Ratgeber zu Prompts, Recherche, Daten, Automatisierung, Modellwahl und Bilderzeugung. Mit Beispielen und einem Weg, das Ergebnis zu prüfen.
Ein guter Ratgeber hilft Ihnen, eine konkrete Aufgabe zu erledigen: mit Anleitungen, Beispiel-Prompts und Hinweisen zur Bewertung des Ergebnisses.
Sie haben einen KI-Chat geöffnet. Und jetzt? Aus ein paar Sätzen über ein Picknick machen wir eine brauchbare Aufgabenliste. Sie sehen, was Sie fragen können, was Sie prüfen sollten und wie Sie eine Antwort korrigieren, die zu viel ergänzt.
Die Produktanimation sieht gut aus, aber der Preis hat sich geändert und ein Text erscheint zu früh. An diesem Beispiel erklären wir, warum ein bearbeitbares After-Effects-Projekt wichtig ist.
Ein Modell antwortet, ein zweites bewertet es. Klingt vernünftig, bis wir fragen, wer das zweite kontrolliert. Wir schauen uns JEV an und zeigen eine eigene Übung.
Viel Kontext klingt beeindruckend. Aber was machen wir damit? Drei konkrete Aufgaben für Astra: widersprüchliche Dokumente klären, ein bearbeitbares Budget und eine lauffähige Suche.
Beginnen wir mit einer Tasse, Dampf und einer langsamen Annäherung. An einer Szene lässt sich gut zeigen, wie Sie Veo Bild, Kamera und Ton beschreiben und gezielt nachbessern.
Der Assistent kennt das Gespräch, aber der Bestellstatus steckt in einem anderen System. MCP hilft, beide zu verbinden. Schauen wir auf eine alltägliche Frage zur Bearbeitung.
Das Dokument soll Informationen liefern und versucht stattdessen, den Assistenten zu steuern. Wir erklären Prompt Injection an einem Beispiel und zeigen sinnvolle Grenzen im Projekt.
Ein Modell auf eigener Hardware klingt reizvoll. Bei Gemma 4 beginnen wir mit einer Aufgabe und schauen danach auf Varianten, Speicher und den laufenden Betrieb.
Drei Themen, drei Illustrationen und trotzdem ein Blog aus einem Guss. Planen wir eine Serie mit Nano Banana 2 Lite, ausgehend von ein paar gemeinsamen Regeln.
Welches Modell soll es sein? Geben wir beiden dasselbe Angebot und schauen, was sie mit Betrag, Termin und fehlenden Angaben machen. Auch unsere Korrekturzeit zählt.
Dokumente in NotebookLM laden und fragen. Aber was, wenn eines die neue Funktion beschreibt und ein anderes das alte Limit? Ordnen wir die Quellen, bevor daraus eine elegante Zusammenfassung wird.
Die KI schreibt die Antwort, ein Mensch entscheidet über den Versand. So bauen wir den Ablauf in n8n: mit dem vollständigen Entwurf und einem Plan für Ablehnung, Schweigen und einen erneuten Durchlauf.
Drei Links lassen eine Antwort glaubwürdig aussehen. Öffnen wir sie. Vielleicht führen alle zu derselben Ankündigung, und ausgerechnet der interessanteste Satz bleibt unbelegt.
Sie laden die aktuellen Bedingungen hoch, aber der Chat nennt weiter die alten. Bevor wir das Modell wechseln, sehen wir uns an, welche Ausschnitte es tatsächlich zu lesen bekam.
Beginnen wir mit einem kleinen Werkzeug: zwei Felder, ein Knopf und eine Stundenzahl. Von der Idee zu einem Prototyp, den jemand ohne unsere Bedienungsanleitung nutzen kann.
Gutes Ergebnis, Prompt gespeichert, neuer Chat – und plötzlich passt etwas nicht. Vielleicht blieben die wichtigsten Vereinbarungen im alten Gespräch. So nehmen Sie sie mit.
Jemand sammelt Quellen, jemand schreibt daraus, jemand prüft den verdächtigen Satz. Verteilen wir die Redaktionsarbeit auf diese drei Rollen, auch wenn eine Person alle übernimmt.
Stellen Sie sich einen Papierturm auf Ihrem Hintergrund vor und einen Mond, der sich dahinter bewegt. Qwen-Image-2.1 unterstützt Transparenz. Seine Lizenz ist allerdings auf einen bestimmten Forschungsrahmen beschränkt.
Sie schreiben dem Assistenten im Messenger, und er nutzt die angeschlossenen Werkzeuge. So begann Clawdbot, heute als OpenClaw weiterentwickelt. Wir erklären die Idee und korrigieren einen verbreiteten Kurzschluss über lokale Daten.
Statt „Drücken Sie die Eins“ ein Gespräch über einen freien Termin. Wir schauen auf Sprachagenten: Was müssen sie können, um einen Termin zu buchen, und wie finden Sie heraus, ob sie wirklich helfen?
Ein Ordner voller Material, und ein Bericht steht an. Mit Cowork können Sie die Dateiarbeit in normaler Sprache beauftragen. Wir zeigen, wie Sie die Aufgabe eingrenzen und das Ergebnis prüfen.
Der Umsatz ist gesunken. Aber warum? KI kann helfen, Daten zu sichten und eine Spur zu finden. Zuerst müssen wir die Zahlen prüfen. Wir beginnen mit einer Frage statt mit dem Versprechen eines automatischen Berichts.