Ein interaktives Seminar in drei Teilen, je 60 Minuten. Wir bestimmen gemeinsam das Ziel, der Rest wird gezeigt, gebaut und geprüft.
Teil 1 · Mein Ziel, mein BlickTeil 2 · Was es kann, was deine Rolle brauchtTeil 3 · Mein Platz im Plan
Dossier zur Vorbereitung und ModerationTeil 1: Mittwoch, 28. Oktober 2026 · 11 UhrDemo-Projekt mit BeispieldatenStand 27.10.2026 · Version 1.0.4
1 · Überblick
Auf einen Blick
Du sagst das Ziel. KI baut den Rest, in Leitplanken und geprüft.
Drei Teile, ein durchgehender Faden. Jeder Teil hat ein Motto, eine klare Botschaft und etwas, das jede Person mitnimmt. Kein Kurs, keine Prüfung, wir arbeiten mit Beispieldaten.
Teil 1 · Mein Ziel, mein Blick
So arbeitet KI heute mit.
Wie aus einem Ziel ein fertiges, geprüftes Werkzeug wird, live gezeigt.
Die alten Schwächen sind weg: Leitplanken statt Halluzinationen.
Der ganze Weg: Anforderung, Code, Test, Review, Release.
Du gehst raus und weisst, was heute wirklich geht.
Teil 2 · Was es kann, was deine Rolle braucht
Jetzt bist du dran.
Das Werkzeug aus dem Gespräch, jetzt im Einsatz.
Tempo, Qualität und Kosten, ehrlich in Zahlen.
Selbst ausprobieren, an der Station.
Du erlebst, wie nah KI an einem Teammitglied ist.
Teil 3 · Mein Platz im Plan
Wo KI in deiner Firma hilft.
Je Rolle: wo unterstützt KI dich konkret.
Welche Möglichkeiten die Firma hat, sich von KI helfen zu lassen.
Ein Plan: was, wer, bis wann, der Mensch entscheidet.
Du nimmst deinen eigenen KI-Plan mit.
2 · Roter Faden
Der rote Faden
So wie wir zu unserer Arbeit kommen, so arbeitet auch die KI.
Vier Dinge entscheiden, ob gute Arbeit herauskommt, beim Menschen genauso wie bei der KI. Im Gespräch bestimmen wir gemeinsam das Ziel. Sind die anderen drei Treiber richtig gesetzt, erledigt die KI den Rest.
Beim Menschen
Bei der KI
Auftrag und Rahmenbedingungen
Prompt und Spezifikation (Ziel, Leitplanken)
Werkzeuge
MCP-Tools
Wissen
RAG und Wissensquellen
Budget
Modell und Reasoning (Rechenaufwand)
KernaussageIm Gespräch bestimmen wir gemeinsam den Auftrag (das Ziel, das URS). Sind die anderen drei Treiber richtig gesetzt (Harness und Umgebung), erledigt die KI den Rest.
Die vier Treiber als vier Säulen. Oben das gemeinsame Ergebnis, das sie zusammen tragen. Dieses Leitsymbol kehrt auf den Einladungen und auf den Folien wieder.
3 · Vier Treiber
Das Herzstück
Vier Treiber entscheiden, ob gute Arbeit herauskommt. Beim Menschen wie bei der KI.
Jeder Treiber hat eine Entsprechung: was ein Mensch braucht, braucht die KI auch. Hier, was die vier konkret bedeuten, mit Beispielen.
Auftrag → Prompt und Spezifikation
Das Ziel und die Leitplanken
Was soll herauskommen, und was darf dabei nicht passieren. Diesen Treiber bestimmen wir im Gespräch.
Das Ziel in einem Satz, die eigentliche Anforderung (das URS)
Akzeptanzkriterien: wann gilt das Ergebnis als richtig
Architektur, Regeln und Testvorgaben als Dateien (der Harness)
Beispiele und Gegenbeispiele
Format, Stil und Grenzen, was nicht passieren darf
Prioritäten und Reihenfolge der Schritte
Welche Rolle welchen Teil übernimmt
Werkzeuge → MCP-Tools
Womit die KI handelt, statt nur zu reden
Die Hände und Augen. Ohne Werkzeuge bleibt ein Modell ein Ratgeber, mit ihnen wird es ein Mitarbeiter.
