Workshop für professionelles Arbeiten mit generativer KI und agentischen Systemen.

OPERATE - AI Literacy

Professioneller KI-Einsatz beginnt dort, wo Menschen nicht nur gute Prompts schreiben, sondern verstehen, welchen Kontext ein System benötigt, welche Aufgaben es übernehmen kann und wann Verantwortung wieder an den Menschen übergehen muss.

Ein Intensiv-Workshop für den kompetenten Einsatz generativer und agentischer KI-Systeme.

Generative KI entwickelt sich von einzelnen Chat-Anwendungen zu Systemen, die Informationen verarbeiten, Werkzeuge nutzen und mehrstufige Aufgaben zunehmend selbstständig bearbeiten können. Damit verändern sich auch die Fähigkeiten, die Menschen für einen professionellen Umgang mit KI benötigen. AI Literacy vermittelt diese Entwicklung entlang vier aufeinander aufbauender Ebenen: Prompt Engineering, Context Engineering, Agent Engineering und Agentic Human-AI Delegation. Die Teilnehmenden lernen, Aufgaben präzise zu formulieren, relevante Informationen und Rahmenbedingungen als Kontext bereitzustellen und KI-Systeme für komplexere Arbeitsabläufe zu strukturieren. Gleichzeitig beschäftigen sie sich mit der Frage, welche Aufgaben an KI delegiert werden können, wo menschliche Kontrolle erforderlich bleibt und wie verlässliche Handoffs zwischen Mensch und System gestaltet werden. Der Workshop verbindet technologisches Verständnis mit konkreter Anwendung und überträgt die Möglichkeiten generativer KI auf reale Arbeitsprozesse.

Anfragen Ablauf Experience Kontext

Eckdaten.

Der halb- oder ganztägige Intensiv-Workshop verbindet technologische Einordnung, praktische Übungen und die Arbeit an konkreten KI-Workflows. Die Teilnehmenden arbeiten mit aktuellen generativen KI-Systemen und entwickeln schrittweise eigene Ansätze für Prompting, Context Engineering, agentische Workflows und Human-AI Delegation.

Das Format wird vor Ort durchgeführt und eignet sich für Gruppen von bis zu ca. 30 Teilnehmenden.

Aufgaben, Beispiele und Anwendungsfälle können auf Rollen, Prozesse und Anforderungen der jeweiligen Organisation zugeschnitten werden.

‍

Inhalte.

Der Workshop vermittelt und trainiert:

Grundlagenverständnis generativer KI und Large Language Models, ihrer Möglichkeiten, Grenzen und typischen Fehlerbilder.
Prompt Engineering zur klaren Strukturierung von Aufgaben, Anforderungen und gewünschten Ergebnissen.
Context Engineering zur gezielten Auswahl und Bereitstellung von Informationen, Dokumenten, Regeln, Beispielen und weiteren relevanten Kontexten.
Agent Engineering zur Gestaltung mehrstufiger KI-Workflows mit Werkzeugen, Zuständen, Aufgaben und definierten Entscheidungspunkten.
Agentic Human-AI Delegation zur bewussten Verteilung von Aufgaben zwischen Menschen und KI-Systemen.
Gestaltung belastbarer Handoffs, wenn Aufgaben, Entscheidungen oder Ergebnisse zwischen KI und Mensch übergeben werden.
Verification und Quality Control für KI-generierte Inhalte und Arbeitsergebnisse.
Bewertung von Verantwortung und Kontrollpunkten innerhalb KI-gestützter Arbeitsprozesse.

