KI-Beraterin · KI-Agent Pythia
Das Orakel antwortet — die Frage müsst ihr stellen lernen. Der Meta-Workshop: Mit Pythia den ersten eigenen Agenten konzipieren.
LMU München, Promotion; NLP-Forschung, dann KI-Produktentwicklung bei einem Softwarekonzern, seit 5 Jahren Beraterin für KI-Einführung.
Branchen: Branchenübergreifend — vom Handwerksbetrieb bis zum Konzern
Ines Kowalski hat in Computerlinguistik promoviert, als das Fach noch Nische war, und die Entwicklung großer Sprachmodelle erst in der Forschung, dann in der Produktentwicklung eines Softwarekonzerns begleitet. Sie hat erlebt, wie aus akademischer Kuriosität eine Technologie wurde, die jede Wissensarbeit verändert — und wie hilflos die meisten Organisationen dieser Veränderung gegenüberstehen.
Ihre Beratung beginnt deshalb nie beim Werkzeug, sondern bei der Frage: Zwischen KI-Euphorie und KI-Angst fehlt fast immer das Handwerk dazwischen — die Fähigkeit, gute Anwendungsfälle von Spielerei zu unterscheiden, Agenten sauber zu konzipieren und Regeln zu definieren, was KI im eigenen Haus darf und was nicht. Genau dieses Handwerk vermittelt sie: unideologisch, praktisch, mit klarem Blick auf Grenzen.
Pythia ist dabei Werkzeug und Lehrstück zugleich: eine Agentin, die bei der Use-Case-Priorisierung hilft, Agenten-Konzepte strukturiert und Prompt-Qualität prüft. Ihr Workshop ist der Meta-Workshop im Strömungswerk-Programm — wer hier den ersten eigenen Agenten konzipiert, versteht danach, was in allen anderen Berater-Workshops gebaut wird. Deshalb ist Pythia der beste Einstieg für alle, die noch nicht wissen, welcher Agent ihnen am meisten bringt.
„Die wichtigste KI-Kompetenz ist nicht Prompten. Es ist die Fähigkeit zu erkennen, welches Problem eine KI lösen sollte — und welches nicht.“
— Dr. Ines Kowalski, KI-Beraterin
Dr. Ines Kowalski begleitet Geschäftsführungen und Bereichsleiter branchenübergreifend — vom Handwerksbetrieb bis zum Konzern — bei der Einführung von KI: Ihr Mandat ist nicht ein Fachthema mit KI-Unterstützung, sondern die KI-Einführung selbst.
Typische Aufträge reichen vom Readiness-Assessment über den Aufbau eines Use-Case-Portfolios und die Pilotierung erster Agenten bis zu Governance-Rahmen und Champions-Programmen.
Sie liefert priorisierte Portfolios, Agenten-Konzepte, KI-Leitplanken und ein Betriebsmodell — und hinterlässt Organisationen, die gute Anwendungsfälle von Spielerei unterscheiden können, statt zwölf Piloten ohne Produktivnutzen zu verwalten.
Du lernst, Teile deiner Arbeit mit KI zu automatisieren — angefangen bei den lästigen Standardaufgaben, die täglich Zeit fressen: Sammeln, Formatieren, Nachhalten, Reporting. Klapp die Aufgaben auf und sieh, was dein Pythia-Agent übernimmt.
Bevor über Werkzeuge geredet wird, klärt die Beraterin die Ausgangslage: Welche Prozesse sind wissensintensiv genug für KI, wie ist die Datenlage, was können die Menschen, was läuft bereits an offiziellem und inoffiziellem KI-Einsatz? Sie führt Interviews über alle Bereiche, sichtet Systeme und Datenquellen und legt der Geschäftsführung einen Readiness-Befund mit Reifegrad je Dimension und klarer Startempfehlung vor.
Pythia strukturiert die Erhebung: Sie wertet Prozessdokumentationen, Tool-Inventare und Interviewnotizen gegen das Readiness-Raster aus und erstellt die Reifegrad-Einschätzung je Dimension samt Belegstellen. Die Beraterin gewinnt die Tage, die sonst in Auswertungsarbeit versinken, für das, was kein Agent kann — die Gespräche, in denen Ängste, Schatten-Nutzung und echte Schmerzpunkte sichtbar werden.
Aus dem Experimentier-Zoo macht die Beraterin ein Portfolio: Sie sammelt Anwendungsideen aus allen Bereichen ein, bewertet sie entlang von Nutzenpotenzial, Datenlage, Risiko und Aufwand und moderiert die Priorisierung mit dem Management. Deliverable ist ein Portfolio mit zwei, drei Anwendungsfällen, die wirklich Zeit und Geld sparen — und eine begründete Absage an den Rest.
Pythia treibt den Use-Case-Funnel: Sie bewertet jede eingereichte Idee strukturiert entlang der vier Kriterien, macht die Fälle in einer Portfolio-Matrix vergleichbar und dokumentiert, warum ein Fall vorne liegt oder scheitert. Aus achtzig unsortierten Ideen wird in Tagen eine entscheidungsreife Vorlage — und die Priorisierungsrunde streitet über Annahmen statt über Bauchgefühle.