Dateien und Ordner lesen und schreiben
Datenbanken abfragen und füllen
Web und Browser bedienen
Den Bildschirm steuern (Maus, Tastatur) für Programme ohne Schnittstelle
E-Mail, Teams, Kalender
Fachsysteme wie SAP, SharePoint, ServiceNow, Power BI
Code bauen, testen und ausliefern
Bilder erzeugen, Sprache ausgeben, Gesprochenes verschriften
Wissen → RAG und Wissensquellen
Woraus die KI schöpft
Damit sie auf dem eigenen Firmenwissen antwortet und nichts erfinden muss.
Gebündelt in einer durchsuchbaren Wissens-Schicht mit Quellenangabe
Budget → Modell und Reasoning
Wie viel Rechenaufwand eine Aufgabe bekommt
Tempo gegen Qualität, bewusst gewählt. Eine kurze Frage braucht kein grosses Modell.
Kleines, schnelles Modell für einfache Aufgaben
Grosses Modell für schwierige
Mehr oder weniger Nachdenken je nach Schwere (Reasoning-Tiefe)
Lokal auf eigener Hardware oder in der Cloud
Kosten je Lauf, in Zahlen sichtbar
Mehrere Arbeiter parallel für grosse Aufgaben
Grosser Kontext, wenn viel Material nötig ist
Der Kern in einem SatzIm Gespräch bestimmen wir nur den ersten Treiber, den Auftrag. Die anderen drei sind Handwerk und Umgebung. Stimmen alle vier, erledigt die KI den Rest, und der Mensch entscheidet an den Stellen, die zählen.
4 · Wie KI rechnet
Wie KI im Kern arbeitet
Im Grunde eine sehr gute Prognose aus Gelerntem.
Ein Sprachmodell hat aus sehr grossen Textmengen gelernt, welche Fortsetzung auf einen gegebenen Anfang am wahrscheinlichsten folgt, und gibt genau diese aus.
Es schlägt nichts nach und denkt nicht im menschlichen Sinn, es berechnet eine Wahrscheinlichkeit aus dem Gelernten. Jedes KI-Modell arbeitet nach diesem Prinzip: es erkennt die Muster aus seinem Training und schätzt daraus das wahrscheinlichste Ergebnis.
Zum AusprobierenDer Zahlen-Detektor zeigt das im Kleinen. Male eine Ziffer, und ein winziges neuronales Netz schätzt in Echtzeit, welche der zehn Ziffern am wahrscheinlichsten gemeint ist. Die Balken sind die Wahrscheinlichkeiten. Dieselbe Mechanik wie beim Sprachmodell, nur mit Zahlen statt Worten.
Das Netz hat 784 Eingabe-Pixel (28 mal 28), 32 Zwischen-Knoten und 10 Ausgaben, trainiert auf Tausenden Beispielziffern, rund 96 Prozent Treffer. Es läuft komplett im Browser, ohne Server.
Der Zahlen-Detektor. Hier erkennt das Netz eine gemalte 7 mit hoher Sicherheit.
5 · Früher und heute
Warum es heute anders ist
Die alten Schwächen sind weg. Den Unterschied machen die Leitplanken, nicht ein grösseres Modell.
Früher. Der Helfer vergisst den Plan (kein Kontext), Blätter wehen davon, gebaut wird irgendetwas. Das sind die alten Schwächen: Kontextverlust und Halluzination.Heute. Plan (Spezifikation), Werkzeuge (MCP), Referenzen (Wissen) und grüne Haken (Gates) stehen sichtbar daneben. Der Mensch gibt das Ziel, die KI baut es sauber.
Auftrag
Der Plan liegt fest und bleibt sichtbar, statt zu verwehen.
Werkzeuge
Eimer, Schaufel, Form: die KI greift zu echten Werkzeugen (MCP).
Wissen
Referenzbilder und Vorgaben liegen bereit (RAG), nichts wird erfunden.
Prüfung
Jeder Schritt bekommt einen grünen Haken, bevor er zählt (Gates).
