Kaffee, Kolleg:innen & KI: Der Open Space bei communicode

Um diese Fragen ging es in unserem internen Open Space im Oktober 2026. Einen Vormittag lang haben Kolleginnen und Kollegen aus Entwicklung, Design, Projektmanagement und Marketing eigene Themen eingebracht, Erfahrungen geteilt und offen benannt, wo sie unsicher sind. Die wichtigste Erkenntnis: Wie viel KI im Arbeitsalltag bewirkt, entscheidet sich an geteiltem Wissen, sichtbaren Prozessen und klaren Regeln für die Zusammenarbeit von Mensch und KI.

Open Space – Ein Format, in dem die Themen aus dem Team kommen

Ein Open Space hat keine vorab festgelegte Tagesordnung. Wer ein Thema mitbringt, bietet eine Session an, und alle anderen entscheiden selbst, wo sie mitdiskutieren. Dabei gilt das „Gesetz der zwei Füße“: Wer in einer Session weder etwas lernt noch etwas beitragen kann, wechselt zur nächsten. Am Ende hängt jede Session ihre Dokumentation an die Ergebnis-Wand.

Sie enthält:

• Thema und Teilnehmende
• die wichtigsten Gedanken und Ideen
• offene Fragen
• Vorschläge für die nächsten Schritte

Wir veranstalten den Open Space alle paar Monate für einen halben Tag. Gute Ideen entstehen selten im Ticketsystem, viel öfter im Austausch miteinander. Im Arbeits- und Projektalltag fehlt dafür aber häufig die Zeit. Der Open Space schafft bewusst diesen Raum: um über Team- und Projektgrenzen hinweg voneinander zu lernen und Unsicherheiten offen anzusprechen.

Für ein Thema wie KI passt das gut. Das Wissen darüber ist in vielen Organisationen ungleich verteilt und liegt oft bei Einzelnen, die sich besonders intensiv damit beschäftigen. Ein offenes Format holt dieses Wissen in den Raum. KI – Die nächste große Transformation Das Thema KI beschäftigt uns, wie auch alle anderen, derzeit stark. Das spiegelte sich auch deutlich in den angebotenen Sessions wider. Die meisten drehten sich direkt oder indirekt darum, wie wir KI sinnvoll, sicher und gemeinsam nutzen.

Für uns ist das die nächste große Transformation und damit stehen wir momentan nicht allein. Auch andere Unternehmen stehen vor der Frage, wie sie damit umgehen.

Die Sessions im Überblick

Fünf Sessions verteilten sich auf drei Runden in parallelen Räumen:

• Claude für Nicht-Entwickler: Bausteine, Grenzen und sichere Nutzung von Claude im Alltag, mit Blick auf Marketing und Business.
• Neues Prompting: Was sich mit den neueren Modellen beim Formulieren von Anweisungen ändert, ergänzt um eine Übersicht hilfreicher Skills für die Entwicklung.
• KI-Werkzeuge im Design: Wie sich mit KI-Agenten eigene Tools entwickeln lassen und wie daraus ein gemeinsamer Standard für die Kreation wird.
• Systemlandschaft: Welche Tools im Einsatz sind, wer sie verantwortet, was fehlt und was wegfallen kann. Modelle, Kosten, Datenschutz und Pipelines sowie die Frage, wohin sich Softwareentwicklung bewegt.
• Kapazitätsplanung: Transparenz über Aufgaben, Zeiten und Zuständigkeiten in Teams mit wechselnden Aufgaben.

KI-Kompetenz beginnt mit dem Verständnis des Werkzeugs

Die erste Session am Morgen „Claude für Nicht-Entwickler“ hatte fast alle Teilnehmenden im Raum. Das zeigt, wie groß der Bedarf an Orientierung ist, auch bei Menschen, die KI längst nutzen. Besprochen wurden die Bausteine, aus denen sich die Arbeit mit Claude zusammensetzt: der Chat, Projekte mit festen Anweisungen und Wissen, Skills als gespeicherte Arbeitsanleitungen und Agenten, die mehrstufige Aufgaben mit Dateien erledigen.

Mindestens so viel Raum bekam die Frage, was KI nicht kann. Sprachmodelle sind stark bei Sprache und Struktur, aber schwach bei geprüften Fakten. Sie können Zahlen und Quellen erfinden und kennen ein Unternehmen nur so gut, wie es ihnen beschrieben wird. Eine Frage aus der Runde brachte das auf den Punkt: Warum hat das Wissen eines Modells ein Datum?

