KI-Enablement ✺ So bringe ich KI von der Idee in den Arbeitsalltag

Viele Unternehmen kaufen KI-Tools, und der Arbeitsalltag sieht danach erstaunlich ähnlich aus wie vorher.

Protago AI setzt genau da an: Du gibst deinen Beruf ein und siehst, was du mit KI gestern, heute und morgen anders machst. Gebaut habe ich es so, wie ich KI auch in einem Unternehmen einführe. Zuerst kläre ich, was die Menschen davon haben. Dann wähle ich das passende Werkzeug, und Recht und Kosten plane ich vom ersten Tag an mit ein.

✺ KEY FACTS

Projekt: Protago AI, eine Web-App, die pro Beruf zeigt, was du mit KI gestern, heute und morgen anders machst

Zeitraum: Seit Ende 2025. MVP live mit Beta-Testern, Weiterentwicklung laufend.

Rolle: Produktverantwortung von der Idee bis in den produktiven Betrieb, mit KI-Architektur und Umsetzung

Besetzung: 1 Person plus KI-Agenten. Die Agenten trinken keinen Matcha, widersprechen aber trotzdem.

Werkzeuge: n8n für Automationen und Agenten, Claude Code für das Frontend, React und Next.js auf Vercel, Cloudflare

Rechtsrahmen: Transparenzpflichten nach Art. 50 KI-VO, DSGVO. Zertifizierte KI-Kompetenz nach Art. 4 KI-VO (Master Management with AI, academy4.ai)

Hintergrund: Gelernt habe ich Fachinformatiker für Anwendungsentwicklung, gearbeitet habe ich 17 Jahre in UX und Produkt. Bei Protago AI kommt beides zusammen: Ich verstehe, was der Code tut, und baue trotzdem für Menschen, die keinen lesen.

01 ✺ BUSINESS CHALLENGE

Alle reden über KI. Kaum jemand weiß, was das für Dienstagmorgen bedeutet.

In vielen Unternehmen sieht es so aus: Die Lizenzen sind gekauft, die Einführungsschulung stand im Kalender. Am Dienstagmorgen öffnet die Sachbearbeiterin trotzdem dieselbe Excel-Tabelle wie vor einem Jahr. Das KI-Fenster läuft im Hintergrund mit, für alle Fälle. Nutzen tun es viele schon irgendwie. Laut der BCG-Studie „AI at Work 2025“ arbeiten in Deutschland 67 Prozent der Beschäftigten regelmäßig mit generativer KI, aber nur ein Viertel der Mitarbeitenden ohne Führungsverantwortung bekommt dabei klare Unterstützung von Vorgesetzten.

Woran es hängt, kenne ich aus Organisationen schon lange vor KI. Bei HessenForst habe ich drei Jahre neue digitale Arbeitsweisen eingeführt. Hängen geblieben sind sie erst, als ich an mehreren Standorten Key-User aufgebaut hatte, die sie im Haus selbst weitergetragen haben. Den persönlichen Nutzen muss jemand zeigen, und zwar für den eigenen Job.

Diese Lücke wollte ich schließen. Du tippst deinen Beruf ein und siehst drei Zeitperspektiven:

• Gestern: wie du vor KI gearbeitet hast.
• Heute: was du jetzt schon anders machen kannst, mit Prompts zum Kopieren.
• Morgen: wohin sich deine Rolle entwickelt, mit konkreten Schritten statt Angstmache.

Die zweite Frage war, wie man so etwas baut, damit es hält. Dafür braucht es eine kuratierte Datenbasis, eine Oberfläche ohne Erklärungsbedarf und KI-Ausgaben ohne erfundene Fakten. Dazu kommen Kosten, die nicht davonlaufen, und ein Rechtsrahmen nach EU-Recht. Normalerweise sitzen dafür Produkt, Entwicklung, Data und Legal an einem Tisch. Ich wollte wissen, wie weit ich mit einer konsequenten AI-First Arbeitsweise komme. Und ich wollte alles so aufschreiben, dass ein Team das System übernehmen kann.

02 ✺ LÖSUNG

Vier Aufgaben, die jede KI-Einführung hat

Im Rückblick steckt in Protago AI genau das, was in jedem Unternehmen ansteht, das KI ernsthaft einführen will:

• Anwendungsfälle bewerten
• Prototypen bauen
• Leitplanken setzen
• Menschen befähigen

#1 Anwendungsfall bewerten: Automation oder Agent?

Vor jedem Baustein stelle ich mir dieselbe Frage: Reicht eine einfache Automation, oder braucht es einen KI-Agenten?

Der Unterschied in Alltagssprache:

• Eine Automation folgt immer demselben Weg, wie ein Rezept.
• Ein KI-Agent entscheidet selbst, welches Werkzeug er als Nächstes nimmt.

