Vor drei Wochen hat Raphael den ersten Langdock-Workspace angelegt. Name eingetragen, Logo hochgeladen, fertig. Und dann dieser Moment: Ein leeres Interface. Keine Prompts, keine Skills, keine Struktur. Nur wir und die Frage: Was zum Teufel machen wir jetzt eigentlich damit?
- Wie wir unser ChatGPT-Wissen in Langdock überführt haben (Context Extraction System)
- Workspace-Setup: Wer macht was?
- Systemprompts: Wie man einer KI beibringt, nicht wie eine KI zu klingen
- Skills: Das Feature, von dem wir nicht wussten, dass wir es brauchen
Der Fokus liegt diesmal auf dem Wie. Nicht auf der Theorie, sondern auf den konkreten Schritten, Entscheidungen und auch den Diskussionen, die wir dabei hatten. Denn der Aufbau eines Langdock-Workspaces ist kein technisches Projekt. Es ist ein inhaltliches. Und das war aufwändiger, als wir dachten.
Der Umzug: Was nehmen wir mit, was lassen wir zurück?
Stellt euch vor, ihr zieht um. Nicht in eine neue Wohnung, sondern in ein neues Haus, das ihr selbst einrichten könnt. Jedes Zimmer. Jedes Regal. Jede Schublade. Und plötzlich merkt ihr: Ihr habt jahrelang Zeug gesammelt, von dem ihr nicht mal wusstet, dass ihr es habt.
Stellt euch vor, ihr zieht um. Nicht in eine neue Wohnung, sondern in ein neues Haus, das ihr selbst einrichten könnt. Jedes Zimmer. Jedes Regal. Jede Schublade. Und plötzlich merkt ihr: Ihr habt jahrelang Zeug gesammelt, von dem ihr nicht mal wusstet, dass ihr es habt.
So war das mit ChatGPT. Wir hatten:
- Systemprompts in irgendwelchen Notizen
- Formulierungen, die irgendwann mal den richtigen Ton getroffen haben
- Kontexte, die wir jedes Mal neu eingeben mussten
- Gespräche mit hunderten von Nachrichten, in denen wichtige Entscheidungen steckten
Und dann diese eine Frage: Was davon ist wirklich wichtig?
Wir haben uns entschieden, nichts zu verlieren. Dafür haben wir einen Prompt entwickelt, ein speziell auf ChatGPT und Langdock zugeschnittenes Context Extraction System. Klingt fancy, ist aber eigentlich nur strukturiertes Aufräumen. Wir haben den Prompt in einen neuen ChatGPT-Chat gestellt und das Thinking-Modell zur Bearbeitung gewählt. Das Ergebnis: ein detailliertes 18-seitiges Dokument.
Was das Context Extraction Dokument enthält:
- Identität & Rolle
- Projekt-Kontext
- Kommunikations-Stil & Verbote
- Fachliche Entscheidungen
- Erarbeitete Inhalte & Artefakte
- Frameworks, Modelle & Terminologie
- Constraints & Regeln
- Offene Fragen & nächste Schritte
- Feedback-Muster
Das Dokument haben wir in verschiedenen Schichten in Langdock integriert:
- Custom Instructions mit Verbotsliste und Tonalität (wirkt überall)
- Schreibstil-Skill anlegen (aktiviert sich bei Textproduktion)
- Wissensordner mit dem vollständigen Dokument erstellen
Workspace-Setup: Wer macht was?
Langdock ist ein Team-Tool. Das heißt: Nicht jede:r macht alles, sondern wir müssen uns einigen, wer was steuert. Klingt logisch. Ist in der Praxis aber überraschend kompliziert.
Die Modell-Frage: Weniger Freiheit, mehr Klarheit
Eine der ersten echten Entscheidungen war die Frage nach dem Standardmodell. Und hier haben wir uns bewusst gegen maximale Freiheit entschieden.
Alle Mitarbeiter:innen starten mit Mistral Large als Basismodell. Nicht weil es das stärkste Modell ist, sondern weil es für die meisten Alltagsaufgaben ausreicht, kosteneffizient ist und einen klaren Ausgangspunkt schafft. Wer ein leistungsstärkeres Modell nutzen will, kann das. Aber erst nach einer Schulung.
Wie wir Kundenprojekte strukturieren
Das zweite große Thema war die Frage: Wie arbeiten wir für Kunden? Und hier hat Langdock eine Antwort, die wir so nicht erwartet hatten.