6 · LLM-Geschichte
Wie LLM angefangen hat
Den Sprung brachte nicht das Modell allein. Dazu kamen Reasoning, Kontext und Werkzeuge.
Dieselbe Frage, quer durch die Jahre: aus unlesbaren Zeichen werden brauchbare, dann sinnvolle Antworten, am Ende arbeiten Agenten mit Werkzeugen. Als eigene Animation gedacht, die wie eine echte Aufzeichnung wirkt.
Vorschau der Animation «Wie LLM angefangen hat». Interaktiv abspielbar.
1 Hieroglyphen›2 Erste Worte›3 Sinnvolle Antworten›4 Rethinking›5 Grosser Kontext›6 Mehrere Rollen›7 Agenten + Werkzeuge
Das Ergebnis entsteht gegen einen Fähigkeiten-Katalog und gegen klare Kriterien. Man sieht die ganze Prüfkette, nicht allein das Ergebnis.
Hands-on für alleJede Person bringt ihre Rolle ein und nimmt eine Hausaufgabe mit: drei Use Cases aus der eigenen Rolle. Was ist mühsam? Worauf keine Lust? Was dient Sicherheit und Qualität?
Das Werkzeug ist real: ein lokales, offline-fähiges KI-Server-System. Läuft ohne Cloud. (Bild-Beispiel, keine echte Hardware im Raum.)Das Rollen-Klarheits-Puzzle läuft in der Diskussionsrunde mit und füllt sich beim Zuhören. interaktiv
Du gehst raus und weisst, was heute wirklich geht.
8 · Das Werkzeug
Das Beispiel ist echt · DAIZ-Measure
Ein Programm, das Glas-Pharmabehälter dimensionell vermisst.
Durchgehend dasselbe Werkzeug: per Ziel erzeugt und gezeigt, im Einsatz in Zahlen gemessen und am Ende finalisiert. Es liest ein .h6-Bündel (Bilder, 36 Winkel-Frames, Messwerte, Metadaten), misst je Merkmal über den Umfang und prüft Soll gegen Ist.
Live auf daizpadel.ch/apps/measure: sieben Merkmale mit Soll-Ist-Ampel, Statistik über 36 Winkel, Abwicklung über 360 Grad. Urteil hier: 6 von 7 i.O., Gesamtlänge 0.04 mm über der Obergrenze.
Liest
Ein .h6-Bündel: 10 JSON-Dateien plus 36 Winkel-Frames (10-Grad-Schritte), kein Video.
Misst und prüft
Je Merkmal ein aggregierter Messwert (Mittel, Spanne, Min, Max), Soll gegen Ist als Ampel.
Belegt Messfähigkeit
Zwei Sets auf demselben Bildset vergleichen (Methodenvergleich), ehrlich und nachvollziehbar.
So ist ein .h6-Bündel aufgebaut: ein ZIP-Container mit JSON-Beschreibungen (Kopf, Rezept, Messwerte, Kalibrierung) und den 36 Winkel-Silhouetten. Jede Datei ist per SHA-256 gesichert, das ganze Paket signiert, damit eine Fremdänderung auffällt.
Selbst ansehenDas Cockpit läuft offen im Browser, jederzeit zum Ausprobieren: daizpadel.ch/apps/measure. Ein Muster-Teil ist schon geladen, man dreht es über die 360 Grad, wählt ein Merkmal und sieht Soll gegen Ist. Die ganze Plattform dazu: daizpadel.ch.
Produkttypen aus dem Katalog (Beispiel-Renderings). Zu jedem Typ gibt es eine Masszeichnung mit eigenen Merkmalen und Toleranzen. Im Seminar trägt die Spritze den Faden.
9 · Tooling
Werkzeuge konkret · der zweite Treiber
Hat ein System eine Schnittstelle, binden wir sie an. Hat es nur einen Bildschirm, bedient die KI ihn.
Die Frage ist fast nie, ob die KI ein System erreicht. Sie ist nur: wie. Drei Wege greifen gestaffelt, zuerst der sauberste, sonst der nächste. So bleibt praktisch nichts aussen vor.
