Workflow-Automatisierung

Was du lernen wirst

Geschätzte Zeit: 40 Minuten

Am Ende dieser Lektion wirst du in der Lage sein:

Alle vier Dimensionen des 4D Framework zusammen anzuwenden, um ein wiederholbares Verfahren mit AI zu erstellen

(6 Minuten)

Dieses Video bringt alle vier Dimensionen des 4D Framework zusammen, um eine praktische Workflow-Automatisierung zu erstellen. Du wirst Emily folgen, eine Entwicklungskoordinatorin, die sich auf das jährliche Gala ihrer Organisation vorbereitet, während sie ein AI-gestütztes E-Mail-Antwortsystem einrichtet. Das Video zeigt, wie man Aufgaben danach kategorisiert, was AI übernehmen sollte und was menschliche Aufmerksamkeit benötigt, wie man das Verhalten des Systems präzise beschreibt, und wie man Diligence durch Tests und Transparenz aufrechterhält.

Wichtigste Erkenntnisse

Beginne mit Problem Awareness : Bevor du AI-Tools anfasst, analysiere deine tatsächliche Arbeitslast. Was fragen die Leute? Welche Muster entstehen? Erstelle eine spezifische Liste, bevor du entscheidest, was automatisiert werden soll
**Task Delegation bedeutet zu fragen „sollte AI das tun? " nicht nur „kann AI das tun? "** : Einige Aufgaben (wie das Beantworten dokumentierter Fragen) sind gute Kandidaten für Automatisierung. Andere (wie der Umgang mit Beschwerden oder hochriskanten Anfragen) sollten bei Menschen bleiben
Iterativ mit echten Beispielen testen : Verwende tatsächliche E-Mails, die du erhalten hast, um das System zu testen. Du wirst Lücken in deinen Beschreibungen entdecken, die verfeinert werden müssen – das ist normal und notwendig
Übe alle drei Arten von Diligence : Creation Diligence bedeutet, bewusst zu entscheiden, was du automatisierst. Deployment Diligence bedeutet, Ausgaben zu überprüfen, bevor sie rausgehen (besonders am Anfang). Transparency Diligence bedeutet, ehrlich über AIs Rolle zu sein, besonders wenn etwas schiefgeht

Übung 1: Deine Automatisierungsmöglichkeiten abbilden

Diese Übung hilft dir, wiederholte Aufgaben in deiner Arbeit zu identifizieren, die gute Kandidaten für AI-Automatisierung sind.

Teil I: Überprüfe deine wiederholten Aufgaben

Denke an deine Arbeit der letzten Woche. Liste 5-10 Aufgaben auf, die sich wiederholend oder zeitaufwändig anfühlten. Notiere für jede Aufgabe:

Wie oft kommt das vor? (Täglich, wöchentlich, monatlich)
Wie lange dauert es jedes Mal?
Ist die Antwort/der Prozess größtenteils standardisiert, oder variiert er erheblich?

Teil II: Nach AI-Eignung kategorisieren

Sortiere deine Aufgaben in drei Kategorien:

AI kann das übernehmen : Standardisierte Antworten, dokumentierte Informationen, klare Prozesse
AI kann unterstützen, Mensch entscheidet : Aufgaben, bei denen AI einen Entwurf erstellen oder vorbereiten kann, aber du überprüfst vor der Aktion
Mensch sollte das übernehmen : Hochriskante Entscheidungen, emotionale Situationen, komplexe Urteile

Teil III: Priorisieren

Wähle eine Aufgabe aus deinen Kategorien „AI kann das übernehmen" oder „AI kann unterstützen", die dir die meiste Zeit sparen würde. Das wird dein Automatisierungskandidat.

Reflexion:

Welche Kriterien haben dir geholfen zu entscheiden, in welche Kategorie jede Aufgabe gehört?
Warst du überrascht, wie viele (oder wie wenige) Aufgaben sich für Automatisierung geeignet anfühlten?

Übung 2: Deine Automatisierungsbeschreibung erstellen

Diese Übung führt dich durch die Beschreibung eines Automatisierungssystems mit den drei Arten von Description.

Teil I: Definiere dein Produkt

Schreibe für die Aufgabe, die du in Übung 1 identifiziert hast, eine klare Product Description:

Was ist das Endergebnis, das du möchtest?
Welche Eingaben wird das System erhalten?
Welche Ausgaben sollte es produzieren?

Teil II: Definiere deinen Prozess

Schreibe eine Process Description, die die Schritte skizziert:

Was sollte das System zuerst tun?
Welche Entscheidungspunkte gibt es?
Wann sollte es an einen Menschen eskalieren?
Welche Informationen benötigt es Zugriff auf?

Teil III: Definiere die Leistung

Schreibe eine Performance Description, die das Verhalten definiert:

Welchen Ton sollte es verwenden?
Wie sollte es mit Unsicherheit umgehen?
Was sollte es niemals tun?
Wie sollte es die Anfrage der Person bestätigen?

Teil IV: Mit echten Beispielen testen

Teile deine Beschreibungen mit AI zusammen mit 3-5 echten Beispielen aus deiner Arbeit. Bewerte die Ausgaben:

Hat es richtig kategorisiert?
Sind die Antworten genau und angemessen?
Welche Anpassungen benötigen deine Beschreibungen?

Übung 3: Planung für Diligence (Stretch-Ziel)

Diese Übung hilft dir, die Verantwortungsaspekte deiner Automatisierung zu durchdenken.

Teil I: Creation Diligence

Beantworte diese Fragen zu deiner geplanten Automatisierung:

Warum ist diese Aufgabe angemessen für AI, um sie zu übernehmen?
Was könnte schiefgehen, und wie würdest du es erkennen?
Welche Auswirkungen hat es, wenn AI einen Fehler macht?

Teil II: Deployment Diligence

Plane deinen Überprüfungsprozess:

Wirst du jede Ausgabe überprüfen, oder stichprobenartig regelmäßig?
Wie wirst du im Laufe der Zeit auf Probleme überwachen?
Welche Auslöser würden dich veranlassen, die Automatisierung zu pausieren?

Teil III: Transparency Diligence

Entscheide dich für deinen Transparenzansatz:

Wer muss wissen, dass AI beteiligt ist?
Wie wirst du AIs Rolle offenlegen?
Welche Folgemaßnahmen wirst du anbieten, wenn jemand menschliche Aufmerksamkeit möchte?

Lektion-Reflexion

Wie hat die Verwendung aller vier Dimensionen des 4D Framework zusammen deine Herangehensweise an diese Automatisierungsaufgabe verändert?
Was überraschte dich am Prozess, ein Automatisierungssystem präzise genug zu beschreiben, damit AI es ausführen kann?

Was kommt als Nächstes

In der nächsten Lektion werden wir Strategien diskutieren, um AI durchdacht und nachhaltig in deine Organisation zu integrieren – von der Behandlung von Bedenken bezüglich AI-Abhängigkeit bis zur Erstellung einer AI-Richtlinie, die deine Werte widerspiegelt.

Feedback

Während du den Kurs durcharbeitest, würden wir gerne von dir hören, wie du Konzepte aus dem Kurs in deiner Arbeit verwendest und welches Feedback du möglicherweise hast. Teile dein Feedback hier.

Danksagungen und Lizenz

Copyright 2025 Anthropic und Giving Tuesday. Basierend auf dem AI Fluency Framework, das von Prof. Rick Dakan (Ringling College of Art and Design) und Prof. Joseph Feller (University College Cork) entwickelt wurde. Veröffentlicht unter der CC BY-NC-SA 4. 0 Lizenz.