Agentic Work Training

KI-Agenten verändern die Wissensarbeit. Wer Anforderungen schreibt, Dokumente pflegt, Prozesse steuert oder Entscheidungen vorbereitet, arbeitet mit denselben Mechanismen wie die Softwareentwicklung: Kontext bereitstellen, präzise beauftragen, Ergebnisse verifizieren. Im dreitägigen Hands-on-Training „Agentic Work Training“ lernen Fachbereich, Product Owner, Analysten und Projektleitung genau diese Grundlagen, mit Übungen aus der eigenen Arbeitswelt. Das Tooling: die Claude Desktop App und Claude Cowork. Kein Terminal, keine IDE, kein Git-Vorwissen.

Im Fokus: Agentisches Arbeiten

Du lernst, KI-Agenten gezielt in Deiner täglichen Fach- und Dokumentenarbeit einzusetzen: Kontext aufbauen, Aufträge präzise formulieren, Arbeit delegieren und Ergebnisse systematisch prüfen. Dabei behältst Du die Verantwortung und verstehst, welche Arbeit delegierbar ist und welche Urteilskraft beim Menschen bleibt. Und Du erfährst, wie die Zusammenarbeit mit der Entwicklung im kleinen agentischen Team funktioniert. Dazu Prototypen und kleine Werkzeuge, die Du vom Agenten bauen lässt, ohne selbst zu coden.

Was Du mitnimmst

Nach dem Training:

• verstehst Du die Grundlagen: LLMs, Kontextfenster, Tools und MCP, der Unterschied zwischen Assistent und Agent. Genug Tiefe, um Grenzen und Fehlerbilder einordnen zu können, ohne Mathematik.
• beherrschst Du den Agenten-Loop: Kontext aufbauen, präzise beauftragen, Arbeit delegieren, Ergebnisse prüfen.
• arbeitest Du Spec-First: erst beschreiben, was rauskommen soll, dann den Agenten arbeiten lassen. Große Aufgaben in prüfbare Häppchen schneiden.
• behältst Du die Verantwortung und skalierst QS: Verifikations-Routinen, Halluzinations-Awareness, Umgang mit Quellen. Dazu Qualitätssicherung mit KI: Review-Agenten, geteilte Prüfkriterien, Konsistenzprüfungen über ganze Dokumentenbestände.
• publizierst Du echte Artefakte: Folien aus Markdown, Webseiten, die Du selbst liveschaltest, druckfertige PDFs. Dazu das Vibecoding-Erlebnis und der Prototyp als Denkwerkzeug: schnell bauen, früh zeigen, bewusst wegwerfen.
• gießt Du Unternehmenswissen in Skills und Workflows: aus bewährten Aufträgen wiederverwendbare Skills machen, Arbeitsabläufe als Workflows abbilden, eine geteilte Team-Bibliothek aufbauen.
• verstehst Du die Software-Welt und arbeitest im agentischen Team: Git und GitHub ohne Angst (der Agent bedient sie), das Repo als gemeinsamer Ort mit der Entwicklung. Fachwissen in die Spec bringen, Entscheidungen statt Code reviewen.

Das funktioniert auch jenseits von Code. Nach drei Tagen war mir klar, wie ich Agenten in meiner Facharbeit einsetze.

Stimme aus einem ASE-Training

An wen richtet sich das Training?

Das Training richtet sich an alle, die agentisch arbeiten wollen, ohne Software zu entwickeln:

• Fachbereich und Fachexperten, die ihr Domänenwissen mit Agenten-Unterstützung in Dokumente, Prozesse und Entscheidungen bringen.
• Product Owner und Requirements Engineers, die Anforderungen und Spezifikationen schneller und prüfbarer erstellen wollen.
• Analysten und Stabsfunktionen, die Recherchen, Berichte und Entscheidungsvorlagen mit Agenten vorbereiten.
• Projektleitung und Führungskräfte, die einschätzen wollen, was delegierbar ist und wo Kontrolle verbindlich bleibt.

Programmierkenntnisse brauchst Du keine. Sinnvoll sind sicherer Umgang mit Office-Werkzeugen und die Bereitschaft, hands-on zu arbeiten.

Hands-on: So läuft das Training ab

• Übungen an echten Business-Use-Cases: Berichte, Recherchen, Feedback-Auswertungen, Folien, Landingpages, druckfertige PDFs. Dazu ein Vibecoding-Moment, der Berührungsängste abbaut.
• Alle Übungen laufen in der Claude Desktop App und in Claude Cowork.
• Kein Terminal, keine IDE, keine Programmierkenntnisse nötig. Code entsteht trotzdem, den schreibt der Agent. Produktive Software bauen wir bewusst nicht.
• 12 Blöcke à 90 Minuten an 3 Tagen: verstehen und steuern, delegieren und verifizieren, skalieren und verankern.
• Am Ende bringst Du Deine eigenen Use Cases mit: jeder Teilnehmer verlässt das Training mit einem konkreten Startplan für die Woche danach.

