Alles zusammenbringen

Was du lernen wirst

Geschätzter Zeitaufwand: 50 Minuten

Am Ende dieser Lektion wirst du in der Lage sein:

Alle vier Dimensionen des 4D Framework zusammen anzuwenden, um einen wiederholbaren, mit KI erweiterten Workflow zu erstellen
Zu erkennen, welche repetitiven Geschäftsaufgaben gute Kandidaten für KI-Automatisierung sind und welche von Menschen geleitet werden sollten
Klare Product-, Process- und Performance Descriptions zu erstellen, um einen KI-gestützten Workflow zu lenken
Creation, Deployment und Transparency Diligence zu planen, wenn Geschäftsprozesse automatisiert werden

(10 Minuten)

Dieses Video bringt alle vier Dimensionen des 4D Framework zusammen, um eine praktische Workflow-Automatisierung für häufige Aufgaben in kleinen Unternehmen zu erstellen.

Wichtigste Erkenntnisse

Beginne mit Problem Awareness: analysiere deine tatsächliche Arbeitslast — was fragen Kunden, und welche Muster wiederholen sich?
**Task Delegation bedeutet zu fragen „sollte KI das tun? "** nicht nur „kann sie es? " — dokumentierte FAQs sind großartige Kandidaten; Beschwerden und Urteilsfindungen bleiben beim Menschen.
Baue mit reichhaltiger Description: definiere, was das System produziert, die Schritt-für-Schritt-Logik und die Ton-, Grenzen- und Verhaltensregeln.
Teste iterativ mit echten Beispielen, um Discernment zu üben — Tests in der realen Welt offenbaren Lücken, die deine Descriptions übersehen.
Praktiziere Diligence: überprüfe Outputs, bevor sie Kunden erreichen, sei ehrlich über die Rolle der KI, und biete einen klaren Weg zu einem Menschen.

Übung

Übung 1: Automatisierungsmöglichkeiten abbilden

Identifiziere, welche repetitiven Aufgaben in deinem Unternehmen gute Kandidaten für KI-Automatisierung sind.

Teil I: Überprüfe deine repetitiven Aufgaben

Denke an deine letzte Arbeitswoche. Liste 5–10 Aufgaben auf, die sich repetitiv oder zeitaufwändig anfühlten — Beantwortung von Kundenanfragen, Aktualisierung von Social Media, Rechnungserstellung, Verfolgung von Leads, Zusammenstellung von Berichten. Notiere für jede Aufgabe:

Wie oft tritt diese Aufgabe auf? (Täglich, wöchentlich, monatlich)
Wie lange dauert sie jedes Mal?
Ist die Antwort oder der Prozess größtenteils standardisiert, oder variiert er erheblich von Fall zu Fall?
Welche Konsequenzen hat es, wenn diese Aufgabe unvollkommen ausgeführt wird?

Teil II: Nach KI-Eignung kategorisieren

Sortiere deine Aufgaben in drei Kategorien:

KI kann das handhaben: standardisierte Antworten, dokumentierte Informationen, klare wiederholbare Prozesse — z. B. Beantwortung von FAQs zu Öffnungszeiten, Rückgaberichtlinie oder Dienstleistungsangeboten.
KI kann unterstützen, Mensch entscheidet: Aufgaben, bei denen KI entwerfen, vorbereiten oder organisieren kann, aber ein Mensch überprüft, bevor etwas versendet wird — z. B. Entwurf personalisierter Follow-up-E-Mails oder Zusammenfassung von Kundenfeedback.
Mensch sollte das handhaben: hochriskante Entscheidungen, emotional sensible Situationen oder komplexe Urteilsfindung — z. B. Beschwerdebeilegung, Vertragsverhandlung oder Umgang mit Servicefehlern.

Teil III: Priorisieren

Wähle eine Aufgabe aus deinen Kategorien „KI kann das handhaben" oder „KI kann unterstützen", die dir die meiste Zeit sparen würde, wenn sie automatisiert wäre. Schreibe einen kurzen Satz darüber, warum diese Aufgabe deine Top-Priorität ist — berücksichtige eingesparte Zeit, Häufigkeit und wie unkompliziert die Automatisierung wäre.

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 eigneten?
Hat das Potenzial für Fehler deine Kategorisierung beeinflusst? Wie?

Übung 2: Deine Automatisierungs-Description erstellen

Beschreibe ein Automatisierungssystem mit den drei Arten von Description aus dem 4D Framework.

Teil I: Definiere dein Product

Schreibe für die Aufgabe, die du in Übung 1 priorisiert hast, eine klare Beschreibung in 2–3 Sätzen:

Was ist das Endergebnis, das du möchtest? (z. B. „Ein Entwurf einer E-Mail-Antwort auf häufige Kundenfragen zu unseren Dienstleistungen. ")
Welche Eingaben wird das System erhalten? (z. B. eingehende E-Mails, ein Kundenanfrageformular, eine Liste von FAQs)
Welche Ausgaben sollte es produzieren? (z. B. eine kategorisierte E-Mail mit Antwortentwurf, ein gekennzeichnetes Element zur Überprüfung durch Menschen)

Teil II: Definiere deinen Process

Skizziere die Schritt-für-Schritt-Logik — wie Anweisungen für einen sehr fähigen, aber sehr wörtlichen neuen Mitarbeiter:

Was sollte das System zuerst tun, wenn es eine Eingabe erhält?
Welche Entscheidungspunkte gibt es? (z. B. „Wenn die Frage zur Preisgestaltung ist, verwende die beigefügte Preisliste. Wenn es sich um eine benutzerdefinierte Anfrage handelt, kennzeichne zur Überprüfung durch Menschen. ")
Wann sollte es an einen Menschen eskalieren?
Welche Informationen oder Dokumente benötigt es Zugriff auf? (z. B. deine FAQ-Seite, Preisliste, Kündigungsrichtlinie)

