Das Tool war bereit. Die Organisation noch nicht ganz.
Eines Morgens landete eine E-Mail in allen Postfächern: „Claude ist jetzt per SSO erreichbar." Die IT hatte eine mutige – und richtige – Entscheidung getroffen: allen sofort Zugang geben. Kein Pilotprogramm, keine Warteliste. Innerhalb weniger Stunden konnte jeder bei appliedAI Claude Cowork öffnen – ein Tool, das sich grundlegend von dem unterscheidet, was das Team bisher kannte.
Claude Cowork kam nicht als Ersatz für bestehende Tools. appliedAI nutzt bereits meinGPT – eine DSGVO-konforme, in Deutschland gehostete KI-Plattform für den sicheren Unternehmenseinsatz – und betreibt lokale KI-Infrastruktur auf NVIDIA-Basis. Beides läuft weiter, aus guten Gründen. Claude Cowork brachte etwas Neues in dieses Portfolio: agentische Fähigkeiten. Eine chatbasierte KI beantwortet Fragen. Ein agentisches Tool kann Dateien lesen und bearbeiten, mehrstufige Aufgaben selbstständig abarbeiten und eigenständig im Auftrag der Nutzerin oder des Nutzers handeln. Das ist ein anderes Paradigma – und das war noch nicht überall angekommen.
Manche stiegen sofort ein. Andere wussten nicht recht, wo anfangen. Informationen waren verstreut, Orientierung fehlte noch. Die Begeisterung war da – aber eben auch die Unsicherheit. Und darunter lag eine tiefere Herausforderung: Viele Abläufe bei appliedAI lebten von implizitem Wissen, das nie aufgeschrieben worden war. Das fällt erst auf, wenn man versucht, einem Agenten eine Aufgabe zu übergeben – und merkt, dass man sie selbst nicht klar genug beschreiben kann, damit das Tool sie zuverlässig ausführt.
64 % der CEOs gaben in einer IBM-Umfrage an, dass der Erfolg von KI mehr von der Akzeptanz der Menschen abhängt als von der Technologie selbst. appliedAI erlebte genau diese Lücke – und beschloss, sie gezielt zu schließen.
Ein Anker, kein Handbuch
Bevor der Führerschein entwickelt wurde, existierte bereits ein Governance-Rahmen: Prinzipien dafür, wie appliedAI mit KI-Tools umgeht und wie die Organisation verantwortungsvollen KI-Einsatz versteht. Der Führerschein hat diese Governance nicht geschaffen – er hat sie greifbar und übertragbar gemacht, für alle Mitarbeitenden.
Ein PDF oder eine Präsentation hätte nicht funktioniert. Intuition für ein agentisches Tool lässt sich nicht durch Lesen aufbauen. Und es gibt einen noch grundlegenderen Grund: Die wichtigste Fähigkeit im Umgang mit einem agentischen Tool ist nicht zu wissen, welche Knöpfe man drückt. Es ist zu wissen, wie man denkt, bevor man sie drückt. Um einem Agenten zuverlässig Aufgaben zu delegieren, muss man einen Prozess erst selbst klar beschreiben können – seine Eingaben, Schritte und Ergebnisse. Das ist schwieriger als erwartet.
Kein Bot für Bullshit. Klingt erst mal einleuchtend. Es stellt sich heraus, dass es schwieriger ist als es klingt – denn in dem Moment, in dem man etwas automatisieren will, merkt man, wie viele Prozesse auf implizitem Wissen basieren, das niemand je aufgeschrieben hat. KI lässt einen diesen Schritt nicht überspringen. Wenn man einen Prozess nicht klar erklären kann, kann Claude ihn nicht zuverlässig ausführen. Das ist kein Fehler. Das ist der Mechanismus.
Der Führerschein: 25 Minuten, die das Denken verändern
Das Change & Enablement Team von appliedAI entwickelte einen 25-minütigen Kurs – den Führerschein. Der Name ist bewusst gewählt: Autofahren kann man sich auch selbst beibringen. Aber die Regeln, die den Unterschied zwischen sicherem und unsicherem Fahren ausmachen, brauchen eine gemeinsame Grundlage. Genauso hatten die Mitarbeitenden bereits Zugang zu Claude Cowork – der Führerschein kam danach, um aus individuellem Ausprobieren echtes Verständnis zu machen.
Der Führerschein erklärt nicht, wie man das Tool bedient. Er erklärt, wie man denkt, bevor man es benutzt. Die Kernbotschaft ist ein Prinzip: Einen Prozess erst verstehen und vereinfachen. Dann automatisieren. Nie umgekehrt. Daneben vermittelt der Kurs, was ein agentisches Tool von einer chatbasierten KI unterscheidet – und wo die echten Risiken und Chancen liegen.
Mit dem Abschluss des Führerscheins ist die Nutzung der Cowork-Umgebung für den Mitarbeitenden um einiges klarer – einschließlich vorgefertigter Workflows, sogenannter Skills, die Claude tiefes Fachwissen für spezifische Aufgaben verleihen. Skills sind wiederverwendbare Instruktionspakete: Wer einen installiert, gibt Claude genau vor, wie er helfen soll – nach den Standards und Prozessen von appliedAI. Über 10 Skills sind vorinstalliert (und wurden bereits von internen Teams erstellt) und decken Aufgaben wie die Erstellung von Markenpräsentationen oder das Einreichen von Use-Case-Ideen ab. Eine wachsende Bibliothek weiterer Skills liegt in appliedAIs interner Cloud, wo Mitarbeitende Skills finden, installieren und eigene beisteuern können.
