Folie 1
Applied AI Professional TAG 7
AI Transformation Institute
25. August 2026
Thorsten Gluitz
Folien: KI-Ökosystem, KI-Strategie & Make vs. Buy
Alle 66 Folien aus AppliedAIProfessional-M1-W2-T7.pptx, maschinell
aus dem Deck gespiegelt am 2026-09-23. Diese Seite ist keine
redaktionelle Auswertung. Sie zeigt, was im Deck steht, einschließlich
Sprechernotizen. Die kuratierte Auswertung steht auf der Tagesseite.
Folie 2
Unser Code of Knowledge Transfer
#GernePerDu
#SonstFragenWir
#ImmerFragen✋
Sprechernotiz
MA machen lassen – micht alles Vorbesetimmen, speed I Bei Mitarbeiter Helfen Schulungen, Multiplikatoren , Center of Excellellence Strategische Richtung klar definieren: Vision und Mission deutlich kommunizieren Langfristige Ziele und kurzfristige Meilensteine festlegen Schlüsselindikatoren für Erfolg bestimmen Einbindung und Empowerment der Mitarbeiter: Nutzung von Basis Tools ermöglichen Fortbildungen und klare Regeln zur Nutzung Ermutigung eigene Projekte zu entwerfen Tools und Ressourcen für Tools oder iegene Entwicklungen bereitstellen: Erfolgsmessung und Anpassung: Strategische Leitlinie + Mitarbeiter mitnehmen! -> Angst nehmen + Technologieverständnis + Compliance einhalten -> Schulungen von einzelnen Team für Use Cases
Folie 3
Euer Referent für heute
Thorsten Gluitz
Gründer AI-X Lab CPO movacar | duke technologies HoP Ben Fleet Services PM Notebooksbilliger.de | Chrono24 | wetter.com
Product Innovation & AI Transformation Consultant
- Notebooksbilliger.de aus Folientext erkannt
- wetter.com aus Folientext erkannt
Folie 4
Checkpoint & Wiederholung
1
2
3
Wir haben 3 Wege kennengelernt, die zu besseren Ergebnissen führen: Prompt, RAG & Skills
Wir haben die Golden Rules of Prompting als methodische Basis kennengelernt
Wir haben einen RAG basierten Agenten in Langdock erstellt
Folie 5
Wie werden KI-Ergebnisse besser?
Drei Wege, Kontext an die KI zu bringen:
01
Besseres Prompting
Manuell Kontext geben
Mehr Information, klarere Aufgabe, bessere Struktur. Der Weg, den ihr direkt steuern könnt.
02
RAG
Automatisch Wissen dazuspielen
System spielt passenden Kontext aus großen Datenmengen zum Prompt dazu. Ihr müsst nicht mehr selbst suchen und reinkopieren.
03
Skills
Automatisch Arbeitsweise dazuspielen
System spielt die richtigen Anweisungen, Workflows und Formate automatisch dazu. Einmal einrichten, dauerhaft konsistente Ergebnisse.
Folie 6
Beispiel: Retrieval Augmented Generation (RAG)
Nutzer
Frage
Retrival Query
Unternehmens-datenbank
Retrived Data
Prompt mit Unternehmensdaten
LLM
Antwort
Nutzer
Unternehmenswissen nutzbar machen für Anwendungen wie z.B. Dienstanweisungen (Best Practice) Kundenservice Technische Dokumentationen
Folie 7
Wissen ≠ Können
Warum RAG allein nicht reicht.
RAG
Liefert Informationen auf Abruf. Findet CI-Handbuch, alte Angebote, Kundenhistorie. Grenze: Das KI-System weiß was, aber nicht wie ihr arbeitet.
Skills
Liefert Vorgehen auf Abruf. Codiert Template, Tonfall, Prozess, Signoff. Stärke: Das Playbook, das sonst nur im Kopf der erfahrenen Kollegin steckt.
„RAG macht das KI-System belesen. Skills machen es zum Kollegen, der eure Art zu arbeiten kennt.“
Folie 8
Lernziele für Heute
1
2
3
verstehst du das KI-Ökosystem als Schichtenmodell – von der Hardware bis zur Anwendung
hast Microsoft Copilot kennengelernt,
hast Tool-Anbieter recherchiert,
Nach diesem Tag…
...verstehst du das KI-Ökosystem und wie wichtig der Unternehmenskontext ist.
