Zusammenfassung für Eilige:

Wer ChatGPT in Innovationsworkshops gar nicht oder lediglich als Ideenmaschine oder bessere Suchmaschine nutzt, verschenkt viel Potenzial. Richtig eingesetzt kann generative KI ein echter Sparringspartner sein, der Denkprozesse beschleunigt, neue Perspektiven eröffnet und Teams zu besseren Ergebnissen führt. Der Schlüssel liegt in der klugen Einbettung: mit Kontext, gezieltem Prompting und klaren Spielregeln, auch im Hinblick auf Datenschutz. Der Artikel zeigt anhand konkreter Praxisbeispiele, wie Unternehmen heute schon sicher und wirkungsvoll mit LLMs arbeiten können. Es lohnt sich KI ab sofort als festen Platz am Tisch zu reservieren.

Viele Unternehmen in Deutschland tun sich nach wie vor schwer mit dem Einsatz von KI, insbesondere wenn es um generative KI wie ChatGPT geht. Drei Begriffe begegnen mir dabei regelmäßig: Datenschutz, IT und Betriebsrat. Sie stehen für nachvollziehbare Bedenken, führen in der Praxis jedoch häufig dazu, dass das Ausprobieren gar nicht erst beginnt.

Unsicherheit im Umgang mit den Tools, fehlende Erfahrung und der berechtigte Wunsch nach Kontrolle sorgen dafür, dass das Potenzial von LLMs (Large Language Models) in Unternehmen bislang kaum ausgeschöpft wird. Oft höre ich: „Wenn ich ChatGPT etwas frage, sind meine Daten für alle sichtbar.“

Diese Skepsis ist verständlich. Gleichzeitig verhindert sie häufig eine konstruktive Auseinandersetzung mit den Möglichkeiten, die heute bereits verfügbar sind. Statt einem schrittweisen Kennenlernen, machen Unternehmen nichts. Damit bleibt auch die Chance ungenutzt, Kreativprozesse zu bereichern, neue Perspektiven zu gewinnen und kreative Zusammenarbeit wirkungsvoller zu gestalten.

Gerade in Innovationsworkshops, in denen es um Problemlösung, Strategie- oder Organisationsentwicklung geht, kann ein gezielter Einsatz von LLMs wie ChatGPT einen echten Mehrwert leisten. Entscheidend ist jedoch, wie man damit arbeitet.

In diesem Artikel zeige ich praxisnah, wie Unternehmen generative KI sinnvoll in Workshops integrieren können. Dabei geht es nicht darum, menschliche Kreativität zu ersetzen, sondern sie durch eine künstliche Co-Intelligenz zu unterstützen. ChatGPT kann als Sparringspartner, Ideenbeschleuniger und Reflexionshilfe eingesetzt werden. Wenn man das Zusammenspiel versteht und bewusst gestaltet. Ich zeige, welche konkreten Möglichkeiten sich bereits heute bieten, wo die Grenzen liegen und wie sich ein sicherer und wirksamer Einsatz gestalten lässt.

Datenschutz und Anonymität im Einsatz von ChatGPT und Co in Workshops

Grundsätzlich ist es möglich Anfragen und Prompts so zu formulieren, dass diese für den konkreten Fall hilfreich sind und gleichzeitig nicht ersichtlich wird, um welches Unternehmen und ganz konkret welches Thema es sich handelt. Beispiele dazu zeige ich weiter unten.
Bei der Bezahlversion von ChatGPT (Model 4o) gibt es außerdem die Möglichkeit, explizit zu verbieten, dass die Inhalte verwendet werden, um das Modell zu trainieren. Sie müssen jedoch darauf vertrauen, dass OpenAI, die Firma hinter ChatGPT sich wirklich daran hält.

Wo KI echten Mehrwert bringt – Workshopthemen im Überblick

Besonders Themen aus Management, Strategie und Organisationsthemen können gut mit LLMs unterstützt werden. Dazu lassen sich viele Analogien und ähnliche Kontexte finden, auf die LLMs besonders gut zugreifen können.

