Ein gemeinsames KI-Asset bündelt Kontext, Regeln und Qualitätsmaßstäbe, bevor der nächste Use Case startet.
Wie oft erklären Sie einer KI dieselben Dinge neu? Wer Ihre Kunden sind. Wen Sie erreichen möchten. Welche Rolle Ihr Unternehmen einnimmt, was Ihr Produkt leistet und wie Ihre Kommunikation klingen soll. Dazu kommen die Grenzen: Was darf die KI nicht behaupten? Welche Daten gehören nicht in einen Chat?
Im nächsten Chat beginnt vieles wieder von vorn. Und wenn Kolleginnen und Kollegen jeweils eigene Prompts und Abläufe entwickeln, entstehen unterschiedliche Ergebnisse. Die einen klingen nach Ihrer Marke, die anderen eher nach einem austauschbaren Muster. Das kostet Zeit und macht es schwer, KI-Ausgaben verlässlich weiterzuverwenden.
In KI-Projekten taucht deshalb immer wieder dieselbe Frage auf: Was muss die KI über unser Unternehmen wissen, bevor sie für uns arbeitet? Unsere Antwort: nicht noch ein längerer Einzelprompt, sondern eine gemeinsame, gepflegte Grundlage.
Kurz zusammengefasst
- Ein gemeinsames KI-Asset hält den relevanten Unternehmenskontext an einem Ort fest.
- Es hilft, Qualität und Tonalität über Teams und Anwendungen hinweg konsistenter zu halten.
- Erst wenn die Grundlage in konkreten Aufgaben funktioniert, lohnt es sich, weitere Use Cases darauf aufzubauen.
Was gehört in ein gemeinsames KI-Asset?
Ein KI-Asset ist kein Sammelordner mit möglichst vielen Informationen. Es ist eine handhabbare Beschreibung der Dinge, die für gute Arbeit mit KI tatsächlich entscheidend sind. Dazu gehören zum Beispiel:
- Kunden und Zielgruppen: Wen möchten Sie erreichen? Welche Fragen, Erwartungen und Situationen sind für diese Menschen wichtig?
- Rolle und Angebot: Was leistet Ihr Unternehmen, für wen und mit welchem konkreten Nutzen? Wo endet das Angebot?
- Sprache und Haltung: Wie soll sich Ihre Kommunikation anfühlen? Welche Begriffe passen, welche nicht? Wie direkt oder ausführlich soll sie sein?
- Qualitätsmaßstäbe und Grenzen: Welche Aussagen müssen belegbar sein? Was darf die KI nicht erfinden oder versprechen? Welche Informationen sind vertraulich?
- Aufgabe und Ausgabeformat: Soll ein Blogentwurf, eine Vertriebs-E-Mail oder eine Zusammenfassung entstehen? Für wen ist das Ergebnis gedacht und was soll die Person danach tun können?
Wichtig ist die Auswahl. Ein Profil, das alles über das Unternehmen enthalten soll, wird schnell unübersichtlich. Besser ist eine klare Grundbasis mit passenden Ergänzungen je Zielgruppe, Aufgabe oder Kanal. So bekommt die KI genug Kontext, ohne dass jedes Teammitglied erst ein halbes Handbuch in den Chat kopieren muss.
Wie zeigt sich das im Arbeitsalltag?
Nehmen wir ein Marketingteam, das regelmäßig Blogentwürfe und Vertriebs-E-Mails mit KI vorbereitet. Ohne gemeinsame Grundlage beschreibt jede Person Zielgruppe, Produkt und Tonalität auf eigene Weise. Eine E-Mail klingt sehr formell, die nächste locker. Ein Blogentwurf richtet sich an die Geschäftsführung, der andere an Fachanwenderinnen und Fachanwender, obwohl beide denselben Markt ansprechen sollen.
Mit einem gemeinsamen KI-Asset startet das Team von derselben Beschreibung aus. Für die jeweilige Aufgabe ergänzt es nur noch, was sich unterscheidet: Kanal, Ziel, konkreter Use Case und gewünschte nächste Handlung. Das nimmt dem Team nicht die redaktionelle Entscheidung ab. Es reduziert aber Wiederholungen und gibt allen eine bessere Ausgangsbasis.