Sprechernotiz
MA machen lassen – micht alles Vorbesetimmen, speed I Bei Mitarbeiter Helfen Schulungen, Multiplikatoren , Center of Excellellence Strategische Richtung klar definieren: Vision und Mission deutlich kommunizieren Langfristige Ziele und kurzfristige Meilensteine festlegen Schlüsselindikatoren für Erfolg bestimmen Einbindung und Empowerment der Mitarbeiter: Nutzung von Basis Tools ermöglichen Fortbildungen und klare Regeln zur Nutzung Ermutigung eigene Projekte zu entwerfen Tools und Ressourcen für Tools oder iegene Entwicklungen bereitstellen: Erfolgsmessung und Anpassung: Strategische Leitlinie + Mitarbeiter mitnehmen! -> Angst nehmen + Technologieverständnis + Compliance einhalten -> Schulungen von einzelnen Team für Use Cases
Folie 9
Tag 7 – Unser Plan für heute
Zeit
Phase
Inhalt
09:00 – 09:30
Einstieg
Einstieg, Checkpoint & Wiederholung
09:30 – 11:00
Block 1
KI-Ökosystem & Tool-Anbieter
11:00 – 12:00
Block 2
Einführung Copilot
12:00 – 12:30
Mittagspause
Mittagspause
12:30 – 15:00
Praxis 1
Praxis Übung Copilot
15:00 – 16:00
Praxis 2
Tool Recherche & Analyse
16:00 – 16:15
Abschluss
Reflexion, Sicherung & Ausblick
Folie 10
Was ist euch neues an KI-News begegnet?
Kurzer Raum für Dinge, die euch aufgefallen sind – aus Medien, Arbeit oder Alltag.
1
Gesehen
Eine Schlagzeile, ein Post oder ein Video, das hängen geblieben ist.
2
Ausprobiert
Ein Tool oder Feature, das ihr diese Woche getestet habt.
3
Beobachtet
Eine Veränderung bei euch, im Team oder im Unternehmen.
Format: kurze Runde im Plenum I max. 1–2 Minuten pro Person I keine Bewertung, nur Teilen
Folie 11
Agenda
KI-Ökosystem Tool Anbieter Einführung Copilot Praxis Copilot Recherche und Vorstellung von Tool-Anbietern
Folie 12
1. KI-Ökosystem
KI-Ökosystem Tool Anbieter Einführung Copilot Praxis Copilot Recherche und Vorstellung von Tool-Anbietern
Folie 13
Das KI-Ökosystem: Wer baut das eigentlich?
1
Wer baut KI?
Welche Unternehmen & Akteure prägen die KI-Landschaft?
2
Wie hängt das zusammen?
Welche Schichten und Abhängigkeiten gibt es?
3
Was bedeutet das für uns?
Was müssen Unternehmen verstehen, um klug zu entscheiden?
Wir arbeiten täglich auf der Anwendungsebene. Aber was trägt uns eigentlich?
Folie 14
Das KI-Ökosystem als Schichtenmodell
SCHICHT 4 – TOOLS & ANWENDUNGEN
Claude, ChatGPT, Langdock, Copilot – hier arbeiten wir täglich
SCHICHT 3 – MODELLE
Closed Source: OpenAI, Anthropic, Google Open Source: Llama, Mistral, DeepSeek, Qwen
SCHICHT 2 – CLOUD-INFRASTRUKTUR
AWS, Azure, Google Cloud – Rechenleistung, die kaum ein Unternehmen selbst betreibt
SCHICHT 1 – GPU-HARDWARE
NVIDIA & AMD – die physische Grundlage, kein Training ohne Rechenleistung
Folie 15
Wir arbeiten auf Schicht 4. Die anderen drei Schichten tragen uns, meist unsichtbar.
Sprechernotiz
Kurze Erinnerung an die letzte Einheit; „RPA-Pipeline mit LLM-Call“ (Input → LLM → Mapping → Output) Heute bündeln wir die Schritte in einen Agenten, der versteht, entscheidet und handelt.
