KI kann Abläufe deutlich beschleunigen – vor allem in Design, Kommunikation und Content. Entscheidend ist nicht das Tool, sondern der Workflow dahinter: Wo lohnt sich der Einsatz wirklich, wie bleiben Ergebnisse konsistent, und wie sorgt man dafür, dass Teams damit arbeiten können, statt zusätzliche Baustellen zu erzeugen? Genau dort setze ich an.
Was Sie konkret bekommen.
Klarheit über sinnvolle Einsatzfelder von KI in Ihren Design- und Kommunikationsprozessen
gemeinsam definierte, praxistaugliche Workflows statt lediglich einmaliger „KI-Experimente"
ein Start-Set für eine strukturierte Prompt- und Pattern-Bibliothek, die intern weiterentwickelt werden kann
konkret ausgearbeitete Beispiel-Workflows für typische Aufgaben in Ihrem Alltag (z. B. Standardkommunikation, Content-Entwürfe, interne Dokumentation)
klare Leitplanken für den KI-Einsatz, damit Qualität, Tonalität und Markenauftritt auch mit neuen Tools verlässlich bleiben
Wo KI im Workflow sinnvoll ist.
Design & Marke
Entwicklung von Bildwelten, Stilrichtungen und Moodboards
Varianten für Key Visuals, Kampagnenmotive, Social Assets
Konsistente Visual Language trotz KI-gestützter Varianten
Content & Kommunikation
Strukturierung und Entwürfe für Texte entlang der Customer Journey (z. B. Website, Landingpages, Mailings, Präsentationen, Social Media)
Wiederkehrende Kundenkommunikation vorbereiten (z. B. Service- und Info-Mails, Angebots- und Antwortbausteine, Newsletter)
Anpassung von Inhalten an verschiedene Formate und Kanäle (Kurzfassung, Longform, Social Snippets etc.)
Unterstützung beim Tonalitäts-Feinschliff im Rahmen der vorgegebenen Brand Voice – inkl. Do/Don't-Beispiele für Teams
Prototyping
schnelle Prototypen für Websites, Landingpages oder UI-Flows (z. B. als Klick-Demo oder Web-Prototyp, je nach Setup)
Visualisierung von Ideen, bevor in aufwändige Umsetzung investiert wird
Einsatz von Bild- und Video-GenAI für kurze, klar definierte Clips auf Basis von Standbildern oder Layouts
Wie ich arbeite – in klaren Schritten.
1. Ziel und Rahmen klären
Was soll verbessert werden: Zeit, Qualität, Konsistenz, Output-Menge, Nachvollziehbarkeit?
Welche Inhalte, Kanäle, Formate und Stakeholder sind beteiligt?
2. Struktur und Reifegrad analysieren
Ist-Aufnahme bestehender Abläufe in Design/Kommunikation
Bestehende Systeme, Tools und Verantwortlichkeiten
Identifikation von Engpässen, Medienbrüchen, Schleifen und Doppelarbeit
Einschätzung: Wo ist die Basis stabil genug für KI – und wo sollte zunächst der Prozess selbst verbessert werden?
3. KI sinnvoll einbetten
Auswahl von Aufgaben, bei denen KI wirklich unterstützt (z. B. Varianten, Entwürfe, Struktur, Prototyping)
Definition von Qualitätskriterien und Prüfmechanismen
Aufbau einer ersten Prompt- und Pattern-Bibliothek (inklusive Negativkriterien und Beispielen)
4. Prototypen und Tests
Erstellung von konkreten Beispielen (Layouts, Bildreihen, UI-Demos, kurze Video-Sequenzen)
Bewertung gemeinsam mit dem Team: Was funktioniert, was nicht, wo muss nachgeschärft werden?
5. Dokumentation & Enablement
Ausarbeitung von Guidelines, Checklisten und wiederverwendbaren Vorlagen
Übergabe in eine Form, die Teams selbst weiter nutzen können
auf Wunsch kompakte Sessions, in denen der entwickelte Workflow erläutert und verankert wird
Wann der Einsatz von KI (noch) keinen Sinn ergibt.
Nicht jeder Prozess wird durch KI automatisch besser. Ein Teil der Arbeit besteht darin, das offen zu benennen.
