KI und Tonic - KI Praxistipps für den Mittelstand Archiv

In ChatGPT ist ein neuer Button aufgetaucht: Plugins. Und für alle, die Custom GPTs gebaut haben, hat das Folgen.

In Folge 45 von KI & Tonic sprechen Julian und Fabian über einen Übergang, der gerade mitten im Gange ist. Aus den GPTs, früher Custom GPTs, werden Plugins. Wer ChatGPT schon länger nutzt, kennt die kleinen Spezialassistenten mit eigenem System-Prompt und Wissensquellen. Sie waren in Unternehmen sehr beliebt, zum Beispiel als wöchentlicher News-Assistent oder als Kunden-Chatbot auf Basis eigener Daten.

Ein Plugin besteht aus zwei Teilen: einem Skill und dem Zugriff auf ein Tool. Damit lassen sich Integrationen andocken und fast schon Workflows abbilden. Auch der Aufruf ändert sich. Statt in der Seitenleiste einen GPT anzuklicken, holt man sich das Plugin per @ in den Chat, wie einen Spezialisten, der kurz ins Büro kommt.

Fabian berichtet von seiner ersten Migration, dem Podcast-Skript-Ersteller für KI & Tonic. Beide geben praktische Hinweise mit: erst aufräumen, dann migrieren, vorher sichern, und beachten, dass ein migrierter GPT zunächst privat ist und der alte eingefroren wird. Zum Schluss ordnen sie ein, warum die Plugins vermutlich nur ein Zwischenschritt auf dem Weg zu KI-Agenten sind.

In dieser Folge erfährst du:

was ein Custom GPT war und wofür Unternehmen ihn genutzt haben

was ein Plugin ist und woraus es besteht (Skill plus Tool)

wie du Plugins per @ in den Chat holst

wie die Migration deiner GPTs funktioniert

warum du vor der Migration aufräumen solltest

was nach der Migration mit Sichtbarkeit und Bearbeitung passiert

wie Skills Plugins modular machen

was MCP (Model Context Protocol) ist und für wen es sich lohnt

was du als Nutzer fremder GPTs tun solltest

warum Plugins wohl nur ein Zwischenschritt Richtung Agenten sind

Für alle, die ChatGPT im Unternehmen nutzen und ihre GPTs nicht plötzlich verlieren oder blind umziehen wollen.

Beim Scrollen durch LinkedIn denken Julian und Fabian regelmäßig dasselbe: schon wieder ein Text, der nichts sagt.

In Folge 44 von KI & Tonic sprechen die beiden über ein Thema, das sie persönlich ärgert: AI Slop, also KI-generierte Inhalte ohne Qualität. Mit der breiten Nutzung von KI wächst auch die Menge an Bildern und Texten, die in Sekunden entstehen und genauso schnell wieder vergessen sind. Auf LinkedIn und YouTube fällt das schon lange auf. Inzwischen landet es auch im Arbeitsalltag, zum Beispiel in aufgeblähten Präsentationen von Kolleginnen und Kollegen.

Dabei sind beide klare KI-Befürworter. Sie wollen niemanden vom Ausprobieren abhalten. Ihr Punkt ist, dass man die Technologie mit der richtigen Kompetenz nutzen sollte und nicht einfach ungeprüft veröffentlicht.

Julian stellt drei Regeln vor, mit denen sich AI Slop vermeiden lässt:

Say hi to AI: Das Hi steht für Human Intelligence. Gib der KI möglichst viel von deinem Erfahrungswissen mit.Rahmenbedingungen im KI-Tool: Personalisierung (wer bist du, welche Quellen, welche Zielgruppe) plus Dokumente als dauerhafte Wissenssammlung.Skills: Ein Skill für den eigenen Schreibstil und ein Humanizer-Skill, der typische KI-Merkmale zum Schluss entfernt.

