KI im Büro: Praktische Aufgaben, Beispiel-Prompts und wie du das Ergebnis prüfst
Was KI im Büro konkret bringt: drei Aufgabenarten, ein Beispiel von Anfang bis Ende und warum du das Ergebnis trotzdem selbst lesen musst.
„KI im Büro“ klingt nach einem großen Versprechen. In der Praxis sind es meistens drei kleine Dinge: Text schneller schreiben, lange Informationen kürzer machen, und Nachrichten formulieren, die man sonst vor sich herschiebt. Nichts davon ersetzt deine Arbeit. Es nimmt dir den langweiligsten Teil davon ab.
Der Haken dabei: Die meisten probieren ChatGPT einmal aus, bekommen eine mittelmäßige Antwort und lassen es wieder bleiben. Das liegt selten am Werkzeug. Es liegt daran, dass ihnen niemand gezeigt hat, wie man fragt — und wie man das Ergebnis danach prüft, bevor es rausgeht.
Dass sich das lohnt, ist inzwischen messbar. Der Bitkom erhebt regelmäßig, wie verbreitet KI in deutschen Unternehmen tatsächlich ist, und der PwC AI Jobs Barometer findet über rund eine Milliarde Stellenanzeigen hinweg einen deutlichen Gehaltsaufschlag für Menschen mit KI-Kenntnissen. Beide beschreiben denselben Befund aus zwei Richtungen: die Werkzeuge kommen an, und wer sie bedienen kann, ist gefragt.
Drei Aufgaben, bei denen KI im Büro wirklich hilft
Nicht jede Büroaufgabe eignet sich. Am zuverlässigsten funktioniert es dort, wo bereits Informationen vorliegen und du sie nur in eine andere Form bringen musst — nicht dort, wo neue Fakten erfunden werden könnten.
- Zusammenfassen: ein langes Protokoll, eine E-Mail-Kette oder ein Dokument auf die fünf Punkte reduzieren, die tatsächlich wichtig sind.
- Entwerfen: eine erste Version einer E-Mail, einer Statusmeldung oder einer Präsentationsfolie, die du danach an deinen eigenen Ton anpasst.
- Strukturieren: unsortierte Notizen aus einem Meeting in eine Liste mit Aufgaben, Verantwortlichen und Terminen sortieren.
Ein Beispiel von Anfang bis Ende
Nimm eine Aufgabe, die in fast jedem Büro wöchentlich anfällt: ein Statusupdate aus einem Wust von Notizen und Chatnachrichten schreiben. Ohne KI sitzt man eine halbe Stunde daran, nur um alles noch einmal zu lesen und in Sätze zu bringen.
Der erste Fehler ist meistens der Prompt selbst. „Schreib mir ein Statusupdate“ liefert etwas Generisches, weil das Modell keine Informationen hat, aus denen es etwas Konkretes bauen kann. Besser ist, die Rohdaten mitzugeben und die Form vorzugeben: „Hier sind meine Notizen aus dieser Woche: [Notizen einfügen]. Schreib daraus ein Statusupdate für mein Team, drei Abschnitte — erledigt, in Arbeit, blockiert. Kurze Sätze, keine Aufzählungszeichen mit mehr als einer Zeile.“
Das Ergebnis ist jetzt ein brauchbarer erster Entwurf, kein fertiger Text. Häufig fehlt der Kontext, warum etwas blockiert ist, oder eine Aufgabe wird wichtiger dargestellt, als sie ist, weil sie in den Notizen mehr Platz eingenommen hat. Das korrigierst du in ein bis zwei Minuten von Hand — deutlich schneller, als bei null anzufangen.
Warum du das Ergebnis trotzdem selbst lesen musst
Das unbequeme Detail, das in den meisten Büro-KI-Tipps fehlt: Diese Modelle sind sich falscher Aussagen genauso sicher wie richtiger. Wie gut sie in Faktenfragen tatsächlich abschneiden, misst der AI Index Jahr für Jahr — der Abstand zwischen „klingt sicher“ und „ist richtig“ schließt sich langsamer als die Schlagzeilen vermuten lassen. Eine Zahl, ein Name oder eine Frist können erfunden klingen wie alles andere im Text — flüssig, selbstbewusst, plausibel. Genau das macht Fehler gefährlicher als bei einem schlecht geschriebenen Entwurf, der offensichtlich noch Arbeit braucht.
Ein KI-Entwurf, der schlecht klingt, ist harmlos — du siehst sofort, dass er Arbeit braucht. Gefährlich ist der Entwurf, der gut klingt und trotzdem falsch ist.
Die Faustregel: Alles, was eine konkrete Zahl, ein Datum, einen Namen oder eine Zusage enthält, prüfst du gegen die Quelle, aus der es stammen soll — bevor es rausgeht. Wie stark sich der Büroalltag dadurch verschiebt, lässt sich an der Erwerbstätigenstatistik ablesen, nicht an Produktankündigungen. Formulierung und Ton darfst du dem Werkzeug überlassen. Fakten nicht.
Welche Aufgaben sich technisch überhaupt automatisieren lassen, untersucht laufend das IAB — nützlich als grober Anhaltspunkt, wie viel von der eigenen Arbeit grundsätzlich dazugehört, unabhängig vom einzelnen Werkzeug.
Was du am Montag ausprobierst
- Nimm eine wiederkehrende Aufgabe, bei der du bereits die Rohinformationen hast — Notizen, eine E-Mail-Kette, ein Protokoll.
- Gib dem Modell diese Rohinformationen mit, nicht nur die Bitte, etwas zu schreiben. Ohne Grundlage füllt es die Lücken mit etwas Generischem.
- Gib die Form vor: wie lang, in wie vielen Abschnitten, mit welchem Ton. Je konkreter die Vorgabe, desto weniger musst du hinterher umschreiben.
- Lies den Entwurf einmal komplett gegen die Rohinformationen, bevor du ihn verschickst. Diese eine Minute ist der Unterschied zwischen Zeit sparen und eine falsche Zahl weiterreichen.
Machst du dieselbe Aufgabe jede Woche, lohnt es sich irgendwann, den Kontext nicht jedes Mal neu zu erklären — dazu mehr in Custom GPT erstellen. Und wenn dein Team eine ganze ChatGPT-Schulung plant, entscheidet vor allem eins über den Nutzen: ob ihr an eigenen Aufgaben übt oder nur zuschaut.
Genau diese zwei Fähigkeiten — konkret fragen und das Ergebnis richtig prüfen — sind das, was Coursium in kurzen Lektionen fürs Handy vermittelt. Bleib der KI voraus mit Übungen, die zu einer echten Büroaufgabe passen, nicht zu einem Demo-Beispiel. Mehr zu diesem Ansatz steht über Coursium.