Wer diese Grenzen kennt, arbeitet anders mit KI. Er gibt Kontext mit, schaltet bei aktuellen Themen die Websuche zu und behandelt das erste Ergebnis als Entwurf, den er prüft und hinterfragt. Als Leitbild diente ein einfaches Bild: Claude wie eine kluge Kollegin behandeln, die heute ihren ersten Tag im Haus hat. Sie braucht Kontext, eine klare Aufgabe, passendes Material, Vorgaben zu Format und Regeln und die Möglichkeit, Rückfragen zu stellen.

Für wiederkehrende Aufgaben gab es eine praktische Faustregel. Wer denselben Prompt zum dritten Mal schreibt, sollte daraus einen Skill machen, also eine Anleitung, die Claude bei passenden Aufgaben selbst heranzieht.

Warum sich gutes Prompting mit den Modellen verändert

Wie schnell sich dieses Wissen weiterentwickelt, zeigte die Session zum neuen Prompting. Neuere Modelle bringen mehr eigenes Urteilsvermögen mit. Anweisungen, mit denen man frühere Modelle anschieben musste, führen heute leicht dazu, dass sie über das Ziel hinausschießen. Großbuchstaben und Warnhinweise wie „KRITISCH“ lösen eher Überreaktionen aus, als dass sie helfen.

Die Prinzipien, die daraus folgen, klingen schlicht und verlangen trotzdem ein Umdenken:

• Der Kollegen-Test: Würde eine Kollegin ohne Vorwissen den Prompt verstehen? Wenn nicht, versteht ihn auch das Modell nicht.
• Begründen statt befehlen: Eine Anweisung mit Begründung wirkt besser, weil das Modell daraus verallgemeinert.
• Das Ziel beschreiben: Wer sagt, was entstehen soll, kommt weiter als mit einer Liste von Verboten.
• Normaler Ton: Ruhige Formulierungen funktionieren zuverlässiger als Alarmstufe Rot.
• Klar sagen, ob gehandelt werden soll: Wer um Vorschläge bittet, bekommt Vorschläge. Wer eine Umsetzung möchte, muss das sagen.

Für Unternehmen steckt darin eine wichtige Erkenntnis. KI-Kompetenz ist kein Stand, den man einmal erreicht und dann abhakt. Was mit früheren Modellen gut funktionierte, kann heute schlechtere Ergebnisse liefern. Wissen über KI braucht deshalb einen Ort, an dem es regelmäßig aktualisiert und geteilt wird.

Vom persönlichen KI-Werkzeug zum gemeinsamen Standard

Wie weit die praktische Arbeit mit KI im Team reicht, zeigten die Sessions aus Design und Entwicklung. Im Design ging es darum, Werkzeuge agentisch zu entwickeln, also mit KI-Agenten eigene Tools zu bauen. Ein Beispiel war ein Plugin für das Designtool Figma, das bei der Entwicklung von Farbsystemen hilft und dabei Kontraste und Barrierefreiheit berücksichtigt. In der Entwicklung stellte ein Kollege die Skills vor, mit denen er in Claude Code arbeitet, von Code-Reviews über Browser-Tests bis zu Sicherheitsprüfungen.

In beiden Bereichen stand am Ende dieselbe Frage: Wie machen wir Skills und Tools für das ganze Unternehmen verfügbar? Einzelne haben sich einen persönlichen „Agentic Stack“ aufgebaut, eine eigene Kombination aus Modellen, Skills und Werkzeugen. Das macht sie produktiver. Für das Team entsteht der Gewinn erst, wenn dieses Wissen geteilt wird. Sonst droht, wovor in einer anderen Session ausdrücklich gewarnt wurde: Inselwissen ohne Austausch.

Prozesse, Rollen und Werkzeuge im Zusammenhang denken

Eine Session nahm unsere Systemlandschaft als Ganzes in den Blick. Welche Tools sind im Einsatz, wer verantwortet sie, was fehlt und was kann weg? Schnell zeigte sich, dass sich diese Fragen nur entlang der Prozesse beantworten lassen. Wer Prozessketten sichtbar macht, erkennt, wo Systeme gut zusammenspielen und wo Brüche entstehen, etwa auf dem Weg von der Planung bis zur Abrechnung.

