KI verstehen
und anwenden
Neugier wecken. Hemmschwelle senken.
Anregen.
Kapitel 1
Stand der KI
Was ist möglich, was nicht — und warum das wichtig ist
Wie lernt eine KI?
Klassisch
«wenn Fell + 4 Beine + bellt = Hund»
Machine Learning
10 Mio. Hundebilder → Modell lernt selbst
Neuronale Netze
Jede Schicht erkennt abstraktere Muster — das ist das «Lernen»
Die orangen Verbindungen zeigen den stärksten Signalpfad. Training passt die Gewichte laufend an.
LLMs: Nächstes Wort vorhersagen
«Der Kunde möchte sein Unternehmen »
Reasoning: Denken auf Papier
Im Kopf
847 × 293
?
Unsicher, fehleranfällig
vs.
Auf Papier
847 × 293
847 × 3 = 2'541
847 × 90 = 76'230
847 × 200 = 169'400
= 248'171
Zwischenschritte erhöhen Qualität
Reasoning-Modelle machen interne Denkschritte — das Ergebnis sieht aus wie Denken,
ist aber immer noch Vorhersage, nicht Wahrheit.
Was wurde wann möglich?
2020
Texte generieren
unzuverlässig
2022
Erster Assistent
E-Mails, Fragen
2023
Lange Dokumente
produktive Nutzung
2024
Bilder verstehen
100k+ Tokens
2026
Agenten
selbstständig handeln
Stärken
Rund um die Uhr, ohne Ermüdung, ohne schlechte Laune.
Grenzen
Halluziniert
Erfindet Fakten — klingt dabei immer überzeugend
Kein Urteilsvermögen
Weiss nicht was wichtig ist, nur was wahrscheinlich
Kein Echtzeit-Wissen
Weiss nur was im Training war (ausser mit Tools)
Kennt SOLVER nicht
Keine Kunden, keine Prozesse — ausser man gibt es rein
Kapitel 2
Konzepte
Die Bausteine — vom Einfachen zum Komplexen
Kontext / Memory
Was die KI in diesem Gespräch weiss
Neustart — KI weiss nichts
Langes Gespräch
Analysiere den Jahresabschluss...
Die Kernkennzahlen zeigen...
Prüfe die Risiken aus Käufersicht...
Die Bewertungsmethode DCF...
Fasse die Kernaussagen zusammen
Aktuelle Nachricht...
Überlauf — Anfang geht verloren
Skill / System Prompt
Wiederverwendbare Anweisungen — einmal definieren, immer verfügbar
Chat + Skill aktiv
M&A-Analyst
Analysiere den Term Sheet...
1. Executive Summary
2. Kennzahlen
3. Risiken
4. Empfehlung
«Das Briefing-Dokument am ersten Tag — für die KI, bei jedem Gespräch.»
Tool
Was die KI tun kann
Skill = wie die KI denkt. Tool = was die KI tun kann.
Artefakt
Das Lieferobjekt — Output wird zu Input
«Checkliste erstellen → Bibliothek → 3 Wochen später bei neuem Mandat laden und anpassen.»
Agent
KI die selbstständig handelt
Manuell
Schritt 1
Schritt 2
Schritt 3
Du steuerst jeden Schritt
vs.
Agent
Wahrnehmen
Entscheiden
Handeln
Prüfen
KI steuert sich selbst
Agent Harness
Die Umgebung die alles zusammenhält
Harness
+
Tools
Berechtigungen
Logging
«Der Agent ist der Berater. Das Harness ist das Büro — mit Schlüsselkarte.»
MCP
Model Context Protocol — USB für KI-Tools
Ohne Standard
Mit MCP
RAG & Knowledge Graph
Internes Wissen für die KI zugänglich machen
RAG
Frage stellen
↓
Suche in Dokumenten
↓
KI antwortet daraus
«Die richtigen Akten
auf den Tisch legen»
Knowledge Graph
«Das Beziehungsnetz
verstehen»
Kapitel 3
Risiken
Beherrschbar — mit den richtigen Grundregeln
Datenschutz
Nicht nur wo die Daten landen — sondern ob man sie weitergeben darf
Ebene 1 — Tool-Sicherheit
Consumer
Daten können für
Training genutzt werden
Enterprise
Kein Training,
Vertrag, Audit-Logs
Ebene 2 — Einwilligung
Hat der Kunde zugestimmt?
