kommen neue dazu. Viele scheinen dasselbe zu tun. Andere sehen sich ähnlich, erledigen aber etwas ganz anderes. Als Einsteiger erkennt man kaum, wo eine Art aufhört und die nächste beginnt.

Dies ist Teil 2 von Level 0 unseres Lernpfads. In Teil 1 haben Sie gesehen, bei welchen Alltagsaufgaben KI helfen kann. Jetzt lernen Sie die wichtigsten Arten von KI-Tools kennen, einen einfachen Weg, sie zu unterscheiden, und wie Sie entscheiden, ob ein allgemeiner Assistent für Sie genügt.

Was ist ein großes Sprachmodell? LLMs einfach erklärt

Wed, 14 Oct 2026 00:00:00 +0000

ChatGPT, Gemini, Claude, Grok: Hinter jedem dieser Assistenten steckt ein großes Sprachmodell, englisch Large Language Model, kurz LLM. Um eines gut zu nutzen, müssen Sie die Mathematik dahinter nicht verstehen. Aber ein Grundbild davon, wie ein LLM arbeitet, erklärt vieles: warum es so flüssig schreibt, warum es manchmal Fakten erfindet und warum dieselbe Frage unterschiedliche Antworten bekommen kann.

Dies ist Teil 3 von Level 0. Sie brauchen kein technisches Vorwissen. Sie erfahren, was passiert, wenn Sie eine Anfrage eintippen, was Tokens und das Kontextfenster sind, wie sich Training und Nutzung unterscheiden und wer diese Modelle baut.

Ihr erster Prompt: So sprechen Sie mit KI-Assistenten

Wed, 14 Oct 2026 00:00:00 +0000

Viele Menschen beginnen mit KI auf dieselbe Weise: Sie tippen eine kurze Frage ein, bekommen eine allgemeine Antwort und halten das Tool danach für wenig nützlich. Meist liegt das Problem aber nicht am Tool, sondern an der Anfrage. Ein paar Sätze mehr machen aus einer vagen Antwort oft etwas, das Sie wirklich verwenden können.

Dies ist Teil 4 von Level 0. Sie lernen, was ein Prompt ist, eine einfache Formel aus drei Teilen für klare Anfragen, wie Sie eine Antwort mit Nachfragen verbessern und welche Anfängerfehler Sie vermeiden sollten. Alle Beispiele funktionieren in jedem allgemeinen Chat-Assistenten.

Ihr erstes KI-Tool wählen: eine einfache Checkliste

Wed, 14 Oct 2026 00:00:00 +0000

Eine Kollegin schwört auf ein KI-Tool, ein Newsletter lobt ein anderes, und jede Woche kommen neue dazu. Schnell hat man sich an einem Nachmittag bei drei Tools angemeldet — und nutzt einen Monat später keines davon. Genauso schnell landen Firmendaten in einem Tool, das niemand geprüft hat.

Dies ist Teil 5 und damit der letzte Teil von Level 0. In Teil 2 haben Sie die wichtigsten Arten von KI-Tools kennengelernt und erfahren, wann ein allgemeiner Chat-Assistent genügt. Jetzt bekommen Sie eine Checkliste mit acht Fragen, einen schnellen Weg zur Vorauswahl mit den Filtern unseres Tool-Vergleichs, einen Plan für eine Testwoche und eine Entscheidungstabelle für typische Situationen im Arbeitsalltag.

Prompt-Grundlagen: Rolle, Aufgabe, Kontext und Format

Wed, 14 Oct 2026 00:00:00 +0000

Die meisten schwachen KI-Antworten haben eine einfache Ursache: Im Prompt fehlte etwas, das der Assistent gebraucht hätte. Ein Prompt ist die Anfrage, die Sie in ein KI-Tool eingeben. Gute Prompts folgen einem Muster, das Sie an einem Nachmittag lernen können. Es besteht aus vier Bausteinen: Rolle, Aufgabe, Kontext und Format.

