KI lernen für Anfänger: Der 30-Tage-Plan ohne Vorkenntnisse

Woche 1, Verstehen, was Sprachmodelle wirklich tun

Sie beginnen nicht mit Tools, sondern mit einem Grundverständnis. Ein Sprachmodell sagt Wort für Wort das jeweils wahrscheinlichste nächste Textstück voraus. Daraus folgen alle Stärken und alle Schwächen: hervorragend im Formulieren, Umformen, Strukturieren und Erklären, unzuverlässig bei exakten Zahlen, aktuellen Fakten und Quellenangaben. Eine gute, allgemeinverständliche Einführung liefert der kostenlose Onlinekurs Elements of AI, der ohne Vorkenntnisse auskommt und die Grundbegriffe in eigenem Tempo vermittelt.

Übungen dieser Woche:

• Denselben Auftrag drei Mal unterschiedlich formulieren und die Unterschiede im Ergebnis notieren.
• Ein Modell absichtlich in eine falsche Behauptung laufen lassen und beobachten, wie sicher der Ton dabei bleibt.
• Einen eigenen Text zusammenfassen lassen und prüfen, was verloren geht.

Ziel am Ende der Woche: Sie können in zwei Sätzen erklären, wofür KI geeignet ist und wofür nicht. Wer zusätzlich verstehen möchte, wie sich die Modelle technisch und wirtschaftlich entwickeln, findet im Stanford AI Index Report eine jährlich aktualisierte, quellenbasierte Übersicht.

Woche 2, Prompten wie ein Briefing

Ein guter Prompt ist ein Briefing, kein Suchbegriff. Vier Bausteine reichen für achtzig Prozent aller Aufgaben: Rolle, Aufgabe, Kontext, Format. Die offizielle Dokumentation von OpenAI fasst diese Prinzipien im Prompt Engineering Guide übersichtlich zusammen und eignet sich als Nachschlagewerk für den Alltag.

Beispiel: „Sie sind erfahrene Personalerin. Formulieren Sie eine Absage an eine Bewerberin, die fachlich passt, aber ohne Führungserfahrung ist. Tonfall wertschätzend, maximal 120 Wörter, Absatz für ein konkretes Entwicklungsfeld.“

Übungen: Nehmen Sie drei Aufgaben, die Sie jede Woche erledigen, und schreiben Sie für jede einen Prompt mit diesen vier Bausteinen. Speichern Sie die Prompts in einer Notiz-App. Ab jetzt ändern Sie sie nur noch, statt sie neu zu erfinden. Eine erste Sammlung erprobter Formulierungen finden Sie in unserem Prompt Engineering Grundlagen-Beitrag.

Woche 3, Einen eigenen Workflow bauen

Jetzt verbinden Sie das Gelernte mit Ihrem Alltag. Wählen Sie genau eine wiederkehrende Aufgabe, die mindestens zwei Mal pro Woche anfällt. Typische Kandidaten: E-Mails beantworten, Protokolle schreiben, Unterrichts- oder Präsentationsunterlagen vorbereiten, Angebote formulieren, Recherchen verdichten.

So gehen Sie vor: Zeit vorher messen, Prompt schreiben, drei Durchläufe machen, Prompt nachschärfen, Zeit erneut messen. Wenn die Ersparnis unter dreißig Prozent liegt, ist meist der Kontext im Prompt zu dünn, nicht das Modell zu schwach.

Wer strukturierte Übungsaufgaben zu diesem Schritt sucht, findet sie im Kurzkurs AI for Everyone von DeepLearning.AI, der praxisnah erklärt, wie sich Alltagsaufgaben in KI-taugliche Teilschritte zerlegen lassen.

Typische Anfängerfehler, und wie Sie sie vermeiden

Die meisten Rückschläge in den ersten Wochen haben dieselben Ursachen. Wer sie kennt, spart sich Frustration:

• Zu offene Fragen stellen. „Schreib mir einen Text über X“ liefert generische Ergebnisse. Kontext, Zielgruppe und Format fehlen.
• Ergebnisse ungeprüft übernehmen. Gerade Zahlen, Namen und Rechtsfragen müssen Sie selbst gegenprüfen.
• Sensible Daten eingeben. Kundendaten, Gesundheitsdaten oder interne Dokumente gehören nicht ungeprüft in ein öffentliches Tool, die Grundlagen dazu erklärt unser Beitrag zu KI und Datenschutz.
• Nach einem Fehlversuch aufgeben. Der erste Entwurf ist selten der letzte. Iteration gehört zum Prozess, nicht zum Scheitern.
• Kein System zum Speichern von Prompts. Ohne Ablage beginnt jede Aufgabe wieder bei null.

Wer diese fünf Fallen kennt, braucht deutlich weniger als 30 Tage, um sichtbare Ergebnisse zu erzielen.

Ein Beispiel aus der Praxis: vier Wochen im Zeitraffer

Eine Verwaltungsangestellte beginnt in Woche 1 ohne jede Vorerfahrung. In Woche 2 schreibt sie ihre ersten drei strukturierten Prompts für Antwortschreiben an Bürgerinnen und Bürger. In Woche 3 misst sie: eine Standardantwort, die vorher zwölf Minuten dauerte, ist nach Einführung des Prompts in vier Minuten fertig, inklusive Kontrolle. In Woche 4 dokumentiert sie den Workflow in zwei Sätzen und zeigt ihn einer Kollegin, die ihn ohne weitere Erklärung übernehmen kann.

Dieses Muster wiederholt sich in den meisten Fällen: Der größte Zeitgewinn entsteht nicht bei kreativen Sonderaufgaben, sondern bei den immer gleichen, kleinen Textbausteinen des Arbeitsalltags. Wer eine Formel sucht, um die eigene Zeitersparnis realistisch zu berechnen, findet sie in unserem Beitrag KI-Zeitersparnis berechnen. Auch der OECD-Bericht zu KI und Future Skills bestätigt, dass die größten Effizienzgewinne meist in repetitiven Wissensarbeitsaufgaben liegen, nicht in Spezialanwendungen.

Woche 4, Qualität sichern und weitergeben

In der letzten Woche lernen Sie das, was Fortgeschrittene von Anfängern unterscheidet: Kontrolle. Bauen Sie sich eine kurze Prüfliste für jeden KI-Output, Fakten geprüft, Zahlen selbst gerechnet, Tonfall wie Ihr eigener, keine sensiblen Daten eingegeben.

Danach erklären Sie einer anderen Person, was Sie gelernt haben. Erklären ist der schnellste Test für echtes Verständnis. Wer nach vier Wochen einen dokumentierten Workflow, drei gespeicherte Prompts und eine Prüfliste hat, ist weiter als die meisten, die seit einem Jahr Videos schauen.

Als nächsten Schritt lohnt sich ein kurzer, kostenloser Selbsttest: Der AI-Readiness-Check zeigt in wenigen Minuten, wo in Ihrem Arbeitsalltag noch ungenutztes Potenzial liegt.

Wenn Sie das strukturiert lernen möchten: die AI Works Academy führt Sie in klar abgegrenzten Modulen von den Grundlagen bis zu eigenen Workflows, mit Spickzetteln, Übungen und Vorlagen zum Mitnehmen.

Häufige Fragen