Was kannst du heute schon?

AI Chat verwenden

Mit einem AI-Chat wie ChatGPT, Gemini oder Claude im Dialog arbeiten.

Texte erstellen

Erste Entwürfe für Texte von einer AI schreiben lassen.

Texte verbessern

Eigene Texte durch AI klarer, kürzer oder verständlicher machen lassen.

Zusammenfassen

Lange Texte, Protokolle oder Studien auf das Wesentliche verdichten.

Brainstorming

Ideen und Varianten sammeln, statt vor einem leeren Blatt zu sitzen.

AI zum Lernen verwenden

Sich Inhalte erklären lassen, abfragen lassen und Verständnislücken schliessen.

Dateien analysieren

PDFs, Word- oder Textdateien hochladen und auswerten lassen.

Daten und Tabellen analysieren

Tabellen oder Messreihen von einer AI auswerten und visualisieren lassen.

Bilder analysieren

Fotos, Screenshots oder Schemata von einer AI lesen und erklären lassen.

Bilder erstellen oder bearbeiten

Bilder, Diagramme oder Illustrationen mit AI erzeugen oder anpassen.

Voice verwenden

Mit gesprochener Sprache arbeiten statt zu tippen.

Multimodal arbeiten

Text, Bild, Datei und Sprache in einer Aufgabe kombinieren.

Prompt Engineering

Aufträge klar formulieren: Aufgabe, Kontext, Format, Sprache, Beispiel.

Context Engineering

Der AI gezielt alle Informationen, Regeln und Beispiele geben, die sie braucht, um eine Aufgabe richtig zu verstehen.

Rollen und Ziele definieren

Der AI eine Rolle und ein klares Ziel geben.

Constraints definieren

Grenzen setzen: Länge, Quellenpflicht, verbotene Annahmen, Fachsprache.

Ausgabeformat definieren

Vorgeben, wie das Ergebnis aussehen soll: Tabelle, Liste, Gliederung, Textsorte.

Few-Shot / Beispiele verwenden

Der AI ein bis drei Musterbeispiele zeigen, damit sie den gewünschten Stil trifft.

Ergebnisse iterativ verbessern

In mehreren Runden nachschärfen, statt die erste Antwort zu übernehmen.

Komplexe Aufgaben zerlegen

Eine grosse Aufgabe in nachvollziehbare Teilschritte aufteilen.

Geeignetes AI-Modell auswählen

Passend zur Aufgabe zwischen schnellen und gründlichen Modellen wählen.

Unterschiedliche AI-Tools vergleichen

Stärken und Schwächen verschiedener Werkzeuge einschätzen.

Web Search mit AI

AI mit aktueller Websuche kombinieren, statt nur auf Trainingswissen zu vertrauen.

Deep Research

Eine AI führt über mehrere Minuten eine mehrstufige Recherche durch und liefert einen belegten Bericht.

Quellen verifizieren

Angegebene Quellen wirklich öffnen und prüfen, ob sie die Aussage tragen.

Critic Loop

Die AI ihr eigenes Ergebnis kritisieren und danach verbessern lassen.

Cross-Model Check

Dasselbe Ergebnis von einem zweiten Modell prüfen lassen.

Projects / Workspaces

Ein dauerhafter Arbeitsbereich, in dem Kontext, Dateien und Verlauf zu einem Thema bleiben.

Project Instructions

Dauerhafte Regeln für ein Project: Rolle, Stil, Sprache, Vorgehen.

Memory

Die AI merkt sich dauerhaft Angaben über dich und deine Arbeit.

Knowledge Bases

Eine gepflegte Sammlung eigener Dokumente als Wissensbasis für die AI.

NotebookLM / Notebook

Ein Notebook, das ausschliesslich mit deinen Quellen arbeitet und Antworten belegt.

Custom GPTs

Ein eigener AI-Assistent mit fester Aufgabe, festen Regeln und eigenem Wissen.

Gems

Das Gegenstück zu Custom GPTs in Google Gemini.

Spezialisierte AI-Assistenten

Fertige Assistenten für ein Fachgebiet gezielt einsetzen.

Skills

Wiederverwendbare Arbeitsanweisungen und Ressourcen, mit denen eine AI bestimmte Aufgaben nach einer definierten Methode ausführt.

Prompt- oder Skill-Library

Eine persönliche Sammlung bewährter Prompts und Vorgehensweisen.