Dieser Artikel ist Teil 1 von Level 1 unseres Lernpfads AI Productivity. In Level 0 haben Sie Ihren ersten Prompt geschrieben. Jetzt lernen Sie, was jeder Baustein leistet, wann Sie ihn brauchen und wie Sie die Bausteine kombinieren. Mit den Übungen am Ende trainieren Sie an Aufgaben aus Ihrer eigenen Arbeit.

Mit KI schneller schreiben und überarbeiten: E-Mails, Berichte, Beiträge

Wed, 14 Oct 2026 00:00:00 +0000

Schreiben nimmt einen großen Teil der Büroarbeit ein: E-Mails, Statusberichte, Nachfassmails nach Meetings, Beiträge für soziale Medien. KI-Assistenten entwerfen und überarbeiten solche Texte in Sekunden. Doch das erste Ergebnis klingt oft beliebig, enthält womöglich Fakten, die Sie nie genannt haben, und verleitet dazu, Daten einzufügen, die privat bleiben sollten.

Dieser Artikel ist Teil 2 von Level 1 unseres Lernpfads AI Productivity. Er baut auf den vier Bausteinen aus Teil 1 auf: Rolle, Aufgabe, Kontext und Format. Hier lernen Sie die nützlichsten Schreib- und Überarbeitungsaufgaben kennen, erfahren, wie Sie Ihre eigene Stimme behalten, und gehen zwei vollständige Abläufe durch: eine Kunden-E-Mail und einen kurzen Bericht.

Mit KI recherchieren und die Quellen prüfen

Wed, 14 Oct 2026 00:00:00 +0000

KI-Tools finden, lesen und fassen Informationen schneller zusammen als jeder Mensch. Sie können Ihnen aber auch eine selbstsichere Antwort liefern, die auf einer Quelle beruht, die es gar nicht gibt. Recherche mit KI funktioniert, wenn Sie jede Antwort als Hinweis behandeln, nicht als Tatsache.

Dieser Artikel ist Teil 3 von Level 1 unseres Lernpfads AI Productivity. Sie lernen, wie sich Chat-Assistenten und KI-Suchmaschinen unterscheiden, was ein Quellenbeleg beweist, wie Sie eine Aussage in drei Zügen prüfen, und eine Routine in fünf Schritten für alltägliche Rechercheaufgaben.

Meeting-Notizen mit KI: aufnehmen, zusammenfassen, umsetzen

Wed, 14 Oct 2026 00:00:00 +0000

Nach jedem Meeting sollte jemand festhalten, was entschieden wurde und wer was als Nächstes tut. Oft macht es niemand, und Entscheidungen gehen verloren. KI-Meeting-Assistenten zeichnen das Gespräch auf, machen daraus Text und entwerfen eine Zusammenfassung mit Aufgaben. Sie sparen spürbar Zeit — aber nur, wenn Sie die Einwilligung klären, die Details prüfen und aus der Zusammenfassung Aufgaben machen, die wirklich erledigt werden.

Dieser Artikel ist Teil 4 von Level 1 unseres Lernpfads AI Productivity. Sie lernen, wie Meeting-Assistenten arbeiten, was Sie den Teilnehmenden sagen und wo die Tools Fehler machen. Außerdem bekommen Sie eine Vorlage für Meeting-Notizen, die gelesen werden, und erfahren, wie Aufgaben in Ihr Aufgaben-Tool gelangen.

Ihr erstes KI-Bild: Prompts, Stile und Rechte

Wed, 14 Oct 2026 00:00:00 +0000

Eine Folie braucht eine Illustration, ein Newsletter ein Titelbild, ein Social-Media-Beitrag einen Blickfang. Text-to-Image-Tools (von Text zu Bild) erzeugen solche Bilder in Sekunden aus einer geschriebenen Beschreibung. Doch das erste Ergebnis ist selten das, was Sie im Kopf hatten — und nicht jedes Bild, das Sie erzeugen können, dürfen Sie auch verwenden.

