KI-News. Unternehmerisch, bayerisch, ohne Hype.
← Alle Episoden

So wird dein Arbeitsplan KI-lesbar

14. Oktober 2026 · 11 Min. · 1149 Wörter

TreesumManaActorDoAnthropic Source Control

Transcript

Wenn KI in deinem Betrieb helfen soll, ist die erste Frage nicht welches Modell du nutzt, sondern ob deine Arbeit überhaupt lesbar genug ist. Servus, ich bin Lissy. Heute machen wir keine Modellparade, sondern eine praktische Betriebsfolge: Wie verwandelst du einen chaotischen Projektplan, eine Teamliste oder einen Follow-up-Prozess in etwas, womit eine KI wirklich arbeiten kann. Der Kern ist simpel, aber ziemlich unbequem: KI kann nur dort sauber mithelfen, wo Aufgaben, Zuständigkeiten, Termine und offene Punkte nicht in fünf Tools und drei Köpfen verstreut sind. Genau dazu gab es heute mehrere kleine, aber gute Signale.

Der 60-Minuten-Test mit Treesum

Das beste Beispiel dafür ist heute Treesum. Das ist ein junges Tool, das Planungs- und Kalkulationsdaten nicht wie eine normale Tabelle behandelt, sondern als Textbaum. Du legst erst eine Struktur an: Projekt, Teilaufgaben, Kosten, Zeiten, Mengen, Tags. Daraus entstehen dann Summen, Ansichten, Graphen und eine Timeline. Wichtig ist: Die Datei bleibt lokal im Browser und wird als Textdatei gespeichert. Das klingt unspektakulär, ist aber für KI-Arbeit genau der spannende Punkt. Ein Textbaum ist viel leichter erklärbar als eine gewachsene Excel-Datei mit zwanzig Tabs, versteckten Formeln und kryptischen Zellnamen.

Der konkrete Test für euch wäre folgender. Nehmt ein echtes Mini-Projekt, nicht irgendeine Demo. Zum Beispiel ein Kundenangebot, eine Podcast-Produktion, einen Umbau im Büro oder eine kleine Produkteinführung. Schreibt zehn bis zwanzig Aufgaben als Baum auf. Zu jedem Knoten kommen mindestens vier Felder: Wer ist verantwortlich, bis wann muss es passieren, welche Kosten oder Stunden hängen dran und was ist der nächste sichtbare Schritt. Danach exportiert ihr die Struktur und gebt sie einer KI mit drei Fragen: Welche Aufgabe fehlt wahrscheinlich. Wo ist die Reihenfolge riskant. Welche Entscheidung blockiert gerade den Plan.

Die Erfolgsschwelle ist nicht, dass die KI euren Betrieb magisch versteht. Die Erfolgsschwelle ist viel nüchterner: Findet sie mindestens drei konkrete Lücken oder bessere nächste Schritte, die ihr selbst nicht sofort gesehen habt. Wenn ja, habt ihr einen Arbeitsplan, der KI-tauglich genug ist. Wenn nein, ist meistens nicht die KI das Problem, sondern eure Struktur. Dann fehlen Zuständigkeiten, Daten, Status oder klare Knoten. Genau diese Einsicht ist wertvoll, weil sie euch zeigt, wo die eigentliche Arbeit liegt.

Warum Listen und Kalender plötzlich zählen

Das zweite Signal kommt von Mana. Mana ist ein Familien-Organizer mit geteilten Kalendern, Einkaufslisten, Belegscanner, Essensplanung, Aufgaben und Notizen. Der Assistent soll natürliche Kommandos verstehen, also zum Beispiel Milch und Eier zur Liste hinzufügen oder ein Abendessen für die Woche planen. Dazu kommt ein MCP-Anschluss, damit Systeme wie Claude, ChatGPT oder Gemini mit diesen Daten verbunden werden können.

Ich würde Mana nicht deshalb erwähnen, weil jetzt jeder Haushalt ein neues Tool braucht. Interessanter ist das Muster. Kalender, Listen, Aufgaben und Belege sind operative Daten. Viele Menschen behandeln sie aber wie Kleinkram. Ein bisschen im Kalender, ein bisschen in WhatsApp, ein bisschen im Kopf, ein Zettel am Kühlschrank. Für Menschen ist das nervig, für KI ist es fast unbrauchbar. Sobald diese Dinge aber als geteilte, strukturierte Objekte vorliegen, kann ein Assistent nicht nur antworten, sondern eine echte Änderung vornehmen: Termin verschieben, Einkauf ergänzen, Erinnerung setzen, Beleg zuordnen.

Für Unternehmer ist das eins zu eins übertragbar. Ersetzt Familie durch Team, Einkaufsliste durch Materialliste, Essensplan durch Einsatzplan. Der Test bleibt gleich: Wählt eine wiederkehrende Organisationsaufgabe, die heute ständig nervt. Zum Beispiel Nachbestellungen, Contentplanung oder Wochenplanung für Kundenprojekte. Dann prüft, ob natürliche Sprache wirklich strukturierte Daten verändert. Nicht: schreibt mir einen netten Text. Sondern: erstellt eine Aufgabe, setzt ein Datum, markiert die Verantwortliche und macht die Änderung für alle sichtbar. Wenn das klappt, habt ihr einen sinnvollen Einstieg. Wenn das nicht klappt, habt ihr nur ein weiteres Textfeld mit KI drauf.