Beispielhafte Themen von unseren Kunden aus der letzten Zeit:

  • Verbesserung von Abstimmungsprozessen in der Organisation
  • Steigerung der Produktivität in der Produktion
  • Marketing-Strategien für ein Produkt entwickeln
  • Claim-Management in der Organisation verbessern

Vorsicht bei technischen Fragestellungen

Für sehr spezifische technische Fragestellungen sollte man prüfen, ob und wie sich KI eignet. Um Mehrwert zu bringen, müsste man das LLM mit sehr spezifischen Daten füttern und es braucht sehr spezifische Expertise, die ein LLM aktuell nicht hat. Hier ist im konkreten Fall zu prüfen, ob ein Einsatz sinnvoll sein könnte.
(anonymisierte) Beispiele von Kunden:

  • Wie lässt sich der galvanische Panzerungsprozess unseres Triebwerks günstiger gestalten?
  • Wie könnten wir die Vibrationen im Bereich von 10 – 50 Hertz verringern?

Häufige Fehler im Umgang mit LLMs in Workshops

Wenn es sich lohnt, einen Versuch mit dem Einsatz von ChatGPT und Co zu wagen, dann sollten man ein paar „Anfängerfehler“ vermeiden. Diese führen dazu, dass die Ergebnisse / Outputs bestenfalls mittelmäßig sein werden und weit hinter den Möglichkeiten zurück bleiben.

Fehler 1: Zu wenig Kontext

Lediglich eine Frage ohne Kontext stellen und die KI bitten Ideen zu generieren.
Beispiel: Wie könnten wir unsere Produktion produktiver gestalten?
Das LLM wird darauf antworten, weil es darauf ausgelegt ist, dem Nutzer zu gefallen. Ohne sogenannte „custom instructions“ (siehe unten), wird es auch nicht nachfragen. Die Antworten können nur absolut generisch sein.
Stellen Sie sich vor, Sie würden einen neuen Kollegen am ersten Tag mit dieser Frage konfrontieren, ohne Kontext zu geben. Das Ergebnis wäre vermutlich ähnlich.

Fehler 2: Nicht über die erste Antwort hinausgehen

Die ersten Ideen nehmen ohne weiter daran zu arbeiten.
In meiner Erfahrung sind die ersten Ergebnisse lediglich Aufsatzpunkte für weitere Konversation mit dem LLM. Man sollte gemeinsam darauf aufbauen und Variationen entwickeln und nicht nach der ersten Antwort aufhören.

Fehler 3: KI als Orakel statt als Dialogpartner

KI lediglich als Suchmaschine betrachten nach dem Motto: Ich frage – du antwortest.
Kann man machen, so wird das Ergebnis jedoch hinten den Möglichkeiten bleiben. Statt dessen bietet es sich an in einen Dialog zu gehen und mehrere Runden zu drehen und auch die KI Fragen stellen zu lassen.

So nutzen Sie ChatGPT als Workshopteilnehmer

Es ist hilfreich LLMs as „human simulators“ zu betrachten und nicht als Programme oder Maschinen, die man irgendwie programmieren müsste. D.h. man versucht eher wie mit einem anderen Menschen mit dem LLM zu interagieren und auch Fragen entsprechend zu stellen.
Es braucht also immer Kontext und die Möglichkeit des Nachfragens für die KI. Es geht um Dialog! KI kann ein Sparrings- und Denk-Partner sein.

KI als motivierter Praktikant

Eine hilfreiche Metapher, die als Heuristik für den Umgang mit einem LLM dienen kann: die KI ist ein extrem williger und motivierter Praktikant, der manchmal über das Ziel hinaus schießt und meist detaillierte Anweisungen benötigt, um hilfreiche Ergebnisse zu produzieren.
„The more you treat it like a human the better the results you will get“ – David Boyle in einem Podcastinterview.
Ähnlich wie bei einem Praktikanten sollte man Feedback auf die Ergebnisse geben und Verbesserungen / Veränderungen einfordern.

LLMs als E-Bike für das Gehirn

Die finale Entscheidung und „Ergebniskontrolle“ liegt bei uns Menschen. Ähnlich wie die Steve Jobs Metapher vom Computer als das Fahrrad fürs Gehirn gilt für KI: Die KI ist wie ein E-Bike für das Gehirn. Damit kommt man noch weiter, lenken muss trotzdem noch selbst.

ChatGPT kann somit zu einem zusätzlichen Workshop-Teilnehmer werden! Der Vorteil dieses Teilnehmers ist, dass es extrem viel weiß und Zugriff auf sehr viele Assoziationen und Kontexte hat. Diese stehen einem Menschen in dieser Geschwindigkeit und Anzahl nicht zur Verfügung, einfach weil der Arbeitsspeicher des Gehirns anders funktioniert. Nachteil ist, dass es sehr genaue Instruktionen braucht, um Mehrwert bieten zu können.

