AI Work lernen — ABXK

Was KI im Job verändert: Aufgaben, nicht Berufe

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

Sie haben wahrscheinlich schon zwei Arten von Geschichten über KI im Job gelesen. In der einen übernimmt KI ganze Berufe. In der anderen ist sie ein teures Spielzeug, das Fakten verdreht. Im Arbeitsalltag sieht der Wandel anders aus als in beiden. Eine Vertriebsmitarbeiterin verkauft weiterhin, ein Servicemitarbeiter hilft weiterhin Kunden. Aber die Recherche vor einem Anruf, der erste Entwurf einer E-Mail und die Notizen nach einem Meeting beginnen sich deutlich zu verändern.

KI im Unternehmen: eine Landkarte der Abteilungen

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

Vertrieb, Support und Finanzabteilung nutzen alle KI, aber selten auf dieselbe Weise. Der Vertrieb will Hilfe bei Recherche und E-Mails. Der Support braucht schnelle, richtige Antworten. Die Finanzabteilung braucht Zahlen, denen sie trauen kann. Und jedes Team braucht andere Daten, bevor KI überhaupt etwas Nützliches leisten kann.

Dieser Artikel ist Teil 2 von Level 0 in unserem Lernpfad AI Work. In Teil 1 haben Sie einen Beruf in Aufgaben zerlegt. Jetzt bekommen Sie die Landkarte für das ganze Unternehmen: fünf Abteilungen, die typischen KI-Einsatzfälle in jeder, die Daten, die die KI dafür braucht, und Beispiel-Tools aus unserem Vergleich. Am Ende wählen Sie einen guten ersten Einsatzfall für Ihre eigene Abteilung.

Assistent, Automatisierung, Agent: drei Stufen der KI-Hilfe

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

Wenn bei der Arbeit von KI die Rede ist, meinen Menschen oft sehr Verschiedenes. Die eine meint ein Chatfenster, in das sie eine Frage tippt. Der andere meint einen Ablauf, der jede eingehende E-Mail von selbst sortiert. Eine Dritte meint einen „KI-Agenten“, der eigenständig Kunden anschreibt und Termine bucht. Alle drei nutzen KI, aber sie lassen ihr sehr unterschiedlich viel Freiheit.

Dieser Artikel ist Teil 3 von Level 0 in unserem Lernpfad AI Work. Sie lernen, die drei Stufen zu unterscheiden: den Assistenten, die Automatisierung und den Agenten. Zu jeder Stufe sehen Sie ein Beispiel, die typischen Risiken und die Kontrollen, die sie sicher machen. Am Ende wissen Sie, wie Sie für eine Aufgabe die passende Stufe wählen.

Warum KI gute Unternehmensdaten braucht

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

Ein KI-Tool kennt Ihr Unternehmen nicht. Es kennt, was Sie ihm geben: die Kundendaten in Ihrem CRM, die Artikel in Ihrem Hilfecenter, die Zahlen in Ihren Berichten. Sind diese Daten falsch, wiederholt die KI den Fehler — schnell, selbstsicher und bei jeder Anfrage aufs Neue.

Dieser Artikel ist Teil 4 von Level 0 in unserem Lernpfad AI Work. Teil 2 hat gezeigt, welche Daten die KI jeder Abteilung braucht. Jetzt lernen Sie, warum die Qualität dieser Daten mit KI noch wichtiger wird, woran Sie gute Daten erkennen, wie Sie ein CRM sauber halten und wie Sie Dokumente so vorbereiten, dass ein Chatbot sie nutzen kann. Am Ende bekommen Sie einen Vier-Wochen-Plan mit schnellen Erfolgen.

Grundregeln für KI am Arbeitsplatz

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

Mit KI-Tools fängt man leicht an: Website öffnen, Frage eintippen, Antwort bekommen. Genau deshalb braucht jedes Unternehmen ein paar Regeln. Ohne sie nutzen Menschen private Konten, kopieren Kundendaten in unbekannte Tools und verschicken Texte, die niemand geprüft hat. Meistens passiert nichts — bis doch etwas passiert.

Dieser Artikel ist Teil 5 von Level 0 und damit der letzte Teil des Einstiegs in unseren Lernpfad AI Work. Sie bekommen eine Ampel für den KI-Alltag, sieben Grundregeln mit ihren Gründen, zusätzliche Regeln für KI, die mit Kunden spricht, und eine einseitige Vorlage für die Richtlinie Ihres Teams. Der Artikel gibt allgemeine Orientierung, keine Rechtsberatung. Beziehen Sie Ihre Datenschutzbeauftragten oder Ihre Rechtsabteilung ein, bevor Ihr Unternehmen eine Richtlinie beschließt.

