KI-Workflows

Wie du KI in deinen Schreiballtag holst, ohne Kontrolle abzugeben

Redaktion Bianqueriade Team Stand Oktober 2026

Person prüft KI Textentwurf für geschäftliche Kommunikation

Von Chaos zu Workflow: der grobe Rahmen

Bevor wir über KI sprechen, klären wir etwas Unbequemes: Dein Schreiballtag ist wahrscheinlich schon heute ein Datensatz. Wiederkehrende Mails, ähnliche Chat-Antworten, wöchentliche Status-Updates. Der Unterschied zwischen vorher und nachher ist nicht Magie, sondern Struktur. Vorher: Alles sitzt in deinem Kopf und deinen Fingern, jede Antwort wird neu getippt. Nachher: Die Muster liegen offen, KI baut erste Entwürfe, du prüfst nur noch, was davon in die echte Kommunikation darf. Dieser Beitrag führt dich Schritt für Schritt durch einen pragmatischen Workflow, der genau das ermöglicht – mit einem durchgehenden Beispiel und klaren Stoppschildern, wo Automatisierung endet.

Kommunikationsmuster schonungslos sichtbar machen

Der erste Schritt ist radikal unspektakulär: Du sammelst Beispiele. Nimm einen Zeitraum von ein bis zwei Wochen und ziehe typische Nachrichten heraus, zum Beispiel Projekt-Updates, Rückfragen an Kolleginnen, Standardantworten an Kundschaft. Ziel ist nicht Vollständigkeit, sondern ein ehrlicher Querschnitt. Lege die Texte nebeneinander und markiere, welche Teile sich fast immer wiederholen und welche wirklich individuell sind. So entsteht ein Vorher-Bild: viel Tipp-Arbeit, wenig bewusste Struktur. Dieses Bild brauchst du, um später beurteilen zu können, ob KI dir tatsächlich Zeit spart oder nur neue Komplexität erzeugt.

Klare Rollen zwischen Mensch und KI festlegen

Jetzt definierst du, was KI überhaupt darf. Ohne Regeln wird sie zum Orakel, das du entweder überschätzt oder komplett ignorierst. Schreibe in klaren Sätzen auf, welche Aufgabe die KI hat: etwa „erstes Gerüst für Status-Updates schreiben“, „Antwortvorschläge auf häufige Fragen machen“ oder „lange Mails in Stichpunkte zerlegen“. Ergänze Einschränkungen: Welche Formulierungen sind tabu, welche Anreden gelten, welche Themen bleiben immer in Menschenhand. So entsteht ein Rahmen, in dem KI arbeiten darf. Der Unterschied zum Vorher: Du reagierst nicht mehr auf zufällige Vorschläge, sondern steuerst einen definierten Prozess.

Einen einfachen Entwurfs-Workflow definieren

Mit Beispielen und Regeln im Rücken baust du nun einen wiederholbaren Ablauf. Er beginnt immer mit strukturierten Eingaben: Kontext, Ziel, Empfängergruppe, gewünschter Ton. Dann folgt die KI, die einen Entwurf oder eine Zusammenfassung erstellt. Zum Schluss kommst du wieder ins Spiel: Du prüfst Inhalt, Ton und fehlende Informationen. Dokumentiere diesen Ablauf in wenigen Schritten, damit du ihn in deinen Tools abbilden kannst. Nachher sollst du nicht nachdenken müssen, wie du KI startest, sondern nur entscheiden, ob das Ergebnis brauchbar ist.

Einen realistischen Testlauf durchführen

Jeder Workflow bleibt Theorie, bis du ihn an einem realen Szenario testest. Wähle eine wiederkehrende Aufgabe, etwa ein wöchentliches Projekt-Update. Füttere die KI mit deinen gesammelten Beispielen, lasse sie einen Entwurf schreiben und vergleiche ihn mit deiner bisherigen Version. Miss nicht nur die Tipp-Zeit, sondern auch Lesbarkeit und Fehlerquote. Halte schriftlich fest, was funktioniert und wo der Ton kippt. So entsteht ein Nachher-Bild, das auf Beobachtung beruht, nicht auf Erwartungen. Ergebnisse können sich je nach Kontext, Datenlage und Sorgfalt stark unterscheiden.