Vorgehen und Prompts für Innovationsworkshops mit KI

Als allererstes: Es lohnt sich die Bezahlversion von ChatGPT (4o) zu nutzen (aktuell 20 USD pro Monat). Die Ergebnisse als auch die Möglichkeiten sind deutlich besser, als die der kostenlosen Version. Außerdem kann man unterbinden, dass die Daten zum Training des Models genutzt werden und man kann sogenannte „custom instructions“ nutzen, um das Modell und seine Art der Interaktion auf sich anzupassen. Man kann ChatGPT sagen, wie es fragen und antworten soll, ob es kritisch oder humorvoll sein soll etc. Außerdem kann man gleich etwas Kontext zu sich selbst geben. Darauf kann es in den Interaktionen zurückgreifen.

Wir bei creaffective arbeiten bewusst mit abstrahierten Fragestellungen und vermeiden die Nennung von vertraulichen oder unternehmensspezifisch identifizierbaren Daten. Somit wird es für einige Unternehmen in Deutschland gangbar. Viele Workshopthemen – etwa aus den Bereichen Strategie, Organisation oder Innovation – lassen sich so formulieren, dass Außenstehende und damit auch das LLM keine Rückschlüsse auf konkrete Produkte oder interne Sachverhalte ziehen können. Genaue Spielregeln kann man im Vorfeld eines Workshops oder einer Zusammenarbeit definieren und sozusagen als Leitplanken für die Anwendung setzen.

Dadurch bleibt der Datenschutz gewahrt und es entstehen dennoch hochwertige Impulse. Für besonders sensible Kontexte können zudem firmeneigene GPT-Instanzen oder Lösungen mit On-Premise-Modellen erwogen werden. Die Tatsache, dass diese in vielen Firmen noch nicht vorhanden sind, ist jedoch aus meiner Sicht kein Grund, den Einsatz von LLMs komplett auszuschließen.

Im Workshop sind nun mehrere Arten der Anwendung denkbar:

  • zum Ideen entwickeln (für das Divergieren)
  • zum Ideen bewerten (für das Konvergieren), auch aus Sicht einer bestimmten Person oder Personengruppe wie zum Beispiel Kunden oder anderen Stakeholdern in der Organisation.
  • zum Ideen clustern (im Rahmen des Konvergierens): dazu muss der Workshop allerdings digital statt finden oder es müssen die Post-its schnell digitalisiert werden.
  • zur Weiterentwicklung und Detaillierung von Ideen und Lösungen. zum challengen von Lösungen, um so ggf. blinde Flecken aufzudecken. Damit wird es der Gruppe möglich, die Lösung noch zu überarbeiten.

Strukturierte Prompterstellung nach dem 4-Schritte-Modell

Geoff Woods hat ein Vorgehen entwickelt, dass auch für uns in abgewandelter Form oft gute Ergebnisse gebracht hat. Dabei wird ein Prompt in mehrere Abschnitte unterteilt und als Text bei ChatGPT eingegeben.

  1. Kontext geben: Mehrere Sätze und Paragraphen zum Hintergrund. Um was es geht? Was ist das Ziel? Was ist wichtig zu wissen?
  2. Die Rolle der KI bestimmen: Der KI eine Art Persona geben mit einem bestimmten Verhalten. (siehe mein Beispiel)
  3. Die KI bitten mich mit 3 – 5 Fragen zu interviewen um noch mehr Kontext zu bekommen. Dabei die Fragen nacheinander stellen und nicht alle auf einmal.
  4. Klare Aufgabe geben: Dann konkret formulieren, welche Art und wie viele Ideen ich möchte.

Nutzen Sie auch die Möglichkeit, den Prompt zu editieren nach einem ersten Ergebnis und lassen Sie die Antwort neu generieren. Manchmal kann die Veränderung eines Wordings zu anderen Ergebnisse führen.

Beispiel: Analogiebildung mit ChatGPT

Ich nutze als Facilitator für Innovationsworkshops gerne auch für spezifische Kreativitätstechniken, wie z.B. die Analogiebildung.
LLMs sind sehr gut darin, andere ähnliche Kontexte zu finden, also Analogien zu bilden. Das fällt Menschen oft schwer. Außerdem kennt das Modell Lösungen aus diesen analogen Kontexten.

Anbei zum Aufklappen ein konkrete Prompt-Beispiel mit Antworten aus einen kürzlichen Kundenworkshop. Für alle, die die Details interessieren.