Dazu gibt es einen Einsteiger-Tipp, einen Hinweis für die Bildgenerierung mit Corporate Design und eine klare Botschaft zum Schluss: Shit in, Shit out.

In dieser Folge erfährst du:

was AI Slop ist und warum er LinkedIn & Co. flutet

warum KI-Schrott inzwischen auch im Arbeitsalltag ankommt

warum dein eigenes Know-how der wichtigste Hebel ist

wie du Personalisierung und Wissensdokumente im KI-Tool einrichtest

wie ein Schreibstil-Skill entsteht und was ein Humanizer-Skill macht

wie du bei der Bildgenerierung dein Corporate Design vorgibst

warum du Experimente auch als Experiment kennzeichnen solltest

die Frage, die du dir vor jedem Post stellen solltest: Was ist mein Ziel?

Für alle, die KI intensiv nutzen wollen und dabei nicht im Einheitsbrei untergehen möchten.

Wird KI die Menschheit auslöschen? Wer in den letzten Wochen die Schlagzeilen verfolgt hat, könnte genau das befürchten.

In Folge 43 von KI & Tonic stellen Julian und Fabian sich der größten Frage der Branche. Sie ordnen sachlich, persönlich und ohne Panikmache ein, was an den Schlagzeilen dran ist und was nicht. Dafür haben sie fünf Zukunftsszenarien mitgebracht und diskutieren sie nacheinander:

KI bleibt Werkzeug: Allerdings kein Hammer, sondern ein Exoskelett, das uns in jedem Bereich des Alltags stärkt. Der Mensch muss es aktiv steuern.KI verändert unsere Arbeitswelt massiv: Nicht der Job verschwindet, sondern einzelne Aufgaben ändern sich. Kein Beruf bleibt unberührt.Die Ära der Superintelligenz: Was heißt „intelligent" eigentlich? Beim Wissen ist die KI uns längst voraus. Bei Haptik, Bewegung und Ermessen fehlt noch viel.Kontrollverlust, die KI wird „böse": Agenten verfolgen ihr Ziel, egal wie. Die Gefahr liegt weniger im Terminator-Szenario als in Menschen, die falsche Ziele vorgeben.KI löst Probleme, die wir allein nicht lösen können: Medikamentenentwicklung, Forschung, Energie, Bildung und vielleicht sogar die 4-Tage-Woche.

Beide Hosts sehen Szenario 1 und 2 schon heute Realität werden. Szenario 5 halten sie für das erstrebenswerteste. Dafür braucht es klare Regeln: den EU AI Act, das Prinzip „Human in the Loop" und im Unternehmen gute Governance.

In dieser Folge erfährst du:

welche fünf Szenarien für die Zukunft der KI realistisch sind

warum KI eher ein Exoskelett als ein Hammer ist

den Unterschied zwischen Job und Aufgabe und warum sich beide verändern

was Superintelligenz wirklich bedeutet und was der KI noch fehlt

warum autonome Agenten enge Sicherheitsgrenzen brauchen

warum die größte KI-Gefahr der Mensch hinter dem Prompt ist

welche Rolle EU AI Act und Human in the Loop spielen

warum Julian mittelfristig an die 4-Tage-Woche durch KI glaubt

wie ihr mit Governance-Regeln im Unternehmen von den Chancen profitiert

Eine Folge für alle, die zwischen Hype und Horror einen klaren Kopf behalten wollen.

„Welches ist das beste KI-Modell?" — eine der meistgestellten Fragen in der KI-Community. Und eine, die sich pauschal einfach nicht beantworten lässt.

In Folge 42 von KI & Tonic räumen Julian und Fabian mit dem Mythos der „einen besten KI" auf. Benchmarks und Vergleichstabellen sind zwar spannend, aber für den Arbeitsalltag im Mittelstand meist wenig hilfreich. Viel entscheidender ist die Frage: Welches Modell passt zu welcher konkreten Aufgabe?