Folie 16
Das Ecosystem dahinter
GPU Hardware
Cloud
Closed Source Models
Tools & Applications
Open Source Models
User Interface
Daten
Orchestration Layer
Sprechernotiz
Bevor wir nach den Startgeien Fragen: Wie sieht die Wie sehen die Wertschöpfungsstufen heute für Generative KI aus? Und welche Fragen sind damit Verbunden
Folie 17
Tools & Applications: „There is an AI for that“
GPU Hardware
Cloud
Closed Source Models
Tools & Applications
Open Source Models
Der Markt ist unübersichtlich und dynamisch, und der Mehrwert bleibt zu testen.
Sprechernotiz
Bevor wir nach den Startgeien Fragen: Wie sieht die Wie sehen die Wertschöpfungsstufen heute für Generative KI aus? Und welche Fragen sind damit Verbunden
Folie 18
Tools & Applications: „There is an AI for that“
Sprechernotiz
Bevor wir nach den Startgeien Fragen: Wie sieht die Wie sehen die Wertschöpfungsstufen heute für Generative KI aus? Und welche Fragen sind damit Verbunden
Folie 19
Tools & Applications: „There is an AI for that“
Sprechernotiz
Bevor wir nach den Startgeien Fragen: Wie sieht die Wie sehen die Wertschöpfungsstufen heute für Generative KI aus? Und welche Fragen sind damit Verbunden
Folie 20
Tools & Applications: „There is an AI for that“
Sprechernotiz
Bevor wir nach den Startgeien Fragen: Wie sieht die Wie sehen die Wertschöpfungsstufen heute für Generative KI aus? Und welche Fragen sind damit Verbunden
Folie 21
Tools & Applications: „There is an AI for that“
Sprechernotiz
Bevor wir nach den Startgeien Fragen: Wie sieht die Wie sehen die Wertschöpfungsstufen heute für Generative KI aus? Und welche Fragen sind damit Verbunden
Folie 22
Schicht 4 im Alltag
Ihr nutzt KI schon täglich – oft, ohne es zu merken.
Text & Schreiben
Bild & Grafik
Code & Entwicklung
Audio & Stimme
Video & Präsentation
Suche & Research
… und hunderte mehr.
Kurze Runde im Plenum
Welche KI-Tools nutzt ihr schon – ohne dass es euch bewusst ist?
Auf Schicht 4 wachsen täglich neue Tools – niemand hat den vollständigen Überblick.
Folie 23
2. Tool Anbieter
KI-Ökosystem Tool Anbieter Einführung Copilot Praxis Copilot Recherche und Vorstellung von Tool-Anbietern
Folie 24
Tools & Applications: „SaaS looking for future“
GPU Hardware
Cloud
Closed Source Models
Tools & Applications
Open Source Models
Bestehende Lösungen schaffen auch Zugang zu KI.
Sprechernotiz
Bevor wir nach den Startgeien Fragen: Wie sieht die Wie sehen die Wertschöpfungsstufen heute für Generative KI aus? Und welche Fragen sind damit Verbunden
Folie 25
Closed vs. Open Source: The winner takes it all?
GPU Hardware
Cloud
Closed Source Models
Tools & Applications
Open Source Models
https://huggingface.co/blog?tag=leaderboard
- https://huggingface.co/blog?tag=leaderboard aus Folientext erkannt
Sprechernotiz
Closed vs. Open Source: Die Größe ist wichtig, es gibt aber Alternativen
Folie 26
Closed Source vs. Open Source – zwei Welten
CLOSED SOURCE | OpenAI · Anthropic · Google
Kontrolliert & kommerziell – klare Verantwortlichkeit Leistungsstark & ständig aktualisiert Datenschutz-Risiko: Daten verlassen das eigene System Lizenzkosten & Nutzungsbedingungen gelten Vorteil für Einsteiger: Sofort nutzbar, kein Setup nötig
OPEN SOURCE | Llama · Mistral · DeepSeek
Frei zugänglich, anpassbar und weiterentwickelbar Keine Lizenzkosten – aber Betrieb erfordert Know-how Datensouveränität: Betrieb auf eigener Infrastruktur möglich Qualität wächst rasant – Abstand zu Closed Source schließt sich Benchmarks mit Vorsicht lesen (Hugging Face Leaderboards)
Folie 27
Aber dann kam der 28.01.2025 und die Karten wurden neu gemischt.
Sprechernotiz
Kurze Erinnerung an die letzte Einheit; „RPA-Pipeline mit LLM-Call“ (Input → LLM → Mapping → Output) Heute bündeln wir die Schritte in einen Agenten, der versteht, entscheidet und handelt.