Weg 1 · Direkt (API / MCP)
Über die Schnittstelle
Hat das System eine Schnittstelle, binden wir sie direkt an: schnell, stabil und gut prüfbar. Der bevorzugte Weg.
SAP · Microsoft 365 · SharePoint · Datenbanken
Weg 2 · Browser
Über die Weboberfläche
Gibt es nur eine Webseite ohne offene Schnittstelle, bedient die KI sie wie ein Mensch: klicken, tippen, lesen.
Portale · Web-Apps · Intranet-Masken
Weg 3 · Desktop (Computer-Use)
Über den Bildschirm
Gibt es nur ein Programm auf dem Bildschirm, steuert die KI Maus und Tastatur und liest das Bild. Der Notnagel, der immer geht.
Altsoftware · Fachanwendungen · Terminal
VerstärkerEin Automatisierungs-Hub (bei uns LenaX-Flow) verkettet mehrere hundert vorgefertigte Konnektoren zu Abläufen und reagiert auf Zeitpläne, Webhooks und Ereignisse. Und MCP, der offene Standard, sorgt dafür, dass ein einmal angebundenes Werkzeug jeder KI zur Verfügung steht.
Nach Kategorie (Auswahl) · gelb = für VE besonders
ERP & Finanzen
SAP, Dynamics 365, Abacus
Microsoft 365
SharePoint, Teams, Outlook, Excel
PLM / CAD / Engineering
Autodesk Vault, LIMS, Messsysteme
Datenbanken
SQL Server, PostgreSQL, Oracle
BI & Analytik
Power BI, Tableau, Grafana
Fertigung / Betrieb
MES, OPC-UA, Maschinendaten
Ticketing / ITSM
ServiceNow, Jira, Zendesk
CRM & Vertrieb
Salesforce, HubSpot, Dynamics
Dokumente & Wissen
Confluence, Notion, LenaX-DB (RAG)
Kommunikation
E-Mail, Teams, Slack, Telegram
Cloud & Dateien
Netzlaufwerke, SFTP, Azure, AWS
Web & Recherche
Websuche, Portale, HTTP/REST
Wichtig und ehrlich«Ansteuerbar» heisst erreichbar, nicht von allein gelöst. Es braucht die richtigen Zugänge und Rechte, Leitplanken und eine Freigabe, wo etwas verändert wird. Lesen ist unkritisch, Schreiben und Senden brauchen eine bewusste Freigabe. Die KI bekommt Hände und Augen, der Mensch behält die Entscheidung.
10 · Werkzeuge live
Aus dem eigenen Haus
Das ist kein Zukunftsbild: diese KI-Werkzeuge laufen heute schon, lokal und offline-fähig.
Vier Beispiele, die den roten Faden greifbar machen. Laientauglich bedienbar, auf eigener Hardware, das Firmenwissen bleibt im Haus.
Der Assistent für alle
Fragen stellen, Antwort aus dem Firmenwissen
Ein laientauglicher Assistent: in natürlicher Sprache fragen, er sucht die Antwort im eigenen Firmenwissen und erklärt Abläufe. Läuft im Hintergrund, per Tastenkürzel da, nichts wird ohne Einwilligung aufgezeichnet.
Die Wissens-Schicht (RAG)
Firmenordner werden durchsuchbar, lokal und privat
Die Datenbank dahinter indexiert konfigurierte Firmenordner (Dokumente, Mails, Bilder) zu einer durchsuchbaren Basis mit Quellenangabe, hier bereits über 144'000 Dokumente. Sie läuft lokal und privat, nichts verlässt das Haus.
KI im Entwicklungsalltag
Code schreiben, erklären und prüfen
In der Entwicklungsumgebung schreibt, erklärt und prüft die KI mit, hier am DAIZ-Measure-Projekt, dem Mess-Werkzeug aus dem Seminar. Genau der geführte Weg aus Teil 1: Ziel, Spezifikation, Bau, Prüfung.
Eigene KI-Hardware
Läuft auf Grafikkarten im Haus, offline-fähig
Das alles rechnet auf eigenen Grafikkarten im Haus. Der Monitor zeigt zwei GPUs unter Last mit Watchdog und echter Parallelität. Keine Cloud nötig, die Daten bleiben vor Ort.