Plugins

Erweiterungen, mit denen eine AI zusätzliche Funktionen erhält.

Apps

Anwendungen, die innerhalb einer AI-Oberfläche laufen.

Connectors

Verbindungen zwischen AI und deinen Datenquellen wie Drive, Mail oder Kalender.

Google Drive

Dateien aus Google Drive direkt für die AI verfügbar machen.

OneDrive / SharePoint

Betriebliche Ablagen als Quelle einbinden.

Mail

AI auf Mails zugreifen lassen, um zu suchen, zusammenzufassen oder zu entwerfen.

Kalender

Termine planen, vorbereiten und nachbereiten lassen.

Notion, Teams, Slack oder ähnliche Systeme

AI in die Werkzeuge der Zusammenarbeit einbinden.

Interne Quellen mit Webwissen kombinieren

Eigene Dokumente und aktuelles Webwissen in einer Antwort verbinden.

Work / Cowork

Längere Arbeitsaufträge, die eine AI weitgehend selbstständig ausführt, während du begleitest.

Mehrstufige AI-Aufgaben

Eine Aufgabe über mehrere aufeinander aufbauende Schritte planen und ausführen lassen.

Agents

Eine AI, die selbstständig Schritte plant, Werkzeuge benutzt und ein Ziel verfolgt.

Subagents

Ein Agent verteilt Teilaufgaben an weitere spezialisierte Agents.

Multi-Agent Workflows

Mehrere Agents mit klaren Rollen arbeiten an einem gemeinsamen Ergebnis.

Multi-Model Workflows

Unterschiedliche Modelle je nach Teilaufgabe kombinieren.

MCP

Ein offener Standard, über den AI-Tools auf externe Systeme und Daten zugreifen.

APIs / Tool Calling

Die AI ruft selbstständig Programme oder Schnittstellen auf, um an Daten zu kommen.

Automation

Wiederkehrende Abläufe ohne manuelles Zutun ausführen lassen.

n8n / Make / Zapier

Werkzeuge, in denen du Abläufe zwischen Programmen zusammenklickst statt zu programmieren.

Scheduled Tasks

Aufgaben laufen zeitgesteuert, zum Beispiel jeden Montagmorgen.

Event Trigger

Ein Ereignis startet den Ablauf, zum Beispiel eine neue Datei.

Human-in-the-loop

An kritischen Stellen entscheidet ein Mensch, bevor es weitergeht.

Vibe Coding

Software bauen, indem du in normaler Sprache beschreibst, was entstehen soll.

Eigene Website mit AI bauen

Eine funktionierende Website beschreiben und erzeugen lassen.

Eigene App mit AI bauen

Eine Anwendung mit Eingaben, Logik und Speicherung entstehen lassen.

AI-Prototyping

Ideen schnell als funktionierenden Prototyp testen, statt sie nur zu beschreiben.

AI-Anwendungen iterativ testen und verbessern

Gebaute Lösungen systematisch prüfen, Fehler sammeln und nachbessern.

AI-first Process Design

Einen Prozess von Grund auf so entwerfen, als gäbe es AI von Anfang an.

End-to-End AI Workflows

Ein Ablauf läuft von der Auslösung bis zum Ergebnis durchgehend.

Human-AI Operating Model

Klar geregelt, was Menschen und was AI übernehmen.

Autonomy Design

Bewusst festlegen, wie viel eine AI ohne Rückfrage tun darf.

Quality Gates

Feste Prüfpunkte, die ein Ergebnis passieren muss.

Evals

Wiederholbare Tests, die messen, wie gut eine AI-Lösung eine Aufgabe erfüllt.

Automatisierte Qualitätsprüfung

Prüfungen laufen automatisch mit, nicht nur von Hand.

ROI / Value Measurement

Den tatsächlichen Nutzen einer AI-Lösung messen.

Failure Logging

Fehler und Fehlgriffe systematisch festhalten.

Learning Loops

Aus Erfahrungen werden systematisch bessere Abläufe.

Continuous Improvement

Laufende, kleine Verbesserungen statt einmaliger Einführung.

Governance by Design

Datenschutz, Verantwortung und Kontrolle sind von Anfang an eingebaut.

AI Capability Scouting

Neue AI-Möglichkeiten systematisch beobachten und einordnen.

Persönliches oder organisatorisches AI Operating System

Kontext, Wissen, Skills, Tools, Agents und Automationen greifen als ein durchdachtes Arbeitssystem ineinander.