Folie 28
Der Tag des Launches von deepseek
Folie 29
29
Folie 30
30
Folie 31
Deepseek: Fakten
“Das Startup aus China“ Das Team um DeepSeek gibt es seit 2015/16 und ist Teil des Hedge Fonds High-Flyer (Portfolio ~14 Mrd $) Kosten für das Modell $5-6M Insgesamt hat alleine die Hardware wohl ~1.6Mrd $ gekostet und weitere Kosten (Gehälter, Daten, etc.) „Neue“ Technologie MoE (Mixture of Experts) - von 1991 Jacobs et al. (1991): “Adaptive Mixtures of Local Experts” Bekannte Modelle: Google Switch Transformer (2021), OpenAI GPT-4 MoE (2023, spekuliert), Mistral
https://www.tomshardware.com/tech-industry/artificial-intelligence/deepseek-might-not-be-as-disruptive-as-claimed-firm-reportedly-has-50-000-nvidia-gpus-and-spent-usd1-6-billion-on-buildouts?utm_source=chatgpt.com
Folie 32
Deepseek: Gut für Europa?!
Open Source Deepseek hat die Modelle, die Art wie trainiert wurde und viele Datenquellen öffentlich zur Verfügung gestellt Das DFKI hat es intern auf 4 * H100 Grafikkarten bereits gehostet (~30.000 Euro je Karte) Perplexity.ai hat bereits eine Version ohne chinesische Leitplanken finegetuned
- Perplexity.ai aus Folientext erkannt
Folie 33
Was uns DeepSeek verrät
1
Open Source ist frontier-fähig geworden
Was 2023 undenkbar schien, ist heute Realität: Kimi, Qwen, DeepSeek liegen bei vielen Benchmarks auf Augenhöhe mit den Top-Closed-Modellen.
2
Die geopolitische Karte wird neu gemischt
Führende Open-Source-Modelle kommen aus China (DeepSeek, Qwen, Kimi) und Frankreich (Mistral). Die USA sind nicht mehr der einzige Player.
3
Closed Source hat zurückgeschlagen
H2 2025 brachte neue Top-Closed-Modelle. Der Vorsprung beträgt ca. sechs Monate (Jensen Huang, NVIDIA, CES 2026) – real, aber manageable.
Folie 34
Der Abstand zwischen Closed und Open Source schließt sich rasant und die Karten werden neu gemischt.
Sprechernotiz
Kurze Erinnerung an die letzte Einheit; „RPA-Pipeline mit LLM-Call“ (Input → LLM → Mapping → Output) Heute bündeln wir die Schritte in einen Agenten, der versteht, entscheidet und handelt.
Folie 35
Next Player: KIMI.ai
Hersteller: Moonshot.ai in Zusammenarbeit mit der UCLA (University of California)
- KIMI.ai aus Folientext erkannt
- Moonshot.ai aus Folientext erkannt
Folie 36
Qwen2.5-VL-32B-Instruct: Open Source
Visuelles Verständnis: Das Modell ist hervorragend darin, Objekte zu erkennen und Texte, Diagramme, Symbole, Grafiken und Layouts in Bildern zu analysieren. Agent-Fähigkeiten: Es fungiert als dynamischer visueller Agent, der in der Lage ist, zu argumentieren und Werkzeuge für Computer- und Telefoninteraktionen zu steuern. Videoverständnis: Das Modell kann Videos mit einer Länge von über einer Stunde verstehen und relevante Segmente lokalisieren, was eine fortgeschrittene zeitliche Lokalisierung demonstriert. Objektlokalisierung: Es identifiziert Objekte in Bildern präzise, indem es Begrenzungsrahmen oder Punkte generiert und stabile JSON-Ausgaben für Koordinaten und Attribute bereitstellt. Generierung strukturierter Ausgaben: Das Modell unterstützt strukturierte Ausgaben für Daten wie Rechnungen, Formulare und Tabellen, was Anwendungen im Finanz- und Handelsbereich zugutekommt.
Hersteller: Alibaba
Folie 37
DEEPSEEK Inside
Folie 38
Cloud and Compute
GPU Hardware
Cloud
Closed Source Models
Tools & Applications
Open Source Models
Sprechernotiz
Wachstum vs. Costen
Folie 39
Wo steht ihr heute – und wo wollt ihr hin?