EinordnungDiese Werkzeuge belegen den roten Faden in der Praxis: das Ziel im Gespräch (Assistent), das Wissen als RAG (Wissens-Schicht), der geführte Bau (KI im Code) und das Budget als eigene Rechenleistung (Hardware). Vier Treiber, vier laufende Beispiele.
11 · Bilder
Auch Bilder, auf Zuruf
KI erzeugt auch Bilder, in jeder Disziplin.
Es bleibt nicht bei Text und Code. Auf eine kurze Beschreibung hin entstehen fertige Bilder, vom Produktfoto bis zur technischen Darstellung. Alle fünf hier sind so erzeugt.
Werbung und Produkt
Architektur
Wissenschaft
Kreativ
Technik
Am Rande erwähntErzeugt über die Bild-Funktion des Gateways (auto:imagegen). Dazu kommen sehr schnelle Antworten für kurze Aufgaben (auto:fast) und LenaX-Flow, das mehrere Schritte zu einem Ablauf verkettet (Auswerten, Erzeugen, Ablegen, Benachrichtigen). Im Seminar nur kurz zeigen, nicht vertiefen.
12 · Das Projekt
Wie das hier entstand
Dieses Projekt wurde selbst von drei KI-Agenten gebaut, in verteilten Rollen.
Die Plattform, das Mess-Programm und dieses Seminar sind kein Vortrag über KI, sondern das Ergebnis von KI-Arbeit. Drei Agenten mit klaren Rollen, abgestimmt über ein gemeinsames Ticketboard.
Agent 1 · KOBAI
Konzept und Präsentation
Das Seminar-Konzept, dieses Dossier, die Einladungen, die Hörfassungen und die Animationen.
Agent 2 · DAIZPADEL
Web und Plugins
Die Plattform daizpadel.ch, das Cockpit und die Website drumherum.
Agent 3 · MEASURE
Mess-Software
Das Programm DAIZ-Measure in .NET, das .h6-Format und das Web-Frontend.
KoordinationDie drei arbeiten nicht durcheinander. Ein gemeinsames Ticketboard (DAIZ-Austausch) hält fest, wer was klärt, welche Verträge zwischen den Teilen gelten und wie weit jeder ist. Genau die Rollen-Idee aus dem Seminar, in echt.
Aufwand in Zahlen
~ 6,8 Mio
Tokens gesamt
3
Agenten in Rollen
> 30
Arbeiter (Worker) parallel
1 Tag
erster bis letzter Commit
MEASURE
3,2 Mio Tokens, 22 Arbeiter: komplettes Mess-Produkt plus Web-Frontend.
KOBAI
2,2 Mio Tokens: Konzept, Präsentation, Hörfassungen sowie Bild- und Prüf-Arbeiter.
DAIZPADEL
1,4 Mio Tokens: Plattform, Cockpit, Plugins.
Die Zahlen sind Grössenordnungen aus den Kontext-Fenstern der Agenten, keine Rechnung auf den Franken. Modelle bewusst gesetzt: die Haupt-Agenten auf dem grossen Modell, die vielen Arbeiter auf kleineren und schnelleren. Das ist der Treiber Budget in der Praxis.
13 · Architektur
So ist es gebaut
Die Architektur dahinter, auf einen Blick.
Links der Entwicklungs-Rechner mit den KI-Coding-Agenten und den vier Treibern, rechts der Server mit Git, Build und den Umgebungen. Dazwischen der Weg vom Prompt bis zur Live-Seite, mit Prüftoren und einer Rückmeldungs-Schleife.
Auf dem Rechner
Die Coding-Agenten (Claude Code und Codex) bekommen die vier Treiber: Auftrag mit Leitplanken, Werkzeuge über MCP, Wissen aus Quellen und das Budget, also das Modell. Daraus entstehen Code, Spezifikation, ein Test-Harness, die Prüftore und eine lokale Vorschau.
Auf dem Server
Der Code wird auf einen internen Git-Server geschoben, dort laufen Build und Gates: restore, build, test, publish. Was grün ist, geht in die Test-Umgebung und dann live auf daizpadel.ch, mit Plattform, Cockpit, Seminar und Download. Rückmeldungen fliessen in die nächste Runde zurück.
