Innovation Driver

Unleash the creative human power

Die Kunst, die richtigen Fragen zu stellen

Im Zeitalter von künstlicher Intelligenz

„Gibt es noch Fragen?“ Wer unterrichtet, kennt die Stille nach diesem Satz. Man kann sie für Zustimmung halten. Ich halte sie inzwischen für ein Warnsignal. Denn Antworten gibt es heute im Überfluss: Eine KI liefert sie in Sekunden, gut formuliert und zu jedem Thema. Die Fähigkeit zu erkennen, welche Frage überhaupt gestellt werden muss, ist schlechter geworden.

Über gutes Fragen im KI-Zeitalter ist viel geschrieben worden, und das meiste läuft auf Tipps für bessere Prompts hinaus. Mir geht es um etwas Grundsätzlicheres. Ich bin überzeugt, dass zwei Bedingungen darüber entscheiden, ob KI uns klüger oder bequemer macht: 1. ein breites, verknüpftes Wissen und 2. eine Neugier, die uns in der Kindheit nicht durch unsensible Erwachsene oder durch eine beängstigende, nicht motivierende Schule abgewöhnt wurde.

Mehr Informationen, schlechtere Entscheidungen

Unsere Welt ist komplex, und sie stellt uns ständig vor Entscheidungsprobleme: im Beruf, in Projekten, in der Technik, in der Gesellschaft. Naheliegend wäre die Annahme, dass mehr Daten, mehr Werkzeuge und mehr Alternativen diese Entscheidungen leichter machen. Mike Vaughan vertritt die Gegenthese: Je mehr Informationen zur Verfügung stehen, desto schlechter werden die Entscheidungen. Den Unterschied machen nach seiner Beobachtung Menschen, die gute Fragen stellen und ihr eigenes Urteil lange genug zurückhalten, um die Perspektive eines anderen zu verstehen. KI verschärft diese Lage. Sie vervielfacht die verfügbaren Antworten, die Entscheidung nimmt sie uns nicht ab. Wer nicht weiß, wonach er sucht, bekommt von ihr nur schneller mehr von dem, was er nicht einordnen kann.

Erste Bedingung: Wissen, das verbindet

Eine gute Frage setzt voraus, dass ich eine Lücke bemerke, und eine Lücke bemerke ich nur vor dem Hintergrund dessen, was ich schon weiß. Deshalb brauchen Menschen zuerst ein breites, horizontales Wissen, dessen Teile miteinander verknüpft sind und das tief genug reicht, um eine Problemstellung zu durchdringen. Breite allein bleibt an der Oberfläche. Tiefe allein übersieht, dass reale Probleme selten an Fachgrenzen haltmachen.

Zwei Beispiele aus meiner Lehre. Im Reinforcement Learning legt die Reward-Funktion fest, wofür ein Agent belohnt wird. Sie ist die Frage, die wir ihm stellen. Ist sie ungenau formuliert, findet der Agent Wege, die Belohnung zu maximieren, ohne das eigentliche Ziel zu erreichen. Man nennt das Reward Hacking. Der Agent hat dann nicht versagt. Er hat die gestellte Frage beantwortet, und es war die falsche. Wer eine gute Reward-Funktion schreiben will, muss das Problem verstanden haben, bevor er es übergibt. Bei Sprachmodellen ist das nicht anders.

Im Projektmanagement kennt man dasselbe Muster seit Langem. Viele Projekte scheitern nicht an einer schlechten Lösung, sondern daran, dass das falsche Problem gelöst wurde. Anforderungsklärung ist Fragekompetenz, und sie gelingt nur dem, der Technik, Geschäft und Menschen zugleich im Blick hat. Wissen brauche ich außerdem, um Antworten zu prüfen. Eine Studie von Microsoft Research und Carnegie Mellon mit 319 Wissensarbeitern weist in diese Richtung: Wer der KI mehr vertraute, dachte weniger kritisch, wer sich selbst mehr zutraute, kritischer. Die Studie beruht auf Selbstauskünften und zeigt einen Zusammenhang, keine Ursache. Sie passt aber zu meiner Erfahrung, dass Zutrauen in das eigene Urteil eigenes Wissen voraussetzt.

Zweite Bedingung: Neugier, die bleiben darf

Kleine Kinder fragen wissbegierig, offen und ohne Scheu. Diese Fähigkeit bringen wir alle mit. Hal Gregersen vom MIT beschreibt, was danach geschieht: Kleine Kinder stellen täglich Fragen, in der Schule bleibt davon nach seiner Darstellung nur noch eine substanzielle Frage im Monat. Ich glaube, wir gewöhnen Menschen das Fragen ab, weil in Schule, Studium und Beruf vor allem die richtige Antwort zählt.

Diese Fähigkeit darf nicht unterdrückt werden. Sie sollte ein Leben lang gefördert werden, und dafür reichen zunächst einfache Gewohnheiten. Gregersen nennt als Voraussetzung Menschen, die Vertrauen ausstrahlen, Sicherheit geben, zuhören und antworten. Im Hörsaal heißt das für mich: nach „Gibt es noch Fragen?“ wirklich warten und nicht eine Frage erwarten, sondern zwei oder drei. Die Question Formulation Technique des Right Question Institute macht daraus eine Übung mit vier Regeln: so viele Fragen wie möglich stellen, keine davon diskutieren oder bewerten, jede wörtlich notieren, jede Aussage in eine Frage umwandeln. In Teams hilft eine kleine Verschiebung, die Vaughan vorschlägt: statt „Was sollen wir tun?“ lieber „Was könnten wir tun?“. Gute Fragen entstehen dort, wo sie Neugier wecken und keine Angst. Bei einem meiner Versuche an der Hochschule war ich überrascht, wie schnell die Studierenden von dem üblichen Antwort-Modus auf Frage-Modus umschalten konnten. Schon während einer seminaristischen Vorlesung verbesserte sich die Fragentiefe deutlich.

KI als Begleiter

Die Forschung zeichnet ein zwiespältiges Bild. Die MIT-Studie „Your Brain on ChatGPT“ hat den Begriff „Cognitive Debt“ geprägt: Essays, die mit ChatGPT entstanden, fielen gleichförmiger aus. Die Stichprobe war mit 54 Studierenden allerdings klein, und die Methodik ist umstritten. Auf der anderen Seite gibt es Hinweise, dass Werkzeuge wie Ask.SMILE das Fragenstellen trainieren können. Gregersen berichtet, dass 79 % der Führungskräfte KI nutzen, um mehr Fragen zu stellen, und fügt hinzu, dass mehr nicht automatisch besser heißt.

Für mich löst sich dieser Widerspruch auf, wenn man auf die beiden Bedingungen schaut. KI ist ein Verstärker. Trifft sie auf jemanden ohne eigenes Wissen und ohne eigene Fragen, verstärkt sie die Bequemlichkeit. Trifft sie auf jemanden mit breitem Wissen und wacher Neugier, wird sie zum Sparringspartner: Sie liefert Gegenargumente, deckt Annahmen auf und öffnet Perspektiven, auf die man allein nicht gekommen wäre. Die Fragen nach dem Problem, den Werten und den Annahmen bleiben dabei beim Menschen. Gregersen nennt das „human-first“.

Das bedeutet wir brauchen eine völlig andere Form des Lernens, des Verstehens von Beginn des Lebens an, über Schule, Studium und später als permanentes Training im Beruf. Unternehmen sollten lernen zunächst die richtigen Fragen zu stellen, dann erst zu Werkzeugen zu greifen, um Lösungen zu finden.

Unter diesen Bedingungen entwickeln wir uns als Menschen weiter, und die KI wird zu einem nützlichen Begleiter. Niemand bräuchte sie mehr zu fürchten, und wir würden uns durch sie auch nicht zurückentwickeln. Gefährlich wird es erst, wenn wir aufhören zu fragen.

Zum Schluss eine Frage

Gregersen empfiehlt, sich jeden Tag vier Minuten für eine wesentliche Frage zu nehmen. Oft stellt sich dabei heraus, dass es die falsche war, und so lernt man, die richtige zu stellen. Ich gebe die Übung weiter: Welche Frage haben Sie heute gestellt, auf die Sie die Antwort noch nicht kannten?

AI Token Desaster

Das eigentliche Risiko der KI-Einführung liegt nicht darin, dass einzelne Tokens teuer sind. Im Gegenteil: Die Preise pro Token sinken gerade. Das Problem entsteht durch den explosionsartig wachsenden Verbrauch, sobald KI nicht mehr nur als Chatbot, sondern als Agentensystem in produktiven Unternehmensprozessen eingesetzt wird. Jeder zusätzliche Planungsschritt, Tool-Aufruf, Kontextwechsel, Retry und jede Agent-zu-Agent-Kommunikation vervielfachen die Token Menge. KI wird zu einem variablen Produktionsfaktor, dessen Kosten schwer prognostizierbar sind und dessen Steuerung zur Managementaufgabe wird.