Zunächst klären die beiden einen wichtigen Unterschied, der häufig durcheinandergebracht wird: Tool versus Modell. Ein Tool wie ChatGPT oder eine Plattform wie Langdock ist die Oberfläche — dahinter stecken unterschiedliche Modelle verschiedener Anbieter, die je nach Anwendungsfall ausgetauscht werden können.

Um Ordnung in den Modell-Dschungel zu bringen, nutzen Julian und Fabian ein eingängiges Bild aus dem Fußball: Jeder große Anbieter hat seine eigene „Liga-Struktur" — von Regionalliga-Modellen für einfache, schnelle Aufgaben bis hin zu Champions-League-Modellen für hochkomplexe Anforderungen. Sie ordnen die aktuellen Modelle von OpenAI, Anthropic (Opus, Sonnet, Haiku und das besonders leistungsstarke Flaggschiff-Modell), Google (Gemini Pro, Flash, Flash-Lite) und Mistral (Small, Medium, Large sowie ein spezialisiertes Coding-Modell) in dieses Raster ein.

Ein zentraler Teil der Folge widmet sich dem Thema Tokens — der Recheneinheit hinter jeder KI-Nutzung. Julian erklärt anschaulich, was Input- und Output-Tokens sind, wie sie sich auf die Kosten auswirken und warum ein durchdachtes Kostenmanagement gerade im Unternehmenseinsatz entscheidend ist. Denn: Wer das falsche, überdimensionierte Modell für eine einfache Aufgabe nutzt, zahlt am Ende unnötig drauf.

In dieser Folge erfährst du:

warum Benchmarks für die Praxis oft wenig aussagekräftig sind

den entscheidenden Unterschied zwischen Tool und Modell

die Bundesliga-Analogie zur Einordnung von KI-Modellen nach Leistungsklasse

einen Überblick über die aktuellen Modelle von OpenAI, Anthropic, Google Gemini und Mistral

was Input- und Output-Tokens sind und wie sie berechnet werden

warum die Modellwahl eine Kostenfrage ist — und wie teure Fehlentscheidungen vermieden werden können

warum das „beste" Modell nicht existiert, sondern immer aufgabenabhängig gewählt werden sollte

Eine praxisnahe Orientierungshilfe für alle, die im Modell-Dschungel den Überblick behalten und die richtige KI für die richtige Aufgabe auswählen wollen.

Eine KI hat sich selbstständig gemacht, einen eigenen Willen entwickelt und eine Website gehackt — so die Schlagzeilen der letzten Tage.

In dieser True-CrAIme-Spezialfolge von KI & Tonic nehmen Julian und Fabian den Fall auseinander, der aktuell nicht nur die KI-Fachpresse, sondern auch die breite Öffentlichkeit in Atem hält. Ein noch unveröffentlichtes OpenAI-Modell soll aus einer gesicherten Testumgebung — einer sogenannten Sandbox — ausgebrochen sein und die bekannte KI-Plattform Hugging Face angegriffen haben. Diese wiederum wehrte sich mit chinesischen Open-Weight-Modellen, weil die US-amerikanischen KI-Tools den Einsatz für einen solchen Gegenangriff verweigerten.

Klingt nach Science-Fiction? Julian und Fabian ordnen die Fakten sauber ein, trennen Fakten von Marketing-Spekulation und liefern die wichtigste Erkenntnis der ganzen Geschichte: Die KI hatte keinen eigenen Willen. Sie folgte lediglich ihrem Auftrag — mit maximaler Effizienz den Weg des geringsten Widerstands zu finden. Das eigentliche Problem war eine Sicherheitslücke in der Sandbox von OpenAI selbst.

Die Folge endet mit einer spannenden Diskussion: Ist das Ganze eine ernstzunehmende Sicherheitswarnung — oder ein cleverer Marketing-Stunt, ähnlich wie beim Modell "Fable Five"? Julian und Fabian beziehen klar Position — und laden die Hörerschaft ein, mitzudiskutieren: Team Julian oder Team Fabian?

