Hinweis zu dieser Ausgabe
Dieser Beitrag basiert auf der ersten Ausgabe unseres Newsletters KI to go vom Dezember 2025. Die beschriebenen Produktstände und Verfügbarkeiten beziehen sich auf den damaligen Zeitpunkt.
Ende 2025 entwickelten sich KI Werkzeuge zunehmend von einzelnen Chat Anwendungen zu integrierten Arbeitsumgebungen.
OpenAI brachte ChatGPT mit Atlas direkt in einen eigenen Browser. Google stellte mit Gemini 3 eine neue Modellgeneration für komplexe und multimodale Aufgaben vor. GPT 5.1 sollte mehrstufige Anweisungen zuverlässiger bearbeiten und liess sich stärker an persönliche Kommunikationspräferenzen anpassen.
Gleichzeitig wurde deutlich, dass bessere Ergebnisse nicht allein durch längere Prompts entstehen. Entscheidend ist zunehmend, welche Informationen, Regeln und Beispiele ein KI System als Kontext erhält.
Mit ChatGPT Atlas stellte OpenAI einen Browser vor, bei dem ChatGPT direkt in die Nutzung des Webs integriert ist. Inhalte konnten im Browser zusammengefasst, verglichen und weiterverarbeitet werden, ohne ständig zwischen verschiedenen Anwendungen wechseln zu müssen.
ChatGPT war nicht mehr nur eine separate Anwendung, sondern konnte direkt beim Recherchieren und Arbeiten auf Webseiten unterstützen. Dazu gehörten beispielsweise Zusammenfassungen, Vergleiche, Suchaufgaben und kontextbezogene Unterstützung auf der jeweils geöffneten Seite.
Viele wiederkehrende Aufgaben beginnen im Browser. Dazu gehören Recherchen, das Prüfen von Informationen, das Zusammenfassen von Dokumenten oder die Vorbereitung von E Mails und internen Unterlagen.
Wenn KI direkt in dieser Arbeitsumgebung verfügbar ist, fallen einzelne manuelle Zwischenschritte weg. Der eigentliche Mehrwert entsteht jedoch erst, wenn Teams klar definieren, für welche Prozesse sie das Werkzeug einsetzen möchten.
Wähle ein kleines Team und teste Atlas während zwei Wochen mit drei wiederkehrenden Arbeitsabläufen:
Vergleiche anschliessend die Bearbeitungszeit, die Ergebnisqualität und die Anzahl notwendiger Korrekturen mit dem bisherigen Vorgehen.
Google veröffentlichte mit Gemini 3 eine neue Generation seiner KI Modelle. Gemini 3 Pro wurde insbesondere für anspruchsvolle Schlussfolgerungen, multimodale Inhalte und die Nutzung von Werkzeugen weiterentwickelt.
Das Modell konnte Informationen aus Texten, Bildern, Audio und Video gemeinsam verarbeiten. Für Unternehmen war dies besonders interessant, wenn bereits mit Google Produkten oder der Google Cloud gearbeitet wurde.
Viele geschäftliche Aufgaben bestehen nicht nur aus Text. Ein Supportfall kann beispielsweise E Mails, Screenshots und Dokumente enthalten. Eine Analyse kann Tabellen, Präsentationen und schriftliche Kommentare miteinander verbinden.
Multimodale Modelle können solche Informationen gemeinsam betrachten und dadurch komplexere Aufgaben in einem zusammenhängenden Prozess bearbeiten.
Wähle einen konkreten Business Case, der heute mehrere Arbeitsschritte oder Medienformate umfasst. Geeignet sind beispielsweise:
Dokumentiere, welche Informationen das Modell korrekt verarbeitet, wo weiterhin menschliche Prüfung notwendig ist und ob sich der Gesamtaufwand reduziert.
OpenAI positionierte GPT 5.1 als eine intelligentere und stärker konversationsorientierte Weiterentwicklung der GPT 5 Modellreihe.
Das Modell sollte komplexen, mehrstufigen Anweisungen zuverlässiger folgen und seine Denktiefe besser an die jeweilige Aufgabe anpassen. Gleichzeitig wurden zusätzliche Möglichkeiten eingeführt, um Tonalität und Antwortstil persönlicher einzustellen.