Das Vorgehen ist leicht anders als oben beschrieben und basiert auf einer großen Anzahl von „custom instructions“ mit der ich meine ChatGPT Instanz angepasst habe.

Prompt: Ich möchte dich wieder zur Ideenfindung nutzen. Es geht diesmal darum, in einem Produktionsunternehmen die Produktivität zu steigern. Das Produktionsunternehmen stellt technische Geräte her.

Ich möchte mit dir Analogien bilden, um so auf neue Ideen zu kommen. Kannst du mir andere Kontexte nennen, in denen es auch darum geht, Produktivität zu steigern, die nichts mit Produktionsunternehmen zu tun haben.

ChatGPT: Sehr gute Herangehensweise – über Analogiebildung lässt sich in der Tat oft aus eingefahrenem Denken ausbrechen. Hier einige Kontexte, in denen ebenfalls Produktivität gesteigert werden soll, die aber völlig andere Rahmenbedingungen haben als ein Produktionsunternehmen:

1. Profisport
Ziel: Höchstleistung in kurzer Zeit, permanente Leistungsoptimierung durch Training, Regeneration, Technik und mentale Stärke.

2. Sterneküche / Spitzengastronomie
Ziel: Hochwertige Ergebnisse unter Zeitdruck, abgestimmte Teamarbeit, präzise Abläufe, Mise-en-Place als Vorbereitungsstrategie.

3. Theater- oder Filmproduktion
Ziel: Termingerechte Fertigstellung komplexer Werke, viele spezialisierte Rollen, hoher Koordinationsaufwand und enge Zeitpläne.

4. Flughafenlogistik
Ziel: Tausende Passagiere und Gepäckstücke effizient und fehlerfrei bewegen – mit einem Zusammenspiel aus Technik, Personal und Prozessdesign.

5. Notaufnahme im Krankenhaus
Ziel: Maximale Effizienz und Präzision unter Zeitdruck, bei gleichzeitig hoher Unsicherheit und wechselnden Anforderungen.

6. Softwareentwicklung in einem agilen Team
Ziel: Wertschöpfung durch kluge Priorisierung, iteratives Vorgehen, Feedbackschleifen und hohe Eigenverantwortung.

7. Bienenschwarm / Ameisenstaat
Ziel: Optimale Ressourcennutzung durch dezentrale Steuerung, Rollenverteilung, hochorganisierte Selbstorganisation.

8. Orchester
Ziel: Perfekte Koordination vieler individueller Expertisen, abgestimmt durch eine zentrale Instanz (Dirigent), mit klarer Notation und Probenroutine.

9. Verlagswesen bei Zeitungsproduktion
Ziel: Hochdruck-Deadlines, effiziente Redaktion und Produktion, Fehlervermeidung, klare Prozesse trotz Kreativität.

10. Cloud-Rechenzentrum
Ziel: Maximale Rechenleistung und Verfügbarkeit bei minimalem Energieeinsatz und hoher Auslastung der Kapazitäten.

Welcher dieser Kontexte spricht dich spontan am meisten an – oder sollen wir gezielt zwei bis drei auswählen und aus ihnen konkrete Analogien für das Produktionsunternehmen entwickeln?

Prompt: Nun bitte ich dich für jede dieser zehn Kontexte mir jeweils 2-3 Lösungen zu präsentieren, wie in diesen zehn Kontexten, die Produktivität gesteigert wird.

ChatGPT: Sehr gut – du willst nicht nur Analogien bilden, sondern konkrete _Produktivitätshebel_ aus anderen Kontexten extrahieren. Ich liste dir nun für jeden der zehn Kontexte 2–3 typische Produktivitätsstrategien oder -prinzipien auf, die sich ggf. auch ins Umfeld eines Produktionsunternehmens übertragen lassen.

1. Profisport

  • Individualisiertes Training: Trainingspläne sind auf die spezifischen Stärken, Schwächen und Ziele der Sportler abgestimmt.
  • Mentale Optimierung: Visualisierungstechniken, Fokustraining und Mindset-Arbeit zur Leistungssteigerung.
  • Datengetriebenes Feedback: Nutzung von Wearables und Trackingdaten für kontinuierliche Leistungsanalyse und Optimierung.

2. Sterneküche

  • Mise-en-Place: Alles wird vorbereitet und exakt bereitgestellt, um später Abläufe maximal zu beschleunigen.
  • Standardisierte Abläufe bei hoher Präzision: Exakte Handgriffe, Rezepturen und Positionen für konsistente Qualität und Geschwindigkeit.
  • Kommunikation durch klare Sprachcodes: Kurze, standardisierte Kommunikationsmuster zur Koordination im Team.