Der rote FadenDasselbe Muster wie im Seminar: ein Mensch setzt Ziel und Leitplanken, die KI geht den Weg, und Prüftore entscheiden, was durchgeht. Genau diese Architektur hat dieses Dossier und die ganze Plattform gebaut.
14 · Der ganze Prozess
Von der Idee bis zum Betrieb
Der komplette Entwicklungsprozess, hier wirklich durchlaufen.
Nicht nur Code. Dieselben Phasen wie in einer professionellen Firma, jede mit einem echten Beleg. Alles grün heisst: gemacht und nachweisbar, nicht behauptet.
Phase
Fachbegriff
Beleg bei uns
Rollen-Gruppe
Status
Idee und Auftrag
Kickoff
Konzept-Kickoff, Briefing
Produkt & Leitung
Erfüllt
Anforderungen
URS, Anforderungskatalog
15 prüfbare Anforderungen
Fachbereich
Erfüllt
Spezifikation
Funktions- und Datenspec
Messmerkmale, .h6-Vertrag
Fachbereich
Erfüllt
Planung
Backlog, Sprint, Refinement (Scrum)
Kanban-Board DAIZ-Austausch
Produkt & Leitung
Erfüllt
Programmierung
Umsetzung
13 .NET-Module
Entwicklung
Erfüllt
Versionskontrolle
Git
53 Commits an einem Tag
Entwicklung
Erfüllt
Tests schreiben
Unit, Integration, E2E
11 Test-Projekte
Qualität & Test
Erfüllt
Testlauf
automatisierter Testrun
23 Tests, 0 Fehler
Qualität & Test
Erfüllt
Review und Freigabe
Code-Review, Gates
Freigabe-Gates im Verlauf
Qualität & Test
Erfüllt
Feedback und Fehlerkorrektur
iterativ
zahlreiche Fix-Runden
Entwicklung
Erfüllt
Rückverfolgbarkeit
Traceability-Matrix
URS gegen Ist (Abnahme)
Qualität & Test
Erfüllt
Dokumentation
technisch und Benutzer
READMEs, .h6-Doku, Anleitung
Doku & Support
Erfüllt
Build-Pipeline
CI
restore, build, test, publish
Betrieb & DevOps
Erfüllt
Release und Auslieferung
Deployment
self-contained EXE, 291 MB
Betrieb & DevOps
Erfüllt
Abnahme
Abnahmeprotokoll
15 von 15 erfüllt, angenommen
Produkt & Leitung
Erfüllt
Betrieb und Feedback
Betrieb
Cockpit live, REST-API, Feedback
Betrieb & DevOps
Erfüllt
Sechs Rollen-Gruppen, in die ein Unternehmen seine Rollen fasst, und jede ist im Ablauf vertreten:
Produkt & LeitungFachbereichEntwicklungQualität & TestBetrieb & DevOpsDoku & Support
Der PunktEine KI kann nicht nur Code schreiben. Sie zieht den ganzen Bogen durch, von der Anforderung über Test und Review bis zu Release und Abnahme, so wie ein eingespieltes Team es tut. Die Belege dazu auf der nächsten Seite.
15 · Belege
Nachweise
Jede Phase ist belegt, nicht behauptet.
23 / 23
Tests bestanden, 0 Fehler
53
Commits, ein Tag
291 MB
Release-EXE, self-contained
4
REST-Schnittstellen live
Der echte Git-Verlauf des Repositorys: 53 Commits am 27.10.2026 (01:46 bis 23:57), von der Grundstruktur bis zum Abschluss, Meilensteine hervorgehoben.
Das Planungs-Board (Scrum): Ideen, Offen, In Arbeit, Erledigt, mit Prioritäten und Rollen-Tags.
REST-Schnittstelle (Auszug)
Live auf daizpadel.ch, liefert JSON:
GET /wp-json/dz-measure/v1/sets
GET /wp-json/dz-measure/v1/sets/<id>
POST /wp-json/dz-msa/v1/compare
POST /wp-json/dz-studio/v1/build
Antwort je Set: Dateiname, Version, Bildset, Grösse, Integrität (ok).