Dieser Artikel ist Teil 5 von Level 1 unseres Lernpfads AI Productivity. Er überträgt die Prompt-Bausteine aus Teil 1 auf Bilder. Sie lernen die fünf Teile eines Bild-Prompts, einen kleinen Stil-Wortschatz und das schrittweise Verfeinern kennen. Außerdem sehen Sie, wo sich typische Fehler verstecken und was Sie vor der Veröffentlichung zu Rechten und Kennzeichnung prüfen sollten.

Prompt-Muster, die funktionieren: Beispiele, Schritte und Checklisten

Wed, 14 Oct 2026 00:00:00 +0000

Ein klarer Prompt bringt Ihnen eine gute Antwort. Ein Prompt-Muster bringt Ihnen gute Antworten, und zwar jedes Mal, wenn dieselbe Art von Aufgabe wiederkommt. Ein Prompt-Muster (englisch prompt pattern) ist eine bewährte Art, eine Anfrage für ein Problem aufzubauen, das immer wieder auftritt. Hier lernen Sie sieben davon kennen: Few-Shot-Beispiele, Schritt-für-Schritt-Anweisungen, erst der Plan, Checklisten, Vorgaben, Kritik und Überarbeitung sowie Rollenspiel für Feedback.

Dieser Artikel ist Teil 1 von Level 2 unseres Lernpfads AI Productivity. Level 1 hat die vier Bausteine eines Prompts vorgestellt: Rolle, Aufgabe, Kontext und Format. Die Muster bauen auf diesen Bausteinen auf. Zu jedem Muster erfahren Sie, welches Problem es löst und wo seine Grenzen liegen, und Sie sehen ein Vorher-nachher-Beispiel. Alle Beispiele funktionieren in jedem allgemeinen Chat-Assistenten.

KI-Präsentationen: von der Gliederung zu fertigen Folien

Wed, 14 Oct 2026 00:00:00 +0000

KI-Präsentationstools machen aus einem Thema in einer Zeile in wenigen Minuten einen kompletten Foliensatz, mit Layouts, Bildern und Diagrammen. Das Ergebnis sieht fertig aus. Oft ist es das nicht: Die Folientitel sagen wenig, die Diagramme zeigen Zahlen, die niemand geprüft hat, und dem Foliensatz fehlt eine klare Botschaft. Ein besseres Tool ändert daran selten etwas. Eine bessere Reihenfolge der Arbeit schon.

Dies ist Teil 2 von Level 2 unseres Lernpfads AI Productivity. In Level 2 geht es um Arbeitsabläufe und Qualitätskontrolle. Hier lernen Sie einen Ablauf in fünf Schritten: die Botschaft festlegen, eine Gliederung anfordern, die Folien erzeugen, Gestaltung und Daten korrigieren und zuletzt Sprechernotizen ergänzen und die Barrierefreiheit prüfen. Er baut auf den vier Bausteinen eines Prompts aus Level 1 auf.

Die Woche mit KI planen: Kalender, Aufgaben und Fokuszeit

Wed, 14 Oct 2026 00:00:00 +0000

Die meisten Wochen scheitern nicht an fehlendem Einsatz. Sie scheitern daran, dass Kalender und Aufgabenliste an verschiedenen Orten liegen. Termine füllen den Kalender, Aufgaben stapeln sich in einer Liste, und dringende Anfragen fressen die Stunden, die für wichtige Arbeit gedacht waren. KI-Planungstools verbinden beides: Die Tools finden Zeit für Ihre Aufgaben, schützen Blöcke für konzentriertes Arbeiten und bauen den Plan neu, wenn sich etwas ändert. Was sie nicht können: entscheiden, was zählt.

Audio und Video mit KI bearbeiten: Transkripte, Schnitte, Clips

Wed, 14 Oct 2026 00:00:00 +0000

Die besten Momente eines langen Interviews stecken meist zwischen „ähm“, Versprechern, Hintergrundgeräuschen und Abschweifungen. In einem klassischen Schnittprogramm suchen Sie sie auf der Zeitleiste: abspielen, hören, schneiden, wieder hören. KI-gestützte Editoren gehen einen anderen Weg und machen aus der Aufnahme zuerst Text. Diesen Text bearbeiten Sie, und Ton und Bild folgen. Aus demselben Text entstehen danach Untertitel, Shownotes und kurze Clips.