KI im Vertrieb: Leads finden und qualifizieren

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

Bevor jemand im Vertrieb mit einem neuen Kunden spricht, passiert viel Vorarbeit. Passende Unternehmen müssen gefunden werden, darin die richtige Person, dazu eine E-Mail-Adresse, und am Ende steht die Entscheidung, wen das Team zuerst anspricht. Einen großen Teil dieser Arbeit übernehmen heute KI-Tools. Sie durchsuchen Kontaktdatenbanken, füllen Lücken in Ihren Datensätzen, sortieren Leads und entwerfen eine erste Nachricht. Sie liefern aber auch veraltete Daten, raten, wenn ihnen Fakten fehlen, und können Ihnen rechtlichen Ärger einbringen, wenn Sie sorglos mit Kontaktdaten umgehen.

KI-Chatbots im Kundenservice: die erste Einrichtung

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

Viele Kundenfragen kommen jeden Tag wieder: Wo ist meine Bestellung? Wie schicke ich das zurück? Wann haben Sie geöffnet? Ein KI-Chatbot kann sie zu jeder Uhrzeit in Sekunden beantworten, während Ihr Team die Fälle übernimmt, die einen Menschen brauchen. Schlecht eingerichtet, verärgert derselbe Bot die Kundschaft. Er gibt falsche Antworten in selbstsicherem Ton, macht Versprechen, die das Unternehmen nicht halten kann, und versteckt den Weg zu einem Menschen.

Dieser Artikel ist Teil 2 von Level 1 in unserem Lernpfad AI Work. Teil 1 drehte sich um die Suche nach neuen Kunden; in diesem Teil geht es um die Kunden, die Sie schon haben. Sie lernen, wie ein KI-Chatbot seine Antworten findet, mit welchen Themen Sie beginnen, wie Sie seine Inhalte vorbereiten, wie die Übergabe an Menschen funktioniert und wie Sie messen, ob er wirklich hilft.

KI im Marketing: Inhalte und Kampagnen

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

Eine einzige Kampagne braucht viele Inhalte: Anzeigen in mehreren Formaten, eine Landingpage, ein paar E-Mails und Social-Media-Beiträge — oft in mehreren Fassungen für verschiedene Zielgruppen. KI-Tools entwerfen all das in wenigen Minuten. Das ist die Chance. Das Risiko sind Inhalte, die wie die aller anderen klingen, sich von Ihrer Marke entfernen oder Dinge behaupten, die Ihr Unternehmen nicht belegen kann.

Dieser Artikel ist Teil 3 von Level 1 in unserem Lernpfad AI Work. Nach Vertrieb und Kundenservice geht es jetzt um das Marketing. Sie lernen einen Kampagnenablauf mit KI in fünf Schritten kennen, wie Sie ein Briefing und einen Leitfaden für Ihre Markenstimme schreiben, mit denen eine KI arbeiten kann, wie Sie Varianten fair testen und was Sie prüfen, bevor etwas veröffentlicht wird.

KI für Onlinehändler: Listings, Anzeigen, Bestand

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

Onlinehändler wiederholen für jedes Produkt dieselben Aufgaben: eine Produktseite schreiben, Bilder vorbereiten, Anzeigen schalten, den Bestand im Blick behalten und Kundenbewertungen lesen. Bei ein paar Hundert Produkten ist das viel Wiederholung — genau die Art von Arbeit, bei der KI hilft. Die Risiken sind ebenso konkret. Eine erfundene Produkteigenschaft führt zu Rücksendungen und Beschwerden, ein Marktplatz kann ein Listing sperren, das gegen seine Regeln verstößt, und ein Werbebudget, auf das niemand achtet, kann Geld verbrennen.

KI für Berichte und Dashboards

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

In vielen Unternehmen kopiert jemand jede Woche stundenlang Zahlen aus verschiedenen Tools in eine Tabelle, nur um denselben Bericht noch einmal zu bauen. KI-gestützte Analyse-Tools können einen großen Teil dieser Arbeit übernehmen. Sie holen die Daten aus Ihren Systemen, aktualisieren Dashboards automatisch, schreiben kurze Zusammenfassungen, beantworten Fragen in Alltagssprache und warnen Sie, wenn eine Zahl ungewöhnlich aussieht. Einen Haken gibt es: Ein Dashboard mit falschen Zahlen ist schlimmer als gar keins, denn Menschen treffen darauf Entscheidungen.