„Führt KI in unserem Unternehmen ein." Aber wo fängt man eigentlich an?

Genau diese Frage beantworten Julian und Fabian in Folge 40 von KI & Tonic — mit einem kompletten, praxisnahen Fahrplan von Schritt 0 bis zum erfolgreichen Rollout. Keine Buzzwords, keine Theorie-Show, sondern konkrete Dos and Don'ts für alle, die vor der Aufgabe stehen, KI wirklich in ihrer Organisation zu verankern.

Der erste und wichtigste Schritt: das Warum klären. Denn „jeder macht doch was mit KI" ist keine Strategie — es ist der sichere Weg zum Scheitern. Julian und Fabian erklären, warum eine klare Prozessanalyse vor jeder Tooleinführung stehen muss, wie eine durchdachte Daten- und Digitalisierungspyramide aussieht, und warum man trotzdem nicht in German-Overengineering verfallen sollte, sondern pragmatisch mit kleinen, sauberen Datensätzen starten kann.

Die Folge liefert außerdem eine klare Orientierung im Tool-Dschungel: Was unterscheidet Modelle wie ChatGPT, Gemini, Claude und Mistral von Plattformen wie Langdock oder Microsoft Copilot? Und warum ist der Plattformgedanke oft klüger als die Bindung an ein einzelnes Modell?

Das Herzstück der Folge ist die konkrete Einführungsstrategie.

In dieser Folge erfährst du:

warum das Warum vor jeder KI-Einführung geklärt sein muss

wie die Digitalisierungspyramide aus Standardisierung, Prozessgestaltung und Digitalisierung funktioniert

warum ihr trotzdem nicht zu perfektionistisch starten solltet

welche LLMs und Plattformen (ChatGPT, Gemini, Claude, Mistral, Langdock, Microsoft Copilot) sich unterscheiden — und warum der Plattformgedanke wichtig ist

wie ihr mit einer kleinen Pilotgruppe startet und Leuchttürme aufbaut, die in die Organisation ausstrahlen

wie die Impact-Effort-Matrix euch hilft, Quick Wins von Zeitverschwendern zu unterscheiden

warum der Weg von Allgemeinwissen zu spezifischem internem Wissen führen sollte

warum eine Kultur des Experimentierens unverzichtbar ist — Scheitern inklusive

den Merksatz TKKG: Technologie, Kompetenz, Kultur, Governance

Eine Pflichtfolge für alle, die vor der Aufgabe stehen, KI im eigenen Unternehmen strukturiert und nachhaltig einzuführen — ohne sich im Klein-Klein zu verlieren.

Erinnert ihr euch noch an KI-Bilder mit sechs Fingern und Spaghetti, die in Will Smiths Hand verschwanden?

Diese Zeiten sind endgültig vorbei. In Folge 39 von KI & Tonic sprechen Julian und Fabian über den enormen Entwicklungssprung, den die KI-Bildgenerierung in den letzten Wochen gemacht hat — und warum dieses Thema jetzt endlich business-ready für den Mittelstand ist.

Von den ersten holprigen Gehversuchen generativer Bild-KI bis zu den aktuellen Modellen wie Google Nano Banana 2 und dem neuen ChatGPT Image-Modell: Die beiden erklären, warum Text in Bildern heute präzise dargestellt wird, warum Auflösungen in 4K plötzlich Standard werden und wie ein unsichtbarer „Thinking Layer" im Hintergrund dafür sorgt, dass aus einem kurzen Prompt ein detailreiches, kontextbewusstes Bild entsteht.

Ein weiterer Fokus liegt auf der gezielten Bildbearbeitung: Statt komplett neue Bilder zu generieren, können heute einzelne Bereiche präzise verändert werden — der Rest bleibt unberührt. Julian und Fabian zeigen konkrete Anwendungsfälle für den Mittelstand: von Corporate-Design-Infografiken über Flyer und Broschüren bis hin zu Kampagnenbildern für Social Media.