Viele Unternehmen wiederholen gerade denselben Fehler, den sie bereits in der Cloud gemacht haben: Sie starten mit attraktiven Einstiegskosten, unterschätzen aber die Dynamik des Verbrauchs. In der Cloud waren es Speicher, Rechenleistung, Datenverkehr und Schatten-IT. Bei der KI sind es Token, Kontextfenster, Agentenschleifen, Modellaufrufe, Retrievals, Tool-Calls und Wiederholungen. Was im Pilotprojekt wie ein vernachlässigbarer Betrag aussieht, kann im produktiven Betrieb zu einer neuen Kostenklasse werden. Für das Management ist deshalb die entscheidende Frage nicht mehr: „Wo können wir KI einsetzen?“ Die bessere Frage lautet: „Wo lohnt sich KI wirklich, und wie halten wir Kosten, Qualität, Risiko und Abhängigkeit dauerhaft unter Kontrolle?“

Token-Problem ist ein Managementproblem

Token sind keine technische Nebengröße. Sie sind die Abrechnungseinheit für einen großen Teil der KI-Wertschöpfung. Jeder Prompt, jedes Dokument im Kontext, jede Antwort, jede Zwischenauswertung und jeder Agentenschritt wird in Token übersetzt. Damit verschiebt sich KI von einer experimentellen Technologie zu einem verbrauchsabhängigen Produktionsfaktor. Genau darin liegt die betriebswirtschaftliche Brisanz.

Die Preise pro Token mögen fallen, doch die Gesamtrechnung steigt, wenn die Nutzung schneller wächst als die Stückkosten sinken. Agentische Workflows verschärfen diesen Effekt: Ein einfacher Chatbot beantwortet eine Anfrage meist mit einem Modellaufruf. Ein Agent plant, ruft Daten ab, entscheidet über Werkzeuge, führt Schritte aus, prüft Ergebnisse, korrigiert Fehler und dokumentiert das Resultat. Jeder dieser Schritte kann neue Token erzeugen. Das macht Kosten nicht nur höher, sondern auch schwerer vorhersagbar. Management muss KI daher wie jede knappe und variable Ressource behandeln: mit Budgetlogik, Priorisierung, Messbarkeit, Governance und klarer Verantwortlichkeit. Wer KI nur als Technologieprojekt betrachtet, sieht zu spät, dass die eigentliche Herausforderung in der Steuerung des Verbrauchs liegt. KI wird zu einem variablen Produktionsfaktor.

Denkfehler: Kosten pro Token statt Kosten pro Ergebnis

Der häufigste Fehler in der KI-Kostensteuerung ist der Blick auf den Preis pro Token. Dieser Wert ist sichtbar, vergleichbar und scheinbar objektiv. Für Managemententscheidungen ist er jedoch nur begrenzt hilfreich. Entscheidend ist nicht, was ein Token kostet, sondern was ein erfolgreiches Ergebnis kostet.

Ein günstiges Modell kann teuer werden, wenn es mehr Wiederholungen benötigt, schlechte Zwischenergebnisse erzeugt oder größere Kontextmengen braucht. Ein starkes Modell kann wirtschaftlicher sein, wenn es eine komplexe Aufgabe in weniger Iterationen zuverlässig löst. Umgekehrt ist es Verschwendung, jede einfache Klassifikation, Extraktion oder Formatierung an das teuerste Frontier-Modell zu schicken.

Die zentrale Management-Kennzahl lautet deshalb: Kosten pro erfolgreichem, geschäftlich relevantem Ergebnis. Erst diese Perspektive verbindet Technologie mit Wertschöpfung. Sie zwingt Unternehmen, Use Cases nach Nutzen, Risiko, Komplexität und Durchsatz zu bewerten – nicht nach Begeisterung für ein bestimmtes Modell. KI wird zu einem variablen Produktionsfaktor

Architekturfrage: Orchestrierung statt Modellgläubigkeit

Die AI-Welt verändert sich im Quartalsrhythmus. Neue Modelle werden leistungsfähiger, günstiger, spezialisierter oder regulatorisch attraktiver. Wer seine Workflows fest an ein einzelnes Modell oder einen einzelnen Anbieter bindet, macht jedes größere Modellupdate zu einem Migrationsprojekt. Das ist strategisch riskant und operativ teuer.

Dauerhafte Wettbewerbsfähigkeit entsteht nicht durch die Wahl „des besten Modells“, sondern durch eine Architektur, die Modelle austauschbar macht. Das Modell wird zum Rohstoff. Die Orchestrierung darüber wird zum strategischen Asset. Sie entscheidet, welches Modell für welche Aufgabe genutzt wird, welcher Kontext wirklich erforderlich ist, wann ein Script besser ist als ein LLM und wann ein Mensch zwingend im Entscheidungsprozess bleiben muss. Ein robustes KI-Betriebsmodell braucht deshalb intelligentes Model-Routing. Einfache Aufgaben laufen über kleine, günstige oder lokale Modelle (LLM’s meist kostenlos). Mittlere Workflows nutzen Mid-Tier-Modelle. Nur komplexe, strategische oder risikoreiche Aufgaben rechtfertigen Premium-Modelle. Agentenfreie Prozessschritte werden gar nicht mit KI gelöst, sondern klassisch automatisiert.

Zielbild: Vier Klassen von KI-Arbeit

Für eine steuerbare Kostenstrategie sollten Unternehmen ihre Agenten- und Automatisierungsaufgaben in vier Klassen einteilen. Erst diese Klassifizierung macht Budgets planbar und Architekturentscheidungen nachvollziehbar.

  • High-Level-Aufgaben: Strategische, unstrukturierte Wissensarbeit mit hohem Kontextbedarf, etwa Management-Briefings, Risikoanalysen, Business Cases oder Marktentscheidungen. Hier sind starke Modelle sinnvoll, aber nur unter klarer Governance und menschlicher Entscheidungskontrolle.
  • Middle-Level-Aufgaben: Wiederkehrende, teilstrukturierte Workflows wie Reporting, Ticket-Routing, Vertragsentwürfe, Onboarding oder Qualitätsprüfungen. Hier liegt häufig der größte wirtschaftliche Hebel, weil gute Orchestrierung viele teure Modellaufrufe ersetzt.
  • Low-Level-Aufgaben: Operative, klar definierte Schritte wie Klassifikation, Extraktion, Formatierung, API-Aufrufe oder Statusabfragen. Diese Aufgaben sollten möglichst über kleine Modelle, lokale Modelle oder regelbasierte Komponenten laufen.
  • Agentenfreie Aufgaben: Deterministische Tätigkeiten wie Dateioperationen, Datenbankabfragen, Cron-Jobs (automatisch zeitgesteuerte Aufgabe im Hintergrund) oder einfache Prozesslogik. Hier ist KI oft nicht nur zu teuer, sondern auch die falsche Technologie.

Diese Einteilung verhindert, dass KI pauschal eingesetzt wird. Sie schafft eine Managementsprache für Kosten, Risiko und Wertbeitrag. Gleichzeitig erlaubt sie eine technische Strategie, bei der teure Modelle nur dort genutzt werden, wo sie tatsächlich Wert schaffen.

Daten, Wissen und Kontext: unterschätzter Kostenhebel

Viele KI-Kosten entstehen nicht durch das Modell selbst, sondern durch schlechten Kontext. Wenn Wissen verstreut, veraltet, widersprüchlich oder nur implizit vorhanden ist, muss ein Agent mehr suchen, mehr lesen, mehr interpretieren und öfter nacharbeiten. Jeder dieser Schritte erhöht Tokenverbrauch und Fehlerrisiko.

Verlässlich erfasstes Erfahrungswissen ist deshalb kein weiches Kulturthema, sondern ein harter Kostenfaktor. Unternehmen brauchen saubere Datenstrukturen, klare Verantwortlichkeiten für Wissenspflege, semantisch nutzbare Dokumentation und sichere Schnittstellen zu KI-Systemen. Nur dann wird aus Token Verbrauch tatsächliche Wirkung.

Dabei darf das Ziel nicht sein, alles in ein LLM zu kippen. Kontrolllogik, Berechtigungen, Validierungen und kritische Entscheidungen müssen außerhalb des Modells liegen. Das Modell liefert Vorschläge, Analysen oder Zwischenergebnisse. Die Kontrolle muss in Architektur, Prozessen und Governance verankert sein.

Governance: KI-FinOps wird Pflicht

Sobald KI produktiv wird, reicht klassische IT-Kostenkontrolle nicht mehr aus. Unternehmen benötigen KI-FinOps (Finance + DevOps -> finanziell verantwortungsvolle KI-Nutzung mit maximalem Geschäftswert): Transparenz über Tokenverbrauch, Kosten pro Use Case, Kosten pro Nutzergruppe, Kosten pro erfolgreichem Ergebnis, Modellmix, Fehlerraten, Retry-Quoten und Kontextgrößen. Ohne diese Sichtbarkeit bleibt Optimierung Zufall.