Dies ist Teil 4 von Level 2 unseres Lernpfads AI Productivity. In Level 1 haben die Meeting-Notizen mit KI gezeigt, wie aus Sprache ein Transkript wird. Hier arbeiten Sie mit der Aufnahme selbst: Sie schneiden sie über das Transkript, säubern den Ton, setzen Untertitel, machen aus einer langen Aufnahme viele Formate, korrigieren kleine Versprecher mit einer KI-Stimme — nur mit Einwilligung — und prüfen alles, bevor es veröffentlicht wird.

KI-Ergebnisse prüfen: Halluzinationen, Fakten, Qualität

Wed, 14 Oct 2026 00:00:00 +0000

KI-Ergebnisse sehen selten falsch aus. Der Text liest sich flüssig, die Tabelle ist ordentlich, der Ton selbstsicher — auch wenn eine Zahl erfunden ist oder eine Quelle gar nicht existiert. Deshalb ist Prüfen eine eigene Fähigkeit: Sie müssen wissen, wo Fehler stecken, und sie schnell finden, ohne die ganze Aufgabe ein zweites Mal zu erledigen.

Dies ist Teil 5 von Level 2 unseres Lernpfads AI Productivity. In Level 1 haben Sie gelernt, mit KI zu recherchieren und die Quellen zu prüfen, auf die sich eine Antwort stützt. Dieser Teil gilt für alle KI-Ergebnisse, von der E-Mail bis zum Bericht. Sie lernen sechs Fehlerarten, eine Prüfroutine in fünf Schritten und das laterale Lesen kennen. Außerdem sehen Sie, wie KI beim Prüfen helfen kann und wann Sie für eine Aufgabe besser auf KI verzichten.

Das richtige LLM für die Aufgabe wählen

Wed, 14 Oct 2026 00:00:00 +0000

Die meisten Menschen nutzen einen KI-Assistenten mit seinem Standardmodell für alles: E-Mails, Recherche, Tabellenformeln, lange Berichte. Das geht gut, bis eine Aufgabe mehr verlangt. Ein Modell, das bei schwierigen Analysen glänzt, kann für eine kurze Antwort zu langsam sein. Ein schnelles Modell kann an einer kniffligen Rechnung scheitern. Und das Modell an der Spitze einer Rangliste darf in Ihrem Unternehmen womöglich gar nicht genutzt werden.

Dies ist Teil 1 von Level 3 unseres Lernpfads AI Productivity. In Level 3 geht es darum, KI in Ihre Arbeit einzubauen und die Ergebnisse zu messen. Hier lernen Sie die sechs Unterschiede zwischen Sprachmodellen kennen und erfahren, wie Sie unsere LLM-Datenbank und ihre Rangliste lesen. Danach ordnen Sie Aufgaben den Stärken der Modelle zu und testen zwei oder drei Modelle an Ihrer eigenen Arbeit. Wenn Sie die Grundlagen auffrischen möchten: Level 0 erklärt, was ein großes Sprachmodell ist.

Einen persönlichen KI-Workflow bauen: Tools verketten, Stunden sparen

Wed, 14 Oct 2026 00:00:00 +0000

Die meisten Menschen setzen KI für eine Aufgabe nach der anderen ein: hier eine Zusammenfassung, dort ein Entwurf, vor dem Meeting schnell ein paar Folien. Jeder Einsatz spart ein paar Minuten, doch die Arbeit zwischen den Tools bleibt dieselbe. Sie suchen weiter nach Notizen, kopieren Text von einer App in die nächste und bauen jede Woche denselben Bericht neu. Der größere Gewinn entsteht, wenn Sie die Schritte einer wiederkehrenden Aufgabe zu einem festen Ablauf verbinden und ihn jedes Mal gleich durchlaufen.