Dokumente zum NachlesenAnforderungskatalog (URS), Abnahmeprotokoll mit Traceability-Matrix, Build-Pipeline (build.ps1) und die Benutzer-Anleitung zu DAIZ-Measure liegen im Paket bei:
Anleitung ·
URS ·
Abnahmeprotokoll ·
Build-Pipeline ·
KI-Review-Befunde
Das Projekt-Repo zeigt es schwarz auf weiss: erster Commit am 27. Oktober 2026 um 01:46 Uhr, letzter am selben Abend. Alles an einem einzigen Tag.
So lange hat es gedauert
Kalenderzeit: erster bis letzter Commit 22 Stunden (01:46 bis 23:57 Uhr), ein Tag.
Aktive Entwicklungszeit: gut 7 Stunden (Pausen herausgerechnet aus den Commit-Abständen).
Gebaut in dieser Zeit: das Mess-Programm (.NET, Algorithmen, .h6, Desktop und Web), die Plattform und das ganze Seminar.
Was ein Mensch dafür braucht (geschätzt)
Für dieselbe Bandbreite rechnet man bei einer erfahrenen Person mit etwa 400 Arbeitsstunden.
Als Kalenderzeit, mit Fünf-Tage-Woche, anderen Aufgaben und Ferien: drei Monate.
Die reine Rechenarbeit kostete rund 6,8 Millionen Tokens, verteilt auf drei Agenten.
Fair eingeordnetDie Mensch-Zahl ist eine Schätzung für den gezeigten Umfang, kein Stoppuhr-Wert. Und die KI arbeitet nicht allein: ein Mensch gibt das Ziel, prüft Zwischenstände und gibt frei. Verglichen wird also KI-gestützte Arbeit eines Menschen mit klassischer Entwicklung. Die Grössenordnung bleibt so oder so deutlich.
17 · Perspektiven
Was das für uns heisst
Erste Ansätze, wo KI bei uns im Haus wirken könnte.
Keine fertige Roadmap, ein Einstieg. Gedacht als Startpunkt für die Runde, in der jede Rolle ihren eigenen Plan formt.
Nah dran an der Arbeit
Wissen zugänglich machen. Handbücher, Protokolle und Zeichnungen durchsuchbar, Fragen in Sekunden beantwortet statt langem Suchen.
Messen und prüfen. Auswertungen und Berichte wie bei DAIZ-Measure, Soll gegen Ist, Messfähigkeit belegt.
Routine abnehmen. Wiederkehrende Dokumente erstellen, Daten zwischen Systemen übertragen.
Weiter gedacht
Entwicklung beschleunigen. Code, Tests und Prüfketten, wie in diesem Projekt gezeigt.
Onboarding erleichtern. Neue Leute fragen die KI zu Abläufen und Zuständigkeiten.
Angebote und Berichte. Schneller zu einem sauberen Entwurf, den ein Mensch nur noch prüft.
Wie anfangenKlein starten, mit einem konkreten Fall je Rolle (das ist der Rollensupport-Plan). Der Mensch entscheidet, die KI unterstützt, in Leitplanken und mit Freigabe dort, wo es zählt. Aus einem gelungenen Fall wird der nächste.
Ende des Vortrags
Danke.
Danke fürs Mitmachen und fürs Mitdenken. Du bestimmst das Ziel und die Leitplanken, die KI geht den Weg, und ein Mensch prüft, was zählt.
Was jetzt folgt, ist Material zum Nachschlagen.
18 · Material
Alles beisammen
Material und Ressourcen zum Seminar.
Das ganze Paket, bereit zum Einsetzen: Einladungen, Hörfassungen für unterwegs, interaktive Animationen und die Live-Plattform.
Einladungen (3 Teile)
Teil 1 · Fläschchen PDFTeil 2 · Padel-Court PDFTeil 3 · Vier Säulen PDF
Hörfassungen für unterwegs
Drei Vorlesungen zum Zuhören
Die drei Teile als Audio, erzählt von einer Stimme. Ideal für die Fahrt oder zur Vorbereitung. Dazu gibt es Dialog-Fassungen im Vergleich (lokal gegen Cloud).