Für jeden Kunden legen wir ein eigenes Projekt an. In diesem Projekt arbeiten die zuständigen Mitarbeiter:innen, können es mit Kolleg:innen teilen und haben alles an einem Ort:
- Anweisungen, die dem System sagen, wie es für diesen Kunden arbeiten soll: Tonalität, Zielgruppen, Branchenkontext, Besonderheiten
- Angehängte Dateien mit allem, was das System über den Kunden wissen muss: Beispieltexte, Produkte, bisherige Inhalte, Entscheidungen, CD
- Skills, die speziell für diesen Kunden greifen: Schreibstil, Formatvorgaben, individuelle Anpassungen auf Basis der allgemeinen Vorlagen
Das Prinzip dahinter: Kein Mitarbeiter soll bei jedem neuen Chat von vorne anfangen. Das System kennt den Kunden. Und das gilt für alle, die an diesem Projekt arbeiten.
Skills als Vorlagen, die man individualisieren kann
Was uns dabei besonders gefällt: Skills funktionieren auf zwei Ebenen. Es gibt allgemeine Vorlagen, die für alle Mitarbeiter nutzbar sind, zum Beispiel ein Standard-Schreibstil-Skill oder ein Skill für Social-Media-Posts. Und es gibt individualisierte Versionen davon, die für einen bestimmten Kunden oder den individuellen angepasst wurden.
Einmal gebaut, einmal gepflegt, für alle nutzbar. Das ist der Gedanke dahinter.
Systemprompts: Oder wie man einer KI beibringt, nicht wie eine KI zu klingen
Das Erste, was Langdock von ChatGPT unterscheidet, ist die Möglichkeit, Systemprompts auf Workspace-Ebene zu hinterlegen. Kein manuelles Eintippen mehr. Kein „Erkläre mir kurz, wer ich bin“. Das System weiß es einfach.
Dazu ein absolutes Verbot von Gedankenstrichen als Stilmittel. Klingt pedantisch? Ist es auch. Aber wisst ihr, was das Problem mit den meisten KI-generierten Texten ist? Sie sind nicht schlecht. Sie sind nur alle gleich. Als würden sie aus derselben Vorlage kommen. Dieser glatte, runde, vollständige Ton, der sich liest wie ein Hochglanzprospekt.
Unser Prompt ist der Gegenentwurf. Er zwingt die KI, sich an meinen Ton anzupassen. Nicht umgekehrt. Und das ist keine Spielerei. Es ist eine Frage von Markenidentität. Wenn ihr wollt, dass eure Texte etwas mehr nach euch klingen und nicht nach „KI mit menschlichem Anstrich“, dann braucht ihr genau das: einen Prompt, der der KI sagt, was sie nicht tun soll.
Kleiner Tipp am Rande: Die Verbotsliste ist oft wichtiger als die Anweisungsliste. Probiert es aus.
Skills: Das Feature, von dem wir nicht wussten, dass wir es brauchen
Jetzt wird es richtig interessant. Skills sind das Konzept in Langdock, das uns am meisten überrascht hat. Ein Skill ist eine gespeicherte Instruktionsebene, die einem Assistenten beibringt, wie er in einem bestimmten Kontext arbeiten soll. Nicht nur was er tun soll, sondern wie.
Unser erster Skill: Präsentationen im Y-SiTE-Design
Früher war das eine Frage der Disziplin. Wer baut die Folie? In welcher Schrift? Welche Farben? Und stimmt das Farbschema überhaupt noch mit dem aktuellen Corporate Design überein? Jetzt gibt es dafür einen Skill. Der Y-SiTE-Präsentations-Skill kennt das Farbschema, die Schriften, die Layoutlogik. Wer eine neue Präsentation braucht, startet nicht mehr bei null. Das System weiß, wie Y-SiTE aussieht.
Klingt nach Kleinigkeit. Ist es nicht. Denn die Alternative ist: Jede:r macht es irgendwie. Und irgendwie ist selten konsistent.