Governance bedeutet dabei nicht, KI-Nutzung pauschal zu bremsen. Es geht darum, Nutzung intelligent zu steuern. Budgets müssen pro Use Case definiert werden. Agenten brauchen harte Abbruchbedingungen, Eskalationsregeln und Monitoring. Prompts, Kontextfenster und Tool-Aufrufe müssen regelmäßig optimiert werden. Anbieter- und Modellentscheidungen müssen auf Evals (Evaluation -> strukturierter Bewertungs‑ oder Testprozess) beruhen, nicht auf Markenpräferenz.

Der wichtigste Perspektivwechsel lautet: KI-Budgets dürfen nicht als Innovationspauschale verwaltet werden. Sie müssen wie Produktionskosten gesteuert werden. Nur so lässt sich verhindern, dass Pilotprojekte wirtschaftlich attraktiv erscheinen, aber in der Skalierung unkontrollierbar werden.

Strategische Leitplanken

Eine nachhaltige KI-Strategie sollte fünf Leitplanken enthalten.

1. Use Cases werden nach Wertbeitrag priorisiert, nicht nach technischer Machbarkeit.

2. Workflows werden modellunabhängig und portabel gebaut.

3. Model-Routing wird zur Standardfähigkeit der Architektur.

4. Daten- und Wissensqualität werden als Voraussetzung für KI-Wirkung behandelt.

5.  KI-Kosten werden kontinuierlich gemessen, begrenzt und optimiert. Damit verschiebt sich die Diskussion von „mehr KI“ zu „besser gesteuerter KI“. Die Gewinner werden nicht die Unternehmen sein, die am schnellsten möglichst viele Agenten ausrollen. Gewinnen werden diejenigen, die KI wirtschaftlich kontrolliert in Wertschöpfung übersetzen.

Fazit: Das Token Desaster ist vermeidbar

Das Token Desaster ist kein Naturgesetz. Es entsteht, wenn Unternehmen KI ohne Architekturdisziplin, ohne Kostenlogik und ohne langfristige Strategie skalieren. Wer KI nur als magische Produktivitätsmaschine betrachtet, wird von Verbrauch, Abhängigkeit und Intransparenz überrascht. Wer KI dagegen als steuerbaren Produktionsfaktor versteht, kann den technologischen Fortschritt nutzen, ohne sich ihm auszuliefern. Die zentrale Aufgabe des Managements besteht darin, jetzt die Grundlagen zu schaffen: portable Workflows, saubere Daten, intelligentes Routing, klare Governance, transparente Kosten und eine Organisation, die schnell auf neue Modelle reagieren kann. In einer AI-Welt, die sich ständig verändert, ist nicht das einzelne Modell der Wettbewerbsvorteil. Der Wettbewerbsvorteil ist die Fähigkeit, Modelle laufend auszutauschen, Kosten pro Ergebnis zu kontrollieren und KI dort einzusetzen, wo sie echten Geschäftswert erzeugt. KI wird zu einem variablen Produktionsfaktor

Erfolgsweg AI

AI-Erfolg

AI eats money

AI kann Unternehmen produktiver machen — oder sehr viel Geld verbrennen. Besonders dann, wenn unter Druck investiert wird, bevor intern verstanden wurde, wo AI wirklich Nutzen stiftet. Dann übernehmen oft externe Anbieter mit Standardrezepten, die kurzfristig Orientierung geben, langfristig aber teure Abhängigkeiten schaffen. Das Muster erinnert an frühere Großprojekte: viel Beratung, viel Anpassung, viel Komplexität — und am Ende ein System, das nur mit erheblichem Aufwand beweglich bleibt. Wer AI nachhaltig integrieren will, sollte deshalb nicht mit dem größten Budget starten, sondern mit dem größten Verständnis für das eigene Geschäft.

AI-Erfolg

AI saves money

Der nachhaltigste Weg zur AI-Integration beginnt nicht mit einem Großprojekt, sondern mit den eigenen Leuten. Unternehmen, die ihr Domänenwissen systematisch mit AI-Kompetenz verbinden, bauen keine kurzfristige Showlösung, sondern echte Fähigkeiten auf. Ein Bottom-up-Ansatz schafft genau das: Er macht AI anschlussfähig an die Realität des Unternehmens — und hält die Strategie flexibel, wenn sich Modelle, Tools und Methoden weiterentwickeln.

Am Anfang steht deshalb nicht Technologie, sondern Befähigung. Mitarbeitende mit tiefem Prozessverständnis sollten gezielt in AI und Agentic AI weitergebildet werden. So bleibt kritisches Wissen im Unternehmen, während gleichzeitig die Grundlage für wirksame Automatisierung entsteht.

Darauf aufbauend sollten zwei Themen parallel starten: die AI-taugliche Strukturierung der Unternehmensdaten und die systematische Bewertung von Prozessen nach Automatisierungspotenzial. Externe Spezialisten können helfen, aber idealerweise nur als Coaches auf Zeit für das Transfer-Knowhow.

  • Unternehmensdaten AI-verfügbar gestalten -> Retrieval-Augmented Generation + Agentic-Architecture
  • Aktuelle Prozess-Landschaften nach möglicher Automatisierung durch Agenten analysieren und nach Aufwand und Ertrag gewichten -> Process Mining + Automation Assessment

    RAG + Agentic-Architecture

    Wer LLM’s (large language model) mit Unternehmens-Wissen verbinden will, sollte nicht beim Modell anfangen, sondern bei den Daten. Die Reihenfolge ist entscheidend: Erst Datenqualität und sinnvolle Segmentierung, dann Zugriffssteuerung, danach Retrieval und Reranking, ergänzt um Logs und eine belastbare Evaluation. Alles andere führt schnell zu beeindruckenden Demos — aber nicht zu verlässlichen Ergebnissen im Alltag.

    Genau darin liegt der Unterschied zwischen einem Experiment und einer tragfähigen Lösung. Wenn Daten kontrolliert aufbereitet, sicher eingebunden und laufend überprüft werden, entsteht Schritt für Schritt eine Infrastruktur, die AI im Unternehmen wirklich nutzbar macht. Nicht als Spielerei, sondern als belastbare Wissens- und Arbeitsgrundlage.

    • Datenqualität & Chunking — schlechte Daten führen auch mit guten Modellen zu schlechten Ergebnissen
    • Zugriffssteuerung — was hier falsch angelegt wird, ist später nur schwer zu korrigieren
    • Hybrides Retrieval & Reranking — nach der Datenqualität der wichtigste Hebel für gute Antworten
    • Observability — ohne Logs kein Vertrauen und keine gezielte Verbesserung
    • Evaluations-Pipeline — macht Qualität und Fortschritt messbar
    AI-Erfolg

    Process Mining + Automation Assessment

    Wo Agenten produktiv werden, verändert sich menschliche Arbeit nicht weniger, sondern mehr. Mitarbeitende werden zu Orchestratoren automatisierter Prozesse: Sie setzen Ziele, überwachen Ergebnisse, greifen bei Ausnahmen ein und entwickeln Abläufe weiter. Denn gerade bei agentischen Systemen gilt: Autonomie ohne Kontrolle ist kein Effizienzgewinn, sondern ein Risiko (siehe https://www.apollothirteen.com/de/article/uc-berkeley-study-shows-why-frontier-ai-models-will-deceive-you/?utm_source=copilot.com).

    Das eröffnet eine neue Rolle im Unternehmen. Statt repetitive Aufgaben manuell abzuarbeiten, steuern Mitarbeitende künftig Systeme, die skaliert arbeiten — und schaffen so mehr Raum für Qualität, Innovation und echte Verbesserung.

    Wer Prozesse für Agenten auswählt, sollte nicht mit der Frage beginnen, was technisch möglich ist, sondern was organisatorisch sinnvoll ist. Denn viele AI-Initiativen scheitern nicht an Modellen, sondern an schlecht verstandenen Abläufen.

    Ein pragmatischer Ablauf hilft: zuerst den Fokus eingrenzen, dann den realen Ist-Prozess erfassen, anschließend entlang weniger Kriterien bewerten — etwa Regelgrad, Datenlage, Schnittstellen, Ausnahmen und Urteilsbedarf. So wird schnell sichtbar, ob ein Prozess eher für klassische Automatisierung taugt oder für einen Agenten, der mit Kontext, Tools und Unklarheiten umgehen muss.

    Gerade bei Agenten braucht es jedoch eine zweite Prüfung: Wie klar ist das Ziel? Welche Systeme müssen angesprochen werden? Wie teuer wären Fehler? Und wie viel Kontextwissen muss verfügbar sein? Spätestens hier zeigt sich, ob ein Use Case nur interessant klingt oder tatsächlich tragfähig ist.

    Die Priorisierungsmatrix ist dabei bewusst mehr als Dekoration: Sie schafft Übersicht, reduziert Wunschdenken und lenkt die Aufmerksamkeit auf die Fälle mit echtem Hebel. Denn am Ende zählt nicht, was sich theoretisch automatisieren ließe, sondern was praktisch Nutzen bringt.

    Zusammenfassung

    Bei der Auswahl von Prozessen für AI-Agenten sollte nicht die technische Machbarkeit im Vordergrund stehen, sondern der tatsächliche organisatorische Nutzen unter optimaler Einbeziehung der internen Ressourcen.

