## Pfadnavigation 1. [ Startseite ](/) 2. [ AI FIRST Podcast ](/podcast/ai-first-podcast) 3. Drei KI-Use-Cases für den Arbeitsalltag – mit Elisabeth L'Orange # Drei KI-Use-Cases für den Arbeitsalltag – mit Elisabeth L'Orange **Podcast:** [AI FIRST Podcast](/podcast/ai-first-podcast) **Erscheinungsdatum:** 26. Juni 2026 **Länge:** 00:39:43 [ Link zur Episode (extern) ](https://podcasters.spotify.com/pod/show/felix-schlenther/episodes/3-KI-Use-Cases-zum-nachbauen---mit-Elisabeth-LOrange-e3l8tv3) ![3 KI Use Cases zum nachbauen - mit Elisabeth L'Orange](https://www.botcaster.de/sites/default/files/styles/podcast_n_episode_metadata_image_1x/public/2026-08/41650605-1782386000870-dda959f5369f1.jpg.webp?itok=mJWQ8Qqg) ### 3 KI Use Cases zum nachbauen - mit Elisabeth L'Orange 26. Juni 2026 · [AI FIRST Podcast](/podcast/ai-first-podcast) Stell dir vor, du könntest die Flut an Newslettern, die wöchentlich dein Postfach überschwemmt, in eine einzige, perfekt aufbereitete E-Mail verwandeln. Oder wie wäre es, wenn ein persönlicher Assistent rund um die Uhr deine Branche und Wettbewerber beobachtet und dir die wichtigsten Entwicklungen mundgerecht serviert? Im AI FIRST Podcast zeigt Host Felix Schlenther gemeinsam mit Stammgast Elisabeth L'Orange, dass dies keine Zukunftsmusik mehr ist. Anstatt über abstrakte Konzepte zu philosophieren, tauchen die beiden tief in die Praxis ein und demonstrieren, wie jeder mit den richtigen Werkzeugen und ein wenig Kreativität eigene, hochwirksame KI-Agenten bauen kann. Diese Episode ist ein Muss für alle, die KI nicht nur verstehen, sondern aktiv nutzen wollen, um tägliche Arbeitsabläufe zu revolutionieren. ## Das Wichtigste auf einen Blick - **Der Wandel der Werkzeuge:** Elisabeth erklärt, warum sie von wartungsintensiven Automatisierungs-Plattformen wie Make.com auf integrierte KI-Systeme wie Anthropic's Claude umgestiegen ist. Der entscheidende Vorteil liegt in stabileren Verbindungen und der Möglichkeit, komplexe Workflows einfach per Gespräch zu erstellen, statt einzelne APIs mühsam zu verketten. - **Informationsflut bewältigen:** Ein zentraler Anwendungsfall ist ein automatisierter Newsletter-Digest. Ein KI-Agent liest alle eingehenden Newsletter, extrahiert die Kernaussagen und fasst sie in einer einzigen wöchentlichen E-Mail zusammen - ein effektives Mittel gegen Information Overload. - **Strategische Marktbeobachtung:** Ein weiterer Agent dient der gezielten Beobachtung der Beratungsbranche. Er analysiert Nachrichten zu Personalwechseln, neuen Projekten, strategischen Entscheidungen und Entlassungen bei den wichtigsten Wettbewerbern und erstellt daraus einen wöchentlichen Report. - **Die Grenzen der Automatisierung:** Nicht jede Automatisierung ist ein Effizienzgewinn. Bei der Erstellung von Podcast-Shownotes stellte Elisabeth fest, dass das manuelle Kopieren des Transkripts in ein KI-Tool schneller und zuverlässiger ist als eine fehleranfällige API-Anbindung. - **KI als kreativer Partner:** Die vorgestellten Lösungen wurden nicht starr programmiert, sondern im Dialog mit der KI entwickelt. Elisabeth beschreibt, wie sie gemeinsam mit dem Modell die Kriterien für die Marktbeobachtung verfeinert oder das Format der Newsletter-Zusammenfassung optimiert hat. ## Vom komplizierten Baukasten zum intelligenten Assistenten Zu Beginn des Gesprächs blickt Elisabeth auf ihre bisherigen Erfahrungen mit Automatisierung zurück. Früher nutzte sie Werkzeuge wie Make.com oder Azure-Dienste, um Prozesse wie Perlenketten aneinanderzureihen. Jeder Schritt war ein separates Modul, das über eine Programmierschnittstelle (API) mit dem nächsten verbunden war. Das Problem dabei: Diese Konstruktionen waren oft störanfällig und benötigten ständige Pflege - Elisabeth nennt sie liebevoll liebesbedürftige Automatisierungen. APIs konnten sich ändern, Verbindungen brachen ab, und der Wartungsaufwand war hoch. Heute hat sich ihr Ansatz grundlegend geändert. Statt auf solche Baukästen setzt sie vollständig auf die