Der KI-Kompass für DACH-Profis
KI-Grundlagen
Was du über KI verstehen musst, um sie im Beruf souverän einzusetzen, in fünf aufeinander aufbauenden Stufen. Jede Stufe fasst das Wesentliche zusammen; wo du tiefer willst, führt ein «Vertiefen»-Link zum ausführlichen Leitfaden. Kein Hype, nur was wir selbst brauchen.
Der Lernpfad
KI-Modelle
Ein KI-Sprachmodell ist ein System, das Sprache verarbeitet, indem es den nächsten Textbaustein vorhersagt, immer auf Basis von allem, was bisher im Text steht. Aus diesem einfachen Prinzip entstehen Übersetzung, Zusammenfassung, Recherche-Hilfe und sogar Programmcode.
Die grossen Anbieterfamilien wie Anthropic, OpenAI, Google oder Mistral unterscheiden sich weniger im Grundprinzip als in Stärke, Kontextlänge, Tempo und Preis. Welches Modell sinnvoll ist, entscheidet die Aufgabe und nicht die reine Grösse: Für viele Alltagsaufgaben reicht ein kleineres, günstiges Modell, anspruchsvolles Schlussfolgern verlangt ein stärkeres.
Eines sollte man von Anfang an wissen: Ein Modell weiss nichts im eigentlichen Sinn. Es schätzt das Wahrscheinliche. Deshalb gehört zu jeder Antwort, auf die es ankommt, eine Gegenprüfung.
Tokens & Kosten
Modelle lesen und schreiben nicht in Wörtern, sondern in Tokens, also kleinen Bausteinen aus Wort- und Zeichenteilen. Als grobe Faustregel entspricht ein normaler Absatz deutscher Text schnell einigen Hundert Tokens.
Abgerechnet wird pro Token, getrennt nach Eingabe und Ausgabe. Zur Eingabe zählt dein Prompt samt allem mitgegebenen Kontext, zur Ausgabe die Antwort des Modells, und die Ausgabe ist meist deutlich teurer.
Die teuren Fallen sind selten der einzelne Aufruf, sondern Gewohnheiten: ganze Dokumente unnötig in den Kontext kippen, lange Gesprächsverläufe immer wieder mitschicken oder ein teures Spitzenmodell für eine simple Aufgabe nehmen. Wer die grobe Token-Logik versteht, senkt seine Rechnung meist ohne jeden Qualitätsverlust.
Prompting
Ein guter Prompt ist kein Trick, sondern eine klare Auftragsbeschreibung. Vier Bausteine tragen den grössten Teil: die Rolle, die eigentliche Aufgabe, der nötige Kontext und das gewünschte Ergebnisformat.
Im Alltag wirken wenige Muster zuverlässig: ein konkretes Beispiel mitgeben statt nur zu beschreiben, das Zielformat klar vorgeben und das Modell bei komplexen Aufgaben in nachvollziehbaren Schritten denken lassen. Genauso wichtig ist, was man weglässt, nämlich widersprüchliche Anweisungen, vage Adjektive wie «professionell» und überladene Mehrfach-Aufträge in einem einzigen Prompt.
Ein schwaches Ergebnis ist selten eine harte Modellgrenze. Meist lag es an einer unklaren Anweisung, und eine präzisere Nachformulierung bringt mehr als jeder vermeintliche Geheim-Tipp.
KI im Arbeitsalltag
Beruflichen Nutzen entfaltet KI dort, wo Aufgaben wiederkehren und sich klar beschreiben lassen, etwa Entwürfe, Zusammenfassungen, Recherche-Vorarbeit oder Datenaufbereitung. Der erste Schritt braucht keinen Code, sondern eine ehrliche Aufgaben-Inventur: Welche Teilschritte sind regelhaft genug für ein Modell, und welche verlangen menschliches Urteil?
Die wichtigste Kompetenz ist nicht das Bedienen, sondern das Erkennen von Halluzinationen. Modelle formulieren Falsches genauso souverän wie Richtiges, deshalb gilt für jede Aussage, die nach aussen geht oder eine Entscheidung trägt, die Quellen-Gegenprüfung.
Am tragfähigsten ist KI als Assistenz, die Vorarbeit liefert und Varianten vorschlägt, während Freigabe und Verantwortung beim Menschen bleiben. Ein fester Kontroll-Schritt im Ablauf ist kein Misstrauen, sondern Teil der Qualität.