    Sinnvoll ist ein schrittweises Vorgehen: Prozesse eingrenzen, den realen Ablauf erfassen und anhand klarer Kriterien bewerten. Gerade bei agentischen Systemen sind zusätzlich Zielklarheit, Systemzugriffe, Fehlerrisiken und Kontextbedarf entscheidend.

    KI: Licht und Schatten

    Wie habt ihr die Einführung des ersten plaudernden „ g enerative p retrained t ransformer“ (ChatGpt) im November 2022 erlebt?

    Wart ihr auch unter denjenigen, die sofort begeistert waren, der AI tausende Fragen gestellt und klassische Suchmaschinen kaum noch genutzt haben?

    Natürlich waren die Antworten zu Beginn noch nicht ganz zufriedenstellend, da keine Referenzangaben gemacht wurden und eine aufwendige Überprüfung nötig war. Doch das wurde rasch verbessert und vieles an Recherchearbeit konnte eingespart werden.

    Die verfügbaren Schnittstellen eigneten sich hervorragend, um mit wenig Programmieraufwand per Sprache Sensoren im Smart Home zu steuern und Abläufe wie Temperatur (Energie), Licht, Belüftung oder Sicherheit effizienter zu gestalten.

    Schrittweise hat sich KI im Hintergrund in alltägliche Apps eingeschlichen, sodass wir sie oft nutzen, ohne es zu bemerken – etwa bei Fotoverbesserungen, Spam-Filtern, Übersetzungen oder Support-Chatbots.

    Im Berufsalltag hat KI die manuelle Programmierung von Software fast vollständig ersetzt. Die Vorteile von Textgenerierung, Zusammenfassungen, Recherchen, E-Mail-Automatisierung oder automatisierten Meeting-Protokollen sind heute unverzichtbar.

    Entscheider verlassen sich zunehmend auf KI-basierte Prognosen, Mustererkennung, Finanzanalysen und Risikoabschätzungen.

    Die Industrie profitiert beispielsweise von KI-gestützter vorausschauender Wartung, Qualitätskontrolle und Robotik.

    Kreative nutzen KI für Routine- und Explorationsaufgaben wie Bild- und Videogenerierung, Musik- und Textproduktion.

    Seit einiger Zeit sind sogenannte Agenten verfügbar, mit denen sich nahezu jeder Workflow in fast jedem Berufsfeld automatisieren und viele lästige Aufgaben im Alltag effizient delegieren lassen.

    Doch gibt es bei KI Licht und Schatten!

    Erinnern

    In den letzten Jahrhunderten haben wir immer wieder Innovationswellen durchlaufen, wie Mechanisierung, Elektrifizierung, Digitalisierung, Automatisierung, Biotechnologie, Internet und jetzt gerade die KI und ja, die Zyklen werden immer kürzer. Bis jetzt sind immer mehr Jobs geschaffen worden als vernichtet. Jedoch wurden die vorausgesetzten Fähigkeiten, die kognitiven Anforderungen auch jedes Mal anspruchsvoller.

    Das Verhaltensmuster von Menschen ist dabei immer das gleiche. Offene Menschen sehen die Chancen und nutzen die Technologie sofort (open-minded, early adopter ), um sich mehr Freiraum für sich selbst, für Kreativität, für spannendes Neues zu schaffen. Gedanklich unflexible Menschen (fixed-minded, late adopter ) werden verunsichert, beschwören die Gefahren der Technologie. Sie müssen sich langwierig und schwerfällig anpassen oder werden abgehängt.

    Licht

    KI entlastet uns zunehmend von monotonen und wiederkehrenden Aufgaben, was nicht nur unsere mentale Kapazität schont, sondern uns auch mehr Freiraum zum Nachdenken verschafft. Je intensiver wir uns mit Zusammenhängen auseinandersetzen, desto klarer werden unsere Gedanken. Dadurch entwickeln sich Denkstrukturen, die letztlich zu besseren Ergebnissen führen.

    Klares Denken zu erlernen ist tatsächlich einfacher, als viele glauben – entscheidend ist jedoch, sich regelmäßig, am besten mehrmals täglich, bewusst Zeit dafür zu nehmen und sich selbst zur Disziplin zu motivieren.

    Da KI uns unterstützt, relevante Informationen schnell und gezielt zu erfassen, werden unsere Denkprozesse geschärft. Dies wirkt sich positiv auf die Qualität unserer privaten wie beruflichen Entscheidungen aus und trägt zu einer insgesamt positiven Entwicklung unseres Lebens bei.

    Es gibt bei KI Licht und Schatten, das war das Licht!

    Zukunft

    Stellen wir uns vor, wie unser Alltag in 10 oder 20 Jahren aussieht, wenn KI vollständig integriert und laufend weiterentwickelt ist – so selbstverständlich, dass niemand mehr darüber spricht.

    Zahlreiche heute noch manuell ausgeführte Aufgaben und die Informationsbeschaffung werden dann weitgehend automatisiert sein. Dadurch bleibt uns mehr Zeit für freies, kreatives Denken. In Gruppen tauschen wir uns über neue Perspektiven, Herausforderungen und Lösungsansätze aus. Ideal wäre, wenn erkannt wird, dass nicht die Arbeitsdauer entscheidend ist, sondern die intrinsische Motivation die eigentliche Gestaltungskraft und den Ideenreichtum der Menschen entfesselt.

    Damit solche engagierten Mitarbeitenden ihr Potenzial entfalten können, brauchen sie Kompetenz, soziale Eingebundenheit bzw. Sicherheit und Autonomie. Sorgen um Maslow’sche Grundbedürfnisse (Physiologische-, Sicherheits-, Soziale-, Individualbedürfnisse) sollten dann nicht mehr nötig sein. Wer einen Sinn und eine Herausforderung in seiner Tätigkeit sieht sowie das nötige Know-how besitzt, kann eigenständig Lösungen entwickeln. Diese selbstorganisierten Menschen benötigen keinen starren Rahmen, weder einen festen Arbeitsplatz noch bestimmte Arbeitszeiten, sondern eine Umgebung, in der sie bestmöglich denken und arbeiten können.

    Daraus ergeben sich sowohl für Arbeitgeber als auch für Arbeitnehmer anspruchsvolle und neue Anforderungen.

    Problematik

    Langfristig wird die Zahl der neu entstehenden Jobs zwar die der wegfallenden übersteigen, allerdings bereitet unser aktuelles Bildungssystem kaum noch ausreichend Menschen auf die künftig geforderten Kompetenzen vor.

    Die Anforderungen an Berufsbilder verändern sich derzeit grundlegend. Um komplexe KI-Ergebnisse effektiv zu nutzen, kritisch zu bewerten und gegebenenfalls anzupassen, sind spezielle Qualifikationen unerlässlich.

    Die zentrale Fähigkeit der Zukunft ist ethische und moralische Verantwortungskompetenz. Der Weg dorthin ist jedoch anspruchsvoll und verlangt kontinuierliche Entwicklung. Essenziell ist es, Vertrauen durch nachweislich exzellentes Handeln und konsequente Umsetzung von Handlungskompetenz aufzubauen. Das bedeutet, stets hoch motiviert und engagiert herausragende Ergebnisse zu erzielen und dabei unternehmerisches Denken zu zeigen ( business sense ). Letztlich basiert echter Erfolg immer auf der Fähigkeit, gute Entscheidungen zu treffen – sie bilden das Fundament für nachhaltigen Fortschritt.

    Wie trifft man gute Entscheidungen? Entscheidend ist, sich bewusst und ohne äußeren Druck ausreichend Zeit für eine zukunftsorientierte Reflexion zu nehmen. Denn nur wer sich nicht hetzen lässt, kann Sachverhalte wirklich durchdringen und innovative Lösungswege erkennen.

    Qualitativ hochwertige Denkprozesse setzen ein tiefes Verständnis des aktuellen Problems voraus, das auf vielseitigen bisherigen Erfahrungen aufbaut. Die Qualität der Entscheidungen leidet, wenn emotionale Kontrolle fehlt und kognitive Verzerrungen Überhand nehmen. Deshalb gilt: Erst zu einem emotional ausgeglichenen Zustand finden, bevor wichtige Entscheidungen getroffen werden – nie unter Stress oder emotionaler Belastung handeln!

    Skills

    Für künftige Jobs mit KI-Werkzeugen ist die Fähigkeit zu hochwertigem, kritischem Denken unerlässlich. Dazu braucht es ein solides, breit gefächertes und langfristig verankertes Grundwissen sowie ein ausgeprägtes Allgemeinverständnis. Wichtig ist die interdisziplinäre Verknüpfung von Naturwissenschaften, Mathematik, Rechts-, Politik-, Sozial- und Wirtschaftswissenschaften, Kunst und Geschichte. Ergänzt wird dies durch spezifisches Fachwissen (Domänenwissen) und fundierte Prozesskenntnisse in einem oder idealerweise mehreren Fachgebieten.

