In den meisten Unternehmen hängt KI in der IT fest. Ein paar Leute probieren etwas aus, der Rest lässt Mails umschreiben. Das ist kein Fehler, das ist nur der Anfang. Der Sprung passiert erst, wenn KI die eigenen Daten und die eigenen Aufgaben kennt.
NCA Inhouse Workshop
KI Schulung für die ganze Belegschaft, an einem Tag im Unternehmen
Die drei Gründe, warum KI im Unternehmen stecken bleibt, stehen weiter unten in diesem Artikel: kein klares Ziel, kein Zugriff auf eigene Daten, keine Regeln. Der NCA KI Workshop für die Belegschaft geht genau diese drei Punkte an, an einem Tag, bei euch vor Ort, mit euren echten Aufgaben statt mit Beispieldaten.
Am Vormittag zeige ich live, wie wir bei Never Code Alone mit KI arbeiten: Content Marketing, das direkt in unser CMS schreibt, ein selbst gebautes Tool für Social Media, ein Research Bericht, der morgens fertig auf dem Tisch liegt. Am Nachmittag bauen wir gemeinsam ein Tool für die Aufgabe, die bei euch jede Woche wiederkommt. Kein Folienvortrag, sondern zwei Live Demos und Live Coding, für alle sichtbar auf der Leinwand.
Was ihr aus dem Tag mitnehmt:
- Ein Ziel statt Herumprobieren. Wir suchen im Raum die Aufgaben, die wirklich nerven, und schätzen vorher ab, wie viel Arbeit davon realistisch wegfällt.
- KI, die eure Daten kennt. Ihr seht live, wie eine KI über MCP an vorhandene Systeme angebunden wird, an Dateien, Aufgaben und ein CMS, ohne dass etwas neu gebaut werden muss.
- Regeln, die im Team halten. Leitplanken für das, was rausgeht, für Freigaben und für Korrekturen, die beim nächsten Mal von allein gelten.
- Datenschutz ohne Abo Zwang. Gearbeitet wird mit kostenlosen Modellen und mit Ollama im eigenen Haus, damit sensible Inhalte nicht bei einem US Anbieter landen.
- Kein Vorwissen nötig. Niemand muss programmieren können, niemand braucht einen eigenen Rechner, es wird nichts vorab installiert.
- Ein erster Schritt pro Person. Am Ende nennt jeder im Raum eine konkrete Sache, die er ab Montag anders macht.
Der Tag kostet pauschal 2.500 Euro netto, Reisekosten separat. Vorher gibt es ein kostenloses Vorgespräch: Wer sitzt im Raum, womit arbeiten die Leute, welche Aufgaben nerven im Alltag. Danach passe ich Demo und Beispiele an eure Themen an, damit der Tag nicht an eurer Realität vorbeigeht.
Warum KI im Unternehmen meistens stecken bleibt
Es liegt selten an der Technik. Die tut es irgendwann, mit etwas Geduld. Es liegt daran, dass niemand festgelegt hat, wofür das Ding eigentlich da ist.
Drei Muster sehe ich immer wieder:
- Kein Ziel. Es wird ausprobiert, statt eine konkrete Aufgabe abzuarbeiten. Am Ende steht ein netter Nachmittag ohne Ergebnis.
- Kein Zugriff auf eigene Daten. Die KI kennt das halbe Internet, aber nicht euer Angebot von letzter Woche.
- Keine Regeln. Jeder arbeitet anders, jedes Ergebnis sieht anders aus, niemand kann sich darauf verlassen.
Der Unterschied: KI, die eure Daten kennt
Ein Chat ohne Kontext rät. Ein Chat mit Zugriff auf eure Dateien, eure Aufgaben und eure Tickets arbeitet. Dafür gibt es inzwischen einen offenen Standard, das Model Context Protocol, kurz MCP. Damit hängt ihr eine KI an eure vorhandenen Systeme, ohne alles neu zu bauen.
Bei uns läuft das komplette Content Marketing so. Die KI greift auf unser CMS zu, legt Seiten an, pflegt Bilder und Metadaten. Das ist keine Demo, das ist der Alltag. Genau diesen Aufbau zeige ich im Workshop live, statt ihn zu behaupten.
Chat Best Practices: die fünf Dinge, die sofort helfen
Bevor ein Unternehmen über Agenten und eigene Tools nachdenkt, lohnt sich ein Blick darauf, wie die Leute den Chat überhaupt bedienen. Die meisten schleppen sich mit Gewohnheiten herum, die das Ergebnis systematisch verschlechtern.