Fähigkeiten von KI-Modellen wie Claude von Anthropic. Der entscheidende Unterschied liegt darin, dass diese modernen Systeme nicht mehr über unzählige einzelne APIs kommunizieren. Stattdessen nutzen sie robustere Protokolle - sogenannte MCPs (Meta-Connect-Protocols) - die eine tiefere und stabilere Integration mit Diensten wie Google Mail ermöglichen. So kann sie komplexe Arbeitsabläufe direkt in natürlicher Sprache beschreiben und die KI übernimmt die technische Umsetzung im Hintergrund. Das Ergebnis sind zuverlässigere und flexiblere KI-Agenten, die sich leichter anpassen und erweitern lassen. ## Use Case 1: Der persönliche Newsletter-Digest gegen die Informationsflut Wer kennt es nicht? Das Postfach quillt über vor Newslettern, die man zwar abonniert hat, aber selten die Zeit findet, sie alle zu lesen. Um dieses Problem zu lösen, hat Elisabeth einen persönlichen KI-Agenten gebaut. Der erste Schritt war denkbar einfach: Sie legte eine neue, dedizierte Gmail-Adresse an, die ausschließlich für ihre Newsletter-Abonnements genutzt wird. Dies schützt nicht nur ihre private E-Mail-Adresse, sondern erleichtert der KI auch die Arbeit, da sie sich nur auf relevante Inhalte konzentrieren muss. Anschließend beschrieb sie Claude ihren Wunsch: Der Agent soll einmal pro Woche alle neuen Newsletter in diesem Postfach durchsuchen, jeden einzelnen lesen und die wichtigsten Informationen extrahieren - darunter Absender, Thema, zentrale Schlagzeilen und die Kernaussagen (Key Takeaways). Diese aufbereiteten Inhalte soll er in einer einzigen, übersichtlich formatierten E-Mail zusammenfassen und an sie senden. Nach einer kurzen Testphase, in der die KI die Struktur der verschiedenen Newsletter analysierte, lieferte der Agent das erste Ergebnis. Zunächst war es ein reiner Textblock. Durch einfaches Feedback - die Bitte, die Ausgabe in HTML mit klar getrennten Abschnitten für jeden Newsletter zu formatieren - wurde das Ergebnis schnell optimiert. Dieser Agent spart ihr nun wöchentlich Stunden an Lesezeit und stellt sicher, dass sie keine wichtigen Branchen-News verpasst. ## Use Case 2: Automatisierte Markt- und Wettbewerbsbeobachtung Als Beraterin muss Elisabeth nicht nur über allgemeine KI-Trends, sondern auch über die Entwicklungen in ihren Kernbranchen (Energie, Chemie) sowie in der Beratungsbranche selbst auf dem Laufenden bleiben. Diese manuelle Recherche ist extrem zeitaufwendig. Daher entwickelte sie einen zweiten, spezialisierten KI-Agenten für die Marktbeobachtung. Ihr Ziel: ein wöchentlicher Report über die Aktivitäten der großen Beratungsunternehmen (Big Four und MBB wie McKinsey, Bain, BCG) in Deutschland. Der Entstehungsprozess war kollaborativ. Elisabeth und Claude definierten gemeinsam die relevanten Kategorien für die Analyse. Dazu gehören Personalveränderungen (neue Partner, wichtige Neueinstellungen), gewonnene Kundenprojekte, neue Studien und Veröffentlichungen sowie strategische Weichenstellungen wie Büroeröffnungen oder Entlassungswellen. Diese Kriterien wurden direkt in den Prompt für den KI-Agenten eingearbeitet. Um die Übersichtlichkeit zu erhöhen, werden die verschiedenen Kategorien im finalen Report farblich markiert. Ein spezieller Abschnitt namens Trends to Watch fasst zudem übergreifende Marktentwicklungen zusammen. Dieser Agent liefert ihr nun jede Woche einen maßgeschneiderten und hochrelevanten Einblick in die Strategien ihrer Wettbewerber. ## Use Case 3: Effizienz in der Podcast-Produktion - mit überraschendem Ergebnis Ein dritter Anwendungsfall sollte die Nachbereitung ihres eigenen Podcasts Tech 'n' Tales beschleunigen. Die Erstellung von Shownotes - inklusive Titel, Beschreibung, Zeitstempel (Timestamps) und Links zu erwähnten Quellen - ist ein repetitiver, aber wichtiger Arbeitsschritt. Die Idee war, diesen Prozess zu automatisieren, indem Claude über eine API direkt auf das Transkript in der Aufnahme-Software Riverside zugreift und daraus automatisch die fertigen Shownotes generiert. Doch hier