Keine weitere Liste mit KI-Tools, sondern ein Blick hinter die Kulissen: Jan Koch von der KoBra DataWorks GmbH zeigt, wie KI im eigenen Betrieb eingesetzt wird und womit du selbst klein anfangen kannst.

Das erwartet dich:

• Was ein Prompt ist und warum du einer KI Aufgaben so erklärst wie einem neuen Kollegen
• Warum eine gut klingende KI-Antwort trotzdem falsch sein kann
• Kontext statt Datenflut: Warum 1.000 hochgeladene Dokumente die KI eher verwirren („Lost in the Middle“)
• Das World-System: rund 140.000 Dokumente aus E-Mails, Meetings, Teams-Chats und Projekten, nutzbar für 25 KI-Mitarbeiter, je nach Berechtigung
• Praxisbeispiel: Aus einer Kunden-E-Mail wird automatisch ein geprüfter Antwortentwurf in Outlook
• Wie KI-Agenten neue Funktionen in ein bis zwei Tagen umsetzen und warum trotzdem immer ein Mensch freigibt
• Dein Start: eine kleine, häufige Aufgabe, Zeit messen, Ergebnis prüfen, Datenschutz klären

Kapitel:

00:00 Intro: Was bei KoBra heute schon läuft 00:50 Für wen diese Folge ist und die 3 Takeaways 02:49 Was ist KI und was ist ein Prompt? 04:52 Übung: Projektnotiz in 3 Punkten zusammenfassen 05:47 Warum sich KI-Modelle ständig verändern 07:07 Kontext: Woher soll die KI deinen Betrieb kennen? 08:34 Das World-System: 140.000 Dokumente für 25 KI-Mitarbeiter 10:29 Beispiel: Kunden-E-Mail → Antwortentwurf in Outlook 12:15 Vom Wissen zur Aufgabe: Was ist zu tun, wer ist zuständig? 14:29 Automatisch programmieren, aber nie ungeprüft veröffentlichen 16:54 Bausteine für kontrollierte KI-Abläufe 18:16 So startest du selbst: die erste Aufgabe 19:04 Welche Tools? Claude, ChatGPT Business, lokale Modelle, Datenschutz 21:49 Die Verantwortung bleibt beim Menschen 22:39 Zusammenfassung und Erfahrungen mit Pilotkunden 25:20 Kostenloser KI-Fragebogen auf kobra-dataworks.de

Erwähnt in der Folge: - Fireflies.ai (Meeting-Protokolle) - Claude Cowork (claude.ai, Business-Plan von Anthropic), ChatGPT Business/Enterprise, Microsoft Copilot - RAG (Retrieval Augmented Generation)

Dein nächster Schritt: Auf https://kobra-dataworks.de findest du einen kurzen Fragebogen mit 7 Fragen. Danach bekommst du eine PDF-Analyse, die dir Schritt für Schritt erklärt, wie du mit KI in deinem Unternehmen anfängst: ohne 100.000 € auszugeben, ohne Programmierer zu sein und ohne beim Datenschutz in Teufels Küche zu kommen.

80 Prozent aller KI-Projekte in Unternehmen scheitern. Nicht an der Technik. Nicht am Budget. Sondern an den eigenen Leuten. Ein IT-Leiter, der blockiert. Eine Datenschutzbeauftragte, die sechs Monate lang Mauern hochzieht. Mitarbeiter, die freundlich nicken – und dann einfach nichts tun.

In dieser Episode spricht Jan Koch mit Frank Dormeyer, Wirtschaftspsychologe und Change-Management-Experte, über den unsichtbaren Killer jedes KI-Projekts: den menschlichen Widerstand.

Erfahre, warum "Widerstand durch Zustimmung" gefährlicher ist als offene Ablehnung – und wie du ihn durchbrichst.

