AI Enablement

KI lernt man an der eigenen Arbeit.

AI Enablement heißt, die tatsächlichen Abläufe eines Teams mit KI darin neu zu bauen: in den Werkzeugen, die schon im Einsatz sind, in der Umgebung, die schon freigegeben ist. Kein Training an Beispielen, die bis Montag verdunsten.

Das Muster

Das Seminar war gut. Einen Monat später hat sich nichts geändert.

Die meisten Teams kennen es inzwischen: ein Trainingstag, beeindruckende Demos, ein geteiltes Prompt-Dokument, echte Begeisterung. Dann kehrt das Tagesgeschäft zurück, die Beispiele passen nicht zur tatsächlichen Arbeit, niemand hat das Mandat, einen Prozess zu ändern, und die Lizenzen laufen still im Hintergrund.

Das Problem sind selten die Menschen und selten die Werkzeuge. Es ist, dass das Training auf Beispiele zielte, während die Arbeit aus Abläufen besteht.

So funktioniert es

Drei Module, alle innerhalb der echten Arbeit des Teams.

Zuerst

Assessment

Ein strukturierter Blick darauf, wie das Team tatsächlich arbeitet: welche Aufgaben wiederkehren, wo Zeit hingeht, welche Abläufe Kandidaten für KI sind und welche man in Ruhe lassen sollte. Fester Umfang, ehrliche Befunde.

Dann

Workshop-Serie

Das Team baut seine eigenen Abläufe neu, hands-on, in den eigenen Werkzeugen und der eigenen freigegebenen Umgebung. Jede Session endet mit etwas, das am Dienstagmorgen läuft, nicht mit Folien.

Bei Bedarf

Implementierungssprints

Die wichtigsten Abläufe werden sauber ausgebaut: dokumentiert, zur Routine gemacht, nach Kontakt mit der Realität nachjustiert. Zurück bleibt ein schriftliches Playbook, das dem Team gehört, mit den Abläufen, den Vorlagen und den Kontrollpunkten, die dazugehören.

Was es nicht ist

Ein Seminar mit Beispielen.
Ein Tool-Rollout.
Eine Promptliste für die Schublade.
Funktionierende Abläufe,
im täglichen Einsatz, im Besitz des Teams.

Der Unterschied liegt im Ausgangspunkt. Angefangen wird bei der Aufgabe, die ohnehin ansteht, nicht bei dem Werkzeug, das gerade verfügbar ist. Diese Workshops kommen von jemandem, der KI-gestützte Arbeitssysteme selbst baut und betreibt, jeden Tag, im Live-Einsatz für echte Organisationen. Was in den Raum kommt, ist deshalb kein Curriculum, sondern eine Praxis: was hält, was bricht, was sich zu automatisieren lohnt und was wirklich nicht.

Teil von Enablement ist Urteilskraft: zu wissen, welche Teile der Arbeit beim Menschen bleiben und wo KI bewusst nicht eingesetzt wird. Teams gehen mit Fähigkeit, nicht mit Abhängigkeit. Der Erfolg zeigt sich daran, dass die Begleitung nicht mehr gebraucht wird.

Die Arbeit dahinter

Vermittelt aus einer Struktur, die jede Woche läuft.

Eine laufende Intelligence-Struktur

Eine KI-gestützte politische Monitoring-Struktur, gebaut für eine internationale Organisation und seit über einem Jahr im durchgehenden Einsatz.

Was tatsächlich gebaut wird

Kein Prompt, sondern eine Kette: die Aufgabe, die Quellen, der KI-Schritt, die menschliche Bewertung, das Ergebnis und die Kontrolle, die abfängt, was das Modell falsch gemacht hat.

Der Einstieg

Anfangen, wo die Reibung ist.

Am Anfang stehen ein Gespräch und fünf Aufgaben: Das Team bringt fünf Dinge mit, die es in einer normalen Woche tut, und das Assessment sagt, welche davon mit KI tatsächlich besser werden und welche man besser lässt. Was folgt, richtet sich nach dem Team, Modul für Modul, und was am Ende bleibt, steht schriftlich fest.

Über Enablement sprechen

Assessment mit festem Umfang und Fixpreis
Workshops auf das Team zugeschnitten, nicht umgekehrt
Ein schriftliches Playbook, das im Team bleibt und ohne Begleitung trägt
In den Werkzeugen, die ohnehin schon da sind, möglichst ohne eine weitere Ebene
Sprints nur, wo sie ihren Platz verdienen
Das Assessment ist der übliche Einstieg; Teams, die längst wissen, welche Abläufe sie umbauen wollen, können direkt mit den Workshops beginnen

Angrenzend, wenn es passt: Organisationen, die eine solche Struktur lieber gebaut und betrieben bekommen, schauen auf den Political Landscape Monitor.