KI-Kompetenzen / Übersicht
KI-Skills für nachvollziehbare Arbeit.
Wiederverwendbare Arbeitsweisen für Recherche, Strukturierung, Umsetzung und Prüfung — mit klaren Grenzen und geprüften Ergebnissen.
Verzeichnis
Vom ersten Gedanken bis zur geprüften Änderung.
Die Sammlung wächst entlang wiederkehrender Aufgaben — nicht entlang einzelner Werkzeuge oder Modelle. Jeder Eintrag führt zu einer eigenen Seite mit Vorgehen, Grenzen und Prüffragen.
Planen und entscheiden
3 Skills- Entscheidung festhaltenDokumentiert dauerhafte Entscheidungen mit Kontext, Lösung und Konsequenzen.
- SAFe anwendenVerbindet Ideenpflege, schrittweise Planung und Epic-Steuerung für Software und Unternehmensveränderung.
- RecherchierenUntersucht Fragen anhand belastbarer Quellen und dokumentiert Fakten und Schlussfolgerungen.
Modellieren und strukturieren
4 Skills- Domain modellierenEntwickelt aus fachlichen Beispielen ein gemeinsames Modell von Begriffen, Regeln und Verantwortungen.
- System visualisierenMacht Systemgrenzen, Abläufe und Beziehungen mit passenden Diagrammen verständlich.
- Code strukturierenOrdnet Code entlang fachlicher Verantwortungen, kleiner Schnittstellen und klarer Ansatzpunkte für Tests.
- Deployments strukturierenStrukturiert Kubernetes-Infrastruktur mit OpenTofu/Terraform in eigenständig betreibbare Deployments und verbindet sie bei Bedarf zu einem gemeinsamen Release.
Gestalten und umsetzen
8 Skills- Gitflow anwendenBegleitet Entwicklung, gemeinsame Abnahme und Freigabe mit Gitflow. Die Methode ist unsere Voreinstellung für neue Codeprojekte; bestehende Projekte stellen wir bewusst einzeln um.
- CRUD-Applikation erstellenErstellt ausdrücklich gewählte CRUD-Anwendungen mit React, Shadcn Admin Kit und standardmässig Spring Boot. Spezifische Web-GUIs bleiben in ihrer Gestaltung frei.
- Bericht verfassenStrukturiert faktenbasierte Berichte, Analysen und Entscheidungsgrundlagen für ihre Zielgruppe.
- GUI gestaltenEntwirft zugängliche Weboberflächen aus Aufgabe, Inhalt und visueller Richtung.
- Projekt initialisierenBereitet neue Codeprojekte mit GitLab, lokalem Checkout und Codex vor und überführt das Template in eine konkrete, nachvollziehbare Ausgangslage.
- OpenTofu initialisierenErzeugt eine schlanke OpenTofu- oder Terraform-Grundstruktur mit Frontend, k3d und geteilten Taskfiles.
- Skill entwickelnEntwickelt schlanke, modellunabhängige Skills mit klaren Auslösern und Ressourcen.
- Werkzeuge verwaltenPrüft Werkzeuge, Versionen und Freigaben, bevor sie installiert oder geändert werden.
Prüfen und absichern
4 Skills- Änderung prüfenPrüft Änderungen gegen Auftrag, Kriterien, Risiken und Projektrichtlinien.
- Sicherheit und Datenschutz prüfenBerücksichtigt Schutzbedarf, Datenflüsse, Berechtigungen und Missbrauch bereits beim Entwurf.
- Fehler diagnostizierenFührt von der Reproduktion über Hypothesen zu einer belastbaren Ursache.
- Testgetrieben entwickelnSichert fachliches Verhalten in kleinen Schritten auf passenden Testebenen.
Arbeitsweise
Jeder Skill setzt einen benannten Standard um.
Ein Skill entsteht hier nicht als Sammlung von Anweisungen, sondern als Umsetzung eines etablierten Standards. Alle 19 Skills nennen die Quellen, auf denen sie beruhen — darunter OWASP, NIST SSDF, W3C WCAG, ISO 24495-1, PMI, der Scrum Guide und das Schweizer Datenschutzrecht. Die Quellen stehen zitiert und verlinkt auf der jeweiligen Skill-Seite.
Damit legt ein Skill nicht nur fest, was ein Modell tun soll, sondern auch, wann er eingesetzt wird, welches Ergebnis erwartet wird, wo die Grenzen liegen und woran das Resultat geprüft wird.
Die Skills folgen dem offenen Agent-Skills-Format. Sie sind modellunabhängig angelegt und für Codex, ChatGPT, Claude und weitere kompatible LLM-Umgebungen ausgelegt.
Weiterentwicklung
Skills, die mit der Erfahrung wachsen.
Skills sind keine statischen Anweisungen. Sie entwickeln sich mit der Erfahrung aus realen Projekten weiter: Was sich bewährt, wird geschärft; was nicht trägt, wird korrigiert.
Grundlage bleiben etablierte Standards und bewährte Vorgehensweisen. Wo bewusst davon abgewichen wird, wird die Abweichung begründet und als solche kenntlich gemacht.
Enterprise / Beispiele
Vom Modell zum verantworteten Prozess.
KI wird dort interessant, wo sie sich in bestehende Systeme und verantwortete Geschäftsabläufe einfügt. Geschützte Datenräume verlangen dabei genaues Hinsehen: Was ein Modell überhaupt sehen darf, entscheidet der Schutzbedarf der Daten — nicht der Funktionsumfang des Anbieters.
Wo dieser Schutzbedarf es verlangt, übernimmt ein spezialisiertes lokales Modell die Aufgabe statt eines Cloud-Dienstes. Das kostet Leistung an der Spitze und gewinnt Kontrolle darüber, wo die Daten bleiben.