top of page
nous-works-lockup-horizontal-reversed-1040.png

Ich spreche, die KI baut: meine KI-Arbeitsweise

Autorenbild: Marcus Machon
Marcus Machon
5. Nov.
4 Min. Lesezeit

Ich spreche ins Mikro, beschreibe eine benötigte Erweiterung, und die KI setzt sie um. So beginnt heute ein großer Teil meiner Arbeit. Meine KI-Arbeitsweise hat sich seit Februar verändert: Aus einem Experiment auf einem Linux-Server wurde meine Hauptarbeitsumgebung. Inzwischen erledige ich geschätzt rund 90 Prozent meiner Arbeit in diesem KI-System. Das ist meine persönliche Einschätzung, keine gemessene Quote.

Am Anfang wollte ich nur in einer abgeschlossenen Testumgebung ausprobieren, was möglich ist. Heute entstehen dort Apps, Recherchen, Texte, Präsentationen und Visualisierungen. Die Freiheit, meine Arbeitsumgebung selbst zu gestalten, begeistert mich. Mit ihr habe ich allerdings auch die Verantwortung für ihren Betrieb übernommen.

Die technische Umsetzung übernimmt heute weitgehend die KI. Richtung, Prüfung und Rückmeldung bleiben bei mir. Eigene Darstellung, KI-generiert.

Meine KI-Arbeitsweise: Die Umsetzung hat sich verlagert

Früher versuchte ich, möglichst viel mit Microsoft 365 und Power Automate zu lösen. Ich suchte die passenden Werkzeuge und konfigurierte die einzelnen Schritte selbst in deren Oberflächen. Natürlich prüfte ich auch damals Ergebnisse und änderte einen Ablauf nach Rückmeldungen. Das ist kein neuer Teil meiner Arbeit.

Heute beschreibe ich zum Beispiel, welche Erweiterung ich in einer eigenen App brauche. Die KI erstellt den Code und passt die Anwendung an. Ich probiere die Lösung aus, gebe Rückmeldung und entscheide, ob sie mir hilft. Der Unterschied liegt darin, wer die technische Umsetzung übernimmt: Ich muss nicht mehr jeden Schritt selbst in einer vorhandenen Produktoberfläche zusammenbauen.

Diese KI-Arbeitsweise beschreibt meinen persönlichen Wechsel, keine allgemeine Grenze von Microsoft 365. Auch Power Automate unterstützt Vorlagen und die Erstellung mit Copilot, wie Microsoft Learn dokumentiert. Die Copilot-Funktionen setzen voraus, dass die Organisation KI aktiviert hat. Ein Beispiel meines eigenen Ansatzes ist der automatisierte Blogprozess.

Der Kern ist mein Wissens- und Forschungssystem

Besonders wertvoll ist für mich, dass eine Recherche nicht im einzelnen Chat endet. Ich lasse möglichst seriöse wissenschaftliche Quellen und Erkenntnisse von Fachleuten zusammentragen, prüfe und aktualisiere sie und halte die Ergebnisse fest. Daraus entstehen später Texte, Konzepte oder neue Fragen. Was ich bereits erarbeitet habe, steht für die nächste Aufgabe wieder zur Verfügung.

So wächst neben den Apps ein eigener Bestand an Quellen, Daten und dokumentierten Erfahrungen. Auch Fehler und daraus gezogene Lehren halte ich fest. Das Ansammeln allein macht diesen Bestand allerdings noch nicht nützlich: Informationen müssen auffindbar bleiben, zusammenpassen und bei Bedarf korrigiert werden. Auch dafür braucht das System Pflege.

Was mir das tatsächlich bringt

Mit dem System erstelle ich mehr Content und Social-Media-Beiträge und halte sie selbst auch für besser. Über meine Inhalte habe ich bereits Kunden gewonnen. Mein Recherche- und Wissensbestand hilft mir aus meiner Sicht zudem, bei Kunden schneller bessere Lösungen umzusetzen. Die Kundenarbeit bleibt dabei im jeweiligen Kundensystem.

Dazu kommt meine eigene Verwaltung: Fast alle meine internen Prozesse laufen inzwischen von Anfang bis Ende automatisiert. Das aufzubauen hat viel Arbeit gekostet; langsam ernte ich den Nutzen. Ich lerne dabei viel und kann Ideen umsetzen, die ich allein so nicht hinbekommen hätte.

Einen finanziellen Return on Investment kann ich daraus noch nicht ableiten. Die Kosten sind hoch. Ob ein einfacher Chatbot für meine Inhalte und die Kundengewinnung ähnlich viel gebracht hätte, weiß ich nicht. Ich sehe einen praktischen Nutzen, habe aber keinen Vergleich, der den zusätzlichen Ertrag dieses Systems beziffert.

Welche Software bleibt, und welche Daten gehören wohin?

Ich nutze deutlich weniger Microsoft-365-Anwendungen als früher. Outlook, Teams, SharePoint und einzelne Power-Automate-Abläufe bleiben, ebenso meine Buchhaltungssoftware. Vieles darum herum baue ich passend zu meiner Arbeitsweise. Mein Rechnungsprozess mit Microsoft 365 zeigt, wie beide Welten nebeneinander bestehen.