Der Unterschied zeigt sich nicht daran, dass jede Ausgabe identisch klingt. Gute Konsistenz heißt: Die Ergebnisse passen erkennbar zum Unternehmen und zur jeweiligen Zielgruppe, ohne dass jede Aufgabe bei null beginnt.
Warum sollte das Fundament vor dem nächsten Use Case kommen?
Ein neuer KI-Anwendungsfall wirkt schnell greifbar: einen Text erstellen, eine Anfrage sortieren oder einen Prozessschritt automatisieren. Wenn dabei aber unklar bleibt, welches Wissen, welche Regeln und welcher Qualitätsmaßstab gelten, wird die gleiche Unschärfe in den nächsten Ablauf übernommen.
Das gemeinsame Fundament löst nicht automatisch jedes Qualitätsproblem. Es macht jedoch sichtbar, worauf die Anwendung zurückgreifen soll und woran ein brauchbares Ergebnis zu erkennen ist. Damit können Teams erst einen konkreten Ablauf prüfen und verbessern, bevor sie ihn auf weitere Aufgaben übertragen.
Wir empfehlen deshalb eine Reihenfolge, die im Alltag funktioniert:
- Wissen sortieren: Sammeln Sie nicht alles, sondern klären Sie, welcher Unternehmenskontext für die ersten ein bis zwei Aufgaben wirklich gebraucht wird.
- Profile formulieren: Halten Sie Zielgruppe, Angebot, Rolle, Tonalität und Grenzen in einer verständlichen, pflegbaren Form fest.
- An echten Aufgaben testen: Prüfen Sie die Grundlage an typischen Ausgaben aus dem Arbeitsalltag, nicht nur an einem besonders einfachen Beispiel.
- Ergebnisse auditieren: Bewerten Sie, ob die Ausgabe fachlich stimmt, die richtige Zielgruppe anspricht, zur Marke passt und keine unbelegten Aussagen enthält.
- Nachschärfen und wiederverwenden: Ergänzen Sie fehlenden Kontext und führen Sie erst dann weitere Anwendungen oder Automatisierungen auf derselben Basis zusammen.
Ein Audit muss dabei kein großes Prüfprojekt sein. Eine kurze Checkliste mit klaren Kriterien reicht oft für den Anfang. Entscheidend ist, dass Menschen die Ergebnisse beurteilen und die Profile aktualisieren, wenn sich Angebot, Zielgruppe oder Positionierung ändern.
Was muss Ihre KI über Ihr Unternehmen wissen?
Wir schauen gemeinsam auf Ihre Zielgruppen, Angebote und wiederkehrenden Aufgaben und sortieren, welches Fundament für Ihre KI-Anwendungen wirklich gebraucht wird.
Wie passt das zum Orange Growth Pilot?
Im Orange Growth Pilot (OGP) betrachten wir KI nicht als Sammlung einzelner Prompts. Wir arbeiten daran, dass Marketing- und Vertriebsteams auf gemeinsame Profile und klare Leitplanken zurückgreifen können. Dazu zählen zum Beispiel Zielgruppen, Intentionen, Tonalität und das gewünschte Ausgabeformat.
So muss der Kontext nicht bei jedem neuen Output erneut erfunden werden. Er kann als gemeinsame Grundlage in passende Arbeitsschritte einfließen. Wir begleiten dabei nicht nur die Konzeptarbeit: Gemeinsam wird geklärt, was gebraucht wird, wie sich die Profile im Alltag bewähren und welche nächsten Anwendungen sinnvoll darauf aufbauen.
Das Ziel ist kein kompliziertes Regelwerk. Es ist ein Setup, das Orientierung gibt, Ergebnisse nachvollziehbarer macht und sich mit dem Team weiterentwickeln lässt.
Welche Kennzahlen sollten Sie prüfen?