    Das derzeitige Bildungssystem ist darauf jedoch in weiten Teilen nicht vorbereitet.

    Es gibt bei KI Licht und Schatten, das gehört zum Schatten!

    Schatten

    Ein erheblicher Teil unserer Gesellschaft droht, den Anschluss zu verlieren, da viele Menschen den steigenden Anforderungen der zahlreichen offenen Stellen nicht mehr gerecht werden können. Für sie scheint es keine sinnstiftende Aufgabe mehr zu geben, was nachvollziehbar zu großer Unzufriedenheit führt. Einige greifen daher auf minderwertige KI-Lösungen zurück und bewegen sich zunehmend in Echokammern, während andere in die Passivität gedrängt und lediglich verwahrt werden. Diese Entfremdung kann dazu führen, dass sie sich von der Demokratie abwenden.

    Wer glaubt, dass im Zeitalter der Künstlichen Intelligenz Lernen an Bedeutung verliert, irrt gewaltig. Tatsächlich ist das Gegenteil der Fall: Gerade durch die Automatisierung vieler kleiner und oft mühsamer Aufgaben wie Dokumentation, Datenerfassung oder Benachrichtigungsabläufen können Workflows effizient beschleunigt und wertvolle Ressourcen eingespart werden. Das setzt jedoch ein hohes Maß an Lernbereitschaft und die Fähigkeit voraus, neue Kompetenzen zu entwickeln und mit modernen Technologien souverän umzugehen.

    Warnung

    KI-Suchanfragen können von anderen KI-Systemen analysiert werden, um bislang verborgene Wissensschätze zu identifizieren und diese wertschöpfend nutzbar zu machen. Es ist daher unerlässlich, dass jede Nutzerin und jeder Nutzer sich bewusst ist: In KI-Anfragen dürfen keinerlei persönliche Daten oder vertrauliche Unternehmensinformationen enthalten sein – es sei denn, die Anfrage erfolgt über eine eigens trainierte, isolierte KI oder sämtliche Prompts werden vorab durch eine Compliance-KI auf ihre Unbedenklichkeit geprüft.

    Zwischen technologischem Fortschritt und menschlicher Weisheit

    Ein kritischer Blick auf Chancen, Herausforderungen und unsere Verantwortung

    Künstliche Intelligenz ist schon lange kein Science-Fiction-Thema mehr – sie prägt unseren Alltag, verändert Arbeitsweisen, beeinflusst unser Miteinander. Doch mitten in all dem technologischen Fortschritt drängt sich die Frage auf: Können wir als Gesellschaft und als Individuen wirklich profitieren, ohne dabei unsere Lebensqualität oder gar unseren Lebenszweck aus den Augen zu verlieren? Und: Sind wir mit all unserem Wissen überhaupt fähig, unseren Planeten zu erhalten?

    Welche Eigenschaften brauchen wir im Zeitalter der KI?

    • Neugier und Lernbereitschaft: Nur wer offen bleibt, sich weiterbildet und KI als Werkzeug versteht, ist gewappnet für den Wandel.
    • Kritisches Denken: KI liefert plausible, aber nicht immer korrekte Antworten. Hinterfragen, überprüfen und reflektieren wird zur Schlüsselkompetenz.
    • Digitale Mündigkeit: Wer versteht, wie KI funktioniert und wo ihre Grenzen liegen, schützt sich selbst vor Fehlinformation und Manipulation.
    • Selbstreflexion und Werteklarheit: Die Frage nach dem „Warum“ gibt dem „Wie“ der Technik erst Sinn. Menschliche Werte sind der Kompass im digitalen Dschungel.
    • Empathie und Beziehungsfähigkeit: KI kann Kommunikation erleichtern – aber echte Verbundenheit bleibt menschlich und braucht bewusste Zeit mit anderen.
    • Grenzen setzen: Die ständige Erreichbarkeit durch digitale Tools ist Segen und Fluch. Nur wer abschalten kann, bleibt gesund.
    • Flexibilität und Anpassungsfähigkeit: Die Welt dreht sich rasch – wer beweglich bleibt, bleibt relevant.
    • Zielorientierung und Sinnsuche: Automatisierung schafft Freiräume, aber die Suche nach Sinn bleibt unsere Aufgabe.
    • Datensensibilität: Wer mit persönlichen Informationen umsichtig umgeht, behält die Kontrolle über das eigene Leben.

    KI als Retter – oder Risiko für unseren Planeten?

    Unsere Intelligenz hat uns gewaltige Fortschritte beschert: Wir verstehen ökologische Zusammenhänge, entwickeln Technologien für Nachhaltigkeit und setzen KI bereits zum Schutz von Natur und Artenvielfalt ein. Doch reicht das? Die Forschung sagt: Intelligenz ist nicht gleich Weisheit.

    „Planetare Intelligenz“ bedeutet, die Folgen des eigenen Handelns langfristig zu erkennen – und entsprechend zu agieren, auch wenn es kurzfristig unbequem ist. Laut jüngster Studien stecken wir jedoch in einer Übergangsphase fest: Unsere Technologien haben großen Einfluss, werden aber noch zu wenig genutzt, um das planetare Gleichgewicht aktiv zu stärken.

    Was fehlt – und was könnten wir besser machen?

    • Globale Kooperation: Umweltschutz endet nicht an Landesgrenzen. Trotz weltweiter Vernetzung und technischer Möglichkeiten fehlt oft der politische Wille zur Zusammenarbeit.
    • Verzicht statt Wachstum: In vielen Industrienationen wird Nachhaltigkeit als Einschränkung empfunden. Mehr Mut zur Transformation und neue Narrative sind gefragt.
    • Bewusstsein und Bildung: Viele unterschätzen, wie stark ihr Alltag mit globalen Prozessen verknüpft ist. Aufklärung muss zum Grundpfeiler werden. Bildungssysteme sollten hoch motivierend sein und ein tiefes Verstehen unserer komplexen Welt fördern. Große Bildungsunterschiede sind Gift für ein harmonisches Zusammenleben, für Demokratie.

    Chancen, Risiken und eine offene Zukunft

    Natürlich gibt es Hoffnungsschimmer: Technologische Innovationen, gesellschaftliche Bewegungen, politische Initiativen – sie zeigen, dass Wandlung möglich ist. Aber sind wir bereit, sie wirklich zu nutzen? Können wir den Spagat zwischen KI-gestütztem Wohlstand und nachhaltigem Handeln schaffen, ohne unsere Werte zu verraten?

    Die Biosphäre hat vor Milliarden von Jahren herausgefunden, wie sie selbst Leben beherbergen kann. Nun ist es an uns herauszufinden, wie wir dieselbe Art von Selbsterhaltung in einer zu schaffenden Technosphäre, einem stabilen, regenerativen Zustand zwischen Biosphäre, Ressourcennutzung und Technologie, erreichen können.

    Die Antwort bleibt offen. Es liegt an uns allen, KI nicht als Selbstläufer zu betrachten, sondern als Werkzeug, das von neugierigen, kritischen und empathischen Menschen verantwortungsvoll eingesetzt werden muss. Lebensqualität, Sinn und der Erhalt unseres Planeten – all das verlangt nach mehr als nur technischer Intelligenz. Es verlangt nach gemeinsamer Weisheit.

    Wahrscheinlich sind viel weniger als 1% von uns schon so weit, alle anderen müssen noch viel lernen!

    Die Verknüpfung von menschlicher Entwicklung, ethischem Bewusstsein und kluger Nutzung von KI ist unsere vielleicht wichtigste Aufgabe für die Zukunft.

    Uraltes Geheimnis

    Seit Jahrtausenden existiert es ein Geheimnis, das beschreibt, wie Menschen ein ausfüllendes, zufriedenes Leben führen und gesund sehr alt werden können. Es wird von den Geheimnisträgern bestens gehütet und von wissenden Gesellschaftsführern aktiv unterdrückt. Interessanterweise wurde es mittlerweile in hunderten wissenschaftlichen Studien aus verschiedenen Blickwinkeln untersucht und sie bestätigten immer wieder dasselbe erstaunliche Ergebnis: materielle Dinge, Geld oder Erfolg im Beruf sind unbedeutsam.

    Die Geheimnisträger

    Um mehr von dem Mysterium zu erfahren, schauen wir uns zunächst die Menschen an, die danach leben. Sie mögen es nicht in den Vordergrund gerückt zu werden, wirken besonnen und bleiben selbst in Krisen freundlich und ruhig. Sozial gut vernetzt und werden sie von ihren Mitmenschen geschätzt, oft sogar bewundert. Ihre Aktivitäten nutzen sie so, dass es allen in ihrer Umgebung besser geht. Als selbst organisierte Personen werden sie oft gebeten, Verantwortung zu übernehmen, weil sie durch positive Aktivitäten aufgefallen sind. So ein Mensch packt dort an, wo es Sinn macht.