1
Auf welcher Schicht bewegt ihr euch heute? Auf welcher Schicht wart ihr in eurem letzten Unternehmen?
2
Auf welcher Schicht wollt ihr euch in 12 Monaten bewegen?
3
Was wäre dafür nötig? Technisch, organisatorisch, kompetenzmäßig?
Folie 40
Ihr kennt beide Welten schon
Ihr seid nicht am Anfang – ihr seid bereits mittendrin.
Claude
Zugang zu:
Closed Source
Anthropic
Langdock
Zugang zu:
Open + Closed
ihr entscheidet pro Anfrage
MS Copilot
Zugang zu:
Closed Source
OpenAI + Microsoft
Langdock verbindet beide Welten – DSGVO-konform, modellagnostisch.
Tool Anbieter
Tool Anbieter
Folie 41
3. Einführung Copilot
KI-Ökosystem Tool Anbieter Einführung Copilot Praxis Copilot Recherche und Vorstellung von Tool-Anbietern
Folie 42
Microsoft 365 Copilot
KI, wo du eh schon arbeitest.
WAS
KI-Assistent direkt in Microsoft 365
WO
Word · Excel · PowerPoint Outlook · Teams
WER STECKT DAHINTER
Microsoft (OpenAI & Anthrophic Modelle)
Kein neuer Tab. Die KI kommt dorthin, wo die Arbeit passiert.
Folie 43
Copilot ist nicht gleich Copilot
Wenn jemand „Copilot“ sagt, kann er drei komplett unterschiedliche Dinge meinen.
1
Copilot Chat Der klassische Chatbot
Ohne Zugriff auf Firmendaten. Für schnelle Fragen, Texte, Ideen. Vergleichbar mit Claude.ai oder ChatGPT.
2
Microsoft 365 Copilot Eingebettet in Word, Excel, PowerPoint, Outlook, Teams
Mit Zugriff auf eure Firmendaten – Mails, Dokumente, Kalender. Das, worüber die meisten reden, wenn sie „Copilot“ sagen.
3
Copilot Studio / Agent Builder Baukasten für eigene Agenten
Verbindet Copilot mit Geschäftsprozessen. Für Automatisierung und interne Assistenten. Das, was wir gleich nutzen.
- Claude.ai aus Folientext erkannt
Folie 44
Stärken und Grenzen
Copilot ist ein Tool mit klaren Stärken – und klaren Grenzen.
Stark in…
Integration in den Microsoft-Alltag – E-Mails, Meetings, Excel Zugriff auf eure eigenen Firmendaten (Enterprise-Version) Niedrige Einstiegshürde – wer Word kennt, kennt die Oberfläche DSGVO-konform über Microsoft-Tenant (EU Data Boundary)
Schwächer bei…
Tiefem, kreativem Dialog und längeren Denk-Aufgaben Komplexem Reasoning und schwierigen Analyse-Fragen Flexibilität außerhalb des Microsoft-Ökosystems Kosten pro Nutzer – relevante Lizenzkosten-Dimension
Im Tool-Framework am Nachmittag schärft ihr das selbst – für euren Alltag.
Folie 45
🎬 Eingebettetes Medium im Deck: Onlinemedien 4 (nicht extrahiert)
Folie 46
Live-Demo: Copilot in Aktion
Folie 47
4. Praxis Copilot
KI-Ökosystem Tool Anbieter Einführung Copilot Praxis Copilot Recherche und Vorstellung von Tool-Anbietern
Folie 48
Praxis: Copilot erleben & vergleichen
Sprechernotiz
Kurze Erinnerung an die letzte Einheit; „RPA-Pipeline mit LLM-Call“ (Input → LLM → Mapping → Output) Heute bündeln wir die Schritte in einen Agenten, der versteht, entscheidet und handelt.
Folie 49
Heute drehen wir die Zeit zurück!
Sprechernotiz
Kurze Erinnerung an die letzte Einheit; „RPA-Pipeline mit LLM-Call“ (Input → LLM → Mapping → Output) Heute bündeln wir die Schritte in einen Agenten, der versteht, entscheidet und handelt.
Folie 50
Folie 51
Höhle der Löwen Pitch vorbereiten.