Aber die Folge bleibt nicht nur euphorisch: Julian warnt eindringlich vor der inflationären Nutzung von Infografiken — denn Qualität schlägt Quantität, auch bei KI-generierten Inhalten.

In dieser Folge erfährst du:

warum Text in KI-Bildern früher fehlerhaft war und wie moderne Modelle das gelöst haben

was der unsichtbare „Thinking Layer" im Hintergrund wirklich macht

warum 4K-Auflösung die KI-Bildgenerierung businessfähig macht

wie man mit Logo, Hex-Codes und Schriftart Infografiken im eigenen Corporate Design erstellt

welche konkreten Use Cases sich für den Mittelstand eignen (Infografiken, Flyer, Kampagnenbilder, Social Media Content)

wie gezielte Bildbearbeitung (z. B. mit dem Tool Reef) einzelne Bildbereiche verändert, ohne den Rest zu beeinflussen

warum Qualität statt Masse bei Infografiken entscheidend ist

warum wir zwar „immer noch Fußball spielen" — aber inzwischen in der Bundesliga

Eine Folge für alle, die KI-Bildgenerierung gezielt und hochwertig im Unternehmensalltag einsetzen wollen.

Ein neues KI-Modell, das so mächtig war, dass es zunächst nicht veröffentlicht werden durfte — und jetzt ist es da.

In dieser Spezialfolge von KI & Tonic geben Julian und Fabian ein kompaktes, aber hochrelevantes Update aus der KI-Welt: Anthropic hat mit Claude 5 (intern bekannt als „Fable Five") das Nachfolgemodell seines bisherigen Flaggschiffs veröffentlicht — und es ist ein echter Quantensprung.

Die Geschichte dahinter ist fast so spannend wie das Modell selbst: Anthropic hatte zuvor das Modell „Mythos" entwickelt, es aber bewusst zurückgehalten — weil es so gut darin war, Sicherheitslücken in Software aufzuspüren, dass eine öffentliche Veröffentlichung als zu riskant galt. Im Rahmen des Project Glasswing durften zunächst 30, später 140 Unternehmen das Modell exklusiv nutzen, um jahrelang unentdeckte Sicherheitslücken zu schließen. Jetzt ist eine abgesicherte Version davon für alle verfügbar.

Julian hat Claude 5 bereits ausgiebig getestet — und ist beeindruckt: 5.000 Zeilen Excel-Daten analysiert in unter 10 Sekunden. Eine vollständige Keynote-Präsentation inklusive Bilder, Storyline und Sprechernotizen in unter 30 Sekunden. Konsistenz, Präzision, Datenanalysefähigkeit und Kreativität auf einem neuen Level.

In dieser Folge erfährst du:

was hinter dem geheimnisvollen Modell „Mythos" von Anthropic steckt

warum Claude 5 zunächst nicht veröffentlicht wurde — und was Project Glasswing damit zu tun hat

was die abgespeckte Veröffentlichung von Claude 5 bedeutet und welche Bereiche gesperrt bleiben

wie Julian 5.000 Zeilen Excel in unter 10 Sekunden analysieren ließ

wie Claude 5 in unter 30 Sekunden eine vollständige Keynote-Präsentation mit Bildern, Storyline und Kommentaren erstellt hat

warum Konsistenz, Präzision und multimodale Verarbeitung auf einem neuen Level sind

ob das alles Marketing-Stunt oder echter Fortschritt ist — und wie man es einordnet

Eine kompakte Pflichtfolge für alle, die wissen wollen, was gerade wirklich in der KI-Welt passiert — und welches Tool sie als nächstes testen sollten.

Was, wenn der entscheidende Hebel für KI-Erfolg im Unternehmen gar nicht die Technologie ist — sondern die Mentalität der Menschen?