    Die Fähigkeiten

    Warum sind die Aktivitäten der eingeweihten Personen so zweckmäßig? Weil jede Entscheidung, die ihre Handlungen bestimmen gut durchdacht und wertvoll sind. Ok, es liegt also an den Entscheidungen. Dann müssen wir nur noch verstehen, woher sie kommen.

    Die Entscheidung

    Eine einzelne Entscheidung ist dann gut, wenn sie sich selbst und anderen einen nachweisbaren Nutzen bringt. Dazu benötigt man genügend selbst bestimmte Zeit, um darüber nachdenken zu können (sich über die Ziele klarwerden, Informationen sammeln, Optionen abwägen, emotionale Intelligenz um Folgen beurteilen können, ggf. Rücksprache mit anderen nehmen, Risiken akzeptieren) und viel Wissen und Erfahrungen zu dem zu entscheidenden Problem.

    Die Fitness

    Die Zeit, die man konzentriert denken kann, hängt von der geistigen Fitness ab. Sie gründet sich, neben einer guten körperlichen Fitness, auf eine hohe Anzahl von Neuronen, vor allem aber starke Verbindungen zwischen den Neuronen, speziell in unserem Entscheidungszentrum.

    Das, was wir für unsere Muskeln tun können, um kräftig, ausdauernd und beweglich zu sein, können wir auch für unser Denkorgan tun. Neue Verbindungen zwischen Neuronen im Gehirn entstehen nur durch aktives Lernen. Das kann durch praktische Erfahrungen bei der Erzeugung von neuen Dingen sein oder das Erlernen eines Musikinstrumentes. Alternativ führen auch das Einstudieren einer Fremdsprache oder eines neuen Wissensgebietes zu einer deutlichen Verbesserung.

    Das Lernen neuer Dinge verbessert Konzentration und Impulskontrolle. Das Gehirn wird durch kontinuierliches Lernen und geistige Herausforderungen flexibler und die Fähigkeit zur Selbstregulation wird gestärkt. Es fällt zunehmend leichter und es beginnt Spaß zu machen.

    Die Aufgeschlossenheit

    Menschen, die aufgeschlossen, unvoreingenommen, vorurteilsfrei und wissbegierig sind, entwickeln Facetten ihrer Persönlichkeit weiter. Sie verändern zwar nicht ihre grundlegenden Eigenschaften, sondern sie erweitern ihre Perspektiven und Fähigkeiten.

    Zum Beispiel fördert das Erlernen neuer Dinge Eigenschaften wie Anpassungsfähigkeit, Wissbegierde und Selbstbewusstsein. Wenn jemand eine neue Sprache lernt, kann das auch die Kommunikationsfähigkeit und das kulturelle Verständnis stärken, was wiederum die Persönlichkeit reicher und vielseitiger macht.

    Der Weg zum Geheimnis

    Das Geheimnis scheint also etwas mit der Art des Denkens der wissenden Menschen zu tun zu haben. Aber ihr habt wahrscheinlich schon vermutet, dass es nicht ausreicht, das Geheimnis einfach nur zu kennen, um davon zu profitieren.

    Sollte man sehr unzufrieden mit seinem bisherigen Leben sein, kann man vielleicht genug Motivation aufbringen, sich auf einen neuen Weg zu begeben. Ein Leben nach dem uralten Pfad der Erkenntnis findet grob in 3 Stufen statt:

    1. Den Weg sehen kann man, wenn man ein Gebiet mit großem persönlichem Interesse gefunden und damit begonnen hat, sich einzuarbeiten oder eine neue Fertigkeit zu entwickeln und es mindestens 1 Jahr durchgehalten hat (use it or lose it).
    2. Am Anfang des Weges steht, wer die ersten kleinen Erfolge seiner neuen Aktivitäten erlebt hat und entschlossen ist, diesem Pfad unbeirrt zu folgen.
    3. Auf dem Weg ist, wer die Inhalte zu einer Passion weiterentwickelt hat und daraus eine neue Zufriedenheit in seinem Leben schöpft.

    Der Tipp zum Geheimnis

    Unser teuerstes Organ ist das Gehirn. Es enthält 2% unseres Körpergewichtes aber verbraucht 20% unserer Energie. Um das Überleben zu sichern hat uns die Evolution gelehrt, nicht zu viel Energie zu verbrauchen. Deshalb fällt es uns heute noch schwer, uns konzentriert und aktiv mit etwas Neuem zu beschäftigen. Die gute Nachricht ist aber, je häufiger man es schafft, umso leichter fällt es. Man muss sich nur motivieren und durchhalten.

    Aufwärmen

    Bevor man sich für etwas Spezielles entscheidet, sollte man sich zum Aufwärmen bestimmte Themen aus unserem Allgemeinwissen vornehmen. Wissenslücken kann man aus zuverlässigen Quellen auffüllen: Entstehung unseres Universums und wie hat sich daraus Materie gebildet? Warum sind aus dem anfänglichen Chaos Sterne, Planeten und Galaxien entstanden? Sind wir aus Sternenstaub? Konnten auf rein chemischem Wege aus toter Materie organische Zellen entstehen, die sich auch noch vervielfältigen konnten? Wie konnte sich geklonte Zellen mit Hilfe der Evolution und der Zeit zu komplexen Lebewesen zusammenraufen? Was hat es sich mit diesem Nervenknoten aus ich, der sich zur Steuerung der Zellen bildete und heute gut geschützt in unserem Schädel zu diesen wunderbaren Denkleistungen befähigt? Kann man Denkvorgänge erklären?

    Für gewöhnlich lesen meinen Blog nur Eingeweihte, für sie ist das alles bekannt. Sollte aber ein Leser zusätzliches Interesse an dem Weg der Erkenntnis haben, dann schreibt einfach einen Kommentar und ich veröffentliche noch eine Schritt-für-Schritt Anleitung.

    Innovationen schwächeln

    Viele Projekte haben Schwierigkeiten damit, wirklich innovative und nützliche Produkte zu entwickeln. Dies liegt häufig daran, dass das Bewusstsein für die tatsächlichen Probleme der Menschen fehlt. Um nachhaltige und erfolgreiche Lösungen bereitzustellen, müssen Projekte das große Ganze im Blick behalten und die wahren Bedürfnisse der Gesellschaft erkennen und darauf eingehen.

    Fehlendes Bewusstsein

    Eines der Hauptprobleme bei der Entwicklung innovativer Produkte ist das mangelnde Verständnis für die tatsächlichen Bedürfnisse und Herausforderungen der Menschen. Dies zeigt sich besonders deutlich im Bereich des Klimawandels und der planetarischen Grenzen. Hierzu zählen unter anderem die Überladung mit neuartigen Substanzen, der Abbau der Ozonschicht in der Stratosphäre, die Aerosolbelastung in der Atmosphäre, die Versauerung der Ozeane, die Störung der biogeochemischen Kreisläufe, Veränderungen in Süßwassersystemen, die Veränderung der Landnutzung und die Beeinträchtigung der Integrität der Biosphäre. Diese globalen Herausforderungen haben direkte Auswirkungen auf das Leben der Menschen und können nicht ignoriert werden, wenn man innovative Produkte entwickeln möchte.

    Die Rolle der Bildung

    Ein weiteres erhebliches Hindernis ist das große Verständnisproblem, das aus starken Bildungsunterschieden und zu wenig Wissen über allgemeine Zusammenhänge, resultiert. Diese Unterschiede sind oft stark vom Einkommen und der Qualifikation der Eltern abhängig, was zu einer weiter auseinanderklaffenden Schere bei der Ressourcenverteilung führt. Ohne ein gemeinsames Verständnis der Probleme und Herausforderungen, denen wir gegenüberstehen, ist es schwierig, innovative Lösungen zu entwickeln, die für die gesamte Gesellschaft nützlich sind.

    Umfassender Ansatz

    Um wirklich innovative und nützliche Produkte zu schaffen, ist es entscheidend, vom großen Ganzen auszugehen und davon abzuleiten. Dies bedeutet, dass Projekte nicht nur die unmittelbaren Bedürfnisse der Nutzer berücksichtigen, sondern auch die langfristigen Auswirkungen ihrer Produkte auf die Umwelt und die Gesellschaft insgesamt. Wie groß ist der energetische Footprint der Herstellung? Können Verletzungen durch das Produkt entstehen?  Sind die verwendeten Materialien umweltschädlich, z.B. wenn es einfach weggeworfen wird? Ist der Nutzen so groß, dass es viele Menschen brauchen? Ist der Preis für viele erschwinglich? Führt die Substitution mehrerer älterer Produkte zu einem viel besseren, einfacheren neuen Produkt? Können wir ein zurückgegebenes Produkt recyclen und neu entstehen lassen? …

    Nur so können nachhaltige und erfolgreiche Lösungen entwickelt werden, die den Menschen wirklich zugutekommen.

    Innovative Ansätze in der Produktentwicklung

    In der Produktentwicklung kann Kreativität dabei helfen, einzigartige und benutzerfreundliche Produkte zu entwerfen, die sich von der Konkurrenz abheben. Hierbei ist es wichtig, die Bedürfnisse und Wünsche der Nutzer zu verstehen und innovative Ansätze zu finden, um diese zu erfüllen. Dies kann durch die Kombination von Elementen aus verschiedenen Disziplinen oder die Nutzung neuer Technologien und Materialien geschehen.