stieß die Automatisierung an ihre Grenzen. Die API-Verbindung erwies sich als unzuverlässig, und der Prozess war letztlich komplizierter als erwartet. Elisabeth fand eine viel einfachere und schnellere Lösung: Sie lädt das Transkript als Textdatei herunter und fügt es manuell in ein Chatfenster von Gemini ein, zusammen mit einem standardisierten Prompt zur Erstellung der Shownotes. Dieses Vorgehen dauert nur wenige Sekunden und liefert zuverlässig hervorragende Ergebnisse. Ihre Erkenntnis ist ein wichtiger Ratschlag für alle, die mit KI arbeiten: Man muss nicht alles automatisieren. Manchmal ist der einfachste Weg - eine schnelle manuelle Aktion - der effizienteste. ## So baust du deine eigenen KI-Agenten: Eine Anleitung Die Beispiele von Elisabeth zeigen, dass der Bau eigener KI-Helfer keine Raketenwissenschaft mehr ist. Wenn du inspiriert bist, deine eigenen Prozesse zu optimieren, kannst du diesen einfachen Schritten folgen: 1. **Wähle dein Werkzeug:** Entscheide dich für ein modernes KI-Modell, das Integrationen mit anderen Diensten ermöglicht. Elisabeth empfiehlt Anthropic's Claude aufgrund seiner stabilen Connectors, aber auch andere Modelle wie ChatGPT oder Gemini bieten ähnliche Funktionalitäten. Eine Pro-Lizenz ist oft eine lohnende Investition. 2. **Definiere dein Ziel klar und einfach:** Formuliere in natürlicher Sprache, was du erreichen möchtest. Beginne mit einem einfachen Satz wie: Ich möchte einen Agenten bauen, der mir eine wöchentliche Zusammenfassung meiner Newsletter erstellt. 3. **Schaffe eine saubere Infrastruktur:** Für Aufgaben, die externe Daten wie E-Mails verarbeiten, richte einen dedizierten Account ein (z. B. eine neue Gmail-Adresse). Das schützt deine Privatsphäre und erleichtert der KI die Arbeit. 4. **Verbinde deine Datenquellen:** Nutze die integrierten Funktionen (Connectors, Plugins, Extensions), um der KI sicheren Zugriff auf die benötigten Informationen zu geben. Führe die Authentifizierungsschritte sorgfältig durch. 5. **Iteriere und verfeinere im Dialog:** Das erste Ergebnis ist selten perfekt. Gib der KI konkretes Feedback, um die Ausgabe zu verbessern. Fordere beispielsweise eine andere Formatierung, eine detailliertere Analyse oder die Hervorhebung bestimmter Informationen an. 6. **Hinterfrage die Automatisierung:** Prüfe kritisch, ob ein komplexer, vollautomatischer Workflow wirklich Zeit spart. Wie Elisabeths Podcast-Beispiel zeigt, kann ein simpler manueller Schritt manchmal die klügere und schnellere Lösung sein. --- version="1.0" encoding="UTF-8"? .st0 { fill: #010101; } .st1 { fill: #b0c0b3; } .st2 { fill: #3b3a3b; } .st3 { fill: #3a3a3a; } .st4 { fill: #5e7185; } .st5 { fill: #f9eddd; } .st6 { fill: #000100; } .st7 { fill: #aebeb3; } .st8 { fill: #fefefe; } .st9 { fill: #7f93a8; } .st10 { fill: #f8f0df; } .st11 { fill: #fbf0df; } .st12 { fill: #afbfb2; } .st13 { fill: #f7eedd; } .st14 { fill: #fdfdfd; } Botcaster **Zusammengefasst von Anja Schirwinski** Ich beschäftige mich beruflich wie privat mit Künstlicher Intelligenz - von konkreten Tools im Arbeitsalltag bis zu den größeren Fragen, die dabei aufkommen. Viele der Themen, die in Podcasts besprochen werden, begegnen mir in Projekten immer wieder. Deshalb fasse ich hier die für mich interessantesten Podcastfolgen zusammen und ordne sie aus der Praxis ein. [Mehr über das Projekt Botcaster](/ueber-uns) ## Themen - [ KI-Agenten und Automatisierung ](/podcasts/themen/ki-agenten-automatisierung) - [ KI im Arbeitsalltag ](/podcasts/themen/ki-im-arbeitsalltag) **Hinweis:** *Diese Zusammenfassung wurde mit Hilfe von KI aus dem Transkript der Podcast-Episode generiert.* Alle Inhalte auf Botcaster beruhen auf öffentlich zugänglichen Podcasts rund um Künstliche Intelligenz. Wir fassen die Episoden nach bestem Wissen zusammen, übernehmen jedoch keine Gewähr für Vollständigkeit, Aktualität oder Richtigkeit der Inhalte. Die Rechte an den Original-Podcasts und -Inhalten liegen ausschließlich bei den jeweiligen Urheber:innen.