Ich merke mir das so: Ein KI-Agent für eine Aufgabe mit immer gleichem Ablauf ist Overengineering. Eine starre Automation für eine Recherche verschenkt Potenzial.

Bei Protago AI sieht das so aus, gebaut mit n8n:

• Der Quellen-Monitor ist eine Automation. Er schaut täglich bei fünf öffentlichen Quellen vorbei: Destatis, Eurostat, ILOSTAT, OECD und dem Stanford AI Index. Ein digitaler Fingerabdruck prüft, ob sich etwas geändert hat (Hash-Vergleich). Wenn nicht, wird die KI gar nicht erst gefragt. Das kostet dann keinen Cent. Jede Quelle hat ihren eigenen Fehlerpfad. Fällt eine aus, laufen die anderen weiter, und ich bekomme eine Meldung.
• Die Lizenzprüfung ist ein Agent. Er klärt, ob ich eine neue Quelle verwenden darf, und sucht sich dafür seine Werkzeuge selbst. Er antwortet immer im gleichen festen Format und sagt dazu, wie sicher er sich ist (JSON-Schema mit Confidence-Wert).
• Bei Unsicherheit entscheidet ein Mensch. Unklare Fälle legt mir der Agent vor. Er macht die Vorarbeit, die Freigabe bleibt bei mir (Human in the Loop).
• Prüfen und Bauen sind getrennt. Das gilt auch, wenn ich allein arbeite: Der Schritt, der etwas freigibt, ist ein anderer als der, der etwas erzeugt. In einem Unternehmen heißt das klare Zuständigkeit, wer am Ende unterschreibt.

Das Ergebnis: Der Quellen-Eingang läuft automatisch, ich prüfe nur noch das, was unklar ist.

Die Bedingung dafür kam von mir: Der Ablauf soll kein Geld kosten, wenn sich gar nichts geändert hat.

Wie das technisch geht, habe ich mit der KI erarbeitet. Die Kosten waren dabei nur der Auslöser. Ein Ablauf, der nichts Unnötiges tut, geht auch seltener kaputt und läuft schneller. So arbeite ich mit künstlicher Intelligenz: Ich setze vorher die richtige Bedingung, und die KI findet den Weg dorthin.

n8n habe ich gewählt, weil man jeden Schritt sehen und anklicken kann. Wo es hakt, erkennt auch jemand ohne Programmierkenntnisse. Und ich kann den Ablauf in wenigen Minuten erklären und an ein Team übergeben, das ihn danach selbst weiterführt.

#2 Prototyp bauen: das Frontend per Agentic Engineering

Das komplette Interface habe ich mit Claude Code gebaut.

Agentic Engineering heißt für mich: Ich gebe Richtung und Regeln vor, der KI-Agent schreibt den Code, ich prüfe das Ergebnis.

Die Ausbildung zum Fachinformatiker hilft mir dabei weniger beim Schreiben als beim Lesen. Ich sehe, wann der KI-Agent sauber baut und wann er an der Aufgabe vorbeiarbeitet.

Die Regeln stehen schriftlich im Projekt. Es gibt ein Regelwerk, das der Agent vor jeder Aufgabe liest (CLAUDE.md), dazu eine Tonalitäts-DNA für alle Texte und regelmäßige Prüfungen, ob die Sprache abrutscht. Entstanden ist das, nachdem der Agent zweimal unbemerkt in Standardformulierungen zurückgefallen war. Seitdem halte ich jede Regel schriftlich fest, damit der KI-Agent und jedes Teammitglied dieselbe Grundlage haben.

Das Regelwerk hat noch einen zweiten Zweck. Ein Team kann das System übernehmen und weiterführen, weil die Regeln nicht nur in meinem Kopf liegen. Das Prinzip kenne ich aus dem Konzern. Bei ERGO habe ich ein Design-System mit klarer Governance aufgebaut: wer entscheidet, wer pflegt, wie Änderungen hineinkommen. Bei Protago AI ist es dasselbe, nur liest diesmal ein KI-Agent mit.

#3 Leitplanken setzen: Recht, Qualität und Kosten vom ersten Tag an

Viele Projekte bauen zuerst und fragen dann die Rechtsabteilung. Bei ERGO habe ich mit dem Legal-Team an der Freigabe digitaler Versicherungsprodukte gearbeitet. Seitdem plane ich Recht früh ein. Bei Protago AI heißt das konkret:

• Live: ein Hinweis, dass Inhalte mit KI erstellt werden, eine Warteliste ohne eigene Datenbank und eine cookiefreie Statistik mit Umami.
• Festgelegt, Umsetzung folgt: die Kennzeichnung direkt am KI-Ergebnis nach Art. 50 und klare Regeln, wer für welche Ausgabe haftet.
• Gegen erfundene Fakten: kuratierte Berufsprofile als Rückfallebene, wenn die KI unsicher wird. Als Nächstes sollen Berufstätige die Profile ihres eigenen Berufs prüfen.
• Gegen davonlaufende KI-Kosten: Fingerabdruck-Vergleich und Zwischenspeicher (Caching) vor jedem KI-Modell-Aufruf, dazu ein bewusst kleines, günstiges KI-Modell für die Klassifizierung. Bezahlt wird die KI nur, wenn es wirklich etwas zu tun gibt.