ActorDo und die Falle der zu breiten Agenten

ActorDo zeigt die andere Seite. Der Gründer beschreibt einen agentischen Arbeitsassistenten, der Email, Kalender und Tasks über Microsoft- und Gmail-Konten verbindet. Dazu kommen Slack, Microsoft Teams, WhatsApp, ein Outlook Add-in, eine Chrome Extension, ein Automations Studio und eine bearbeitbare Erinnerung. Auf dem Papier ist das beeindruckend. In der Praxis ist genau so eine Breite gefährlich, weil der Nutzer erst einmal nicht weiß, wo er anfangen soll.

Die betriebliche Lektion ist: Ein Agent mit vielen Integrationen braucht einen winzigen ersten Job. Nicht Email, Kalender, Aufgaben, Teamkanäle und Browser gleichzeitig. Sondern eine Aufgabe, die heute schon weh tut und die ihr in einer Stunde testen könnt. Ein gutes Beispiel wäre Follow-up-Disziplin. Nehmt zehn echte Mails oder Meetings. Der Assistent soll daraus nur drei Dinge machen: offene Zusagen erkennen, eine Aufgabe mit Datum vorschlagen und kurz begründen, warum er sie angelegt hat. Mehr nicht.

Die Erfolgsschwelle ist dann klar. Von zehn echten Fällen müssen mindestens fünf brauchbare Follow-ups entstehen, und jeder Vorschlag muss nachvollziehbar sein. Typische Fehler seht ihr sofort: Der Agent erfindet eine Aufgabe, überliest eine Zusage, setzt ein falsches Datum oder erklärt nicht, warum ein Punkt wichtig ist. Das ist kein Grund, die ganze Idee wegzuwerfen. Aber es ist ein Grund, den Einstieg enger zu machen. Für vertrauliche Email- und Kalenderdaten gilt außerdem: Vertrauen entsteht nicht durch schöne Integrationslogos. Vertrauen entsteht durch einen kleinen, überprüfbaren Ablauf, bei dem ihr jederzeit seht, was geändert wurde.

Was Anthropic daran strategisch zeigt

Dass dieses Thema nicht nur für kleine Tools gilt, sieht man an Anthropic. Das Unternehmen hat einen Engineering-Beitrag über eine neue Source-Control-Architektur veröffentlicht. Details sind für die meisten Hörer weniger wichtig als die Richtung: Ein führender KI-Anbieter baut seine interne Entwickler-Infrastruktur um, damit große Codebasen, viele Änderungen und agentische Arbeitsweisen besser zusammenpassen.

Das ist ein schönes Gegenbild zu der Vorstellung, KI würde einfach auf bestehende Arbeitsordner gekippt und dann passt es schon. Selbst Firmen, die direkt an Frontier-Modellen arbeiten, merken offenbar: Wenn mehr Arbeit durch Agenten, Automationen oder Assistenzsysteme läuft, muss der Arbeitszustand sauberer werden. Welche Version gilt. Welche Änderung gehört zu welchem Auftrag. Was wurde geprüft. Was ist nur Vorschlag. Welche Historie ist relevant.

Für euch heißt das nicht, dass ihr morgen euer eigenes Source-Control-System bauen müsst. Die praktische Übersetzung ist kleiner. Jeder wiederkehrende Arbeitsablauf braucht eine Quelle der Wahrheit. Bei Software ist das der Code und die Änderungshistorie. Bei Vertrieb kann es das CRM sein. Bei Projektarbeit ein strukturierter Plan. Bei Content eine Themenliste mit Status. Wenn diese Quelle der Wahrheit unklar ist, wird KI schnell zur netten Oberfläche über Chaos. Wenn sie klar ist, kann KI sortieren, verdichten, nächste Schritte vorschlagen und Fehler finden. Mei, das ist weniger glamourös als ein neues Spitzenmodell, aber wahrscheinlich sehr viel näher an echtem Nutzen.

Mein Fazit für heute: Fangt nicht mit dem größten KI-Assistenten an, sondern mit einem Arbeitsplan, den ein anderer Mensch in fünf Minuten versteht. Wenn der Plan als Baum, Liste oder sauberer Datensatz funktioniert, kann KI plötzlich viel mehr beitragen. Der Test ist einfach: Ein echter Ablauf, eine Stunde Zeit, zehn bis zwanzig Einträge, danach drei Fragen an die KI. Fehlen Aufgaben. Gibt es Risiken. Was ist der nächste Schritt. Wenn dabei nichts Brauchbares rauskommt, müsst ihr nicht sofort ein neues Modell suchen. Wahrscheinlich müsst ihr eure Arbeit erst besser aufschreiben. Wenn euch die Folge geholfen hat, teilt sie mit jemandem, der gerade Projektchaos in Tabellen pflegt. Pfiat euch und bis morgen, eure Lissy.