Die Agenda

1. Grundlagen: LLMs und Agenten
   • Wie LLMs funktionieren: Token, Kontextfenster, Knowledge Cutoff
   • Warum Halluzinationen kein Bug sind, sondern eine Eigenschaft des Verfahrens
   • Assistent vs. Agent: der Agenten-Loop, Tools und MCP
   • Das Praktikanten-Modell: delegierbar, aber prüfpflichtig
2. Das Werkzeug: Desktop App und Cowork
   • Projekte anlegen, Dateien bereitstellen, Projekt-Anweisungen formulieren
   • Berechtigungen und Freigaben bewusst steuern (Blast Radius)
   • Konnektoren einordnen: was sie zugänglich machen, was das für Vertraulichkeit heißt
   • Quick Wins: diktieren statt schreiben, Antwortstil einstellen, Ausgabeformate nutzen
3. Kontext-Arbeit
   • Context is King: Ergebnisqualität hängt an Kontextqualität
   • Kontextprobleme erkennen: Overflow, Distraction, Confusion, Clash
   • Glossar und Ubiquitous Language als wiederverwendbare Kontextbausteine
   • Wissen agentenfreundlich ablegen: Markdown statt Folien
   • Verteiltes Wissen zusammenführen: Insights über viele Quellen hinweg
4. Präzise beauftragen
   • Aufträge mit Ziel, Kontextverweis, Format und Qualitätskriterien
   • Few-Shot-Beispiele und Personas gezielt einsetzen
   • Den Agenten zuerst interviewen lassen, statt alles vorzudenken
   • Generierte Inhalte kritisch lesen: plausibel klingende Fehler aufspüren
5. Spec-First-Arbeiten
   • Die vier Phasen auf Wissensarbeit übertragen: Specify, Plan, Tasks, Execute
   • Große Aufträge in reviewable Chunks schneiden
   • Aus dem Fachgespräch zur Spec: reden, mitschneiden, vom Agenten verdichten lassen
   • Entscheidungen festhalten: das ADR-Prinzip für fachliche Entscheidungen
6. Verifikation und Qualität
   • Prüfkriterien vor der Ausführung definieren, nicht danach
   • Checklisten und ein zweiter Agent als Reviewer
   • Stichproben sinnvoll setzen statt alles oder nichts zu lesen
   • „You push it, you own it“: wer weitergibt, hat geprüft
7. Qualitätssicherung mit KI
   • Wiederkehrende Prüfungen an Review-Agenten delegieren
   • Konsistenz- und Bestandsprüfungen über ganze Dokumentbestände
   • Geteilte Prüf-Skills: Qualitätskriterien, die das ganze Team anwendet
   • Grenzen kennen: KI ist das erste Augenpaar, nicht der Ersatz fürs zweite
8. Vibecoding und Prototypen
   • Berührungsängste verlieren: lauffähige Software einfach mal entstehen lassen
   • Der Prototyp als Denkwerkzeug: bauen, zeigen, bewusst wegwerfen
   • Die Grenze ziehen: was Du gefahrlos baust und was zur Entwicklung gehört
9. Publishing: Berichte, Folien, Webseiten, PDFs
   • Folien aus Markdown (Slidev) und lebende HTML-Slides
   • Webseiten bauen und selbst liveschalten (Cloudflare Pages)
   • Druckfertige PDFs und Buchsatz (LaTeX), ohne Office-Vorlagen-Kampf
10. Skills und Workflows: Unternehmenswissen operationalisieren
    • Vom bewährten Auftrag zum wiederverwendbaren Skill
    • Arbeitsabläufe als mehrstufige Workflows mit spezialisierten Agenten
    • Implizites Wissen per Agenten-Interview aus den Köpfen holen
    • Die Team-Bibliothek: geteilte Skills, Checklisten und Glossare, mit klarem Ownership
11. Die Software-Welt verstehen: Git, GitHub, agentische Teams
    • Git und GitHub ohne Angst: die Konzepte verstehen, der Agent bedient sie
    • Das Repo als gemeinsamer Ort mit der Entwicklung: Skills und Specs teilen
    • Das agentische Mini-Team: Entscheidungen reviewen statt Code
12. Organisation, Use Cases, Transfer
    • Was agentisches Arbeiten organisatorisch verändert: Review-Last, Ownership, Token-Budgets
    • Vertraulichkeit, Datenschutz und Freigabeprozesse einordnen
    • Use-Case-Werkstatt im Lightning-Decision-Jam-Format: eigene Use Cases finden und priorisieren
    • Persönlicher Startplan für die Woche nach dem Training

Code ist nicht mehr der Engpass, Verstehen schon. Wer Specs, Dokumente und Entscheidungen verantwortet, braucht dieselben agentischen Grundlagen wie die Entwickler.

Michael Seel Senior Consultant und Trainer, INNOQ

Du hast Fragen zum Training? Schreib Michael Seel: michael.seel@innoq.com