Ich bin kein Softwareentwickler. Ich habe nie professionell programmiert. Aber ich habe in den letzten Jahren begonnen, eigene KI-Anwendungen und digitale Werkzeuge zu bauen — autodidaktisch, aus Neugier und aus dem Willen, KI wirklich zu beherrschen und als konkretes Werkzeug einzusetzen.
Das Ergebnis sind vier Lighthouse-Projekte. Jedes steht für ein konkretes Anwendungsfeld — von semantischer Suche über Civic Tech bis zu Data Analytics und Machine Learning.
Die vier Lighthouse-Projekte
Warum ich das tue — obwohl ich kein Entwickler bin
Die ehrliche Antwort: weil es geht. Generative KI hat die Einstiegshürde für das Bauen eigener Werkzeuge dramatisch gesenkt. Wer ein Problem klar beschreiben kann, wer die Logik eines Prozesses versteht und wer bereit ist, iterativ zu arbeiten — der kann heute Anwendungen entwickeln, die vor drei Jahren ein Entwicklungsteam erfordert hätten.
Das bedeutet nicht, dass Entwickler überflüssig werden. Es bedeutet, dass die Grenze zwischen "ich habe eine Idee" und "ich habe eine funktionierende Anwendung" für Menschen mit dem richtigen Prozessverständnis fast verschwunden ist.
Wer ein Problem klar beschreiben kann, kann es heute auch lösen. Das ist die eigentliche Selbstermächtigung durch KI.
Was das für Ihr Unternehmen bedeutet
Es gibt, zugespitzt gesprochen, zur Zeit zwei Extremen: Unternehmen die KI als Bedrohung sehen und abwarten. Und Unternehmen die KI als Allheilmittel betrachten und überstürzen. Beide verpassen den eigentlichen Punkt.
Der eigentliche Punkt ist dieser: KI ist ein Werkzeug. Wie jedes Werkzeug entfaltet es seinen Wert erst dann, wenn jemand weiß, wozu er es einsetzen will. Das erfordert kein Programmier-Studium. Es erfordert Problemverständnis, Prozessdenken und die Bereitschaft, klein anzufangen.
Konkret heißt das:
- Welche repetitiven Aufgaben in Ihrem Team kosten täglich Stunden — und könnten automatisiert werden?
- Welches interne Wissen ist in Dokumenten begraben und für niemanden schnell zugänglich?
- Wo verlieren Sie Zeit durch manuelle Datenauswertung die ein Modell in Sekunden leisten könnte?
- Welche Kommunikationsaufgaben — intern oder extern — könnten durch KI-gestützte Werkzeuge schneller und besser werden?
Das sind keine theoretischen Fragen. Ich stelle sie mir selbst — und baue dann das Werkzeug, das die Antwort liefert.
Der Unterschied zwischen KI-Wissen und KI-Können
Ein Aspekt der mir dabei besonders wichtig ist: Wer KI-Anwendungen baut, baut vor allem Prompts — und Prompts sind das eigentliche intellektuelle Kapital hinter jeder KI-Lösung. Wer solche Anwendungen baut, sollte die Prompts vollständig weitergeben: dokumentiert, erläutert, lizenziert zur Weiternutzung. Das Ziel ist Unabhängigkeit — ein Team das nach dem Projekt selbstständig weiterarbeiten kann.
Es gibt heute viele Menschen die über KI reden können. Prompting-Kurse, Zertifikate, LinkedIn-Posts über "10 ChatGPT-Tricks". Das ist nicht wertlos — aber es ist auch nicht das, was Unternehmen wirklich weiterbringt.
Was weiterbringt, ist die Fähigkeit, ein echtes Problem zu nehmen, die richtige Technologie auszuwählen, eine funktionierende Lösung zu entwickeln und diese Lösung in den eigenen Arbeitsalltag zu integrieren. Das ist der Unterschied zwischen KI-Wissen und KI-Können.
Meine vier Projekte sind kein Beweis für Programmier-Talent. Sie sind ein Beweis dafür, dass diese Verbindung — Problemverständnis, technisches Grundwissen, Bereitschaft zur Iteration — zu echten Ergebnissen führt. Und genau diese Verbindung macht den Unterschied.