Sprechernotiz
Kurze Erinnerung an die letzte Einheit; „RPA-Pipeline mit LLM-Call“ (Input → LLM → Mapping → Output) Heute bündeln wir die Schritte in einen Agenten, der versteht, entscheidet und handelt.
Folie 52
Das Szenario: Willkommen bei eurem ersten Startup
Ihr gründet ein Startup, das Moosrasen verkauft. Ja, Moosrasen - Rasen aus Moos. Niemand von euch ist Expert:in dafür. Niemand hat einen Wissensvorsprung. Genau das ist der Punkt.
Sprechernotiz
Kurze Erinnerung an die letzte Einheit; „RPA-Pipeline mit LLM-Call“ (Input → LLM → Mapping → Output) Heute bündeln wir die Schritte in einen Agenten, der versteht, entscheidet und handelt.
Folie 53
Das Szenario: Willkommen bei eurem ersten Startup
Heute bereitet Ihr den Pitch den Ihr in der Höhle der Löwen halten werdet, vor. Grundlage dafür ist ein internes Strategie-Meeting sowie erste Zahlen und Fakten die Ihr gesammelt habt. Und ein Pitch-Termin bei „Die Höhle der Löwen", der jetzt näher rückt.
Sprechernotiz
Kurze Erinnerung an die letzte Einheit; „RPA-Pipeline mit LLM-Call“ (Input → LLM → Mapping → Output) Heute bündeln wir die Schritte in einen Agenten, der versteht, entscheidet und handelt.
Folie 54
Das Szenario: Die Aufgabe
Aufgabe: Ladet das Besprechungsprotokoll und die Factsheets in Copilot hoch. Lasst Copilot auf dieser Basis einen Elevator-Pitch entwickeln – nur mit Informationen aus den Dokumenten. Danach hält jeder von euch seinen 60-Sekunden-Pitch für dieses Startup in großer Runde, vor uns allen, als potentielle Investoren für euer Startup.
Sprechernotiz
Kurze Erinnerung an die letzte Einheit; „RPA-Pipeline mit LLM-Call“ (Input → LLM → Mapping → Output) Heute bündeln wir die Schritte in einen Agenten, der versteht, entscheidet und handelt.
Folie 55
Das Szenario: Eure Materialien
Zwei interne Dokumente stehen euch zur Verfügung: 1. Besprechungsprotokoll Strategie-Meeting des Gründungsteams: Zielgruppen, Preismodell, offene Fragen, To-Dos. 2. Factsheets Produkt- und Marktdaten: Pflegeaufwand, Kosten, Marktgröße, Wettbewerb. Wichtig: Beide Dokumente sind nicht perfekt aufbereitet. Nicht alles ist final entschieden, manche Fragen sind bewusst offen. Genau das macht die Übung realistisch.
Sprechernotiz
Der Prompt ist bewusst simpel gehalten. Alle Teilnehmenden geben exakt denselben Text ein. Keine Anpassungen, keine Ergaenzungen. Das ist entscheidend fuer den Vergleich danach.
Folie 56
Das Szenario: Euer Prompt
Ich bereite gerade einen Investoren-Pitch für unser Startup vor. Anbei findest du unser Besprechungsprotokoll und unsere Produkt- & Marktfactsheets. Deine Aufgabe: Extrahiere aus den Dokumenten die stärksten Pitch-Argumente. Entwickle daraus einen 60-Sekunden-Elevator-Pitch für die Sendung „Die Höhle der Löwen". Nutze ausschließlich Informationen, die in den Dokumenten stehen. Erfinde keine neuen Zahlen, Fakten oder Aussagen. Wenn dir für einen überzeugenden Pitch Informationen fehlen, weise explizit darauf hin, was fehlt – anstatt es zu ergänzen. Der Pitch soll verkaufsstark und emotional sein, aber zu 100 % auf den bereitgestellten Dokumenten basieren.
Sprechernotiz
Der Prompt ist bewusst simpel gehalten. Alle Teilnehmenden geben exakt denselben Text ein. Keine Anpassungen, keine Ergaenzungen. Das ist entscheidend fuer den Vergleich danach.
Folie 57
Das Szenario: Der Pitch
Aufgabe: Lest den Text, den Ihr in Copilot erarbeitet habt. Wichtig: Nicht den Text 1zu1 vorlesen Ihr sollt ihn pitchen: In euren eigenen Worten. Auf Basis dessen, was die KI euch geliefert hat. Fragt euch: Was ist mein Produkt? Wer braucht es? Warum jetzt?