Text-to-Video: vom Skript zum fertigen Clip

Wed, 14 Oct 2026 00:00:00 +0000

Sie tippen einen Satz ein, und kurz darauf haben Sie einen Videoclip: eine Barista in einem Café bei Sonnenaufgang. Dann erzeugen Sie die zweite Einstellung, und die Barista hat ein anderes Gesicht, aus der Tasse ist ein Glas geworden. Ein fertiges Video braucht mehr als gute Prompts. Es braucht einen Plan, Einstellungen, die zusammenpassen, einen Schnitt mit Ton und eine letzte Prüfung.

Dies ist Teil 3 von Level 3 unseres Lernpfads AI Productivity. Hier bringen Sie einen kurzen Clip vom Skript bis zur Veröffentlichung: Skript und Shotliste, ein Prompt pro Einstellung, gleichbleibende Figuren, Schnitt und Ton. Außerdem erfahren Sie, wann ein KI-Avatar die bessere Wahl ist, wo erzeugtes Video scheitert und was Sie kennzeichnen müssen. Der Teil baut auf Ihrem ersten KI-Bild aus Level 1 auf.

KI-Stimmen und KI-Musik für Ihre Inhalte

Wed, 14 Oct 2026 00:00:00 +0000

Ein Produktvideo braucht eine Sprecherstimme und etwas Musik darunter. KI-Tools erledigen beides in Minuten: Ein Text-to-Speech-Tool (TTS, Sprachausgabe) liest Ihr Skript vor, und ein Musikgenerator schreibt aus einem einzigen Satz ein Musikstück. Die eigentliche Arbeit steckt in den Details — etwa in einem Namen, den die Stimme falsch ausspricht, oder in Musik, die den Sprecher übertönt.

Dies ist Teil 4 von Level 3 unseres Lernpfads AI Productivity. In Level 2 haben Sie Aufnahmen über das Transkript bearbeitet und kleine Versprecher mit einer KI-Stimme korrigiert. Hier produzieren Sie den Ton selbst. Sie wählen eine Stimme, steuern Aussprache und Tempo und beschreiben Musik per Prompt. Dann mischen Sie Stimme und Musik, klären die Rechte und kennzeichnen das Ergebnis.

Wiederverwendbare Prompt-Vorlagen und eigene Assistenten

Wed, 14 Oct 2026 00:00:00 +0000

Sie haben einen Prompt, der funktioniert. Er macht aus groben Meeting-Notizen eine klare Follow-up-E-Mail an einen Kunden, und Sie nutzen ihn jede Woche. Doch er steckt irgendwo in einem alten Chat. Jedes Mal suchen Sie ihn, tippen die geänderten Teile neu und vergessen manchmal genau die eine Regel, die ihn gut gemacht hat. Fragt eine Kollegin danach, kopieren Sie ihn in eine Nachricht. Einen Monat später kursieren im Team vier leicht unterschiedliche Fassungen, und niemand weiß, welche die beste ist.

KI-Produktivität messen: Zeit, Qualität und Kosten pro Aufgabe

Wed, 14 Oct 2026 00:00:00 +0000

Die meisten Menschen beurteilen KI-Tools nach Gefühl. „Das spart mir viel Zeit“ ist das übliche Urteil — und es stimmt oft nicht. In einer Studie der Forschungsgruppe METR von 2025 erwarteten erfahrene Softwareentwickler, dass KI sie schneller macht. Die Messung zeigte, dass sie langsamer waren — und hinterher glaubten sie trotzdem, die KI habe geholfen. Wenn Sie wissen wollen, ob sich KI in Ihrer Arbeit wirklich lohnt, oder wenn Sie Ihre Vorgesetzten überzeugen müssen, brauchen Sie Zahlen, die einer Nachfrage standhalten.

Context Engineering: Arbeiten mit langen Dokumenten

Wed, 14 Oct 2026 00:00:00 +0000

Sie laden einen 60-seitigen Vertrag in einen KI-Assistenten und stellen eine einfache Frage. Die Antwort klingt sicher, übersieht aber die Klausel auf Seite 41. Oder sie zitiert einen Satz, der im Vertrag gar nicht steht. Bei langen Dokumenten scheitern KI-Assistenten am leisesten — und gerade hier macht gute Technik den größten Unterschied.