Datenschutz, Sicherheit & Compliance
Sobald du echte Daten in ein KI-Tool gibst, verlassen sie deinen Rechner und werden bei einem Anbieter zu Tokens verarbeitet. Genau hier beginnt Datensouveränität.
Für Organisationen im DACH-Raum sind drei Fragen zentral: Wer ist die Vertragspartei, in welcher Region wird verarbeitet, und welche Subprozessoren hängen dahinter? Eine physische Verarbeitung in der EU ist möglich und hilfreich, aber keine automatische Compliance-Garantie. Bei US-kontrollierten Anbietern bleibt der mögliche Drittland-Zugriff ein Prüfpunkt, auch bei einer EU-Region.
Das Datenschutzrecht (DSGVO, in der Schweiz das revDSG) verlangt, Zweck und Rechtsgrundlage zu klären, bevor personenbezogene Daten verarbeitet werden. Die EU-KI-Verordnung (AI Act) stuft KI-Systeme zusätzlich nach Risiko ein und tritt gestaffelt in Kraft. Wer KI-Modelle lieber selbst betreibt, statt sie über die Cloud zu nutzen, findet die Hardware-Grundlagen in der Vertiefung «Lokale KI».
| Kriterium | Lokale KI | Cloud-KI |
|---|---|---|
| Daten | bleiben im Haus | verlassen das Haus |
| Kosten | einmalig Hardware, dann Strom | laufend pro Nutzung |
| Tempo | abhängig von eigener Hardware | sofort sehr leistungsfähig |
| Kontrolle | hoch | begrenzt |
| Aufwand | Einrichtung und Betrieb nötig | gering, sofort startklar |
Stand: Juni 2026 · Grundlagen halbjährlich aktualisiert, der Hardware-Leitfaden häufiger.
Kurz beantwortet
Häufige Fragen
Was ist ein KI-Sprachmodell?
Ein Sprachmodell ist ein KI-System, das Text Token für Token vorhersagt und so Sprache verarbeitet und erzeugt. Die grossen Familien von Anbietern wie Anthropic, OpenAI, Google oder Mistral unterscheiden sich in Stärke, Kontextlänge und Preis. Welches Modell sinnvoll ist, hängt von Aufgabe und Budget ab, nicht von der reinen Grösse.
Was sind Tokens und wie entstehen die Kosten?
Modelle zerlegen Text in Tokens, also kleine Bausteine aus Wortteilen. Abgerechnet wird pro Token, getrennt nach Eingabe und Ausgabe, und die Preise unterscheiden sich stark je Anbieter und Modell. Die teuren Fallen entstehen meist durch unnötig lange Kontexte und durch das falsche Modell für eine einfache Aufgabe.
Wie schreibt man einen guten Prompt?
Gute Prompts sind konkret: Sie geben Kontext und ein klares Zielformat vor. Im Alltag tragen wenige Muster den grössten Teil des Ergebnisses, etwa Rolle plus Aufgabe plus Beispiel. Eine präzise Anweisung bringt fast immer mehr als ein vermeintlicher Prompt-Trick.
Was ist der Unterschied zwischen KI, maschinellem Lernen und einem Sprachmodell?
Künstliche Intelligenz ist der Oberbegriff, maschinelles Lernen eine Methode darin, bei der Systeme aus Daten lernen. Ein Sprachmodell ist ein konkretes, auf Text trainiertes Lernsystem. Vereinfacht: KI ist das Feld, maschinelles Lernen der Ansatz, das Sprachmodell das Werkzeug.
Was ist eine KI-Halluzination?
Eine Halluzination ist eine Antwort, die plausibel klingt, aber sachlich falsch oder frei erfunden ist. Sie entsteht, weil ein Sprachmodell das Wahrscheinliche schätzt und nicht zwischen gesichertem Wissen und Vermutung trennt. Deshalb gehört zu jeder wichtigen Antwort eine Quellen-Gegenprüfung.
Was ist ein Kontextfenster?
Das Kontextfenster ist die Menge an Text, die ein Modell gleichzeitig berücksichtigen kann, gemessen in Tokens. Alles darin fliesst in die Antwort ein, alles darüber hinaus fällt weg. Ein grösseres Fenster erlaubt längere Dokumente, kostet aber mehr und macht die Anweisung nicht automatisch besser.