Sprechernotiz
Kurze Erinnerung an die letzte Einheit; „RPA-Pipeline mit LLM-Call“ (Input → LLM → Mapping → Output) Heute bündeln wir die Schritte in einen Agenten, der versteht, entscheidet und handelt.
Folie 58
Analyse & Bewertung: Was hat Copilot aus euren Dokumenten gemacht?
Prüft das Ergebnis gegen eure Dokumente: Hat Copilot nur zusammengefasst – oder auch Dinge dazuerfunden, die gar nicht in euren Unterlagen standen? Hat Copilot die offenen Fragen als offen benannt – oder stillschweigend beantwortet? Was hätte ein Tool ohne Dateizugriff (reiner Chat, wie an Tag 3) hier nicht gekonnt? Was bedeutet das für den Umgang mit KI-Ergebnissen im echten Arbeitsalltag?
Sprechernotiz
Kurze Erinnerung an die letzte Einheit; „RPA-Pipeline mit LLM-Call“ (Input → LLM → Mapping → Output) Heute bündeln wir die Schritte in einen Agenten, der versteht, entscheidet und handelt.
Folie 59
4. Recherche und Vorstellung von Tool-Anbieter
KI-Ökosystem Tool Anbieter Einführung Copilot Praxis Copilot Recherche und Vorstellung von Tool-Anbietern
Folie 60
Übung: 4 Tools – 4 Gruppen
Ihr werdet Expert:innen für ein Tool – und lernt anschließend die anderen drei kennen.
OpenAI ChatGPT
Langdock
Claude
Microsoft Copilot
So läuft es ab:
1
Expert:innen-Gruppen – ihr werdet Expert:innen für ein Tool
2
Mix-Gruppen – eine Person pro Tool teilt ihr Wissen
3
Plenum-Sync – Überraschungen und offene Fragen
Folie 61
Eure 4 Leitfragen
Jede Gruppe beantwortet dieselben Fragen – nur für ihr Tool.
1
Identität — Wer steckt dahinter, und was ist die Kern-Idee des Anbieters?
2
Stärken — Wofür ist das Tool besonders gut – wo ist es anderen voraus?
3
Grenzen & Risiken — Was sind Schwächen, Risiken, Einschränkungen? Datenschutz, Abhängigkeiten, Kosten.
4
Persönliche Einordnung — Für wen in welcher Arbeitssituation ist das Tool die erste Wahl?
Folie 62
So wird die Zeit verteilt
55 Minuten – drei Phasen, klare Rollen.
1
25 Min.
Expert:innen-Gruppen
4 Gruppen à 3–4 Personen. Jede Gruppe ein Tool. Ihr beantwortet die 4 Leitfragen so gut es geht.
2
10 Min.
Mix-Gruppen
Neu mischen: Aus jeder Expert:innen-Gruppe eine Person. Je 5 Min. – stellt euer Tool den anderen vor.
3
10 Min.
Plenum-Sync
Kurze Runde: Welches Tool hat euch am meisten überrascht? Offene Fragen klären.
Recherche-Quelle frei wählbar – Web, eure eigenen KI-Tools, alles erlaubt.
Folie 63
Tag 7 – Abschluss
Das nehmen wir mit
Wir verstehen das KI-Ökosystem als Schichtenmodell – und wissen, auf welcher Ebene wir täglich arbeiten Wir haben Microsoft Copilot kennenglerent und getestet. Wir haben die wichtigsten Tool-Anbieter und Lösungen vorgestellt und diskutiert.
KI-Einsatz beginnt nicht mit der Tool-Entscheidung - sie beginnt mit der Frage: Was wollen wir eigentlich erreichen?
2
Folie 64
Ausblick - Tag 8
2
Was ist eine KI-Strategie?
Folie 65
Let‘s Checkout
Jede:r erarbeitet den Check-out und wir besprechen es gemeinsam.
1
https://miro.com/app/board/uXjVGjjun1c=/
- https://miro.com/app/board/uXjVGjjun1c=/ aus Folientext erkannt
Sprechernotiz
https://miro.com/app/board/uXjVGjjun1c=/
Folie 66
Vielen Dank! Tag 7 geschafft!
AI Transformation Institute
25. August 2026
Thorsten Gluitz