Grenzen ziehen und Routinen regelmäßig prüfen

Am Ende entscheidest du nüchtern, wie weit du gehen willst. Vielleicht bleibt KI nur ein Werkzeug für Entwürfe, vielleicht übernimmst du bestimmte Antworten fast unverändert. Wichtig ist, dass du bewusst Grenzen ziehst: sensible Inhalte, heikle Verhandlungen oder persönliche Themen bleiben in Menschenhand. Prüfe regelmäßig, ob der Workflow noch zu deiner Kommunikation passt oder ob neue Muster entstanden sind. So bleibt KI ein Werkzeug, das sich an dich anpasst, nicht umgekehrt.

Ein durchgespieltes Beispiel aus dem Projektalltag

Theorie ist bequem, Alltag nicht. Darum spielen wir ein konkretes Beispiel durch: eine fiktive Projektleiterin, die jede Woche ein Status-Update an ein internes Stakeholder-Team schickt. Vorher schreibt sie diese Nachricht jedes Mal neu, mit wechselnder Struktur und spontaner Wortwahl. Nachher nutzt sie einen KI-gestützten Workflow, der aus Stichpunkten einen ersten Entwurf baut. Wir schauen uns beide Zustände an und gehen dann Schritt für Schritt durch die Brücke dazwischen. Du kannst dieses Beispiel gedanklich auf deinen eigenen Kontext übertragen, ohne jede Zahl oder Rolle eins zu eins übernehmen zu müssen.

Vorher: Status-Update als wöchentlicher Kraftakt

Im Ausgangszustand verbringt die Projektleiterin einen festen Block pro Woche mit dem Schreiben des Updates. Sie scrollt durch Chat-Verläufe, Tickets und Notizen, sammelt Fakten, tippt frei drauflos und passt Formulierungen spontan an. Das Ergebnis ist meist brauchbar, aber ungleichmäßig: mal ausführlich, mal knapp, mal mit klarer Struktur, mal eher als Fließtext. Rückfragen wiederholen sich, weil wichtige Details fehlen oder irgendwo im dritten Absatz versteckt sind. Das Team hat sich daran gewöhnt, aber niemand würde behaupten, dass dieser Ablauf besonders effizient oder transparent ist.

Nachher: Entwurf aus Stichpunkten statt Freitext

Im Zielzustand existiert eine klare Vorlage mit festen Bausteinen, etwa „Wichtigste Änderung“, „Risiken“, „Entscheidungsbedarf“, „Nächste Schritte“. Die Projektleiterin sammelt nur noch Stichpunkte in dieser Struktur. Eine KI erzeugt daraus einen ersten Entwurf im vereinbarten Ton, inklusive Übergängen und Anreden. Sie prüft anschließend Inhalt, ergänzt Kontext, korrigiert Fehler und kürzt überflüssige Floskeln. Das Update wirkt konsistenter, Lesende finden relevante Punkte schneller. Wichtig: Die Verantwortung für Inhalt und Wirkung bleibt vollständig bei der Projektleiterin, die KI liefert nur Rohmaterial.

Schritt 1: Struktur aus alten Mails ableiten

Der Übergang beginnt damit, dass sie zehn alte Status-Mails sammelt und nebeneinanderlegt. Sie markiert, welche Abschnitte in fast jeder Mail vorkommen und welche nur Ausnahmen sind. Daraus baut sie eine einfache Struktur mit vier bis fünf Überschriften. Anschließend formuliert sie Regeln: Ton eher sachlich, keine Übertreibungen, klare Hinweise auf offene Risiken. Diese Regeln hält sie schriftlich fest, damit sie sie später der KI mitgeben kann. Der erste Schritt ist damit erledigt, ohne dass eine einzige neue Technologie im Spiel war.