Unsere Basis-Skills:
- Schreibstil-Skill: Sorgt dafür, dass Texte nach mir klingen, nicht nach KI
- Y-SiTE-Präsentation: Folien im Corporate Design, ohne jedes Mal von vorne anzufangen
- Word-Dokumente im Y-SiTE-Design: Farbschema, Schriften, Layout
- Excel-Tabellen mit unserem Farbschema: Automatisch formatiert
- Diktat-Korrektur: Normalisiert Eigennamen, die beim Diktat falsch transkribiert werden
- E-Mail-Signatur: HTML-Signatur für Outlook-Entwürfe
Das Prinzip: Alles, was sich wiederholt, lässt sich als Skill abbilden. Einmal gebaut, funktioniert es für alle im Team. Keine Nachfragen mehr. Keine Fehler. Kein „Wie war das nochmal mit der Formatierung?“.
Das ist der Punkt, an dem aus einem KI-Tool ein System wird, das wirklich für euch arbeitet.
Hier könnt ihr Langdock kostenlos testen:
Was wir gelernt haben (und was noch offen ist)
Der Aufbau eines Langdock-Workspaces ist kein technisches Projekt. Es ist ein inhaltliches. Man muss entscheiden:
- Was soll das System wissen?
- Wie will das Team arbeiten?
- Welche Prozesse sind wirklich standardisierbar?
Das braucht Zeit. Und ein paar ehrliche Gespräche im Team. Und die Bereitschaft, zuzugeben, dass man manche Dinge bisher einfach chaotisch gemacht hat.
Wir haben dafür eine Checkliste gebaut, die wir intern nutzen. Workspace-Setup, Modelle, Integrationen, Rollen, Datenschutz, Onboarding. Nicht alles ist schon erledigt. Aber wir wissen, was noch fehlt. Und das ist mehr, als wir vor vier Wochen sagen konnten.
In Teil 3 zeigen wir euch:
- Wie wir die ersten echten Projekte in Langdock umgesetzt haben
- Was dabei schiefgelaufen ist
- Welche Skills sich in der Praxis bewährt haben (und welche nicht)
Spoiler: Es war nicht alles perfekt. Aber genau das macht den Unterschied zwischen Theorie und Praxis.
Bleibt neugierig!
Genutzte KI-Tools für diese Ausgabe: Langdock (Drafting, Strukturierung), eigene Promptbibliothek (Schreibstil-Skill, Context Extraction System)
Diese Ausgabe ist Teil unserer Langdock-Serie. Teil 1 findet ihr [hier].
Sarah Hildebrand Raphael Krempler Marcel Drath-Stohler Enver Yuseinov Jan Reinald Grebe Lars Bossemeyer
Über Lars Bossemeyer
Ich beschäftige mich mit Künstlicher Intelligenz nicht aus Neugier, sondern aus Verantwortung.
Als Inhaber einer Social-Media-Agentur mit 30 Mitarbeitern sehe ich glasklar, welche Umwälzungen auf Kommunikation, Marketing und ganze Organisationen zukommen. KI verändert nicht nur Tools, sondern Denkweisen. Wer sie nicht versteht, wird zum Spielball der Zeit. Wer sie versteht, gestaltet Zukunft.
Ich begleite Menschen und Unternehmen auf genau diesem Weg. Von der ersten Faszination zur souveränen Anwendung. Vom „Wow, was möglich ist“ zum „Wie setzen wir es sinnvoll ein?“
Meine Schwerpunkte:
- Strategie und Didaktik: Ich vermittle KI so, dass Menschen sie wirklich verstehen und anwenden.
- Praxis und Kreativität: Ich zeige, wie generative KI Text-, Bild- und Videoprozesse beschleunigt, ohne Authentizität zu verlieren.
- Custom GPTs und Agentenlogik: Ich entwickle spezialisierte KI-Assistent:innen für Kommunikation, Recruiting und Compliance, praxisnah, transparent und teamfähig.
- Ethik und EU AI Act: Ich helfe, KI verantwortungsvoll einzuführen, ohne Angst, aber mit Bewusstsein für Risiken und Regulierung.
Ich bin kein Data Scientist und das ist gut so. Meine Stärke liegt im Übersetzen: zwischen Mensch und Maschine, zwischen Neugier und Nutzen, zwischen Theorie und Anwendung.
Mein Ziel ist, dass Menschen KI nicht als Bedrohung erleben, sondern als Werkzeug, das sie befähigt, ihre Arbeit klüger, kreativer und menschlicher zu gestalten.
Jetzt unverbindlichen Beratungstermin vereinbaren: https://calendly.com/y-site-akademie