3. Theater- oder Filmproduktion

  • Storyboard und Proben: Intensive Planung und Durchläufe vor der „echten“ Ausführung – Prototyping durch Proben.
  • Klare Rollenzuordnung und Timeboxing: Wer macht was, wann – mit präzisen Zeitfenstern.
  • Iteratives Arbeiten in Takes oder Szenen: Probleme werden klein und separat gelöst statt in einem großen Wurf.

4. Flughafenlogistik

  • Parallelisierung von Prozessen: Gleichzeitiges Abfertigen von Passagieren, Gepäck und Flugzeugen durch abgestimmte Teilprozesse.
  • Echtzeitdaten und Dashboards: Steuerung durch Live-Daten (z. B. zu Warteschlangen oder Abfertigungsstatus).
  • Slot-Management: Optimierung von Zeitfenstern für maximale Nutzung der Infrastruktur.

5. Notaufnahme im Krankenhaus

  • Triage-Systeme: Schnelle, strukturierte Ersteinschätzung, um Prioritäten zu setzen und Ressourcen gezielt zu nutzen.
  • Standardprotokolle: Checklisten und bewährte Abläufe für häufige Fälle beschleunigen Entscheidungen.
  • Multidisziplinäre Teams: Zusammenarbeit unterschiedlicher Fachbereiche in einem Fall steigert Reaktionsgeschwindigkeit.

6. Softwareentwicklung (agil)

  • Scrum oder Kanban: Visuelle Steuerung und Pull-Prinzip zur Vermeidung von Überlastung.
  • Timeboxing und Sprints: Kurze, intensive Arbeitsphasen mit klaren Zielen.
  • Retrospektiven: Regelmäßige Reflektion zur kontinuierlichen Verbesserung der Zusammenarbeit und Prozesse.

7. Bienenschwarm / Ameisenstaat

  • Dezentrale Steuerung: Individuen folgen einfachen Regeln, das Gesamtsystem optimiert sich emergent.
  • Rollendifferenzierung: Arbeitsteilung nach Fähigkeiten oder Lebensphase (z. B. Sammler, Wächter).
  • Redundanz und Resilienz:Aufgaben werden mehrfach abgesichert, um bei Ausfall dennoch funktionsfähig zu bleiben.

8. Orchester

  • Klares Führungsmodell: Der Dirigent steuert alle Beteiligten auf ein gemeinsames Ziel hin.
  • Partituren als Standardisierung: Alle folgen demselben Plan, interpretieren aber auf eigene Weise im Detail.
  • Synchronisation durch nonverbale Signale: Visuelle Abstimmung ersetzt aufwendige Kommunikation.

9. Zeitungsproduktion

  • Deadline-orientiertes Arbeiten: Rückwärtsplanung von Veröffentlichungsterminen, um Zwischenziele zu setzen.
  • Modulares Arbeiten: Redaktion, Layout und Druck erfolgen parallel, nicht sequenziell.
  • Versionierung und Redaktionssysteme: Jeder Beitrag wird in Versionen weiterentwickelt, mit klaren Freigabeprozessen.

10. Cloud-Rechenzentrum

  • Lastverteilung und Skalierung: Aufgaben werden automatisch auf freie Kapazitäten verteilt.
  • Virtualisierung:Ressourcen sind flexibel zuweisbar, keine feste Hardwarebindung.
  • Monitoring mit Frühwarnsystemen: Permanente Kontrolle und automatische Korrektur bei Abweichungen.

Welchen dieser Kontexte möchtest du nun vertiefen, um systematisch Analogien auf ein Produktionsunternehmen zu übertragen?

Prompt: Nun bitte ich dich zu jedem dieser Lösung Korbionen aus allen ziehen Kontexten ein bis zwei Ideen zu generieren, wie diese Logik auf Produktionsunternehmen übertragbar wäre. Du darfst dabei auch ungewöhnliche wilde oder verrückte Ideen generieren. Alles ist erlaubt.

ChatGPT: Sehr gut – jetzt kommt der kreative Sprung: Wir übersetzen Prinzipien aus völlig anderen Kontexten in konkrete Ideen für ein Produktionsunternehmen, das technische Geräte herstellt. Ich liefere dir zu jeder zuvor genannten Lösung (insgesamt ca. 25–30 Prinzipien) jeweils 1–2 Übertragungen – auch abseitige oder provokante sind erlaubt. Ziel: neue Denkräume öffnen, nicht sofort Lösungen fertig machen.