Bei längeren Prompts mit mehreren Arbeitsschritten gingen zuvor häufig einzelne Teilaufgaben verloren. Das führte zu zusätzlichen Korrekturrunden oder dazu, dass komplexe Aufgaben in mehrere separate Anfragen zerlegt werden mussten.
Eine zuverlässigere Verarbeitung mehrerer Schritte macht KI besonders für wiederkehrende Geschäftsprozesse interessanter. Dazu gehören Berichte, strukturierte Analysen, Content Prozesse oder vorbereitende administrative Aufgaben.
Nimm einen bestehenden Prompt mit vier bis sechs Schritten, der bisher nicht konstant funktioniert hat. Teste ihn ohne weitere Anpassung mit dem neuen Modell und vergleiche:
Nano Banana Pro war zum Zeitpunkt der Ausgabe Googles fortschrittliches Modell für die Erstellung und Bearbeitung von Bildern.
Bilder konnten mit Textanweisungen gezielt verändert werden. Dazu gehörten das Entfernen oder Ergänzen von Objekten, die Anpassung einzelner Details, der Austausch von Hintergründen und die Kombination mehrerer Bilder zu einem neuen Motiv.
Besonders interessant war das Modell für Marketing, Kommunikation und Human Resources.
Teams konnten Varianten eines Kampagnenmotivs erstellen, Produktbilder in unterschiedlichen Umgebungen testen oder bestehende Bilder stärker an die eigene Marke anpassen. Dadurch liessen sich Ideen schneller visualisieren, bevor Zeit und Budget in eine vollständige Produktion investiert wurden.
Das ersetzt nicht automatisch professionelle Fotografie oder Gestaltung. Es ermöglicht jedoch, Konzepte schneller zu prüfen und verschiedene Richtungen sichtbar zu machen.
Lege fest, welche Personen Bilder erstellen und bearbeiten dürfen. Für Unternehmen empfiehlt sich ein zentral verwalteter Zugang mit klaren Zuständigkeiten für Erstellung, Prüfung und Freigabe.
Speichere die wichtigsten gestalterischen Vorgaben als wiederverwendbares Profil. Dazu gehören:
Je klarer dieser Kontext formuliert ist, desto konsistenter können neue Bildvarianten erstellt werden.
Halte bei final verwendeten Bildern zumindest den verwendeten Prompt, den vorgesehenen Kanal und den internen Freigabestatus fest.
Prüfe ausserdem, welche Daten und Bilder in das jeweilige Werkzeug hochgeladen werden dürfen. Sensible Kundeninformationen, interne Dokumente oder nicht freigegebene Personenbilder sollten nicht ohne klare interne Regeln verwendet werden.
Spezialisierte Bildmodelle senken die Hürde, neue Ideen auszuprobieren. Teams können mehrere Varianten erstellen, ohne für jeden Entwurf einen vollständigen Produktionsprozess zu starten.
Dadurch werden Kampagnenideen früher sichtbar. Gleichzeitig entstehen mit der Zeit interne Vorlagen und bewährte Prompts, die von mehreren Personen genutzt werden können.
Viele Teams versuchen, schwankende Ergebnisse durch immer längere Prompts zu korrigieren. Das funktioniert nur begrenzt.
Wenn Rolle, Tonalität, Regeln und Ausgabeformat bei jeder Anfrage neu beschrieben werden, entstehen leicht unterschiedliche Ergebnisse. Ausserdem werden Prompts unnötig komplex.
Die bessere Lösung ist ein stabiles Kontextprofil für jeden wiederkehrenden Prozess.
Rolle und Ton
Definiere, aus welcher Perspektive die KI arbeitet und wie sie kommunizieren soll.
Beispiel
Wir sind ein Schweizer KMU aus der Branche [Branche]. Wir schreiben klar, sachlich und höflich für Geschäftskunden. Wir verwenden Schweizer Rechtschreibung.
Regeln
Halte fest, welche Informationen verwendet werden dürfen und welche Grenzen gelten.
Beispiel
Keine Personendaten verwenden. Keine internen Preise oder Nummern nennen. Bei fachlichen Aussagen Quellen angeben. Unsichere Informationen deutlich kennzeichnen.
Gute und schlechte Beispiele
Zeige der KI drei bis fünf Antworten, die dem gewünschten Ergebnis entsprechen. Ergänze ein oder zwei Beispiele, die bewusst nicht dem gewünschten Stil entsprechen.