KI-Tools für Ihr Team auswählen: Anforderungen und Bewertungsmatrix

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

Eine Demo des Anbieters funktioniert fast immer. Sie läuft mit sauberen Daten, einer vorbereiteten Frage und jemandem, der jeden Klick kennt. Die Woche Ihres Teams sieht anders aus: volle Postfächer, halb leere Felder im CRM und Kolleginnen, die kaum Zeit haben, noch ein Tool zu lernen. Deshalb landen viele Teams bei dem Tool mit der besten Demo — und nicht bei dem, das zu ihrer Arbeit passt.

Dieser Artikel ist Teil 1 von Level 2 unseres Lernpfads AI Work. Level 1 hat gezeigt, was KI in Vertrieb, Service, Marketing, E-Commerce und Reporting leisten kann. Level 2 dreht sich um Abläufe und Qualitätskontrolle und beginnt mit der Entscheidung, die vor jedem Ablauf steht: Welches Tool soll es sein? Sie lernen, Anforderungen aufzuschreiben, mit unserem Tool-Vergleich eine Longlist zu bilden, Kandidaten mit einer gewichteten Bewertungsmatrix zu bewerten, den Datenschutz zu prüfen und die Finalisten mit Pilotnutzern zu testen.

KI-Telefonagenten und Voicebots

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

Wenn etwas dringend oder kompliziert ist, greifen viele Kunden noch immer zum Telefon. Ein verpasster Anruf kann einen verlorenen Auftrag bedeuten, eine verlorene Buchung oder eine Patientin, die zur nächsten Praxis geht. KI-Telefonagenten versprechen, jeden Anruf anzunehmen, Tag und Nacht. Einen guten Teil davon können sie tatsächlich übernehmen — in Grenzen, die Sie vor dem ersten Anruf festlegen.

Dieser Artikel ist Teil 2 von Level 2 unseres Lernpfads AI Work. In Level 1 haben Sie einen KI-Chatbot für den Kundenservice eingerichtet. Ein Telefonagent folgt denselben Grundsätzen, bringt aber drei zusätzliche Herausforderungen mit: Tempo, Spracherkennung und rechtliche Regeln für Anrufe. Sie lernen, wie ein Telefonagent arbeitet, welche Anrufe er übernehmen sollte, wie Sie einen Gesprächsablauf mit Übergabe gestalten, was Sie Anrufern sagen müssen und wie Sie die Ergebnisse messen.

Vertriebsansprache automatisieren, ohne zu spammen

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

Vertriebstools machen es heute leicht, Hunderte „personalisierte“ E-Mails am Tag zu verschicken. Genau darin liegt das Risiko. Nachrichten, die nur persönlich aussehen und in großer Zahl rausgehen, verärgern die Menschen, die Sie gewinnen wollen, landen im Spam-Ordner und können gegen das Gesetz verstoßen. Gute Automatisierung im Outreach funktioniert andersherum: weniger, bessere Nachrichten an die richtigen Menschen, und ein Mensch behält die Kontrolle.

Dieser Artikel ist Teil 3 von Level 2 unseres Lernpfads AI Work. In Level 1 haben Sie gelernt, Leads mit KI zu finden und zu qualifizieren. Dieser Teil behandelt, was danach kommt: Sequenzen, Personalisierung in großer Zahl, die Zustellbarkeit von E-Mails, die rechtlichen Regeln, KI-Vertriebsagenten, die Prüfung durch Menschen und die Kennzahlen, die zeigen, ob Ihre Ansprache wirkt.

Social-Media- und Markenmonitoring mit KI

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

Jeden Tag erwähnen Menschen Marken in Beiträgen, Bewertungen, Foren, Videos und Nachrichtenartikeln. Die meisten dieser Erwähnungen erreichen das Unternehmen nie. Manche sind Lob, das Sie teilen könnten, manche sind Fragen, die niemand beantwortet, und einige wenige sind die ersten Anzeichen eines Problems, das gerade wächst. Markenmonitoring findet diese Erwähnungen. KI hilft, sie zu sortieren, Muster zu erkennen und schneller Antworten zu entwerfen.

Dieser Artikel ist Teil 4 von Level 2 unseres Lernpfads AI Work. In Level 1 haben Sie KI für Marketing-Inhalte genutzt, also für die Botschaften, die Sie aussenden. Dieser Teil behandelt die andere Richtung: was andere über Sie sagen und wie Sie darauf reagieren. Sie lernen den Unterschied zwischen Monitoring und Listening, wie Sie Suchabfragen einrichten, was Stimmungsanalyse kann und was nicht, wann ein Alarm eine Krise bedeutet, wie KI Antworten entwirft, die Menschen freigeben, und was ein nützlicher Monatsbericht enthält.