Berufsgeheimnispflicht beachten
Hybrid-Ansatz
Nicht ein Tool für alles — die richtige Stufe für die richtige Aufgabe
1
Generische AI für komplexe Aufgaben
Coding, Recherche, Brainstorming — keine Kundendaten!
Top-Cloud
2
Kundendaten über EU-Anbieter
DSGVO-konform, Audit-Logs, Zugriffskontrolle
EU-Cloud
3
Hochsensibel, nicht sehr komplex → lokal
Open-Source-Modelle, eigene Hardware — Daten verlassen das Gebäude nie
NVIDIA Nemotron 3 Super
Lokal
Idee: Modelle kombinieren
Anonymisierung mit lokalem Modell vorschalten — dann Top-Cloud für die eigentliche Aufgabe nutzen
Lokal
anonymisieren
Cloud
verarbeiten
Output ≠ Wahrheit
Die KI weiss nicht — sie sagt voraus
KI-Antwort
«Gemäss Art. 47 Abs. 3 OR ist der Verkäufer verpflichtet, die Gewährleistungsfrist auf 24 Monate zu erstrecken, sofern...»
Klingt überzeugend. Ton: selbstsicher.
99% sicher
«Der brillante Praktikant — alles gelesen, nie gearbeitet. Kluge Ideen, braucht Aufsicht.»
Prompt Injection
Versteckte Anweisungen in Dokumenten
Kapitel 4
Arbeitsweisen
Vom Prompt zum Ergebnis — die richtigen Gewohnheiten
Kontextfenster & Memory Files
Kontext geht verloren — Memory Files speichern das Wichtige
Das Problem
Früherer Kontext verblasst
Die Lösung
Memory File
Entscheide
Kontext
Zwischenergebnisse
Nächste Schritte
Mit Rollen arbeiten
Rollen formen den Output — und werden zu wiederverwendbaren Skills
Rolle geben
Perspektive setzen vor der Aufgabe
«Du bist ein erfahrener M&A-Anwalt. Prüfe diesen Term Sheet auf Risiken.»
Rolle reviewen lassen
Output aus anderer Perspektive prüfen
«Reviewe das als skeptischer Käufer der Schwächen sucht.»
Rolle → Skill
Einmal definieren, immer nutzen
«Statt jedes Mal tippen — die Rolle als Skill codieren.»
Kontext aufbauen
Die Qualität des Outputs ist proportional zur Qualität des Kontexts davor
Schnell
«Schreib mir eine Bewertungszusammenfassung für Müller AG.»
1
«Analysiere diese Finanzkennzahlen. Was fällt dir auf?»
2
«Welche Werttreiber sind für diese Branche typisch?»
3
«Welche Risiken würde ein Käufer zuerst ansprechen?»
4
«Jetzt schreib die Bewertungszusammenfassung.»
KI zum Denken anregen:
«Verstehst du die Aufgabe?»
«Hast du Fragen?»
«Fehlen Informationen?»
Best Practices
Vier Gewohnheiten die sofort bessere Ergebnisse liefern
Format vorgeben
Explizit sagen was man will — die KI rät sonst
Stichpunkte
Max. 5 Sätze
Als Tabelle
Iterieren statt perfektionieren
Ersten Output verfeinern, nicht wegwerfen
Kürzer
Formeller
Fokus auf Punkt 2
Als Skill speichern
Guter Prompt? Einmal definieren, immer verfügbar
→ Persönliche & firmenweite Skill-Bibliothek
Meta-Prompting
Die KI den eigenen Prompt verbessern lassen
«Wie könnte ich diese Frage besser formulieren?»
KI verstehen und anwenden