Schritt 2: KI auf die eigene Struktur ansetzen

Nun nutzt sie ein KI-Tool, das Textvorschläge generiert, und füttert es mit ihrer Struktur und einigen anonymisierten Beispielen. Sie beschreibt klar, was das System tun soll: „Formuliere aus diesen Stichpunkten ein kurzes, sachliches Update in vier Abschnitten, vermeide Marketing-Sprache und halte dich an diese Regeln.“ Der erste Entwurf ist nicht perfekt: Einige Formulierungen sind zu glatt, manche Details fehlen. Sie markiert diese Stellen, passt die Anweisungen an und wiederholt den Versuch. Nach mehreren Runden entsteht ein Muster, das regelmäßig brauchbare Rohfassungen liefert.

Schritt 3: Alltagstest und ehrliche Bilanz

Im letzten Schritt entscheidet sie, wie der Workflow im Alltag aussieht. Sie legt fest, dass jedes Update mit Stichpunkten beginnt, dann ein KI-Entwurf folgt und sie diesen immer Zeile für Zeile prüft. Für kritische Themen, etwa Budget oder Personal, nutzt sie weiterhin komplett eigene Formulierungen. Sie dokumentiert diesen Ablauf kurz, damit Vertretungen ihn nachvollziehen können. Nach einigen Wochen vergleicht sie Aufwand, Klarheit und Rückfragen mit dem früheren Zustand. Die Bilanz ist gemischt, aber positiv: weniger Tipp-Arbeit, konstantere Struktur, gelegentlich neue Fehler durch missverstandene Nuancen. Diese Abwägung ist ehrlich und zeigt, dass Ergebnisse je nach Situation variieren können.

Typische Fallen, in die fast alle einmal tappen

Auch der beste Workflow scheitert an typischen Denkfehlern. Viele davon haben nichts mit Technik zu tun, sondern mit unserer Hoffnung, Routinearbeit einfach abgeben zu können. Wenn du diese Fallen kennst, erkennst du sie schneller in deinem eigenen Alltag. Die folgenden Punkte sind keine Vorwürfe, sondern Beobachtungen aus vielen Gesprächen mit Teams, die KI erst enthusiastisch eingeführt und dann frustriert wieder abgeschaltet haben. Zwischen vorher und nachher lag selten die Qualität der Modelle, sondern die Art, wie sie eingebunden wurden.

Falle 1: KI als vollautonomer Texter

Eine verbreitete Annahme lautet: Wenn das System nur gut genug ist, kann es komplette Nachrichten allein schreiben. In der Praxis führt dieser Wunsch dazu, dass Menschen Entwürfe unkritisch übernehmen, weil die Zeit knapp ist. Später wundern sie sich über Missverständnisse oder unpassende Tonlagen. Besser ist ein anderes Bild: KI liefert Rohmaterial, du bleibst Redakteur. Diese Haltung zwingt dazu, klare Prüfregeln zu definieren und sensible Inhalte bewusst selbst zu schreiben. Sie reduziert zwar den vermeintlichen Zeitgewinn, erhöht aber die Verlässlichkeit deiner Kommunikation.

Falle 2: Keine dokumentierten Abläufe

Ohne Dokumentation entstehen Workflows, die nur in den Köpfen Einzelner existieren. Fällt die Person aus, bricht die Automatisierung zusammen oder wird inoffiziell weitergeführt, ohne dass jemand weiß, welche Daten wohin fließen. Schreibe deshalb auch einfache Abläufe auf: Eingangsdaten, KI-Schritt, Prüfschritt, Freigabe. Diese Skizze muss kein Kunstwerk sein, sie dient als gemeinsame Referenz. So lässt sich später nachvollziehen, warum eine bestimmte Nachricht so entstanden ist und wo im Prozess sie verändert wurde.