Und wenn jemand beim Arbeiten in Claude Cowork etwas Nützliches entdeckt – einen Prompt, der besser funktioniert hat als erwartet, einen Workflow, der echte Zeit gespart hat – kann er das mit einem kurzen Prompt direkt mit Kolleginnen und Kollegen teilen. Claude formatiert die Entdeckung als strukturierten Beitrag für appliedAIs Slack-Kanal #aai-role-model-community, wo das ganze Team davon lernen kann.
Technologien & Ansatz:
- Claude Cowork (Anthropic)
- Large Language Model
- Skills-basierte Architektur
- RAG-Wissensdatenbank (internalAI)
- Interne Cloud-Skill-Bibliothek
- Slack Peer-Learning-Community
Was der Führerschein abdeckt:
Was ein Tool mit agentischen Fähigkeiten grundlegend anders macht – und was das in der Praxis bedeutet.
Erst verstehen und vereinfachen. Dann automatisieren. Der Führerschein erklärt, warum „Kein Bot für Bullshit" schwieriger ist, als es klingt.
Die wichtigsten Sicherheitsregeln im Umgang mit einem Agenten – darunter: wie man Berechtigungsanfragen liest, wann man abbricht, und was zu tun ist, wenn etwas nicht funktioniert.
Vom unkoordinierten Start zur gemeinsamen Struktur
| SITUATION | VORHER | NACHHER |
|---|---|---|
| Ausgangslage | Zugang für alle — manche steigen ein, andere wissen nicht, wo anfangen | Jede Mitarbeiterin und jeder Mitarbeiter hat ein klares mentales Modell und einen konkreten ersten Schritt |
| Prozessklarheit | Viele Prozesse laufen auf implizitem Wissen, das niemand aufgeschrieben hat | Die Delegation an den Agenten macht dieses Wissen sichtbar — und führt dazu, es zu dokumentieren |
| Tool-Nutzung | Ungleiches Ausprobieren, kein gemeinsames Vokabular oder Vorgehen | Gemeinsame Prinzipien, Sicherheitsregeln und ein Starterpaket an fertigen Workflows |
| Wissensverteilung | Nützliche Entdeckungen bleiben auf einzelnen Laptops | Strukturiertes Teilen in #aai-role-model-community — direkt aus Cowork per Prompt, gemeinsame Skill-Bibliothek zu der jeder Mitarbeiter beitragen kann |
„Die echte Veränderung passiert schrittweise – durch das Nutzen der Tools, das Machen von Fehlern und das Teilen von dem, was man dabei lernt."
Die Technologie ist selten das eigentliche Problem
Wer Tools mit agentischen Fähigkeiten einführt, begegnet oft derselben Situation: Der Zugang ist da, aber das Verständnis ist ungleich verteilt. Manche probieren sofort aus, andere warten auf Orientierung, die nie so richtig kommt. Wer etwas Nützliches entdeckt, behält es meist für sich. Und die Prozesse, die am meisten von Automatisierung profitieren würden, sind genau die, die niemand je klar aufgeschrieben hat.
Der Führerschein-Ansatz lässt sich übertragen: ein kurzer, prinzipienbasierter Einstieg, der Prozessdenken vor Tool-Bedienung stellt. Kombiniert mit einer gemeinsamen Skill-Bibliothek und einer Peer-Learning-Community wird aus individueller Kompetenz etwas, auf dem die ganze Organisation aufbauen kann.
Das könnte für Ihre Organisation relevant sein, wenn…
- Sie ein KI-Tool eingeführt haben, aber Nutzung und Nutzungsqualität im Team sehr unterschiedlich sind.
- Ihre wichtigsten Prozesse auf Wissen basieren, das in den Köpfen einzelner Menschen steckt.
- Nützliche KI-Entdeckungen nicht beim Rest des Teams ankommen und das Lernen im Silo bleibt.
Ein Anfang, noch kein Ende
Der Führerschein ist ein Fundament, kein Abschluss. Die Skill-Bibliothek in der internen Cloud wächst mit jedem Beitrag aus dem Team. Der Kanal #aai-role-model-community entwickelt sich weiter, je mehr Menschen teilen, was sie entdecken. Und appliedAIs Ansatz für KI-Tools entwickelt sich ebenfalls: Tools verfügbar machen, beobachten, was tatsächlich genutzt wird, und strategisch entscheiden, welche Lösungen welche Herausforderungen am besten adressieren. Kein einzelner Anbieter. Ein Portfolio.
Bei Themen von so strategischer Bedeutung wie Wissensmanagement baut appliedAI bewusst – mit einem wachen Auge auf Vendor-Lock-in. Wie eine Organisation ihr kollektives Wissen speichert, abruft und verknüpft, ist zu wichtig, um es einem einzigen Anbieter zu überlassen. Wie diese Architektur bei appliedAI aussieht – und wie sie Agenten, Daten und Menschen über das gesamte Tool-Portfolio hinweg verbindet – ist das nächste Kapitel.
Fortsetzung folgt.