Ich habe kürzlich einen Satz gelesen, der meine Erfahrung in der Zusammenarbeit mit KI genau auf den Punkt bringt:
In der Arbeit mit KI wird alles zum Prozess.
Denn während wir alle darauf warten, dass die nächste Modellgeneration noch cleverer wird, übersehen wir oft das Wichtigste: Die größte Hebelwirkung liegt nicht im Modell, sondern in unserer Arbeitsweise.
Das Dilemma der endlosen Konversation
Die Qualität aktueller KI-Modelle ist bereits so hoch, dass wir damit extrem gute Ergebnisse produzieren können. Das Problem? Die meisten von uns arbeiten im Modus der Einweg-Interaktion: Wir werfen ein Problem in die Konversation, feilen am Prompt, geben iterativ Feedback, korrigieren, verfeinern – und wenn das Ergebnis endlich passt, ist die Arbeit für uns abgeschlossen. Und beim nächsten Projekt fangen wir wieder von vorne an.
Das ist klassisches Mikromanagement – in diesem Fall von KI-Agenten. Und was wir aus dem Management längst gelernt haben, gilt auch hier: Es ist weder die effektivste noch die skalierbarste Form der Zusammenarbeit.
Der entscheidende Schritt: Aus jedem Vorgang einen Prozess machen
Der Wendepunkt kommt, wenn wir aus einer erfolgreichen KI-Session nicht nur das Ergebnis mitnehmen, sondern die Methode dahinter. Statt die Konversation einfach zu schließen, gehen wir einen Schritt weiter und fragen die KI:
Was hast du aus unserer Zusammenarbeit in dieser Session gelernt? Was aus meinem Feedback lässt sich verallgemeinern? Welches Vorgehen sollten wir für die Zukunft daraus extrahieren und als wiederverwendbaren Prozess festhalten?
Genau dieser Schritt verwandelt eine Einzelaktion in einen wiederverwendbaren Prozess. Das kann die Tonalität bei der Erstellung von Texten betreffen – etwa das förmliche „Sie" gegenüber dem kollegialen „Du". Es kann eine feste Reihenfolge sein, in der eine Aufgabe immer abgearbeitet wird, oder bestimmte Inhalte, die jedes Mal ausgearbeitet werden sollen. Oder es geht um die Form der Zusammenarbeit selbst – zum Beispiel darum, dass die KI bei bestimmten Themen erst gezielt nachfragt oder eigenständig festgelegte Checks durchführt, bevor sie ein finales Ergebnis liefert.
All das lässt sich systematisieren z. B. in Form eines „Skills" – ein in natürlicher Sprache formulierter Prozess, mit dem die KI bei ähnlichen Aufgaben künftig direkt auf dieses destillierte Wissen und Vorgehen zurückgreifen kann.
Praxisbeispiel: Vom Gespräch zum perfekten Angebot
Ein konkretes Beispiel aus meinem Alltag zeigt, wie das funktionieren kann:
Die KI Momentum GmbH unterstützt Unternehmen bei der Digitalisierung und digitalen Transformation. Da Softwareentwicklung dank des Einsatzes von KI heute so günstig geworden ist – manchmal sogar günstiger als der Einkauf einer Standardsoftware –, bedeutet Digitalisierung inzwischen häufig, dass wir individuelle Software für unsere Kunden als Prozessunterstützung programmieren.
Jedes dieser Projekte beginnt klassisch mit der Aufnahme der Anforderungen: ein Gespräch, in dem der Kunde im Detail erklärt, wie sein Unternehmen arbeitet und was er für die tägliche Aufgabenerfüllung braucht. Diese Gespräche zeichne ich auf und verarbeite sie digital weiter. Auf dieser Grundlage erstelle ich, ergänzt um meine eigene Erfahrung und meine Gedanken, ein Angebot für die Umsetzung.
In der Zusammenarbeit mit KI läuft das dann so:
- Der erste Durchlauf: Ich gebe der KI die Transkripte und meine niedergeschriebenen oder aufgezeichneten Gedanken mit der simplen Anweisung: „Erstelle ein strukturiertes Angebot." Das Ergebnis ist okay, aber nicht perfekt. Die Reihenfolge passt eventuell nicht, die Tonlage ist ggf. zu negativ, einige wichtige Punkte fehlen, andere Dinge möchte ich grundsätzlich nicht in einem Angebot haben.