- Korrigieren statt nachschieben. Wer unten „nein, anders“ hinterherschickt, macht den Verlauf schmutzig. Besser die ursprüngliche Frage im Edit Mode reparieren und neu laufen lassen.
- Kontext klein halten. Je mehr Kram im Verlauf steht, desto unschärfer die Antwort. Für eine neue Aufgabe ein neuer Verlauf.
- Regeln einmal aufschreiben. Tonfall, verbotene Formulierungen, Formatvorgaben. Einmal notiert, hundertmal benutzt, und jeder bekommt dieselbe Qualität.
- In vier Schritten denken. Aufgabe zerlegen und nach jedem Schritt prüfen, bevor der nächste läuft. Das ist der Unterschied zwischen einem brauchbaren Ergebnis und einer schönen Erfindung.
- Ein Ziel vor dem ersten Satz. Wer nicht weiß, was hinten rauskommen soll, bekommt zuverlässig irgendetwas.
Das klingt banal, verändert aber den Alltag sofort. Und es ist die Grundlage für alles Weitere, denn ein Agent macht dieselben Fehler wie ein Chat, nur schneller und öfter.
Regeln sind wichtiger als Modelle
Die häufigste Frage lautet, welches Modell man braucht. Die ehrliche Antwort: meistens kein starkes. Wer sauber arbeitet, kommt mit kostenlosen und lokal laufenden Modellen erstaunlich weit. Ollama auf dem eigenen Rechner reicht für viele Aufgaben, und die Daten bleiben im Haus.
Viel wichtiger sind Leitplanken:
- Was darf raus und was bleibt intern
- Wer schaut drauf, bevor etwas veröffentlicht wird
- Wie werden Korrekturen festgehalten, damit sie beim nächsten Mal gelten
- Wer baut, und wer benutzt danach nur noch
Ohne diese vier Punkte entsteht Wildwuchs. Mit ihnen entsteht ein gemeinsamer Stand, auf den sich alle verlassen können. Und genau das ist der Punkt, an dem KI im Unternehmen aufhört, ein Hobby einzelner zu sein.
Lokale KI: Ollama im eigenen Netz
Der häufigste Bremsklotz im Mittelstand heißt Datenschutz, und das zu Recht. Kundendaten, Angebote und interne Unterlagen gehören nicht in ein fremdes Konto, nur weil dort ein Chatfenster offen ist.
Lokale Modelle lösen das Problem an der Wurzel. Mit Ollama läuft ein Modell auf einer Maschine im eigenen Netz, die Anfragen verlassen das Haus nicht. Für Zusammenfassungen, Klassifizierung, Textarbeit und die meisten internen Aufgaben reicht das völlig.
Der zweite Vorteil ist wirtschaftlich. Wer lokal arbeitet, zahlt nicht pro Anfrage und muss nicht bei jedem Versuch überlegen, ob sich das gerade lohnt. Man probiert einfach aus, und genau dieses Ausprobieren ist der Lernweg.
Große Coding Modelle laufen weiterhin nicht sinnvoll auf eigener Hardware. Deshalb trennen wir sauber: Coding aus der Cloud, die Verarbeitung sensibler Daten im eigenen Netz.
Astro als Fundament für eigene Tools
Wenn aus einer wiederkehrenden Aufgabe ein festes Werkzeug wird, braucht es ein Fundament. Wir nehmen dafür Astro, und das hat handfeste Gründe.
- Der Code gehört euch. Kein Anbieter, der morgen die Preise ändert oder ein Feature abschaltet. Ihr wisst, was ihr installiert habt, und könnt es jederzeit anpassen.
- Riesiges Ökosystem. Astro und das Web darum herum sind so verbreitet, dass die KI Werkzeuge genau damit trainiert wurden. Das merkt man bei jedem Schritt.
- Asynchron von Haus aus. KI Aufrufe dauern, laufen parallel und kommen in unbestimmter Reihenfolge zurück. Astro geht damit natürlich um, klassische Setups tun sich schwer.
- Kleiner Fußabdruck. Node reicht. Keine zusätzliche Datenbank, kein Webserver Zoo. Das Ding läuft auf einem kleinen Rechner in der Ecke genauso wie auf eurem Server.
So entstehen keine Prototypen zum Wegwerfen, sondern kleine Werkzeuge, die zwei Jahre später noch laufen und die jemand im Haus weiterentwickeln kann.