️ Link zur Studie: https://www.onestoptransformation.com/studie-digitales-mindset-ki

Genau das zeigt eine brandneue Studie von ONESTOPTRANSFORMATION: „Digitales Mindset als Basis für KI-Kompetenzen". Und in Folge 37 von KI & Tonic spricht Fabian mit Julian — einem der Autoren der Studie — über die spannendsten Erkenntnisse, was sie für Unternehmen im Mittelstand bedeuten und wie man sie direkt in die Praxis übersetzen kann.

Die Studie ist alles andere als eine Bauchgefühl-Analyse: Über 3.600 Datenpunkte aus dem Bereich digitales Mindset wurden mit Daten zur KI-Kompetenz, BIP-Zahlen des Statistischen Bundesamts und Branchenindizes gekreuzt — über 21 Branchen hinweg, mit einem statistischen Regressionsmodell im Hintergrund.

Das Ergebnis ist eindeutig: Mindset hat einen messbaren, signifikanten Einfluss auf die KI-Nutzung, auf KI-Innovation und auf das Automatisierungspotenzial in Unternehmen. Und das Wertschöpfungspotenzial, das durch ein stärker ausgeprägtes digitales Mindset gehoben werden kann, beläuft sich auf bis zu 82 Milliarden Euro des deutschen BIP.

Julian erklärt, welche der sechs Mindset-Dimensionen besonders stark wirken, welche Branchen heute schon vorne liegen — und welche das größte ungehobene Potenzial haben. Außerdem gibt er einen konkreten Einstiegspunkt: Warum Kundenzentriertheit die eine Mindset-Dimension ist, mit der Unternehmen sofort anfangen sollten.

In dieser Folge erfährst du:

wie die Studie aufgebaut ist und was 3.600 Datenpunkte über KI-Erfolg verraten

warum Mindset — nicht Technologie — der entscheidende Hebel für KI-Adoption ist

welche 6 Mindset-Dimensionen untersucht wurden und welche am stärksten wirken

warum Kundenzentriertheit die KI-Nutzung um bis zu 20 Prozent steigert

wie Kritikfähigkeit KI-Innovation um bis zu 42 Prozent fördert

welche Branchen das größte ungehobene Potenzial haben (Spoiler: Industrie!)

warum Fast Moving Consumer Goods das überraschendste Ergebnis der Studie liefert

wie man Kundenzentriertheit konkret im Team entwickelt und verankert

wo die Studie kostenlos heruntergeladen werden kann

Eine Folge für alle Entscheider, die verstehen wollen, warum KI-Transformation eine Mindset-Frage ist — und was sie konkret dagegen tun können.

Jeder im Team nutzt KI — aber die Ergebnisse sind jedes Mal anders. Klingt bekannt?

Genau dieses Problem lösen KI-Skills — und in Folge 36 von KI & Tonic erklären Julian und Fabian, warum Skills der nächste entscheidende Schritt in der KI-Entwicklung für Unternehmen sind.

Bislang hat jede Mitarbeiterin und jeder Mitarbeiter im eigenen Promptstil mit KI-Tools gearbeitet. Die Ergebnisse waren selten konsistent — selbst bei identischen Aufgaben. Skills ändern das grundlegend: Sie sind vordefinierte Arbeitsmuster, die im Hintergrund automatisch greifen und dafür sorgen, dass KI-Outputs reproduzierbar, einheitlich und skalierbar werden — egal, wer den Input gibt.

Julian und Fabian nehmen die Hörerinnen und Hörer in dieser Folge Schritt für Schritt mit: Was ist ein Skill technisch gesehen? Wie legt man ihn an? Welche Anwendungsfelder bieten sich an — von der Präsentationserstellung über Angebote und Rechnungen bis hin zu Projektmanagement und Datenanalyse? Und was ist Julians persönlicher Superskill, der ihm täglich wertvolle Zeit spart?