1. Individualisiertes Training (Sport)

→ Idee: Jeder Maschinenbediener bekommt einen auf seine Stärken und Entwicklungspotenziale zugeschnittenen Lernpfad – mit Mikro-Lerneinheiten via Tablet am Arbeitsplatz.

→ Idee: Maschinenverhalten wird pro Bediener getrackt, und das System schlägt personalisierte „Technik-Tipps“ vor, um effizienter zu werden.

2. Mentale Optimierung (Sport)

→ Idee: Einführung von 10-Minuten-Mikropausen mit geführter Achtsamkeit für Produktionsmitarbeitende, um Fokus und Klarheit zu steigern.

→ Idee: „Mental Coaches“ im Werk, die helfen, mit Stress, Monotonie und Überlast umzugehen – wie beim Leistungssport.

3. Datengetriebenes Feedback (Sport)

→ Idee: Jeder Arbeitsplatz sendet Echtzeitdaten zu Takten, Fehlern, Stillständen – Mitarbeitende sehen visuelle Feedback-Dashboards wie beim Sporttracking.

→ Idee: Monats-Challenges à la „Du hast deine persönliche Bestzeit im Umbauprozess geschlagen!“

4. Mise-en-Place (Sterneküche)

→ Idee: Jeder Produktionsschritt beginnt mit einem visuellen „Start-Setup“: exakt platzierte Werkzeuge, Teile und Anleitungen – 3D-gedruckt, eingerahmt, unmissverständlich.

→ Idee: Ein spezielles „Vorbereitungs-Team“ kümmert sich ausschließlich um perfekte Startbedingungen für alle Linien.

5. Sprachcodes (Sterneküche)

→ Idee: Einführung von standardisierten Kommandos oder Handzeichen zur Kommunikation in lauten Umgebungen – wie in der Küche: „Service!“ = Materialnachschub.

→ Idee: „Shorthand Language“ für interne Übergaben und Fehlercodes – wie Funksprechprotokolle.

6. Storyboard und Proben (Theater/Film)

→ Idee: Vor jedem neuen Produktionslauf oder Umbau gibt es eine kurze „Trockenprobe“ im Modellmaßstab mit Legosteinen oder Virtual Reality.

→ Idee: Neue Schichtleiter:innen trainieren zuerst an einem „Probe-Band“ mit eingebauten Fehlern zur Stresstestsimulation.

7. Timeboxing (Theater/Film)

→ Idee: Arbeitszyklen in 25-Minuten-Sprints, ähnlich wie Pomodoro – danach 5 Minuten Bewertung oder kurze Pause.

→ Idee: Für jeden Abschnitt gibt’s ein festes „Slot-Fenster“ – danach wird hart umgeschaltet auf den nächsten Schritt.

8. Parallelisierung (Flughafen)

→ Idee: Statt sequentieller Montageschritte: Zellfertigung mit mehreren parallelen Mini-Teams, die ein Gerät in einem Fluss bauen.

→ Idee: Materialnachschub, Qualitätskontrolle und Wartung laufen _gleichzeitig_ im Hintergrund – wie bei der Flugzeugabfertigung.

9. Slot-Management (Flughafen)

→ Idee: Ein zentrales System vergibt Produktionsslots dynamisch – wer schneller fertig wird, kann vorziehen, wer stockt, wird verschoben.

→ Idee: Maschinen erhalten automatisch Prioritätslevel je nach Auftragslage – wie Flugzeuge nach Zielort.

10. Triage-Systeme (Notaufnahme)

→ Idee: Eingehende Aufträge oder Fehler werden sofort kategorisiert: „kritisch“, „wartbar“, „ignorierbar“ – und nur die wichtigsten landen im Tagesplan.

→ Idee: Produktionsstopps werden nicht mehr linear behandelt, sondern nach ökonomischem Schaden priorisiert.

11. Standardprotokolle (Notaufnahme)

→ Idee: Für jede häufige Störung gibt es ein standardisiertes Interventionsschema – wie medizinische Notfallprotokolle.

→ Idee: Neue Mitarbeitende trainieren diese Protokolle in einer Art Escape Room-Simulation.