- Der Feedback-Loop: Ich korrigiere Schritt für Schritt. „Beginne mit meinem Verständnis der Kundensituation", „Formuliere diesen Abschnitt neutraler", „Arbeite mein hinterlegtes Preismodell mit ein", „Füge das fehlende Kapitel zum Datenschutz hinzu." Ich iteriere mit der KI so lange, bis die Qualität stimmt.
- Die Generalisierung: Hier passiert der magische Moment. Statt aufzuhören, fordere ich die KI auf: „Analysiere unsere gesamte Konversation. Welche Learnings können wir generalisieren? Was von meinem Feedback war nicht spezifisch, sondern gilt für alle zukünftigen Angebote?"
- Die Automatisierung: Aus diesen Erkenntnissen bitte ich die KI, einen „Skill" zu erstellen – einen automatisierten Workflow, der künftig ähnliche Eingaben wie Transkripte, Notizen, Mails oder Ideen entgegennimmt, daraus ein Angebot in der bewährten Struktur erstellt und dabei die Erfahrungen, Regeln, Feedbacks, Tonalitäten und Qualitätsstandards aus dieser Session von alleine berücksichtigt.
Der Compound-Effekt
Wenn ich das nächste Angebot schreibe, starte ich nicht bei Null, sondern genau mit diesem Skill. Der erste Entwurf, den mir die KI dann liefert, ist bereits deutlich näher an meiner Idealvorstellung.
Trotzdem fällt mir auch beim zweiten oder dritten Angebot wieder etwas auf – Dinge, die ich noch besser machen möchte. Vielleicht ergänze ich beim zweiten Angebot direkt ein Betriebsangebot für die Zeit nach der Entwicklung, vielleicht formuliere ich die Mitleistungspflichten des Auftragnehmers noch detaillierter aus.
Und jedes Mal, wenn ich spürbar eingreifen musste oder die KI und ich eine gute neue Idee eingebracht haben, stelle ich am Ende wieder dieselbe Frage nach der Generalisierung. Diesmal bitte ich die KI allerdings nicht, einen neuen Skill zu erstellen, sondern die Erfahrung aus dieser Session direkt in den bestehenden einfließen zu lassen. Das ist mir mittlerweile regelrecht zur Gewohnheit geworden.
Mit jedem Durchlauf wird der Prozess dadurch besser.
Diese Gewohnheit wende ich inzwischen auf eine Vielzahl wiederkehrender Arbeitsabläufe an – und das hat im Lauf der Zeit die gesamte Dynamik meiner KI-Nutzung verändert. Ich bin aus dem Hamsterrad des permanenten Mikromanagements ausgestiegen und in einem Zustand echter Delegation angekommen. Die mentale Last sinkt, die Geschwindigkeit steigt.
Kein technisches Wissen nötig
Für das Erstellen eines solchen Skills ist keinerlei technisches Vorwissen nötig. Du bittest die KI einfach darum, diese Arbeitsanweisung für dich zu schreiben – den Rest erledigt sie selbst.
Wie der fertige Skill gespeichert wird, hängt nur vom Werkzeug ab. Agentische Tools wie Claude Cowork, Claude Code, Codex, Antigravity oder die Gemini CLI erstellen und installieren ihn gleich automatisch – die KI greift bei einer passenden Aufgabe künftig von allein darauf zu. Bei reinen Chat-Werkzeugen wie ChatGPT oder der Gemini-App lässt du dir den Skill stattdessen als Textanweisung ausgeben, speicherst sie an einem festen Ort und fügst sie beim nächsten ähnlichen Vorhaben einfach per Copy-Paste in deinen ersten Prompt ein. Das Ergebnis ist in beiden Fällen dasselbe: Das Erarbeitete bleibt dauerhaft erhalten.
Fazit
Die nächste Modellgeneration wird kommen und wird beeindruckend sein. Doch der wirkliche Wettbewerbsvorteil entsteht heute – durch das bewusste Bauen eines persönlichen Systems aus wiederverwendbaren Prozessen, Regeln und Skills.
Fang mit einem einzigen Workflow an, den du gerade häufig nutzt. Extrahiere die Logik. Speichere sie. Und lass die KI lernen, wie du arbeiten willst. Der Unterschied wird dich überraschen.