Hermes und AI Agents: wenn die Arbeit nachts weiterläuft
Der nächste Schritt nach dem eigenen Tool sind Agenten. Ein Agent ist im Kern ein Programm, das eine Aufgabe über längere Zeit selbstständig verfolgt, statt auf die nächste Eingabe zu warten.
Hermes ist so ein Werkzeug. Es läuft dauerhaft, auch nachts auf einem Mac im Büro, und arbeitet Aufgaben ab, während niemand davor sitzt. Morgens liegt das Ergebnis da. Genau das zeige ich im Workshop, damit die Leute einmal gesehen haben, wie so etwas aussieht, statt nur davon zu lesen.
Der Reiz liegt nicht in der Technik, sondern in der Zeitrechnung. Eine Aufgabe, die niemand anfängt, weil sie zwei Stunden Fleißarbeit bedeutet, kostet plötzlich nichts mehr als die Entscheidung, sie überhaupt zu stellen.
Die Einschränkung ist genauso wichtig: Ein Agent ohne klaren Zweck läuft nur teuer im Kreis. Ihr müsst wissen, wofür. Deshalb steht auch hier das Ziel vor dem Werkzeug.
Eigenes Wissen aufbauen statt Insellösungen
Der eigentliche Gewinn entsteht erst, wenn die Ergebnisse nicht bei einer Person versanden. Heute sitzt das Wissen über Kunden, Angebote und interne Abläufe in Köpfen, Postfächern und ein paar Ordnern, auf die drei Leute Zugriff haben.
Sobald eine KI auf diesen Bestand zugreifen darf und ihre Ergebnisse wieder dorthin zurückschreibt, entsteht ein gemeinsamer Stand. Neue Kollegen finden Antworten, ohne jemanden zu fragen. Wiederkehrende Fragen werden einmal beantwortet statt fünfmal.
Dafür braucht es drei Vereinbarungen im Haus:
- Gelerntes wird aufgeschrieben, nicht im Kopf behalten
- Einer baut, alle benutzen es, statt fünf private Geheimrezepte
- Es gibt eine feste Stelle, an der Regeln und Ergebnisse liegen
Das ist der Unterschied zwischen ein paar begeisterten Einzelnen und einem Unternehmen, das mit KI arbeitet.
Wie man selbst startet
Man startet nicht mit dem spannendsten Thema, sondern mit dem nervigsten. Die Aufgabe, die jede Woche wiederkommt und die keiner machen will, ist der beste Kandidat.
- Aufgabe benennen, in einem Satz
- Vier Schritte planen und jeden einzeln prüfen
- Lokal bauen, bis es läuft, oder wegwerfen und neu anfangen
- Erst dann automatisieren, zum Beispiel nachts per Cronjob
Wenn davon 75 Prozent der Arbeit wegfallen und das Ergebnis verlässlich ist, habt ihr gewonnen. Verlässlichkeit ist dabei wichtiger als die letzten Prozent, weil man sich erst dann wirklich darauf einlässt.
Warum ein Tag mehr bringt als ein Tool Rollout
Viele Unternehmen kaufen erst Lizenzen und hoffen dann, dass die Belegschaft von allein etwas damit anfängt. Das Ergebnis kennt man: ein paar Begeisterte, viele Karteileichen und eine Rechnung pro Nase.
Der umgekehrte Weg funktioniert besser. Erst zeigen, was mit den eigenen Daten wirklich geht, dann gemeinsam an einer echten Aufgabe bauen, dann entscheiden, welche Werkzeuge man dauerhaft braucht. Ein Tag reicht dafür, weil der Nachmittag nicht mit Theorie gefüllt wird, sondern mit einer Sache, die am Abend läuft.
Dazu kommt der Effekt auf die Stimmung. Wer einmal gesehen hat, wie die eigene Lieblingsnervaufgabe verschwindet, diskutiert danach nicht mehr über KI im Allgemeinen, sondern über die nächste Aufgabe.
Für wen sich der Workshop lohnt
- Mittelständler, deren Belegschaft KI bisher nur für Texte nutzt
- Teams, die Datenschutz ernst nehmen und deshalb bisher gebremst haben
- Abteilungen mit viel wiederkehrender Fleißarbeit, etwa Recherche, Reporting oder Redaktion
- Geschäftsführungen, die vor einer Entscheidung über Lizenzen und Tools stehen
Der NCA KI Workshop für die Belegschaft findet bei euch im Haus statt, Ort und Gruppengröße stimmen wir vorher ab. Wer tiefer in die technische Seite will, findet den nächsten Schritt in der Vibe Coding Trainingsübersicht.