Für den HR-Zugang habe ich eine Grenze bewusst gezogen: Protago AI zeigt Berufe und bewertet keine Menschen. Künstliche Intelligenz, die über Bewerbungen oder Beförderungen mitentscheidet, gilt nach Anhang III der KI-Verordnung als Hochrisiko-System. Protago AI bleibt mit Absicht unterhalb dieser Schwelle. Das ist Praxis aus meinem Projekt, keine Rechtsberatung.

#4 Menschen befähigen: Die Sprache entscheidet mit

Das Kern-Prinzip der Plattform: Der Mensch handelt, KI ist Werkzeug. „KI verändert deinen Job“ steht deshalb nirgends. „So veränderst du mit KI deinen Beruf“ schon. Im ersten Satz schaut der Mensch zu. Im zweiten hat er die Hand am Steuer.

Darum gibt es vier Zugänge: für Einzelpersonen, HR, Team-Leads und Führungskräfte. Jede Gruppe wird in ihrer eigenen Sprache angesprochen und bekommt eine eigene Handlungsempfehlung. Unter „Heute“ stehen Werkzeuge mit Namen, Prompts zum Kopieren, Fähigkeiten mit Studienquelle und passende Fortbildungen. Dinge also, die du am selben Nachmittag ausprobieren kannst.

Dieselbe Haltung steckt in Hairy, dem KI-Chatbot, den ich für mein Startup wenighair trainiert habe. Er beantwortet über 200 Anfragen im Monat aus sechs Jahren Community-Wissen. Bei beiden KI-Projekten war die Technik der leichtere Teil. Schwerer ist es, eine Antwort so zu formulieren, dass jemand sie wirklich benutzt.

03 ✺ IMPACT

Was steht, was läuft, was als Nächstes kommt

• MVP live mit Beta-Testern, vier Zugänge für HR, Team-Leads, Einzelpersonen und Führungskräfte
• Research-Pipeline läuft automatisch: täglich fünf Quellen beobachten, Lizenzen prüfen, nur Unklares landet bei mir
• KI-Modellkosten fallen nur an, wenn sich etwas ändert, weil vor jedem Aufruf geprüft wird, ob es überhaupt etwas Neues gibt
• Transparenzhinweis und datensparsame Statistik sind live, Kennzeichnung am Ergebnis und Haftungsregeln stehen als nächster Schritt fest

Fertig ist Protago AI nicht, und das ist Absicht. Protago AI ist mein Testfeld. Neue Werkzeuge und Arbeitsweisen probiere ich hier aus, bevor ich sie in einem Team einsetze. Die Fehler mache ich dort zuerst, auf meine eigenen Kosten. Ein Team bekommt danach die Version, die schon funktioniert.

Manches weiß ich auch noch nicht. Wie sich die KI-Kosten verhalten, wenn deutlich mehr Menschen die Plattform nutzen, kann ich heute nur schätzen. Ich messe es, sobald es so weit ist.

Wer wissen will, wie ich KI-Projekte aufsetze, muss mir nicht glauben. Ein Blick auf protagoai.com reicht.

04 ✺ FÜR DEIN UNTERNEHMEN BEDEUTET DAS

Ich bringe KI von der Idee in den Arbeitsalltag

Ich prüfe jeden KI-Anwendungsfall zuerst auf das passende Werkzeug. Oft reicht eine einfache Automation, das spart Budget und Fehlerquellen. KI-Prototypen baue ich selbst, damit eure Fachabteilung nach wenigen Wochen etwas zum Ausprobieren in der Hand hat. Recht, Datenschutz und Kosten plane ich vom ersten Tag an mit ein, gemeinsam mit den Leuten, die dafür im Haus zuständig sind. Und die Regeln schreibe ich so auf, dass das System nicht an einer einzelnen Person hängt, auch nicht an mir.

Die Technik ist dabei der kleinere Teil. Den größeren kenne ich aus 17 Jahren bei OTTO, ERGO, einem Digital-Venture von Dr. Oetker und HessenForst: verstehen, wie Menschen heute arbeiten, und ihnen zeigen, was KI daran konkret besser macht. Darum will ich das von innen machen, als Teil eures Teams. Die meiste Arbeit beginnt nämlich erst, wenn der KI-Prototyp im Alltag ankommen soll.

Wie ich hierhergekommen bin, erzähle ich auf der About-me-Seite. Und Protago AI kannst du direkt selbst ausprobieren.

Studio ✺ Christos