Dies ist Teil 2 von Level 4 unseres Lernpfads AI Productivity. Context Engineering heißt: entscheiden, was in die Eingabe des Modells kommt, in welcher Reihenfolge und in welcher Form. Es ist der Schritt nach dem guten Prompt. Sie lernen, was ein Kontextfenster wirklich enthält, warum Modelle in der Mitte langer Eingaben Details verlieren, fünf Techniken, die ganz ohne Programmieren funktionieren, und wie Sie eine Antwort zu einem Dokument prüfen, das Sie nicht komplett gelesen haben.

Eine multimodale Content-Pipeline bauen: Text, Bild, Video, Stimme

Wed, 14 Oct 2026 00:00:00 +0000

Ein Produktstart braucht einen Blogartikel, Bilder für Social Media, einen kurzen Clip, eine Sprecherstimme und etwas Hintergrundmusik. Mit KI ist jedes dieser Teile in Minuten erstellt. Ohne Plan haben Sie am Ende einen Haufen Assets, die nicht zusammenpassen: ein Bild in den falschen Farben, eine Stimme, die den Produktnamen falsch ausspricht, ein Musikstück, dessen Lizenz niemand geprüft hat.

Dies ist Teil 3 von Level 4 unseres Lernpfads AI Productivity. Multimodal heißt: mit mehreren Medienarten arbeiten — Text, Bild, Video und Audio. Eine Content-Pipeline ist eine feste Abfolge von Stufen, die aus einer Idee all diese Formate macht. Level 3 hat einzelne Schritte behandelt, etwa Text-to-Video und KI-Stimmen und Musik. Hier verbinden Sie sie: ein Ausgangstext, Styleguides, Asset-Protokolle, Freigabestufen, Rechte und Kennzeichnung, Automatisierung und Kennzahlen.

LLM-Benchmarks lesen wie ein Profi

Wed, 14 Oct 2026 00:00:00 +0000

Ein neues Modell erscheint, und die Ankündigung ist voller Zahlen: ein Rekord in einem Test, ein großer Sprung in einem anderen. Ein paar Wochen später beansprucht ein Wettbewerber den Spitzenplatz. Wenn Sie KI-Tools oder Modelle für sich oder Ihr Team auswählen, müssen Sie wissen, was diese Zahlen aussagen können — und was nicht.

Dies ist Teil 4 von Level 4 unseres Lernpfads AI Productivity. Sie lernen, was ein Benchmark wirklich misst, warum Tests unbrauchbar werden, was Kontamination und Testeinstellungen mit einem Wert machen, wie Gesamtindizes und Agenten-Tests funktionieren und warum der letzte Test immer Ihr eigener sein muss. Alle Modellergebnisse in diesem Artikel stammen direkt aus unserer LLM-Datenbank, die auf Daten von Epoch AI beruht.

Prompts testen und bewerten wie Software

Wed, 14 Oct 2026 00:00:00 +0000

Sie haben einen Prompt geschrieben, der funktioniert. Er macht aus Kundenmails klare Antworten, und das Team ist begeistert. Dann „verbessert“ jemand einen Satz, oder der Anbieter aktualisiert das Modell — und plötzlich verspricht jede fünfte Antwort eine Erstattung, die niemand genehmigt hat. Zwei Wochen lang fällt es niemandem auf.

Dies ist Teil 5 von Level 4 unseres Lernpfads AI Productivity. Sie lernen, Prompts wie Software zu behandeln: mit Testsätzen, Bewertungsrastern und automatischen Prüfungen, einem KI-Modell als Bewerter, Regressionstests, Versionen und fairen Modellvergleichen. Mehr als eine Tabellenkalkulation brauchen Sie dafür nicht. In Level 3 haben Sie zwei oder drei Modelle an Ihrer eigenen Aufgabe in einem schnellen Blindtest verglichen. Hier wird daraus eine Methode, die Sie jederzeit wiederholen können.