    Kreative Geschäftsstrategien

    Darüber hinaus können kreative Geschäftsstrategien dabei helfen, neue Märkte zu erschließen, innovative Geschäftsmodelle zu entwickeln und sich langfristig am Markt zu behaupten. Dies könnte durch die Einführung neuer Vertriebskanäle, die Nutzung digitaler Technologien oder die Entwicklung nachhaltiger Geschäftsmodelle geschehen.

    Schlussfolgerung

    Die Entwicklung innovativer und nützlicher Produkte erfordert ein tiefes Verständnis der wirklichen Bedürfnisse der Menschen und der globalen Herausforderungen, denen wir gegenüberstehen. Durch einen umfassenden Ansatz und die Förderung kreativer Denkweisen können wir Produkte entwickeln, die nicht nur bestehende Probleme lösen, sondern auch neue Möglichkeiten und Chancen entdecken. Die Welt braucht kreative Köpfe, die bereit sind, über den Tellerrand hinauszuschauen und die Zukunft mit ihren innovativen Ideen zu gestalten.

    KI – Gesellschaft 2.0?

    Wir bewegen uns mit großen Schritten in ein Zeitalter, dass von KI geprägt sein wird. Entweder wird die KI ein unentbehrliches Werkzeug am Arbeitsplatz oder sie wird integriert in einen humanoiden Roboter, der nahezu alle manuellen Tätigkeiten erledigen kann. Selbst Logistik- und Reinigungsaufgaben in der Familie können vom Android übernommen werden.

    Mit unserer aktuellen Gesellschaftsstruktur würde nur eine kleine Minderheit alle Fäden ziehen, die Mehrheit wäre auf Zuwendungen und Almosen angewiesen und weitestgehend zum Nichtstun verdammt. Die schon weit geöffnete Schere zwischen Besitzenden und Abhängigen würde extremer und Unruhen und Zerstörung könnte die Folge sein. Die meisten heute geborenen Kinder wachsen in diese schwelende Gefahr hinein und haben in ihrem Leben kaum Möglichkeiten sich dagegen zu wehren. Wir müssen uns auf das KI-Zeitalter vorbereiten.

    Mensch 2.0

    Verändern wir mal in einem Gedankenexperiment den Blickwinkel: Jedes Kind soll später ein wertvoller Teil der Gesellschaft werden, deshalb widmen wir ihm all unsere Aufmerksamkeit. Welche Fähigkeiten und Fertigkeiten sollte es als Erwachsener beherrschen, um trotz hoch automatisierter Umgebung motiviert, wertvolle Beiträge zur positiven Entwicklung unserer Gemeinschaft beitragen zu können?

    Der Mensch 2.0 muss ein hohes Maß an Selbstorganisationsfähigkeiten haben,   Verantwortung übernehmen und für Konsequenzen einstehen können. Verantwortungsfähigkeit entsteht zunächst durch Handlungsfähigkeit, das sind die Aktionen, mit denen man für sich und andere gute Ergebnisse erzielt, weil sie auf guten Entscheidungen beruhten. Die persönliche Entscheidungsqualität hängt ab vom Wissen und Verständnis, den Erfahrungen, Werten und Überzeugungen seines bisherige entwickelten Realitätsmodells, von der Kontrolle seiner Emotionen, ggf. Einfluss Dritter und dem jeweiligen Zeitdruck bei der Entscheidungsfindung. Ein sich in diese Richtung entwickelter Mensch müsste also über ein sehr gutes Allgemeinwissen bzw. -verständnis verfügen, viele gute Erfahrungen gemacht und daraus nützliche Werte und Überzeugungen abgeleitet haben. Diese Person würde über eine große Anzahl von Neuronen und deren Verbindungen im Präfrontalen Kortex verfügen, ein wichtiger Faktor für emotionale Kontrolle. Je besser das eigene Verständnis, umso weniger regt man sich auf oder lässt man sich von anderen beeinflussen.

    Bildung 2.0

    Eine Bildungsstruktur, die diesen Anforderungen gerecht wird, würde die Schüler in den Mittelpunkt stellen und ihnen die Werkzeuge und Unterstützung bieten, die sie benötigen, um ihr volles Potenzial zu entfalten. Es würde eine Kultur des lebenslangen Lernens und der kontinuierlichen Verbesserung fördern.

    Einige Schlüsselelemente, die ein Bildungssystem basierend auf intrinsischer Motivation, individuellen Lernzeiten und Lernfortschritt sowie modernen technologischen Hilfen wie KI beinhalten sollte:

    Personalisierte Lernpfade

    • Individualisierte Lernpläne: Jeder Schüler erhält einen individuellen Lernplan, der auf seinen Interessen, Stärken und Schwächen basiert.
    • Flexibles Curriculum: Anstatt eines starren Lehrplans wird der Lehrstoff an die Bedürfnisse und Interessen der Schüler angepasst.

    Förderung der intrinsischen Motivation

    • Projektbasiertes Lernen: Schüler arbeiten an Projekten, die ihren Interessen entsprechen und reale Probleme lösen.
    • Selbstbestimmtes Lernen: Schüler haben die Freiheit, ihre eigenen Lernziele zu setzen und ihre Fortschritte selbst zu überwachen.
    • Erfolgserlebnisse: Regelmäßige positive Rückmeldungen und Anerkennung für Fortschritte fördern das Selbstvertrauen und die Motivation.

    Berücksichtigung unterschiedlicher Lerngeschwindigkeiten

    • Selbstgesteuertes Tempo: Schüler können in ihrem eigenen Tempo lernen, ohne den Druck, mit anderen Schritt halten zu müssen.
    • Adaptive Lernplattformen: KI-basierte Plattformen passen den Schwierigkeitsgrad und das Tempo des Lernens an den individuellen Fortschritt an.

    Nutzung moderner Technologie und KI

    • Intelligente Tutoren: KI-basierte Tutorensysteme bieten maßgeschneiderte Unterstützung und Feedback, die auf den individuellen Lernstand abgestimmt sind.
    • Virtuelle Klassenzimmer: Virtuelle und erweiterte Realität (VR/AR) schaffen immersive Lernerfahrungen, die das Verständnis und das Engagement fördern.
    • Analyse von Lerndaten: KI analysiert Daten, um Einblicke in das Lernverhalten und die Fortschritte der Schüler zu gewinnen und gezielte Interventionen zu ermöglichen.

    Förderung sozialer und emotionaler Kompetenzen

    • Soziales Lernen: Gruppenprojekte und Zusammenarbeit fördern soziale Kompetenzen und Teamarbeit.
    • Emotionales Wohlbefinden: Programme zur Förderung des emotionalen Wohlbefindens und der Resilienz unterstützen die ganzheitliche Entwicklung der Schüler.

    Kontinuierliche Weiterbildung für Lehrkräfte

    • Professionelle Entwicklung: Lehrer erhalten kontinuierliche Fortbildungen, um neue Lehrmethoden und Technologien effektiv zu nutzen.
    • Rollenwechsel: Lehrer fungieren als Lernbegleiter und Mentoren statt als reine Wissensvermittler.

    Ausblick

    Leider sind solche transformativen Veränderungen nicht im Programm von politischen Parteien enthalten. Wollen wir in Zukunft in einer harmonischen Gemeinschaft ohne Gewalt und Kriminalität leben, in der jeder Mensch seine eigene Projekte und Ideen umsetzen kann und keine großen Einkommensunterschiede die Lebensqualität großer Mehrheiten schmälern? Dann muss wird diese Veränderung aus der Bevölkerung kommen müssen. Es ist ein generationenübergreifendes Projekt, deshalb sollten sich Einzelpersonen, Gruppen und Verbände dafür einsetzen.

    KI macht dumm!?

    Menschen verlassen sich immer häufiger auf Technologie und vernachlässigen dadurch ihre eigenen Fähigkeiten. Anstatt Probleme selbst zu lösen oder Informationen aktiv zu suchen und zu verstehen, überlassen sie kritiklos diese Aufgaben der künstlichen Intelligenz. Macht KI dumm?

    Interessanterweise scheint es eine Divergenz zu geben. Bei häufiger Nutzung von KI verringern einfach gebildete Menschen ihre Fähigkeit zum kritischen Denken und Problemlösen, dagegen verbessert sich diese Fähigkeit bei gebildeten Menschen. (Studie)

    KI Gesellschaft

    Die Einkommensschere in unserer Gesellschaft wird heute schon von Unterschieden zwischen guter und schlechter Qualifizierung weiter auseinander gedrückt. Immer mehr Menschen werden an den Rand des Existenzminimums gedrückt. Wenn die Grundbedürfnisse nicht mehr befriedigt werden können, kommt es zu einer Protesthaltung, Kriminalität, Gewalt und Unruhen. Eine demokratische Gemeinschaft lässt sich ohne eine Gewaltspirale unter diesen Umständen nicht mehr aufrechterhalten. Unsere Gesellschaft ist in keiner Weise auf die Auswirkungen der vielen neuen künstlich intelligenten Assistenten und Automaten vorbereitet, schon gar nicht auf die kommenden AGI (artificial general intelligence oder künstliche allgemeine Intelligenz).