‍

Was dieser Workshop in der Vermittlung anders macht

‍

Wir behandeln Prompting als Einstieg, nicht als Endpunkt. Die Qualität eines KI-gestützten Arbeitsprozesses hängt zunehmend davon ab, wie Aufgaben, Kontext, Werkzeuge und Kontrollpunkte zusammenspielen.
Context Engineering wird praktisch erfahrbar. Teilnehmende untersuchen, wie unterschiedliche Dokumente, Beispiele, Regeln und Informationen die Ergebnisse eines Modells verändern.
Agentische Systeme werden verständlich, ohne sie zur Blackbox zu machen. Die Teilnehmenden lernen, wie Aufgaben zerlegt, Werkzeuge eingebunden und mehrstufige Abläufe strukturiert werden können.
Delegation wird als eigene Kompetenz trainiert. Entscheidend ist nicht nur, was ein KI-System technisch ausführen kann, sondern welche Aufgaben sinnvoll delegiert werden und welche beim Menschen verbleiben sollten.
Handoffs werden bewusst gestaltet. Die Übergabe zwischen Mensch und KI erhält definierte Zuständigkeiten, Informationsstände und Kontrollpunkte.
Die Übungen orientieren sich an realen Arbeitsprozessen. KI wird nicht isoliert im Chatfenster betrachtet, sondern im Zusammenhang mit Recherche, Analyse, Kommunikation, Dokumenten und Entscheidungsprozessen.
Technisches Verständnis und organisationale Anwendung werden verbunden. Die Teilnehmenden entwickeln ein Modell dafür, wie KI-Systeme in bestehende Prozesse integriert werden können, ohne Verantwortlichkeiten aus dem Blick zu verlieren.

‍

Bekannt aus

Awards

Aufbau des Workshops.

1 KI-Systeme und ihre Arbeitslogik verstehen.

Zu Beginn schaffen wir ein gemeinsames Verständnis dafür, wie sich generative KI von klassischen Softwareanwendungen unterscheidet und warum sich der professionelle Umgang mit diesen Systemen derzeit verändert.

Die Teilnehmenden erhalten ein verständliches Modell zu Large Language Models, generativer KI und agentischen Systemen. Dabei betrachten wir zentrale Eigenschaften wie probabilistische Ausgaben, Kontextfenster, Halluzinationen, Tool Use und die zunehmende Fähigkeit von Systemen, mehrstufige Aufgaben zu bearbeiten.

Der Einstieg schafft damit die Grundlage für die anschließende Frage, wie Menschen Aufgaben, Informationen und Verantwortung sinnvoll zwischen sich und KI-Systemen verteilen können.

‍

2 KI-Workflows praktisch gestalten.

Die Teilnehmenden arbeiten in Kleingruppen an vier aufeinander aufbauenden Stationen. Aus einer einzelnen Aufgabe entsteht schrittweise ein strukturierter Human-AI Workflow.

‍

Prompt Engineering

Die Teilnehmenden untersuchen, wie Ziel, Aufgabe, Format und Anforderungen so formuliert werden können, dass ein Sprachmodell zuverlässig damit arbeiten kann. Dabei wird sichtbar, welche Probleme sich tatsächlich über bessere Instruktionen lösen lassen und wo ein Prompt allein nicht mehr ausreicht.

‍

Context Engineering

Die gleiche Aufgabe wird anschließend um relevanten Kontext erweitert: Dokumente, Beispiele, Regeln, Referenzinformationen und vorherige Arbeitsergebnisse. Die Teilnehmenden erleben unmittelbar, wie stark sich Ergebnisse verändern, wenn ein Modell nicht nur eine Instruktion, sondern einen gezielt strukturierten Informationsraum erhält.

‍

Agent Engineering

Aus der einzelnen Interaktion wird ein mehrstufiger Workflow. Die Teilnehmenden beschäftigen sich damit, wie Aufgaben zerlegt, Werkzeuge eingesetzt und Zwischenergebnisse weitergegeben werden können. Dabei werden auch Kontrollpunkte, Zustände und Abbruchbedingungen betrachtet, die agentische Systeme nachvollziehbarer und belastbarer machen.

‍

Agentic Human-AI Delegation

Zum Abschluss steht nicht mehr das Modell, sondern die Zusammenarbeit im Mittelpunkt.

Die Teilnehmenden entscheiden, welche Schritte eine KI selbstständig übernehmen kann, wann ein Human Handoff erforderlich ist und welche Entscheidungen bewusst beim Menschen verbleiben.

Anhand eines konkreten Workflows werden Delegation, Eskalation, Verification und Verantwortung gemeinsam gestaltet.

‍

3 Verantwortung und Handoffs gestalten.

Zum Abschluss übertragen die Teilnehmenden die Erfahrungen auf eigene Arbeitsprozesse und betrachten, an welchen Stellen generative oder agentische KI sinnvoll eingesetzt werden kann.

‍

Im Mittelpunkt stehen dabei Fragen wie:

Welche Aufgaben lassen sich delegieren?

Welche Informationen benötigt das System dafür?

Welche Ergebnisse müssen verifiziert werden?