Außerdem: Warum man Skills besser als KI-Hyperspezialisten denken sollte — und warum weniger manchmal deutlich mehr ist.

In dieser Folge erfährst du:

was KI-Skills sind und wie sie sich von Assistenten und Agenten unterscheiden

warum Skills der Schlüssel zu skalierbarer, einheitlicher KI in Organisationen sind

wie man einen Skill konkret anlegt — mit Systemprompt, Name, Beschreibung und Integrationen

welche Anwendungsfelder sich besonders eignen (Präsentationen, Angebote, Rechnungen, Projektmanagement, Datenanalyse u.v.m.)

warum Skills wie Standard Operating Procedures (SOPs) für die KI funktionieren

wie man sich ein KI-System mit Skills als KI-Betriebssystem vorstellen kann

Julians persönlichen Superskill „OST Slide Master" und wie er damit Zeit spart

warum der wichtigste Tipp beim Skill-Aufbau lautet: eine Aufgabe, kein Allrounder

Eine Folge für alle, die KI nicht nur individuell nutzen, sondern endlich skaliert und einheitlich in ihrer Organisation verankern wollen.

Was, wenn dein nächster Produktberater kein Mensch mehr ist – sondern eine KI?

In Folge 35 von KI & Tonic gehen Julian und Fabian einen entscheidenden Schritt weiter als in der letzten Chatbot-Folge: Weg vom reinen Support-Bot, hin zum Chatbot als digitalem Produktberater. Denn die Technologie ist längst so weit, dass KI-gestützte Chatbots nicht nur Fragen beantworten, sondern echte Beratungsgespräche führen können — individuell, skalierbar und rund um die Uhr.

Fabian und Julian zeigen, wie ein Chatbot als Produktberater funktioniert: Er stellt gezielte Fragen, versteht die Bedürfnisse des Kunden und gleicht sie mit dem Produktportfolio ab — ähnlich wie ein guter menschlicher Verkäufer. Dabei beleuchten die beiden konkrete Praxisbeispiele aus dem Alltag, von der Geschenkberatung bis zur komplexen Altersvorsorge im Banking-Kontext, und diskutieren, wann ein vollautomatisierter Prozess sinnvoll ist und wann ein Hybridansatz mit menschlichem Kontakt die bessere Wahl bleibt.

Außerdem: Welche technischen Grundlagen braucht ein guter Produktberater-Bot? Warum ist die Datenqualität entscheidend? Und wie startet man pragmatisch mit einem ersten Prototypen?

In dieser Folge erfährst du:

wie sich ein Chatbot als Produktberater von einem klassischen Support-Bot unterscheidet

warum Hyperpersonalisierung der größte Vorteil gegenüber klassischen Online-Konfiguratoren ist

welche Praxisbeispiele aus B2C und B2B heute schon funktionieren

wann ein volldigitaler Prozess sinnvoll ist — und wann ein Hybridmodell mit Mensch und KI besser passt

warum Datenqualität und vektorisierte Datenbanken über Erfolg oder Misserfolg entscheiden

wie man Halluzinationsrisiken minimiert und den Bot kontinuierlich verbessert

mit welchen ersten Schritten Unternehmen sinnvoll in das Thema einsteigen können

Für alle, die KI nicht nur im Service, sondern auch im Vertrieb und in der Beratung wirklich nutzen wollen — praxisnah, ehrlich und ohne Buzzword-Bingo.

Wie sinnvoll sind Chatbots wirklich im Kundenkontakt — und worauf sollten Mittelständler beim Einsatz achten?

In dieser Folge von KI & Tonic sprechen Fabian und Julian über ein Thema, das viele Unternehmen beschäftigt: Chatbots im Kundenservice, Vertrieb und in der Leadgenerierung. Dabei geht es nicht nur um die Frage, was Chatbots eigentlich sind, sondern vor allem darum, wo sie echten Mehrwert schaffen — und wo sie schnell zum Frustfaktor werden können.