Falle 3: Zu große erste Anwendungsfälle

Viele Teams starten mit zu komplexen Zielen: ganze Kampagnen, ausführliche Berichte, hochsensible Schreiben. Die Frustration ist programmiert, weil an jeder Ecke Details schiefgehen können. Sinnvoller ist ein enger Fokus auf Aufgaben mit klaren Mustern und überschaubarem Risiko. Kurze Status-Updates, wiederkehrende interne Erinnerungen oder einfache Rückfragen eignen sich besser für erste Experimente. So entsteht ein Nachher-Zustand, der nicht perfekt ist, aber stabil genug, um darauf aufzubauen.

Falle 4: Fehlende Offenheit über Automatisierung

Transparenz klingt selbstverständlich, wird im Alltag aber oft geopfert, um Zeit zu sparen. Wenn Empfängerinnen nicht wissen, dass Teile einer Nachricht von einem System vorgeschlagen wurden, bewerten sie Ton und Inhalt anders. Das kann Vertrauen kosten, sobald Fehler auftreten. Überlege daher, wann ein kurzer Hinweis sinnvoll ist und wie du intern offenlegst, welche Teile der Kommunikation automatisiert vorbereitet werden. So bleibt klar, dass Verantwortung bei Menschen liegt, auch wenn Systeme zuarbeiten.

Falle 5: KI als Ersatz für Klarheit

Manche Organisationen hoffen, dass KI alte Probleme löst, die nichts mit Schreiben zu tun haben: unklare Ziele, widersprüchliche Prioritäten, fehlende Entscheidungen. Dann werden Workflows gebaut, die nur Symptome verschönern. Hier hilft Ehrlichkeit: Wenn der Inhalt unklar ist, kann keine Automatisierung ihn retten. In solchen Fällen ist der bessere erste Schritt ein Gespräch über Rollen, Zuständigkeiten und Entscheidungswege, bevor ein System Textvorschläge produziert.

Was bleibt: klare Workflows statt Heilsversprechen

Zum Schluss noch ein nüchterner Blick auf Grenzen. KI kann Muster erkennen, Varianten erzeugen und Rohtexte bauen. Sie kann aber weder Verantwortung tragen noch Kontext vollständig erfassen. Vorher bestand dein Alltag aus viel Tipp-Arbeit und implizitem Wissen. Nachher besteht er idealerweise aus bewussten Regeln, klaren Workflows und einer aufgeteilten Arbeit: Systeme liefern Vorschläge, Menschen entscheiden. Dieser Beitrag kann dir dabei helfen, einen ersten eigenen Ablauf zu entwerfen. Er ersetzt jedoch keine individuelle Beratung und keine rechtliche oder medizinische Einschätzung. Ergebnisse können sich je nach Branche, Datenlage und persönlichem Arbeitsstil deutlich unterscheiden. Prüfe daher regelmäßig, ob deine Workflows noch zu deinen Zielen, Richtlinien und gesetzlichen Vorgaben passen.

Was du aus diesem Leitfaden mitnehmen kannst

Nutze KI gezielt für Teile deiner Kommunikation, in denen sich Muster klar erkennen lassen und das Risiko überschaubar bleibt. Dokumentiere jeden Ablauf, halte Grenzen fest und plane feste Prüfpunkte ein. Betrachte Entwürfe als Vorschläge, nicht als fertige Nachrichten. So verschiebt sich deine Arbeit vom ständigen Tippen hin zu bewussten Entscheidungen über Inhalte und Ton. Dieser Artikel stellt keine persönliche Beratung dar und ersetzt weder fachliche noch rechtliche Prüfung. Ergebnisse können variieren und hängen stark von Kontext, Umsetzung und Sorgfalt ab.

Mehr lesen Tools ansehen