Outlook, Teams, SharePoint, einzelne Power-Automate-Abläufe und Buchhaltung bleiben. Darum herum baue ich Recherche, Wissen, Apps, Visualisierungen, Content und Reporting.
Meine Kernsysteme und selbst gebauten Ergänzungen. Eigene Darstellung, KI-generiert; Microsoft-Originalicons unverändert eingesetzt.

Die geschätzten 90 Prozent bedeuten ausdrücklich nicht, dass Kundendaten in mein KI-System gelangen. Kundenarbeit erledige ich im jeweiligen Kundensystem. Kundendaten und andere personenbezogene Daten Dritter bleiben draußen. Besonders sensible eigene Inhalte bearbeite ich in Microsoft 365. Die Grundidee dieser Trennung habe ich in einem früheren Beitrag über getrennte Datenbereiche beschrieben; meine heutige Nutzung des eigenen KI-Systems ist seitdem breiter geworden.

Dort plane ich auch meine Strategie und mein Geschäft und verwende aggregierte eigene Finanzdaten. Das ist meine bewusste Risikoabwägung. Eigene Daten können ebenfalls vertraulich sein; weder ihr Eigentum noch die Aggregation machen ihre Verarbeitung automatisch unkritisch. Daraus folgt auch keine pauschale Datenschutzgarantie eines KI-Anbieters.

Ich bleibe der Engpass

Die KI nimmt mir viel Umsetzung ab. Welche Idee ich verfolgen sollte, was gerade wichtig ist und wo ich meine Zeit einsetze, muss ich trotzdem entscheiden. Meine Richtung und meine Prioritäten bestimmen, woran das System arbeitet. Es baut nicht von allein das richtige Geschäftsmodell.

Dabei verrenne ich mich auch. Manche Versuche enden in Sackgassen und kosten Tage. Manches baue ich mit Begeisterung, nutze es kaum und verwerfe es wieder. Ich kann mich verzetteln und eine Lösung aufwendiger machen, als es die Aufgabe verlangt. Neue Erweiterungen bringen zudem neue Fehler und Pflegeaufwand mit. Meine Zeit und die hohen Kosten der KI-Nutzung bleiben Grenzen.

Ich behandle das als Investitionsentscheidung unter Risiko. Ein neues Modell könnte schon in einigen Monaten Teile meiner Eigenentwicklung überflüssig machen. Ob sich der finanzielle Einsatz lohnt, ist für mich offen. Ich würde diesen Weg deshalb nicht jedem empfehlen: Man muss die Zeit, die Mühe und die laufende Pflege wirklich übernehmen wollen.

Wie ich mit der Sicherheitsfrage umgehe

Bei IT-Sicherheit bin ich kein Experte. Ich gehe deshalb methodisch vor: Ich recherchiere möglichst aktuelle wissenschaftliche Quellen und Empfehlungen von Fachleuten, prüfe und aktualisiere die Erkenntnisse und setze passende Maßnahmen um. Auch diese Recherche und ihre Umsetzung können Fehler enthalten.

Als Orientierungsrahmen beschreiben das NIST AI Risk Management Framework (2023) den Umgang mit KI-Risiken und das NIST SSDF, Version 1.1 (2022) Praktiken für sichere Softwareentwicklung. Daraus lässt sich weder ableiten, dass ich diese Rahmen vollständig umgesetzt habe, noch dass mein System nachweislich sicher ist. Meine Unsicherheit betrifft diesen tatsächlichen Sicherheitsnachweis. Recherche und eigene Vorkehrungen ersetzen keine unabhängige Prüfung.

Was davon für Unternehmen interessant ist

Meine Erfahrung zeigt mir, wie viel Gestaltungsspielraum eine eigene KI-Arbeitsumgebung eröffnen kann. Für Unternehmen kann eine solche Aufteilung eine Möglichkeit sein, wenn Daten, Zugriffe, Verantwortlichkeiten und Betrieb dazu passen. Meine persönliche Nutzungsquote ist dafür kein Maßstab.

Für mich bleibt die entscheidende Aufgabe, die richtige Erweiterung auszuwählen und den Aufwand dafür zu tragen. Microsoft 365, mein eigenes System und meine Entscheidungen müssen zusammenpassen. Die Möglichkeit, so zu arbeiten, möchte ich nicht mehr missen.

Marcus Machon, Gründer von Nous Works. Beratung zu Microsoft 365 und KI-Readiness.

Quellen

  1. Microsoft Learn (abgerufen am 05.11.2026). Entdecken Sie die Startseite von Power Automate. Produktdokumentation.

  2. NIST (2023). AI Risk Management Framework (AI RMF 1.0). Freiwilliger Orientierungsrahmen.

  3. NIST (2022). Secure Software Development Framework (SSDF), Version 1.1. Empfehlungen für sichere Softwareentwicklung.

bottom of page