Geschäftsabläufe automatisieren: Auslöser, Aktionen, Freigaben

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

Viele Teams automatisieren schon heute Kleinigkeiten mit einfachen Regeln: Geht ein Formular ein, wird ein Ticket angelegt; ist eine Rechnung bezahlt, geht eine Quittung raus. KI bringt eine neue Art von Schritt in diese Ketten. Sie kann eine E-Mail lesen, Beträge aus einem PDF holen, eine Anfrage nach Thema sortieren oder eine Antwort entwerfen. Dadurch lässt sich viel mehr Arbeit automatisieren. Es entsteht aber auch eine neue Art von Fehler: Eine Regel funktioniert oder scheitert, ein KI-Schritt dagegen kann falsch liegen und dabei völlig überzeugt wirken.

KI-Pilotprojekt durchführen: Umfang, KPIs, Zeitplan

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

KI-Tests enden oft so: Ein paar Kolleginnen und Kollegen probieren ein Tool aus, den meisten gefällt es, und drei Monate später kann niemand sagen, ob es Zeit gespart, die Qualität verbessert oder nur zusätzliche Arbeit gemacht hat. Das Tool bleibt, weil niemand entscheidet. Ein Pilotprojekt verhindert das. Es ist ein kurzer, geplanter Test eines Anwendungsfalls in der echten Arbeit, mit Zahlen vorher und nachher und einer klaren Entscheidung am Ende.

KI an CRM und Helpdesk anbinden

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

Eine KI-Funktion ist nur so nützlich wie die Daten, die sie sehen kann. Ein Antwortentwurf, der das Abo des Kunden nicht kennt, oder eine Gesprächszusammenfassung, die nie im Kundendatensatz ankommt, spart wenig Zeit. Der Nutzen entsteht, wenn KI in den Systemen arbeitet, die Ihre Teams schon nutzen: im CRM (Customer-Relationship-Management-System) für Kunden, Kontakte und Verkaufschancen und im Helpdesk für Tickets und Gespräche. Dort liegen aber auch die Risiken: falsche Werte in Datensätzen, zu viele Zugriffsrechte, Dubletten und Änderungen, die niemand nachvollziehen kann.

KI in Finanzabteilung und Wirtschaftsprüfung

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

Finanz- und Prüfungsarbeit lebt von Belegen und Zahlen: Rechnungen, Kontoauszüge, Verträge, Buchungen. Vieles davon ist Abgleich. Passt diese Rechnung zu dieser Bestellung? Passt diese Zahlung zu dieser Rechnung? Passt diese Zahl im Bericht zu ihrer Quelle? KI-Tools lesen inzwischen Belege, schlagen Zuordnungen vor und weisen auf ungewöhnliche Buchungen hin. Im Finanzwesen braucht aber jede Zahl einen Nachweis, jede Entscheidung eine verantwortliche Person, und ein einziger Fehler kann im Jahresabschluss landen.

Sichtbarkeit in der KI-Suche: Wie Marken in LLM-Antworten erscheinen

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

Viele Menschen fragen heute einen KI-Assistenten, bevor sie im Web suchen: „Welche Buchhaltungssoftware passt zu einer kleinen Agentur?“ oder „Wer repariert Gewerbespülmaschinen in meiner Nähe?“ Die Antwort nennt einige Anbieter und verlinkt oft ein paar Quellen. Ist Ihr Unternehmen nicht dabei, verlieren Sie die Aufmerksamkeit des Kunden, bevor jemand Ihre Website besucht. Die Optimierung dafür heißt oft Generative Engine Optimization (GEO) oder Sichtbarkeit in der KI-Suche. Der Kern ist weniger geheimnisvoll, als die Namen vermuten lassen.

Human in the Loop: Qualitätskontrolle und Eskalation

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

Jeder KI-Ablauf in diesem Lernpfad hat dieselbe Schwachstelle: Die KI liegt manchmal falsch, und sie merkt es nicht immer. Human in the Loop (HITL) ist die Antwort darauf: Menschen prüfen, geben frei oder übernehmen an festgelegten Stellen. Schlecht umgesetzt heißt das, alles zu prüfen, was die Zeit kostet, die die KI sparen soll, oder nichts zu prüfen, sodass Fehler bei Kunden landen. Gut umgesetzt schauen Menschen genau dort hin, wo ihr Urteil einen Unterschied macht.