Wenn Sie den Nutzen eines gemeinsamen KI-Assets im eigenen Team sichtbar machen möchten, vergleichen Sie vor und nach dem Aufbau zum Beispiel:
- Zeit für Kontextaufbau und Prompt-Vorbereitung pro Aufgabe: [internen Ausgangs- und Vergleichswert ergänzen]
- Zahl der Überarbeitungsschleifen, bis ein Ergebnis verwendbar ist: [internen Ausgangs- und Vergleichswert ergänzen]
- Anteil der Ausgaben, die die vereinbarte Qualitätscheckliste beim ersten Durchlauf erfüllen: [internen Ausgangs- und Vergleichswert ergänzen]
Schon ein kleiner, sauber dokumentierter Test mit wiederkehrenden Aufgaben kann zeigen, wo das Fundament hilft und wo Profile noch präziser werden müssen.
Fazit: Erst Klarheit schaffen, dann sinnvoll skalieren
Wenn jede Person den Unternehmenskontext neu erklären muss, wird KI schnell zu einer Sammlung einzelner Versuche. Ein gemeinsames KI-Asset schafft einen besseren Startpunkt: Es macht sichtbar, für wen das Team arbeitet, was das Unternehmen anbietet, wie es kommuniziert und welche Qualitätsmaßstäbe gelten.
Der nächste sinnvolle Schritt ist überschaubar: Wählen Sie eine wiederkehrende Aufgabe, die heute viel Copy-Paste oder Korrekturschleifen verursacht. Klären Sie den dafür nötigen Kontext, testen Sie ein gemeinsames Profil an echten Beispielen und halten Sie fest, was sich verbessert. Erst wenn diese Basis trägt, sollten weitere Use Cases folgen.
Für weitere Informationen und Unterstützung stehen wir Ihnen jederzeit zur Verfügung. Lassen Sie uns gemeinsam sicherstellen, dass Ihr KI-Asset optimal gestaltet wird.
Machen Sie aus einzelnen KI-Versuchen einen verlässlichen Ablauf
Bringen Sie einen Anwendungsfall aus Ihrem Marketing- oder Vertriebsalltag mit. Gemeinsam prüfen wir, welcher Kontext fehlt und wie sich die Qualität Schritt für Schritt absichern lässt.
Häufig gestellte Fragen
Nicht ganz. Prompts beschreiben oft, was die KI in einer einzelnen Aufgabe tun soll. Ein KI-Asset hält dagegen den wiederverwendbaren Kontext fest, der bei vielen Aufgaben wichtig bleibt: Zielgruppen, Angebot, Tonalität, Grenzen und Qualitätsmaßstäbe. Einzelne Prompts können darauf aufsetzen, müssen diese Grundlagen aber nicht jedes Mal neu erklären.
Nein. Ein umfangreiches Dokument hilft wenig, wenn niemand es pflegt oder im Alltag nutzt. Starten Sie mit dem Kontext, der für eine oder zwei konkrete Aufgaben nötig ist. Ergänzen Sie weitere Profile erst, wenn ein klarer Bedarf entsteht. So bleibt die Grundlage verständlich und praktikabel.
Das sollte es nicht. Die gemeinsame Grundlage sorgt dafür, dass grundlegende Fakten und die Markenhaltung stimmen. Zielgruppe, Kanal und Aufgabe geben weiterhin den jeweiligen Ton und Aufbau vor. Konsistenz bedeutet nicht, überall denselben Text zu produzieren, sondern erkennbar aus derselben Organisation zu sprechen.
Legen Sie fest, wer die Profile verantwortet und bei welchen Veränderungen sie geprüft werden müssen, zum Beispiel bei einem neuen Angebot oder einer veränderten Positionierung. Ein sichtbares Aktualisierungsdatum und ein kurzer regelmäßiger Check helfen. Das ist keine einmalige Prompt-Aufgabe, sondern ein Arbeitsmittel, das mit dem Unternehmen Schritt halten muss.
Prüfen Sie die Ergebnisse an echten Aufgaben und mit vorher festgelegten Kriterien: Stimmen Fakten und Zielgruppe? Passt die Tonalität? Bleibt die Ausgabe innerhalb der vereinbarten Grenzen? Ist sie mit vertretbarem Aufwand weiterverwendbar? Ergänzen Sie diese Qualitätsprüfung um einfache Zeit- und Korrekturschleifen-Messungen. So sehen Sie, ob das Asset den Alltag tatsächlich erleichtert.