12. Multidisziplinäre Teams (Notaufnahme)

→ Idee: Statt reiner Linienlogik arbeiten interdisziplinäre „Fabrik-Taskforces“ (z. B. Mechanik, Elektronik, Logistik) gemeinsam an Problemlösungen.

→ Idee: Morgendliche „Team Huddles“ mit allen Rollen am Band, um Übergaben zu klären.

13. Scrum/Kanban (Software)

→ Idee: Einführung eines visuellen Kanban-Boards für jeden Produktionsbereich – tagesaktuell, transparent für alle.

→ Idee: Teams dürfen Arbeit aktiv „ziehen“ (Pull-Prinzip), statt Aufgaben zugewiesen zu bekommen.

14. Retrospektiven (Software)

→ Idee: Wöchentliche „Mini-Retros“ direkt im Shopfloor: Was lief gut, was blockiert uns, was ändern wir?

→ Idee: Anonyme Feedbackkarten, die Maschinenbedienende jederzeit einwerfen können – sichtbar und auswertbar.

15. Dezentrale Steuerung (Bienen)

→ Idee: Maschinen mit eigenen lokalen Steuerintelligenzen, die bei Ausfall anderer Maschinen ihre Aufgaben adaptieren können.

→ Idee: Mitarbeitende entscheiden eigenverantwortlich über Pausen oder Umbauten, solange ein Systemziel eingehalten wird.

16. Rollendifferenzierung (Bienen)

→ Idee: Rotierende Spezialisierungen in der Produktion – z. B. „nur heute bist du Rüstmeister“. Rollen rotieren wie bei der Bienenkönigin.

→ Idee: Mitarbeitende dürfen temporär „in andere Rollen schlüpfen“, um den Prozess besser zu verstehen.

17. Redundanz und Resilienz (Bienen)

→ Idee: Jede kritische Tätigkeit ist von mindestens zwei Leuten vollständig beherrscht – ein System der doppelten Befähigung.

→ Idee: Maschinen sind paarweise vernetzt – fällt eine aus, springt die „Partnerin“ automatisch ein.

18. Dirigentenmodell (Orchester)

→ Idee: Ein „Live Dirigent“ auf dem Shopfloor – jemand, der ohne Hierarchie Prozesse synchronisiert, Blockaden erkennt und taktet.

→ Idee: Produktionsrhythmus wird über Sound oder Lichtsprache im Raum vermittelt – Taktgefühl statt Deadlines.

19. Notation (Orchester)

→ Idee: Produktionsanweisungen als grafische Partituren mit Symbolen statt textlastiger Arbeitsanweisungen.

→ Idee: Jeder Produktionsprozess erhält eine visuelle Timeline wie ein Musikstück.

20. Modulares Arbeiten (Verlag)

→ Idee: Geräte werden nicht sequenziell gefertigt, sondern als Module parallel und später intelligent zusammengefügt.

→ Idee: Teams arbeiten an „Kapitel“-Segmenten des Produkts, die später zu einem „Buch“ montiert werden.

21. Rückwärtsplanung (Verlag)

→ Idee: Vom Liefertermin rückwärts geplant: Was muss heute geschehen, um den Lieferzeitpunkt sicher zu treffen?

→ Idee: Jeder Tagesplan beginnt mit der Deadline, nicht mit dem Start.

22. Lastverteilung (Cloud)

→ Idee: Produktionsaufträge werden wie Datenpakete dynamisch an freie Maschinen verteilt – automatische Zuordnung.

→ Idee: Predictive-Load-Systems, die vorhersagen, wo bald Engpässe auftreten – und umplanen.

23. Virtualisierung (Cloud)

→ Idee: Produktionsplätze werden „virtuell“: Mitarbeitende können jeden Arbeitsplatz übernehmen, weil alles digital identisch gespiegelt ist.

→ Idee: Geräte werden auf virtuellen Modellen getestet, bevor reale Produktion startet.

24. Monitoring und Frühwarnung (Cloud)

→ Idee: Maschinen haben eigene „Gesundheitsbarometer“, die vor Ausfällen warnen – farblich codiert wie Ampelsysteme.

→ Idee: Frühwarnungen für Materialknappheit, Verschleiß oder falsche Bedienung – sichtbar auf Smartwatches.

25. Gamification-Ansatz (quer aus mehreren Ideen)

→ Idee: Produktionsfortschritt wird wie ein Spiel visualisiert – Levelaufstiege, Highscores, Badges für besondere Leistungen.

→ Idee: Tagesziele werden als „Quests“ definiert – z. B. „Montiere heute ohne Nacharbeit 25 Geräte“.

