KI einsetzen, ohne die Kontrolle zu verlieren

Der entscheidende Moment kommt nach der Antwort.

Ein Vorschlag liegt auf dem Tisch. Der Text klingt schlüssig, die Lösung wirkt plausibel, der Code sieht ordentlich aus. Jetzt beginnt der Teil, der über den Nutzen entscheidet: Passt das Ergebnis zum Auftrag? Worauf stützt es sich? Was wurde tatsächlich geprüft? Und wer entscheidet, ob daraus eine Änderung am System wird?

Genau hier setzt meine Arbeit mit KI an. Ich möchte ihre Möglichkeiten nutzen und gleichzeitig verstehen können, wie ein Ergebnis zustande gekommen ist. Dafür muss nicht jeder Gedanke eines Modells sichtbar sein. Sichtbar sein müssen die verwendeten Grundlagen, die getroffenen Annahmen, die ausgeführten Schritte und die Grenzen des Ergebnisses.

Arbeitsweisen, die sich weitergeben lassen.

Wiederkehrende Aufgaben brauchen wiederverwendbare Vorgehensweisen. Deshalb dokumentiere ich meine KI-Skills: kleine, lesbare Arbeitsanleitungen, die festhalten, wann sie eingesetzt werden, wie die Arbeit abläuft, wo sie endet und woran ihr Ergebnis geprüft wird.

Ein Skill für Fehlerdiagnose verlangt beispielsweise eine nachvollziehbare Beobachtung und überprüfbare Hypothesen. Ein Skill für Entscheidungen hält auch Alternativen und Konsequenzen fest. So bleibt die Methode erhalten, statt bei jeder Aufgabe neu im Gespräch erfunden zu werden.

Technisch folgen diese Dateien dem offenen Agent-Skills-Format. Im Mittelpunkt steht eine lesbare Datei namens SKILL.md; bei Bedarf kommen Referenzen, Vorlagen oder Skripte dazu. Die Arbeitsweise lässt sich damit versionieren und in kompatiblen Umgebungen wiederverwenden. Welche Werkzeuge tatsächlich verfügbar sind, hängt von der jeweiligen Umgebung ab.

Ein klarer Auftrag schafft Handlungsspielraum.

«Verbessere die Anwendung» lässt viel offen. «Ergänze diese eine Funktion, erhalte das bisherige Verhalten und zeige den Nachweis» schafft eine gemeinsame Grundlage. Der Skill Schrittweise planen konkretisiert deshalb den nächsten kleinen, überprüfbaren Schritt. Was erst später entschieden werden kann, bleibt ausdrücklich offen.

Zu einem Auftrag gehören für mich auch Nicht-Ziele und Befugnisse. Eine Analyse ist noch kein Auftrag zur Umsetzung. Eine geprüfte Änderung ist noch keine Freigabe für den produktiven Betrieb. Innerhalb des vereinbarten Rahmens kann KI selbstständig arbeiten; bei einer neuen Entscheidung, fehlender Berechtigung oder einer wesentlichen Ausweitung muss sie zurückfragen.

Ein überschaubarer Schritt hilft beiden Seiten: Die KI bekommt eine konkrete Aufgabe. Der Mensch kann das Ergebnis beurteilen, ohne dafür gleichzeitig ein ganzes Projekt auseinandernehmen zu müssen.

So wird aus «fertig» ein überprüfbares Ergebnis.

Nehmen wir eine kleine Änderung an einer Anwendung. Der folgende Ablauf zeigt beispielhaft, wie die dokumentierten Skills zusammenspielen können:

1. 1. Auftrag klären. Gewünschtes Verhalten, Grenzen und Akzeptanzkriterien werden festgehalten. Bestehende Änderungen bleiben erhalten.
2. 2. Gezielt umsetzen. Die Änderung bleibt auf den vereinbarten Umfang begrenzt. Ein passender Test macht das erwartete Verhalten überprüfbar.
3. 3. Gegenprüfen. Ergebnis, Tests und mögliche Nebenwirkungen werden mit dem Auftrag verglichen. Nicht ausgeführte Prüfungen und offene Risiken werden benannt.
4. 4. Bewusst freigeben. Der Mensch erhält eine verständliche Übergabe. Erst die vereinbarte Freigabe erlaubt den nächsten Schritt oder die Veröffentlichung.

Die Skills Testgetrieben entwickeln und Änderung prüfen liefern dafür unterschiedliche Perspektiven. Ein Test zeigt ein bestimmtes Verhalten. Das Review fragt zusätzlich, ob überhaupt die richtige Aufgabe gelöst wurde und ob unerwünschte Folgen entstehen. Beides gehört zusammen.