Wann muss ein Prozess an einen Menschen übergeben werden? Und wer trägt am Ende die Verantwortung für eine Entscheidung?

‍

Aus diesen Fragen entsteht ein einfaches Modell für Human-AI Delegation, das Zuständigkeiten, Kontrollpunkte und Handoffs sichtbar macht und auf unterschiedliche Anwendungsfälle innerhalb der Organisation übertragen werden kann.

‍

Wenn aus einem Prompt ein agentischer KI-Workflow wird.

Eine einzelne Aufgabe beginnt mit einem Prompt. Anschließend erhält das System zusätzliche Informationen, greift auf Werkzeuge zu, verarbeitet Zwischenergebnisse und übernimmt weitere Arbeitsschritte.

In der AI Workflow Experience erleben die Teilnehmenden, wie aus einer einfachen Interaktion mit einem Sprachmodell schrittweise ein agentischer Workflow entsteht.

Dabei verändert sich auch die Rolle des Menschen. Statt jede einzelne Aktion selbst auszuführen, definiert er Ziel, Kontext, Grenzen und Kontrollpunkte. An bestimmten Stellen arbeitet das System selbstständig weiter; an anderen erfolgt ein gezielter Handoff zurück an den Menschen.

Die Experience macht damit unmittelbar erfahrbar, welche neuen Möglichkeiten agentische Systeme eröffnen und warum professioneller KI-Einsatz zunehmend eine Frage guter Delegation und Prozessgestaltung wird.

‍

ANFRAGEN FACTSHEET PDF

Fünf Teenager sitzen im Raum, lächeln und schauen auf ihre Handys in geselliger Runde.

KI-Systeme entwickeln sich schneller, als viele Organisationen ihre Arbeitsweisen daran anpassen können.

Aus Chatbots werden zunehmend Systeme, die Kontext verarbeiten, Werkzeuge einsetzen und komplexere Aufgaben übernehmen können. Damit verändert sich auch, was professionelle AI Literacy heute leisten muss.

Anfragen

Kontext.

Der nächste Entwicklungsschritt findet nicht im Prompt, sondern im Arbeitsprozess statt: Die erste Phase generativer KI war stark durch einzelne Interaktionen geprägt: Ein Mensch formuliert einen Prompt, ein Sprachmodell erzeugt eine Antwort und der Prozess endet zunächst dort. Diese Form der Nutzung bleibt relevant, beschreibt aber zunehmend nur einen Ausschnitt dessen, was moderne KI-Systeme leisten können.

Mit Context Engineering wird die Frage wichtiger, welche Informationen ein System für eine Aufgabe erhält. Dokumente, Beispiele, Regeln, vorhandenes Wissen und vorherige Arbeitsschritte beeinflussen, welche Entscheidungen ein Modell treffen und welche Ergebnisse es erzeugen kann. Gleichzeitig entwickeln sich Sprachmodelle zu agentischen Systemen, die Werkzeuge verwenden, Aufgaben in mehrere Schritte zerlegen und Zwischenergebnisse eigenständig weiterverarbeiten können. Dadurch verschiebt sich die Rolle des Menschen zunehmend von der einzelnen Bedienhandlung zur Gestaltung eines Arbeitsprozesses. Genau an dieser Stelle gewinnt Agentic Human-AI Delegation an Bedeutung. Organisationen müssen entscheiden, welche Aufgaben an KI-Systeme delegiert werden können, welche Kontrollpunkte erforderlich sind und wann ein Prozess wieder an einen Menschen übergeben werden muss. Ein guter Handoff benötigt dabei mehr als eine technische Übergabe. Der Mensch muss verstehen, was das System bereits getan hat, auf welcher Informationsgrundlage es gearbeitet hat, welche Unsicherheiten bestehen und welche Entscheidung nun übernommen werden soll.

Damit entwickelt sich AI Literacy weiter. Neben dem Verständnis der Technologie wird die Fähigkeit relevant, Aufgaben zu strukturieren, Kontext bereitzustellen, agentische Abläufe zu gestalten und Verantwortung sinnvoll zwischen Mensch und KI zu verteilen. AI Literacy macht diese Entwicklung praktisch erfahrbar und übersetzt sie in Arbeitsweisen, die sich auf konkrete Prozesse innerhalb einer Organisation übertragen lassen.

‍

Unser Angebot.