Willst du nun einzelne dieser Ideen weiter ausarbeiten, bewerten oder priorisieren – etwa im Hinblick auf Umsetzbarkeit, Radikalität oder Relevanz?

Diese Ideen haben die Teilnehmer im Workshop am Ende einer bereits erfolgten rein menschlichen Ideenfindung gescreent und einige ausgewählt auf denen die Gruppe dann weiter aufgebaut hat.

Im Verlauf des Workshops haben wir ChatGPT dann noch mehrmals eingebunden.

Für welche Innovationsfragen sich KI besonders eignet

LLMs eigenen sich für alle Fragen der kreativen Problemlösung: Strategie-Sparring, Organisationsfragen und Teamangelegenheiten. Alles was man in einem kreativen Problemlöseworkshop behandeln würde.

Inkrementelle Innovation und kreative Problemlösung

Generell kann man sagen, dass LLMs sich sehr gut für inkrementelle Innovation eignen. Dabei geht es um die Verbesserung / Weiterentwickeln von etwas bereits Bestehendem.

Konkret:

  • Produktentwicklung basierend auf Bestehendem: Je technischer es wird, desto begrenzter sind aktuell LLMs.
  • Prozessverbesserung und Veränderung: Auch hier braucht es sehr viel Kontext und wirklich einen Dialog mit der KI
  • Geschäftsmodellentwicklung: Hier geht es darum, gute Sparringfragen zu finden, um die Annahmen hinter Geschäftsmodellen zu challengen und neue Muster zu entwickeln.
  • Vorarbeit zu Nutzerbefragungen und Nutzerbeobachtungen in einem Design Thinking Prozess: Man kann der KI eine Persona zuweisen und sie bitten als diese Person zu sprechen. Dann kann man die KI interviewen. So lassen sich erste Hypothesen und Anhaltspunkte finden, die man für reale Nutzerbeobachtungen nutzen kann.

Wo die Grenzen liegen – radikale und Bedeutungsinnovation

Neben der inkrementellen Innovation unterscheidet man die radikale Innovation. Hier glaube ich, das es deutlich herausfordernder sein wird KI sinnvoll zu nutzen.

Bei Bedeutungsinnovation im Sinne von Verganti ist KI vermutlich nicht so hilfreich. Sogenannte Bedeutungsinnovation ist abhängig von Werten, Normen und implizitem Erfahrungswissen und Kontextgespühr einzelner Menschen. Diese kann ein LLM nicht wissen. Trotzdem kann man versuchen mit KI zu experimentieren.

Bei radikaler Innovation (mehr dazu hier und hier) geht es viel um das Ausprobieren und Erleben, weniger das denken von Neuem. Körperlichkeit und Sinneswahrnehmungen spielen hier eine große Rolle. Aktuell fehlt KI hierfür schlicht die physischen Voraussetzungen, um hier sinnvoll Mehrwert bringen zu können. Es kommt jedoch wieder sehr auf das konkrete Thema an.

Fazit: Holen Sie die KI mit an den Tisch

Ich finde den Einsatz von LLMs im Rahmen von Workshops hilfreich und spannend! Bisher ist die Anzahl der Kunden mit denen wir so arbeiten können noch überschaubar (Stichwort: Deutschland, Datenschutz und Betriebsrat). Das ist je nach Branche und Unternehmensform verschieden.
In seinem Buch Co-Intelligence listet Ethan Mollick vier Prinzipien auf für den Umgang mit KI. Eines davon ist es, KI immer mit an den Tisch zu bringen. Geoff Woods formuliert es leicht um und empfiehlt sich immer die Frage zu stellen: „Wie könnte mir KI hierbei helfen?“

Geringes Risiko, hoher Erkenntnisgewinn

In diesem Sinne versuche ich es mit Kunden zu handhaben: Es kann nur nutzen KI mit einzusetzen. Der mögliche Schaden bei der Art der Nutzung, wie ich sie hier beschrieben habe, ist gering und innerhalb des „leistbaren Verlusts“ vieler Unternehmen: Im schlimmsten Fall war es nicht hilfreich und wir haben ein paar Minuten damit verbracht, nicht hilfreiche Antworten zu lesen.
Also, probieren Sie es aus und holen Sie KI an den Tisch!

Sie wollen herausfinden, wie KI auch Ihre Innovationsprozesse verändern kann? Lassen Sie uns dazu sprechen, ich zeige Ihnen gern, was heute schon geht!