Teil III: Definiere die Performance

Definiere, wie sich das System verhalten sollte:

Welchen Ton sollte es verwenden? (freundlich und professionell, locker und warm, formal und prägnant)
Wie sollte es mit Unsicherheit umgehen? (z. B. „Wenn du dir nicht sicher bist, sag es und kennzeichne zur Überprüfung — rate niemals. ")
Was sollte es niemals tun? (z. B. „Versprich niemals eine bestimmte Terminzeit. Teile niemals Informationen eines anderen Kunden. Biete niemals einen Rabatt ohne Genehmigung an. ")
Wie sollte es die Anfrage der Person anerkennen, bevor es antwortet?

Teil IV: Mit echten Beispielen testen

Teile deine drei Descriptions mit einem KI-Tool zusammen mit 3–5 echten Beispielen aus deinem Unternehmen (frühere Kunden-E-Mails, Anfragen usw. ). Bewerte die Outputs:

Hat es korrekt kategorisiert?
Sind die Antworten genau und angemessen im Ton?
Hat es Informationen erfunden, die es tatsächlich nicht hatte?
Welche Anpassungen benötigen deine Descriptions basierend auf dem, was du beobachtet hast?

Iteration ist normal und zu erwarten — plane mindestens 2–3 Verfeinerungsrunden ein, bevor sich das System zuverlässig anfühlt.

Übung 3: Planung für Diligence

Denke über die Verantwortungs- und Sicherheitsaspekte deiner Automatisierung nach, bevor du sie einsetzt.

Teil I: Creation Diligence

Antworte ehrlich auf deine geplante Automatisierung:

Warum ist diese spezifische Aufgabe für KI geeignet? Welche Merkmale machen sie zu einer guten Wahl?
Was könnte schiefgehen? Liste mindestens drei potenzielle Fehlermodi auf (z. B. KI gibt falsche Preise an, antwortet auf eine Beschwerde mit einer Vorlageantwort, teilt Informationen, die für einen anderen Kunden bestimmt sind). Wie würdest du das jeweils erkennen? Welche Sicherheitsmaßnahme kannst du einbauen?
Welche reale Auswirkung hätte es auf deine Kunden oder dein Unternehmen, wenn KI bei dieser Aufgabe einen Fehler macht?

Teil II: Deployment Diligence

Plane deinen Überprüfungsprozess:

Wirst du jeden Output überprüfen, bevor er zum Kunden geht, oder periodisch Stichproben machen? Warum?
Wenn du anfangs alles überprüfst, an welchem Punkt würdest du dich wohlfühlen, die Überwachung zu reduzieren? Welche Belege würdest du benötigen?
Wie wirst du Probleme im Laufe der Zeit überwachen? (wöchentliche Stichproben, Verfolgung von Kundenfeedback, Fehlerprotokolle)
Welche spezifischen Auslöser würden dich veranlassen, die Automatisierung zu pausieren oder ganz abzuschalten?

Teil III: Transparency Diligence

Entscheide dich für deinen Transparenzansatz:

Wer muss wissen, dass KI beteiligt ist? Berücksichtige Kunden, Mitarbeiter und Geschäftspartner.
Wie wirst du die Rolle der KI offenlegen? Schreibe die tatsächliche Sprache, die du verwenden würdest (z. B. eine Fußnote in E-Mails, ein Hinweis auf deiner Website, eine Erwähnung in deinen Nutzungsbedingungen).
Welche Optionen wirst du anbieten, wenn jemand mit einer echten Person sprechen möchte?
Hat deine Branche oder deine lokale Gerichtsbarkeit spezifische Anforderungen bezüglich KI-Offenlegung? Wenn du dir nicht sicher bist, lohnt es sich, dies vor der Bereitstellung zu recherchieren.

Alles zusammenbringen: Schreibe eine kurze „Automation Readiness Statement" — 3–5 Sätze, die zusammenfassen, was du automatisierst, warum es angemessen ist, welche Sicherheitsmaßnahmen du hast und wie du transparent darüber sein wirst. Dies kann als Referenzdokument für dich und jeden anderen in deinem Team dienen.

Lektion-Reflexion

Wie hat die Verwendung aller vier Dimensionen zusammen deinen Ansatz im Vergleich zu früheren Lektionen verändert?
War es einfacher oder schwieriger als erwartet, eine Automatisierung präzise genug zu beschreiben, damit KI sie ausführen kann?
Nach den Description- und Diligence-Übungen, ist deine Aufgabe aus Übung 1 immer noch die richtige zum Automatisieren zuerst?
Wie hat sich dein Denken über Effizienz versus persönliche Kundenbeziehungen entwickelt?

Was kommt als nächstes

In der nächsten Lektion werden wir Strategien zur durchdachten und nachhaltigen Integration von KI in dein Unternehmen diskutieren — einschließlich wie du eine KI-Nutzungsrichtlinie für dein Team erstellst und wie du Bedenken bezüglich KI-Abhängigkeit managst.

Feedback

Während du den Kurs durcharbeitest, würden wir gerne von dir hören, wie du Konzepte aus dem Kurs in deiner Arbeit nutzt, sowie jedes Feedback, das du haben könntest. Teile dein Feedback hier.

Danksagungen und Lizenz

Copyright 2026 Anthropic. Dieser Kurs wurde in Partnerschaft mit PayPal, Prospect Butcher und MAKS Enterprises TIPM Rebuilders entwickelt und basiert 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.