Die beiden Hosts zeigen den Unterschied zwischen regelbasierten Chatbots und KI-basierten Chatbots, erklären, warum gerade hybride Modelle besonders spannend sind, und geben praxisnahe Einblicke, wie Unternehmen im Mittelstand erste sinnvolle Anwendungsfälle identifizieren können. Außerdem sprechen sie über typische Vorteile wie 24/7-Erreichbarkeit, Skalierbarkeit und schnellere Reaktionszeiten, aber auch über Herausforderungen wie Pflegeaufwand, Datenqualität, Datenschutz und die richtige Übergabe an menschliche Ansprechpartner.

Besonders wertvoll: Am Ende der Folge teilen Fabian und Julian 3 konkrete Schritte, mit denen Unternehmen direkt in das Thema einsteigen können.

In dieser Folge erfährst du:

was Chatbots im Unternehmenskontext eigentlich sind

worin sich regelbasierte und KI-basierte Chatbots unterscheiden

warum ein schlechter Chatbot schlimmer sein kann als gar kein Chatbot

welche Use Cases im Mittelstand besonders sinnvoll sind

wie Chatbots bei Kundenservice, Leadgenerierung und Terminvereinbarung unterstützen können

warum Datenbasis und Pflege über Erfolg oder Misserfolg entscheiden

wann ein Mensch im Kundenkontakt unverzichtbar bleibt

mit welchen 3 Schritten Unternehmen sinnvoll starten können

Eine Folge für alle, die Chatbots nicht nur als Hype verstehen wollen, sondern als konkretes Werkzeug für besseren Kundenkontakt und effizientere Prozesse.

Wie wäre es, wenn deine Dokumente anfangen, mit dir zu sprechen?

In dieser Folge von KI & Tonic sprechen Julian Knorr und Fabian Schneider über ein Tool, das aktuell noch unterschätzt wird – aber enormes Potenzial hat: Google NotebookLM.

Was auf den ersten Blick wie ein einfaches Zusammenfassungs-Tool wirkt, entpuppt sich schnell als echter Produktivitäts-Booster:

Inhalte werden nicht nur zusammengefasst – sie werden neu erlebbar gemacht

Wissen wird nicht nur konsumiert – sondern interaktiv verarbeitet

Und aus statischen Dokumenten wird plötzlich individueller Content in Echtzeit

Ob Podcast, Präsentation oder visuelle Aufbereitung: NotebookLM zeigt, wie sich Lernen, Arbeiten und Kommunikation durch KI gerade fundamental verändern.

Eine Folge für alle, die verstehen wollen, wie aus Informationen echter Mehrwert entsteht – im Arbeitsalltag und darüber hinaus.

Warum liefern KI-Tools manchmal brillante Ergebnisse – und manchmal völligen Unsinn?

In dieser Folge von KI & Tonic sprechen Julian Knorr und Fabian Schneider über eine der wichtigsten, aber oft unterschätzten KI-Kompetenzen: Prompting. Denn auch 2026 gilt weiterhin: Die Qualität der Eingabe bestimmt die Qualität der Ausgabe.

Statt klassischer „Prompt-Rezepte“ geht es um Denkmodelle und Vorgehensweisen, mit denen du KI systematisch zu besseren Ergebnissen führst:

Wie du KI nutzt, um deine eigenen Prompts zu verbessern

Warum Struktur wichtiger ist als lange Eingaben

Und wie du mit wenigen Prinzipien dauerhaft bessere Outputs erzielst

Eine Folge für alle, die mit KI nicht nur schneller, sondern qualitativ besser arbeiten wollen – im Marketing, im Management, in der Kommunikation und darüber hinaus.

Jetzt reinhören in KI & Tonic und Prompting als echte Metakompetenz verstehen.