AI produktiv nutzen. Nicht nur darüber reden.
AI verändert nicht nur einzelne Werkzeuge, sondern die Art, wie Produkt-, Engineering- und IT-Teams arbeiten. In unseren AI-Adoption-Workshops schaffen wir einen gemeinsamen Rahmen für den produktiven Einsatz von AI im Arbeitsalltag.
/ Zugeschnitten statt ab Stange
Wir zeigen konkrete Arbeitsweisen, machen moderne Werkzeuge praktisch erfahrbar und klären die Fragen, die für einen nachhaltigen Einsatz entscheidend sind: Qualität, Daten, Governance, Verantwortlichkeiten und Zusammenarbeit – zugeschnitten auf die bestehende Tool-Landschaft, Arbeitsweise und Rahmenbedingungen der Organisation.
Von Chat zu agentischen Workflows
Viele Teams nutzen AI bereits – oft bleibt es bei einzelnen Prompts, privaten Workflows und persönlichen Erfahrungen. Wir zeigen, wie sich AI-gestütztes Arbeiten weiterentwickelt. Entscheidend ist nicht, möglichst viele Tools zu kennen, sondern zu verstehen, welche Arbeitsweise für welche Aufgabe sinnvoll ist – und wo menschliches Urteilsvermögen notwendig bleibt.
- Chat und AI als Sparringspartner
- AI im Editor
- Coding Agents wie Claude Code und Codex
- Agent Loops und parallele Agenten
- AI-gestützte Reviews und CI/CD
- Gemeinsame Instructions, Skills und Standards
- Integration von Repositories, Tickets, Dokumentation und weiteren Systemen
Context Engineering statt immer besserer Prompts
Gute AI-Arbeit entsteht nicht durch einen magischen Prompt. Wir zeigen, wie Teams Kontext systematisch bereitstellen und gemeinsam nutzen – so wird aus individuellem Prompting eine wiederholbare Arbeitsweise für das ganze Team.
- AGENTS.md und projektspezifische Instructions
- Wiederverwendbare Skills und Workflows
- Gemeinsame Engineering- und Qualitätsstandards
- Memory und projektbezogenes Wissen
- MCP für die Anbindung von Tools und Informationsquellen
- RAG für grössere interne Wissensbestände
Qualität und Verantwortung
Mit AI entsteht deutlich schneller Output – umso wichtiger wird die Fähigkeit, Ergebnisse zu beurteilen. AI beschleunigt die Arbeit; die Verantwortung für das Ergebnis bleibt beim Menschen.
- Tests, Linting und automatisierte Quality Gates
- AI-gestützte Code Reviews
- Review durch ein zweites Modell
- Umgang mit Halluzinationen und plausibel wirkenden Fehlern
- Klare Definition of Done
- Sinnvolle Grenzen der Delegation an Agenten
Modelle, Tools und Betriebsvarianten
Claude, ChatGPT, Codex, lokale Modelle, Cloud APIs, Self-Hosting: Wir schaffen eine verständliche Landkarte und zeigen die Unterschiede praktisch.
- Frontier- und Open-Weight-Modelle
- Cloud, lokal und hybride Setups
- Qualität, Kosten und Geschwindigkeit
- Tool- und Modellauswahl je nach Aufgabe
- Sensible Daten und digitale Souveränität
- Grenzen lokaler Modelle bei komplexen agentischen Workflows
Governance, die Nutzung ermöglicht
Unsicherheit darüber, was erlaubt ist, verhindert produktive Nutzung genauso zuverlässig wie fehlende Werkzeuge. Deshalb klären wir den organisatorischen Rahmen gemeinsam mit dem Kunden und beziehen ihn direkt in den Workshop ein – kein Regelwerk um seiner selbst willen, sondern ein Rahmen, in dem Teams selbständig arbeiten und experimentieren können.
- Welche Werkzeuge sind freigegeben?
- Welche Daten dürfen wohin?
- Welche Accounts und Lizenzen werden genutzt?
- Wer entscheidet bei neuen Werkzeugen?
- Wer verantwortet Ergebnisse und Kosten?
- Wo werden gemeinsame Skills und Guidelines gepflegt?
Kultur entscheidet
Der wichtigste Teil erfolgreicher AI Adoption ist nicht das Modell. Teams brauchen Zeit zum Lernen, teilen Erfahrungen und probieren neue Arbeitsweisen aus – gute Skills und Workflows werden Teil des gemeinsamen Werkzeugkastens statt Wissen einzelner Power User.
- AI-Wissen in der Organisation verteilen
- Multiplikatoren aufbauen
- Unterschiedliche Erfahrungsstände im Team zusammenbringen
Typischer Ablauf
Der Workshop wird auf Ausgangslage, Zielgruppe und Rahmenbedingungen der Organisation zugeschnitten.
- Kickoff: Ausgangslage, Zielgruppe, bestehende Tools, Governance und konkrete Fragestellungen verstehen
- Vorbereitung: Inhalte, Beispiele und Demos an die Organisation anpassen
- Workshop: ein intensiver, interaktiver Tag mit kurzen Inputs, Live-Demos, Diskussionen und Erfahrungsaustausch
- Vertiefung: bei Bedarf Hands-on-Formate wie Mob Programming, technische Vertiefungen oder Unterstützung in konkreten Projekten
Für wen?
Für Organisationen, die AI nicht mehr nur einzelnen Early Adopters überlassen, sondern einen gemeinsamen nächsten Schritt machen wollen. Vorkenntnisse dürfen bewusst unterschiedlich sein – der gemeinsame Rahmen ist gerade dann wertvoll, wenn Power User und AI-Einsteiger im selben Team zusammenarbeiten.
- Software Engineering
- Product
- UX & Design
- DevOps & Platform Engineering
- IT und Architecture
- Technical Leadership
Nach dem Workshop muss nicht jeder alles über AI wissen. Das Team versteht, was heute möglich ist, welche Arbeitsweisen sinnvoll sind, welche Regeln gelten – und wie AI ab morgen konkret in der eigenen Arbeit eingesetzt wird.