Typische Fälle, in denen ich eher abrate oder zuerst an der Basis arbeite:
Prozesse sind so instabil, dass bereits ohne KI keine Klarheit über Zuständigkeiten und Abläufe besteht
sensible oder vertrauliche Informationen müssten eingesetzt werden, ohne dass dafür ein geeigneter Rahmen existiert
der erwartete Nutzen ist vor allem „wir wollen auch KI einsetzen", ohne messbaren Effekt auf Zeit, Qualität oder Klarheit
grundlegende Qualitätskriterien, Markenregeln oder Briefing-Strukturen fehlen und müssten zuerst definiert werden
In solchen Fällen ist es ehrlicher und nachhaltiger, zuerst Struktur und Grundlagen zu verbessern und danach über KI-Unterstützung zu sprechen.
Kontinuität: Prompt- und Pattern-Bibliothek.
Ein einzelner „guter Prompt" reicht nicht aus. Entscheidend ist eine strukturierte Sammlung von Bausteinen, die intern verstanden und weitergeführt werden kann.
Typische Elemente:
Use-Case-basierte Prompts (z. B. Kampagnen-Varianten, Social Posts, Produkttexte, UI-Microcopy)
Beispiele für gute und weniger geeignete Ergebnisse, um das gemeinsame Verständnis zu schärfen
Die Bibliothek kann in Ihren bestehenden Systemen (z. B. Notion, Confluence, M365, interne Wissensbasis) verankert werden. Ziel ist, dass Sie nicht jedes Mal neu anfangen, sondern auf einer nachvollziehbaren Basis aufbauen.
Mitarbeitende befähigen.
Technik allein sorgt nicht für bessere Ergebnisse. Wichtig ist, dass die Menschen, die täglich mit Inhalten arbeiten, den Ansatz verstehen und anwenden können.
In kompakten Formaten lässt sich u. a. klären:
Welche Inhalte eignen sich für den Einsatz von KI – und welche ausdrücklich nicht?
Welche Informationen gehören in ein KI-gestütztes Briefing, welche sollten draußen bleiben?
Wie wird dokumentiert, was mit KI erstellt wurde (z. B. Version, Datum, Zweck)?
Wie liest und bewertet man KI-Ergebnisse kritisch, statt sie unreflektiert zu übernehmen?
Ergänzend können Grundlagen zur Arbeitsweise aktueller Modelle vermittelt werden – jeweils so technisch, wie es für das Team sinnvoll ist.
Kurz erklärt: Wie KI hier arbeitet.
Sprachmodelle (LLMs) „verstehen" Inhalte nicht im menschlichen Sinn, sondern arbeiten mit Wahrscheinlichkeiten im Kontext: Sie berechnen, welche Wort- bzw. Inhaltselemente mit hoher Wahrscheinlichkeit aufeinander folgen.
Für den Alltag bedeutet das:
Gute Ergebnisse entstehen, wenn Ziel, Rolle, Tonalität, Beispiele und Grenzen klar vorgegeben sind
Ergebnisse müssen geprüft, eingeordnet und gegebenenfalls überarbeitet werden
Produktiv wird KI, wenn sie nicht als einmaliges Werkzeug, sondern als dialogisches System genutzt wird: in Iterationen, mit Feedback und klaren Kriterien
Statt „Prompt einmal eingeben und hoffen" steht der Austausch im Vordergrund: Fragen, Varianten und Bewertungen führen zu Ergebnissen, die besser zu Marke, Zielgruppe und Medium passen.
Grenzen und Verantwortung.
Ich biete kein juristisches oder datenschutzrechtliches Consulting an. Was ich tue:
auf Datenminimierung achten und nur mit Informationen arbeiten, die für die Aufgabe notwendig und geeignet sind
sensible oder vertrauliche Inhalte nicht in öffentliche KI-Systeme auslagern
auf Wunsch gemeinsam mit bestehenden Datenschutz- oder IT-Verantwortlichen Rahmenbedingungen berücksichtigen
Bei Projekten mit erhöhten Anforderungen (z. B. besonders schützenswerte Daten, stark regulierte Bereiche) sollten immer zusätzlich interne Fachstellen (Datenschutz/Legal/IT) eingebunden werden.
Für wen dieser Ansatz sinnvoll ist.
Unternehmen, die KI gezielt in Kommunikations- und Designprozesse integrieren wollen
Teams, die Geschwindigkeit und Variantenreichtum erhöhen möchten, ohne Markenbild und Qualität zu verlieren
Organisationen, die mehr als ein „Experiment" suchen und eine nachvollziehbare, dokumentierte Arbeitsweise mit KI aufbauen wollen