Teil 1 · Mein Ziel, mein Blick
Teil 2 · Was es kann
Teil 3 · Mein Platz im Plan
Interaktive Animationen
Zum Zeigen im Seminar
Wie LLM angefangen hat. Die Entwicklung als Aufzeichnung. öffnen
Rollen-Klarheits-Puzzle. Füllt sich beim Zuhören. öffnen
Konzept-Board. Alle Ideen und Effekte zum Auswählen. öffnen
DAIZ-Measure (Vergleichs-Mock). Set A gegen Set B, Messfähigkeit. öffnen
Live-PlattformDas Werkzeug läuft als echte Plattform: daizpadel.ch (KI in Leitplanken, vom Ziel zum geprüften Plugin) und das Cockpit unter daizpadel.ch/apps/measure.
19 · Hörfassungen im Vergleich
Lokal gegen bezahlte API
Zwei Wege zur Stimme: lokal und Cloud, direkt nebeneinander.
Dieselben Dialoge in zwei Fassungen. Einmal mit einer lokalen Stimme, die offline auf dem eigenen Rechner läuft und nichts kostet (Piper). Einmal mit einer bezahlten Cloud-Stimme, die Betonung und Ausdruck über Attribute steuert (ElevenLabs). Jeder Teil wird von zwei Personen besprochen, Mara fragt, Jonas erklärt. Hör beide an und entscheide selbst, was dir der Unterschied wert ist. Beide Fassungen stehen zum Herunterladen bereit.
Worin liegt der UnterschiedDie lokale Stimme braucht keine Verbindung und kein Konto, sie läuft auf dem eigenen Rechner und eignet sich für grosse Mengen ohne laufende Kosten. Die Cloud-Stimme klingt lebendiger, weil sie Betonung, Pausen und Stimmung über Attribute steuert, kostet aber pro Zeichen. Genau der Treiber Budget aus dem Seminar, hier zum Anhören.
20 · Anhang
Rahmen und Begriffe
Anhang.
Rahmen
Publikum. Das Team (neun bis zwölf Personen).
Form. Drei Teile, je 60 Minuten, interaktiv. Kein Kurs, keine Prüfung.
Teil 1. Mittwoch, 28. Oktober 2026, 11 Uhr. Teil 2 und 3: Termine folgen.
Daten. Demo-Projekt mit Beispieldaten, nichts Echtes verlässt den Raum.
Rollenkarte. Vorab ausgefüllt, damit die Rollenrunde kurz bleibt und die Uhr hält.
Begriffe in einem Satz
Prompt. Die Anweisung an die KI, ihr Auftrag.
Kontext. Alles, was die KI für die Antwort mitbekommt. Ohne Kontext rät sie.
Harness. Die Leitplanken als Dateien (Architektur, Regeln, Testvorgaben).
Gates. Automatische Tore, die ein Ergebnis gegen Kriterien prüfen.
MCP. Der Standard, über den die KI Werkzeuge und Datenquellen nutzt.
RAG. Die KI sucht zur Laufzeit passende Inhalte heraus und nutzt sie.
.h6. Das DAIZ-Bündelformat: JSON plus 36 Winkel-Frames, kein Video.
Soll-Ist. Vorgabe gegen gemessenen Wert, angezeigt als Ampel.
Hinweis zur VerwendungIm Seminar wird das Werkzeug (DAIZ-Measure) genutzt und gezeigt. Auf der Einladung bleibt es abstrakt («das Werkzeug»), ohne Produktnamen und ohne Domain, damit niemand vorzeitig sucht.
21 · Hinter dem Projekt
Wer das gebaut hat
Timo Böhme, Software Engineer
Entwickelt KI-gestützte Software und betreibt die Plattform hinter diesem Projekt: das Gateway für die Modelle, die Mess-Werkzeuge und die Wissens-Schicht. Alles lokal betreibbar, das Firmenwissen bleibt im Haus.
Dieses Dossier, das Mess-Programm DAIZ-Measure und die Plattform daizpadel.ch sind in wenigen Tagen zusammen mit den drei Agenten entstanden. Was im Seminar gezeigt wird, läuft also schon.