Das Task-Dokument hält Auftrag, Ergebnis und Prüfnachweise fest. Der zugehörige Commit verknüpft diese Beschreibung mit dem tatsächlichen Änderungsstand. Damit lässt sich später nachvollziehen, was verändert wurde und auf welcher Grundlage es als geprüft galt.

Eine Arbeitsregel ist noch keine Zugriffssperre.

Skills helfen, Erwartungen und Abläufe präzise zu formulieren. Sie garantieren aber weder richtige Antworten noch die Einhaltung jeder Anweisung. Deshalb müssen wichtige Grenzen auch ausserhalb des Modells gelten: durch eingeschränkte Zugänge, getrennte Umgebungen, kontrollierte Schnittstellen und Freigaben für folgenreiche Aktionen.

Wer nur lesen soll, braucht keine Schreibrechte. Wer einen Vorschlag erarbeitet, braucht keinen direkten Zugang zur Produktion. Inhalte aus Dokumenten oder Webseiten sind zunächst Informationen – keine Berechtigung, zusätzliche Aktionen auszuführen. Ein Hinweis in einem fremden Dokument darf den vereinbarten Auftrag nicht verändern.

Der Skill Sicherheit und Datenschutz prüfen stellt dazu konkrete Fragen: Welche Daten werden benötigt? Wohin fliessen sie? Wer darf sie sehen oder verändern? Welche Risiken bleiben? Solche Fragen gehören bereits in den Entwurf, nicht erst in die abschliessende Kontrolle.

Dasselbe Prinzip gilt, wenn KI Teil der Anwendung wird.

Bei einem internen LLM-Wiki soll KI Wissen zugänglich machen. Dafür braucht es passende Quellen, nachvollziehbare Herkunft und die richtigen Berechtigungen. Eine Antwort muss sich an den Informationen prüfen lassen, die der fragenden Person tatsächlich zur Verfügung stehen dürfen. Auch ein Quellenverweis allein beweist noch nicht, dass die Antwort korrekt ist.

Bei der Verarbeitung von Dokumenten und Rechnungen wird aus einem erkannten Betrag nicht unmittelbar eine Buchung. Zunächst entstehen strukturierte Felder. Regeln, Stammdaten und der Bezug zum Geschäftsvorgang helfen bei der Prüfung; Abweichungen werden sichtbar und bestätigte Informationen gehen in den nächsten Prozessschritt. Diese beiden auf der Website beschriebenen Lösungen sind gebaut und können vorgeführt werden.

Ob dabei ein Cloud-Dienst oder ein lokales Modell zum Einsatz kommt, richtet sich nach Aufgabe und Schutzbedarf. Ein lokaler Betrieb kann mehr Einfluss auf die Datenhaltung geben. Auch dort müssen jedoch Zugriffe, Protokolle, Schnittstellen und Betrieb bewusst gestaltet werden. Der Standort allein macht aus einer Anwendung noch keinen kontrollierten Prozess.

Erfahrung soll nicht im nächsten Chat verloren gehen.

Wenn eine Prüffrage fehlt oder ein Ablauf zu unklar ist, lässt sich die entsprechende Arbeitsweise verbessern. Genau dafür sind die Skills lesbar und versioniert. Eine Erkenntnis aus der Praxis kann so auch der nächsten Aufgabe zugutekommen.

Die Sammlung orientiert sich an benannten fachlichen Grundlagen; Quellen, Vorgehen und Prüffragen stehen auf den jeweiligen Skill-Seiten. Das macht Entscheidungen diskutierbar. Ein Verweis auf einen Standard ist dabei kein Gütesiegel für jedes erzeugte Ergebnis. Entscheidend bleibt, ob die passende Prüfung im konkreten Fall tatsächlich stattgefunden hat.

Mehr Möglichkeiten. Bewusste Verantwortung.

Für mich bedeutet Kontrolle nicht, jeden Handgriff selbst auszuführen. Sie bedeutet, den Auftrag zu bestimmen, Grenzen wirksam zu setzen und ein Ergebnis beurteilen zu können. In diesem Rahmen kann KI viel Arbeit übernehmen – und Menschen Raum für die Fragen geben, die Erfahrung, Fachwissen und Verantwortung brauchen.

In Beratungen und Schulungen lässt sich diese Arbeitsweise an einer konkreten Aufgabe erarbeiten: im Team, mit Verantwortlichen eines Projekts oder an einer Bildungsinstitution. Wie formulieren wir einen guten Auftrag? Welche Nachweise brauchen wir? Und an welcher Stelle entscheidet bewusst ein Mensch?

Beratung und Schulungen kennenlernen →