    Qualifizierte Nutzung von KI erfordert eine völlig neue Art von Bildung.

    Verstehen

    Verstehen ist die Fähigkeit, Bedeutung zu erkennen, Zusammenhänge zu begreifen und Wissen anzuwenden. Es geht tiefer als das reine Aneignen von Wissen, da es das Erkennen von Mustern, Prinzipien und Beziehungen beinhaltet. Verstehen erfordert kritisches Denken und die Fähigkeit, Informationen zu analysieren und zu interpretieren.

    Jeder junge Mensch sollte die kleinen und die großen Zusammenhänge kennen. Wie wirkt sich die Umwelt und die Ernährung mit ihren enthaltenen Giften auf die Leistungsfähigkeit der eigenen Zellen aus? Wie funktioniert unser Gehirn und welche Aktivitäten nutzen und schaden es. Wie entstehen die Produkte des Alltags, woher kommen sie, wie schaden sie unserer Umwelt und damit uns selbst? Wie genau funktioniert eigentlich ein Smartphone? Wie können laute Meschen die Parolen rufen entlarvt werden? Wie funktioniert Wetter und Klima? Woher kommt die Materie, aus der wir entstanden sind?

    Lernen

    Kinder entwickeln intuitiv ihr Realitätsmodell durch Erforschen und Fragen. Sie sind motiviert, wissbegierig und haben permanent Fragen. Wir Erwachsenen müssen lernen, sie darin zu bestärken und wenn möglich jede Frage zu beantworten, natürlich auch mit Hilfe einer KI. Wissen, dass durch motiviertes Selbsterforschen entstanden ist, hält ein Leben lang.

    Bildung sollte Grundlagen und Zusammenhänge aus unserer Umgebung miteinander verknüpfen, so dass ein breites assoziatives Grundwissen entsteht. Je mehr wir die Zusammenhänge verstehen, umso gezielter und kritischer wird die Auseinandersetzung mit einer AI sein. Wir stellen dann dir richtigen Fragen und die AI leistet einen Wert für unser persönliches Leben.

    Einige Studien deuten darauf hin, dass Menschen mit höherer kognitiver Fähigkeit, die oft mit Intelligenz assoziiert wird, dazu neigen, altruistisches Verhalten an den Tag zu legen, einschließlich Teilen und Helfen. Dies könnte daran liegen, dass intelligentere Menschen in der Lage sind, die langfristigen Vorteile von Kooperation und sozialem Zusammenhalt besser zu erkennen.

    Ausblick

    Eine Gesellschaft, die so aufgestellt wäre, könnte sich weiterentwickeln und ein friedliches demokratisches Miteinander praktizieren.

    Eine grundlegende Änderung des Bildungssystems ist eine langfristige, nachhaltige Aufgabe. Politik ist auf kurzfristige Erfolge ausgelegt, deshalb hat keine Partei ein ernsthaftes Konzept in ihrem Wahlprogramm. Wie so oft muss die Bewegung von der Gesellschaft angestoßen werden.

    Chancen

    Das neue Jahr beginnt mit vielen negativen Schlagzeilen, doch genau darin liegen die enormen Chancen.

    In der Transformation der Industrie in Richtung Klimaschutz liegen riesige Potentiale für Innovation und Wachstum, wie eine wissenschaftliche Studie zeigt. Die scheidende Regierung in den USA haben viel unternommen, um eine Führungsrolle bei der Herstellung von Klimaschutz-Technologien einzunehmen, doch die neue Regierung wird diese Aktivitäten einfrieren oder zurückdrehen. Das gibt Europa Zeit, sich die Führung zurückzuholen. Der Bedarf für diese Produkte wird aufgrund des mittelfristig irreversiblen Klimawandel rapide steigen.

    Warum soll die Ansiedlung von internationalen Unternehmen im Bereich Chip-Industrie mit Milliarden-Beträgen subventioniert werden? Deutschland kann eine Führungsrolle bei der nächsten Chip-Generation der photonischen KI-Chips von Firmen wie Zeiss, Q.ant oder Frauenhofer-Institut erreichen! Q.ant liefert bereits die erste PCI-Express-Karte mit so einem Prozessor aus. Selbst für die klassischen Prozessoren gibt es ein neues, erfolgsversprechendes Verfahren. Zur Verdichtung der Leiterbahnen mit Hilfe eines Glassubstrats der Schott AG in Mainz, kann die Billionengrenze von Transistoren auf einem Chip überschritten werden.

    Mit Hilfe von neuartigen Materialien können völlig neue Märkte erschlossen werden. An der Entdeckung eines neuartigen Zustandes von Magneten war auch die Uni-Mainz beteiligt. Beim nun dritten bekannten Zustand, dem Altermagnetismus sind die magnetischen Momente der Atome entgegengesetzt ausgerichtet und zusätzlich die Ausrichtung der Atome im Kristall alterniert. Hieraus ergeben sich Möglichkeiten zur Erweiterung der Datenspeicherung auf Basis der Spintronik.

    In der Medizintechnik wurden wirkstoffproduzierende Bakterien in gedrucktem Hydrogel gezüchtet und vom INM in Saarbrücken bereits in praktische Anwendungen wie „sich selbst befeuchtende Kontaktlinsen“ überführt.

    Diese Auflistung ließe sich noch lange fortsetzen, doch warum ist das Jammern trotzdem so laut?

    Potentiale umsetzen, Chancen nutzen

    Wir brauchen viel mehr Unternehmenslenker, die sich für das Wohl ihrer Mitarbeiter einsetzen und langfristige, nachhaltige Perspektiven aufbauen. Z.B. in Form von menschenfreundlichen Rahmenbedingungen, anstelle von kurzfristigem Gewinndenken. Das eröffnet neue Chancen. Auch wenn bereits Arbeitszeiten irrelevant werden, unserem Lebensumfeld wird man nur gerecht, wenn eine hohe individuelle Dynamik durch Homeoffice, Familienfreundlichkeit, Genderneutralität usw. gewährleistet ist.

    Um bei den sich beschleunigenden Innovationszyklen mithalten zu können ist ein hoch innovatives Umfeld erforderlich. Viel wichtiger sollte aber die Konzentration auf Produkte und Dienstleistungen sein, die einen hohen praktischen Nutzen beim Kunden oder beim Konsumenten erzielen. Entscheidungen bekommen eine höhere Qualität, wenn sie sich auf viele qualifizierte Einschätzungen von Mitarbeitern stützen können.

    Aus unzähligen Studien haben wir gelernt, das Kompetenz (Wissen, Fähigkeiten, Fertigkeiten), soziale Eingebundenheit, Autonomie und Zweckbestimmung zu Motivation führt. Sie ist die Vorrausetzung für das Arbeiten im Flow, dem produktivsten Zustand, den ein Mensch erreichen kann.

    Es gibt bereits Unternehmen, die Themen/Ziele anbieten, die in selbst organisierten Projektgruppen erarbeitet werden können. Sowohl die eigenen oder externe Mitarbeiter können sich daran beteiligen. Nur Projekte, für die sich genug Personen melden, werden durchgeführt. Notwendige aber nicht spannende Aufgaben werden automatisiert, dadurch beschleunigt sich die digitale Transformation von innen heraus.

    Durch die sich immer wieder ändernden Besetzungen der Projekte lernen Menschen mit den unterschiedlichen Fähig- und Fertigkeiten der Einzelnen ein maximales Gruppenergebnis zu erzielen – so entstehen inhärente Innovationen. Die vielen Chancen können besser erkannt und genutzt werden.

    Zukunft

    Damit eine Gesellschaft sehr viele Menschen, in den sich schnell entwickelnden eigenverantwortlichen Teams beschäftigen können, ist dringend ein neues Bildungskonzept erforderlich. Das antiquierte System aus Belohnung und Bestrafung sollte dringend einem System aus Motivation weichen. Die vielen gestückelten Lehrpläne sollten einem assoziativ wachsenden Aufbau von Grundwissen mit sich stetig erweiterndem Detaillierungsgrad weichen. Die nächste Generation braucht dringend ein Grundverständnis über sich selbst, die Natur und die Bedeutung der ökologischen Zusammenhänge für unser Wohlbefinden. Physiologie, Hygiene, Ernährung sollten genauso zum Wissen gehören wie demokratische Konstrukte, Rechtsystem, wirtschaftliches Handeln und vieles andere. Die wissenschaftlichen Erkenntnisse in diesem Bereich finden viel zu langsam Einzug in die Welt des Lernens und Erfahrens.

    Eine Achillesferse von Demokratie sind langfristige, nachhaltige politische Entscheidungen.

    « Ältere Beiträge

    © 2026 Innovation Driver

    Theme von Anders Norén — Hoch ↑