KI-Strategie und Roadmap für ein Unternehmen

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

Fragen Sie zehn Unternehmen nach ihrer KI-Strategie, und viele zeigen Ihnen eine Liste: den Assistenten, den alle nutzen dürfen, einen Chatbot auf der Website, drei Pilotprojekte in verschiedenen Abteilungen. So eine Liste ist keine Strategie. Sie sagt nicht, welchen Zielen KI dienen soll, welche Vorhaben zuerst kommen, was das Unternehmen aufbauen muss, um sie zu skalieren, und worauf es bewusst verzichtet. Das übliche Ergebnis ist ein Stapel Pilotprojekte, die nie im Arbeitsalltag ankommen.

Den ROI von KI in der Arbeit messen

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

Jedes KI-Projekt bekommt früher oder später dieselbe Frage: Hat es sich gelohnt? „Das Team ist begeistert“ und „wir sparen jede Woche Stunden“ überstehen selten eine Budgetrunde. Das Controlling will drei Dinge wissen: was sich in Geld gemessen verändert hat, was es insgesamt gekostet hat und wie sicher Sie sind, dass die KI die Veränderung verursacht hat.

Dieser Artikel ist Teil 2 von Level 4 unseres Lernpfads AI Work. Teil 1 hat KI in eine Unternehmensstrategie eingeordnet. Dieser Teil zeigt, wie Sie einen Business Case bauen, der standhält: vier Arten von Nutzen, die vollen Kosten, die Zurechnung mit einer Vergleichsgruppe, die ROI-Formel mit einem Rechenbeispiel, immateriellen Nutzen und einen Bericht, den das Controlling prüfen kann. Unser Bereich AI Productivity behandelt die andere Seite: Zeit und Qualität bei den eigenen Aufgaben messen.

KI-Governance für Fachbereiche

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

Viele Unternehmen nutzen mehr KI, als sie wissen. Ein Vertriebsteam probiert ein neues Tool zur Lead-Suche aus. Der Helpdesk schaltet eine KI-Funktion ein, die mit einem Update kam. Jemand verbindet einen Assistenten mit dem gemeinsamen Laufwerk. Jeder Schritt wirkt klein. Zusammen werfen sie Fragen auf, die niemand beantworten kann: Welche KI nutzen wir, mit welchen Daten, wer ist dafür verantwortlich, und was passiert, wenn etwas schiefgeht?

Dieser Artikel ist Teil 3 von Level 4 unseres Lernpfads AI Work. Level 0 hat Grundregeln für KI am Arbeitsplatz für Einzelne aufgestellt. Hier bauen Sie das Betriebsmodell dahinter: ein KI-Inventar, klare Rollen, einen Freigabeprozess mit Risikostufen, die Grundzüge der KI-Verordnung der EU, Dokumentation, Schulung und das Management der Anbieter.

KI-Adoption und Change-Management

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

Stellen Sie sich ein Unternehmen vor, das KI-Lizenzen für alle Beschäftigten kauft. Drei Monate später nutzt ein Drittel den Assistenten jede Woche, meist für Kleinigkeiten, und der Business Case ist weit entfernt. Das Tool funktioniert. Die Adoption nicht. Ein gekauftes Tool ändert für sich genommen nichts: Menschen müssen ändern, wie sie arbeiten.

Dieser Artikel ist Teil 4 von Level 4 unseres Lernpfads AI Work. Teil 2 hat gezeigt, dass der Nutzen von KI davon abhängt, wie viel frei gewordene Zeit zu Wert wird (den ROI von KI in der Arbeit messen). Dieser Teil behandelt die menschliche Seite: warum KI-Tools ohne Adoption scheitern, wie sich neue Tools in einem Team verbreiten, Champions, Schulungsformate, Kommunikation, Sorgen, Kennzahlen zur Nutzung und Anreize.

Agentische Abläufe im Betrieb

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

Ein Team im operativen Betrieb bearbeitet jeden Tag Hunderte kleiner Fälle. Eine Lieferung ist verspätet, eine Rechnung passt nicht zur Bestellung, ein Kunde will einen Termin verschieben. Die Fälle folgen einem Muster, aber jeder unterscheidet sich im Detail. Feste Automatisierungen scheitern an den Details, und Menschen verbringen ihre Tage mit Routine. KI-Agenten versprechen, diese Lücke zu schließen: Sie lesen den Fall, entscheiden über die nächsten Schritte und lösen ihn mit Werkzeugen. Die eigentlichen Fragen lauten: welche Prozesse, mit welchen Leitplanken und mit wie viel Autonomie?