Konkrete Beispiele vermitteln Ton und Qualitätsniveau oft besser als abstrakte Beschreibungen.
Format
Definiere eine feste Struktur für die Ausgabe.
Beispiel
Ein Titel, drei kurze Absätze und eine klare Handlungsaufforderung.
Unternehmen
[Branche, Zielkunden, Angebot und wichtigste Differenzierung]
Aufgabe
[Beschreibung des wiederkehrenden Prozesses]
Ton
Klar, sachlich, freundlich und professionell. Schweizer Rechtschreibung. Direkte Ansprache mit du.
Regeln
Keine Personendaten. Keine internen Preise. Unsichere Aussagen kennzeichnen. Fachliche Behauptungen nach Möglichkeit mit Quellen belegen.
Format
[Gewünschte Struktur, Länge und Reihenfolge]
Gutes Beispiel
[Beispiel für einen passenden Output]
Schlechtes Beispiel
[Beispiel für einen unpassenden Output mit kurzer Begründung]
Ein solches Profil reduziert wiederholte Erklärungen und erhöht die Wahrscheinlichkeit, dass Ergebnisse über verschiedene Anfragen hinweg konsistent bleiben.
Wenn mehrere Personen mit Bildmodellen und KI gestützten Layout Werkzeugen arbeiten, kann der visuelle Auftritt schnell uneinheitlich werden.
Ein wiederverwendbares Style Profil bündelt die wichtigsten gestalterischen Vorgaben und kann bei jeder neuen Anfrage als Kontext verwendet werden.
Brandfarben
Primärfarbe [Farbwert]
Sekundärfarbe [Farbwert]
Typografie
[Primäre und sekundäre Schrift]
Bildstil
Hell, freundlich, hochwertig und realistisch. Natürliche Situationen statt inszenierter Stock Motive.
Komposition
Etwa 60 Prozent Motiv und 40 Prozent freie Fläche für Text. Genügend Platz für das Logo oben rechts.
Motive
[Personen, Produkte, Räume oder Situationen, die zur Marke passen]
Ausschlüsse
[Farben, Stile, Posen oder visuelle Elemente, die nicht verwendet werden sollen]
Prüfung
Nur freigegebene Ausgangsbilder und Assets verwenden. Rechte und Nutzungsbedingungen vor der Veröffentlichung prüfen. Den Einsatz generierter Inhalte gemäss den internen Richtlinien dokumentieren.
Ein solches Style Profil erleichtert Freigaben, reduziert unnötige Iterationen und sorgt für einen konsistenteren Markenauftritt.
KI Modelle sind häufig darauf ausgerichtet, hilfreich und zustimmend zu reagieren. Dadurch werden problematische Annahmen oder unklare Aussagen nicht immer ausreichend hinterfragt.
Mit einer kurzen Anweisung kannst du ChatGPT stärker als kritischen Sparringspartner einsetzen.
Du bist ein kritischer Sparringspartner. Prüfe Aussagen, hinterfrage Annahmen und weise auf fehlende Informationen hin. Stelle bei relevanten Unklarheiten kurze Rückfragen. Sei skeptisch, aber respektvoll. Gib nach Möglichkeit verlässliche Quellen an. Ich liege nicht immer richtig und du auch nicht. Unser gemeinsames Ziel ist maximale Genauigkeit. Wenn du widersprichst, begründe es kurz und schlage eine bessere Alternative vor.
Diese Anweisung kann in den persönlichen Einstellungen von ChatGPT oder als Teil eines zentralen Kontextprofils für ein Team hinterlegt werden.
Die erste Ausgabe von KI to go zeigte bereits eine Entwicklung, die sich seither weiter verstärkt hat: KI wird immer stärker in bestehende Arbeitsumgebungen integriert.
Neue Modelle und Werkzeuge sind dabei nur ein Teil der Veränderung. Entscheidend ist, wie Unternehmen sie einsetzen. Klare Anwendungsfälle, guter Kontext, feste Regeln und strukturierte Tests sind meist wertvoller als möglichst komplexe Prompts.
Wer mit kleinen, messbaren Anwendungsfällen beginnt und erfolgreiche Vorgehensweisen dokumentiert, kann KI schrittweise von einem Experiment zu einem verlässlichen Arbeitswerkzeug entwickeln.