Was dich in dieser Folge erwartet:

• Der freundliche Saboteur: Warum alle nicken, aber nichts passiert – und wie du diesen diffusen Widerstand erkennst, bevor er dein Projekt tötet.
• Der IT-Leiter als Torwächter: Warum KI in seinen "Herrschaftsbereich" eindringt und wie du ihn vom Blockierer zum Verbündeten machst.
• Bottom-up schlägt Top-down: Warum der Ansatz "Liebe Mitarbeiter, macht mal was mit KI" garantiert scheitert – und was stattdessen funktioniert.
• Der Geschäftsführer-Trick: Wie ein simpler KI-Assistent für den Chef das gesamte Projekt wieder in Schwung bringt.
• Sollen vs. Wollen: Franks wichtigster Leitsatz aus 20 Jahren Change Management – und warum er bei KI besonders gilt.

Blockiert jemand dein KI-Projekt?

Die Wahrheit ist: In fast jedem Unternehmen gibt es jemanden, der – bewusst oder unbewusst – die Bremse zieht. Frank gibt dir eine klare Checkliste:

"Wenn der individuelle, subjektive Nutzen für den Einzelnen nicht erkennbar ist, wird kein Change-Projekt der Welt funktionieren – egal wie gut die Technik ist."

Stell dir diese Fragen:

• Gibt es in deinem Unternehmen jemanden, der bei jedem KI-Vorschlag sofort auf Datenschutz oder "technische Unmöglichkeit" verweist?
• Wurde KI von der Geschäftsführung verordnet, aber niemand weiß konkret, was damit passieren soll?
• Hast du Mitarbeiter, die ChatGPT-Fehler sammeln wie Briefmarken – als Beweis, dass "das Ganze eh nicht funktioniert"?

Wenn du eine dieser Fragen mit "Ja" beantwortest, ist diese Episode Pflichtprogramm. Denn das Problem ist nicht die KI. Das Problem sitzt im Besprechungsraum.

Möchtest du wissen, wie du den Change in deinem Unternehmen richtig aufsetzen kannst? Schreib mir eine Nachricht auf LinkedIn oder buche dir direkt einen Termin für eine ehrliche 15-Minuten-Einschätzung.

Worum es in dieser Folge geht: Stell dir vor, du startest deinen Arbeitstag, öffnest die Google Cloud Konsole und starrst auf eine Zahl, die dort absolut nicht hingehört: 1.800 Euro. Nicht als Monatsrechnung, sondern als Kosten für einen einzigen Tag. In dieser Episode berichtet Jan Koch, Mitbegründer der KoBra Dataworks GmbH, von einem technischen Albtraum, der fast 20.000 Euro im Jahr gekostet hätte – und wie sein Team das Problem in nur zwei Stunden löste.

Wir beleuchten das Herzstück der Dispo AI, einer Lösung für die Logistik, die LKW-Flotten in Echtzeit trackt. Um Disponenten präzise Ankunftszeiten zu liefern, nutzt das System GPS-Daten, die über Google Maps APIs verarbeitet werden. Doch ein harmlos wirkendes Feature-Update, das den Kunden häufigere Daten-Updates bescheren sollte, löste eine Lawine an API-Abfragen aus.

Der technische Deep-Dive:

• Die Kostenfalle: Warum mehr Daten-Frische automatisch zu einer Kostenexplosion von 1.700 % führte.

• Der KI-Faktor: Jan erklärt, wie sie moderne KI-Tools und Frameworks wie "Cloud Code" genutzt haben, um den Fehler innerhalb von 120 Minuten zu identifizieren und zu beheben.

• Die Lösung: Wie weniger als 100 Zeilen Code ausreichen, um durch interne Logik (Bewegungsprüfung der LKWs) teure externe Abfragen zu vermeiden.

• Das Blinder-Fleck-Problem: Warum KI-generierter Code zwar funktional brillant ist, aber oft kein Bewusstsein für die wirtschaftlichen Konsequenzen (API-Kosten) besitzt.

Jan teilt seine Learnings darüber, warum Monitoring für APIs nicht optional ist und warum "API-Integration" nicht gleichbedeutend mit "API-Nutzung" ist. Diese Folge ist ein Weckruf für alle CTOs,