Website, Live-Daten und viele reale Sonderfälle
Von der kompromittierten Altseite zum statischen Neuaufbau – inklusive Live-Anzeige, mobilen Tests und Datenquellen, die sich nicht immer so verhalten haben wie erwartet.
Werkzeug, Projektpartner – und manchmal Fehlerquelle
KI kann viel. Denken darf man trotzdem noch selbst.
Für mich ist KI kein Orakel und auch kein Ersatz für Erfahrung. Sie ist ein Werkzeug, das Ideen schneller in Richtung Ergebnis bringen kann – wenn Ziel, Kontext, Kontrolle und Praxistest stimmen.
Was von mir kommt
Idee, Ziel, Fachwissen und Entscheidungen.
Ich beschreibe, was am Ende wirklich funktionieren soll, kenne die fachliche Ausgangslage und entscheide, welche Lösung sinnvoll ist. Und wenn etwas auf dem Bildschirm gut aussieht, aber in der Realität nicht funktioniert, zählt die Realität.
Was KI beitragen kann
Tempo, Varianten und Spezialwissen auf Abruf.
Recherche, Erklärungen, Syntax, erster Code, Fehlersuche, Alternativen und Dokumentation lassen sich enorm beschleunigen. Das macht aus fehlendem Detailwissen viel seltener eine Sackgasse.
Der Arbeitsweg
Von „könnte man doch …“ bis „läuft wirklich“.
Ein guter Prompt ist hilfreich. Entscheidend wird die Zusammenarbeit aber erst durch Kontext, Rückfragen, echte Tests und die Bereitschaft, eine vermeintlich gute Lösung wieder zu verwerfen.
Idee & Ziel
Kontext & Anforderungen
KI-Unterstützung
Prüfen & testen
Ergebnis & Doku
Meine Grundsätze
Vertrauen ja. Blindflug nein.
Ein Teil davon lässt sich als Arbeitsregel oder Projektanweisung festhalten. Aber kein Textfeld der Welt ersetzt die fachliche Prüfung.
Nicht raten, wenn aktuelle Quellen nötig sind.
Bei veränderlichen Themen wie Software, Schnittstellen, Einstellungen oder aktuellen Produktfunktionen lieber nachsehen als selbstbewusst vermuten.
Unsicherheit benennen.
„Ich weiß es nicht sicher“ ist eine brauchbarere Antwort als eine elegant formulierte Erfindung.
Erklären statt nur ausgeben.
Bei Code oder komplexen Formeln möchte ich verstehen, was wo passiert – zumindest weit genug, um Fehler eingrenzen zu können.
Wichtige Aussagen gegenprüfen.
Je größer die Auswirkung, desto wichtiger die Kontrolle mit Dokumentation, Originalquelle, echtem System oder einem zweiten Testweg.
Mit echten Daten und Geräten testen.
Eine Website wird am Handy geprüft. Eine Schnittstelle mit echten Antworten. Ein Makro mit der echten Datei. Theorie ist nett, Produktion ist ehrlicher.
Sensible Daten bleiben sensible Daten.
Passwörter, Tokens und unnötige vertrauliche Informationen gehören nicht in normale Arbeitsdialoge. Daten nur soweit teilen, wie es für die Aufgabe nötig ist.
Keine Angst vor KI
Man muss kein Programmierer werden, um mit ihr etwas Sinnvolles zu bauen.
Wer sein Problem erklären, Anforderungen formulieren und ein Ergebnis beurteilen kann, bringt bereits sehr viel mit. KI kann die Lücke zu Syntax, Spezialwissen und möglichen Lösungswegen deutlich verkleinern.
Das heißt nicht: „KI macht alles.“ Es heißt eher: Manche Ideen werden plötzlich realistisch, die man früher aus Zeit- oder Wissensgründen gar nicht erst angefangen hätte.
Aber bitte ohne Heiligenschein
Eine selbstsichere Antwort kann trotzdem falsch sein.
KI kann Dinge erfinden, Zusammenhänge falsch deuten oder einen technischen Sonderfall übersehen. Das ist kein Grund, sie nicht zu nutzen. Es ist ein Grund, sie wie jedes andere Werkzeug sinnvoll einzusetzen.
Echte Beispiele
Nicht als KI-Demo, sondern in richtigen Projekten.
Die interessantesten Erfahrungen entstehen nicht in künstlichen Beispielaufgaben, sondern dort, wo etwas am Ende tatsächlich funktionieren muss.
Excel bleibt fachliche Wahrheit – das Web präsentiert
KI half bei VBA, JSON, Weblogik und Fehlersuche. Die eigentliche fachliche Entscheidung, wo gerechnet wird und was veröffentlicht werden soll, blieb beim Menschen.
Auch der Passwortschutz war ein kleiner Realitätstest
Eine scheinbar saubere technische Lösung führte auf dem echten Webserver erst einmal zu einem Fehler. Also: beobachten, Ursache eingrenzen, korrigieren – und daraus eine Regel für die Zukunft machen.
Weiterlesen
Vier Texte über meine Art, mit KI zu arbeiten.
Kein KI-Evangelium und keine Horrorgeschichte. Eher Werkstattnotizen aus Projekten, in denen Mensch und Maschine beide ihre Stärken – und gelegentlich ihre Macken – mitbringen.
Von der Idee zum Ergebnis
Warum fehlendes Spezialwissen eine gute Idee nicht automatisch stoppen muss.
Wie ich KI tatsächlich für Projekte nutze
Kontext geben, Anforderungen festhalten, erklären lassen, testen, verbessern und dokumentieren.
ChatGPT war sich sicher – und trotzdem falsch
Warum Selbstsicherheit kein Qualitätsmerkmal ist und welche Gegenmaßnahmen in der Praxis helfen.
Warum ein guter Prompt allein nicht reicht
Ein einzelner perfekter Satz ersetzt weder Projektdokumentation noch Fachkontext, Rückfragen und Tests.