Dazu kamen Fragen, die bei jeder Einführung neuer Werkzeuge gestellt werden sollten, ob mit KI oder ohne. Wer kümmert sich um die Wartung? Wer um Daten und Speicherorte? Und wie behält man die Kontrolle über Ergebnisse, die ein System automatisiert erzeugt?

Als Leitlinie zogen sich Portabilität und Souveränität durch den Tag. Daten, Konzepte und Werkzeuge sollen so angelegt sein, dass sie sich mitnehmen oder austauschen lassen. Gerade bei KI, wo sich Modelle und Anbieter schnell weiterentwickeln, schützt das vor neuen Abhängigkeiten. Ebenso deutlich wurde, dass sich solche Prinzipien an den Geschäftszielen messen lassen müssen.

Auch die Arbeitsorganisation selbst kam auf den Prüfstand. In der Session zur Kapazitätsplanung ging es um Teams, deren Aufgaben vielfältig sind und häufig wechseln. Gewünscht war Transparenz darüber, welche Aufgaben anstehen, wie viel Zeit sie brauchen und wer sie übernimmt. Wichtig war allen dabei, dass daraus Orientierung für das Team entsteht und kein Controlling-Instrument. Wenn KI einzelne Arbeitsschritte übernimmt, verschieben sich Aufgaben zwischen Menschen und Systemen. Umso wichtiger wird es, dass klar ist, wer wofür verantwortlich ist.

Klare Regeln und Raum für Unsicherheit

Je selbstständiger KI-Agenten arbeiten, desto wichtiger werden klare Regeln. In der Session für Nicht-Entwickler wurden sechs Grundsätze für den sicheren Einsatz besprochen:

• Für Geschäftliches immer das Firmenkonto nutzen.
• Personenbezogene Daten nur mit Freigabe und möglichst anonymisiert verwenden.
• Passwörter, Schlüssel und Tokens haben im Chat nichts zu suchen.
• Zahlen, Quellen, Zitate und rechtliche Aussagen immer nachprüfen.
• Agenten klein halten: nur die nötigen Zugriffe gewähren und Inhalte aus fremden Quellen als Daten behandeln, nie als Anweisung.
• Der Mensch gibt frei: Senden, Löschen und Veröffentlichen bestätigt immer eine Person.

Der letzte Punkt beschreibt die Haltung, die sich durch den ganzen Tag zog. KI übernimmt Arbeitsschritte, die Verantwortung für das Ergebnis bleibt beim Menschen.

Was Unternehmen aus unserem Open Space mitnehmen können

Eine Frage blieb an diesem Tag offen: Wenn alle KI nutzen, wie macht man dann den Unterschied? Eine fertige Antwort gab es nicht. Die Sessions deuten aber an, wo sie liegen könnte: im Kontext, den nur ein erfahrenes Team mitbringt, im kritischen Prüfen der Ergebnisse und in Prozessen, in die KI sinnvoll eingebunden ist.

Die Fragen, die uns beschäftigen, stellen sich in vielen Unternehmen ähnlich, ob KI nun in IT, Marketing oder E-Commerce eingesetzt wird. Fünf davon eignen sich gut als Standortbestimmung:

1. Wo liegt Ihr KI-Wissen? Bei einzelnen Personen oder an einem Ort, auf den alle zugreifen können?
2. Kennen Sie die Prozesse, die KI verändern soll? Erst wenn Prozessketten sichtbar sind, lässt sich beurteilen, wo KI echten Mehrwert schafft und wo Systeme zusammenspielen müssen.
3. Bleiben Sie beweglich? Lassen sich Daten, Konzepte und Werkzeuge wechseln, wenn sich Modelle und Anbieter weiterentwickeln?
4. Ist geregelt, wann ein Mensch freigibt? Je mehr Agenten selbstständig erledigen, desto wichtiger wird diese Grenze.
5. Gibt es Raum für offene Fragen? Unsicherheit verschwindet nicht, wenn man sie übergeht. Ein Format, in dem Mitarbeitende ihre Themen selbst setzen, kann dabei helfen.

Für uns war der Open Space ein Zwischenstand. Einige Vorhaben laufen bereits, andere brauchen noch Verantwortliche und beim nächsten Open Space wird sich zeigen, was sich bewährt hat. Eines hat der Tag aber deutlich gemacht: KI verändert Arbeit in vielen einzelnen Entscheidungen darüber, wie Teams Wissen teilen, Prozesse gestalten und Verantwortung verteilen. Diese Entscheidungen bewusst zu treffen, bleibt eine gemeinsame Aufgabe.