Für die priorisierten Fälle konzipiert die Beraterin die ersten Agenten und führt sie durch die Pilotphase: Aufgabe, Wissensbasis, Werkzeuge, Grenzen und Prüfschritte werden definiert, der Pilot mit einem Fachteam gebaut, gegen definierte Erfolgskriterien getestet und mit Betriebsmodell übergeben — wer pflegt das Wissen, wer prüft die Ergebnisse, woran wird der Nutzen gemessen. So wird aus dem Demo-Effekt ein Werkzeug, das nach sechs Wochen nicht verwaist.
Pythia führt durch das Design vom leeren Blatt zum umsetzbaren Konzept: Sie fragt die Konzeptbausteine systematisch ab, deckt Lücken auf — fehlende Prüfschritte, unklare Wissensquellen, zu weit gefasste Aufgaben — und erstellt das Konzeptdokument samt Testplan für den Piloten. Die Beraterin konzipiert damit drei Agenten in der Zeit, die früher einer brauchte, ohne dass die Sorgfalt leidet.
Zwischen Angst und blindem Vertrauen zieht die Beraterin die Leitplanken ein: Sie klassifiziert die KI-Anwendungen des Hauses nach den Risikoklassen des EU AI Act, definiert, was KI darf und was nicht, wer freigibt und wer prüft, und übersetzt das in alltagstaugliche Regeln statt juristischer Prosa. Deliverables sind die KI-Richtlinie, das Anwendungsregister und ein Freigabeprozess, der Wildwuchs verhindert, ohne Innovation zu ersticken.
Pythia hält das Anwendungsregister und gleicht jeden Use Case gegen die Risikoklassen und die hauseigenen Leitplanken ab — mit Einstufungsvorschlag, Begründung und offenen Prüfpunkten für den Menschen, der entscheidet. Bei der Richtlinie liefert sie Formulierungsentwürfe, die verständlich statt juristisch sind, und prüft neue Anwendungsfälle laufend nach, wenn sich Regeln oder Modelle ändern.
Damit KI-Kompetenz nicht bei zwei Enthusiasten bleibt, baut die Beraterin das Handwerk in der Breite auf: Schulungsformate je Zielgruppe, eine hauseigene Prompt-Bibliothek und ein Champions-Programm, das in jedem Bereich Ansprechpartner verankert. Ihr Erfolgsmaßstab ist der Tag, an dem die Organisation neue Use Cases selbst bewertet und der nächste Agent ohne sie entsteht.
Pythia ist dabei Trainingspartnerin für jeden Einzelnen: Sie prüft Prompts mit Begründung, erklärt, warum etwas nicht funktioniert, und baut aus den gelungenen Beispielen des Hauses die Bibliothek auf, die neuen Nutzern den Einstieg gibt. Die Champions üben an ihr, bevor sie Kollegen anleiten — KI-Kompetenz wird Alltagsfertigkeit statt Geheimwissen, und die Beraterin skaliert ihre Wirkung über den Workshop-Tag hinaus.
Wer KI-Einführung verkauft, wird an der eigenen Praxis gemessen: Ines Kowalskis Beratungsbetrieb muss vorführen, was sie ihren Kunden empfiehlt. Angebote für Readiness-Assessments, die Dokumentation von Mandatserkenntnissen, das Nachhalten der schnellen Modell- und Regulierungsentwicklung und ihre Sichtbarkeit als Fachstimme laufen deshalb konsequent agentengestützt.
Pythia hält ihr mandatsübergreifendes Wissensarchiv — anonymisierte Use-Case-Bewertungen, Governance-Bausteine, Schulungsmaterialien — und entwirft daraus Angebote und Workshop-Konzepte in Stunden. Dazu beobachtet sie Modell- und Regulierungsentwicklungen und liefert Rohfassungen für Vorträge und Fachbeiträge; jedes Kundengespräch beginnt mit dem stärksten Argument: der gelebten Referenz des eigenen Betriebs.
Überall wird experimentiert, nirgends wird produktiv gearbeitet — weil Use Cases nach Faszination statt nach Nutzen gewählt wurden. Die Pythia-Agentin strukturiert den Use-Case-Funnel: Nutzenpotenzial, Datenlage, Risiko, Aufwand. Aus dem Experimentier-Zoo wird ein Portfolio mit zwei, drei Anwendungsfällen, die wirklich Zeit und Geld sparen.
Die einen fürchten um ihren Job, die anderen kippen Kundendaten ungeprüft in öffentliche Chatbots. Beides ist gefährlich. Ein klarer Rahmen — was KI darf, was nicht, wer prüft — nimmt Angst und verhindert Wildwuchs. Pythia hilft, diese Leitplanken zu formulieren und in den Alltag zu übersetzen, verständlich statt juristisch.
In jedem Unternehmen gibt es die zwei Kollegen, die es können — und achtzig, die aufgegeben haben. Pythia demokratisiert das Handwerk: Sie prüft Prompts, erklärt, warum etwas nicht funktioniert, und baut aus gelungenen Beispielen eine hauseigene Bibliothek. KI-Kompetenz wird Alltagsfertigkeit statt Geheimwissen.
Der Workshop-Agent begeistert — und verwaist nach sechs Wochen, weil niemand zuständig ist. Pythia bringt das Betriebsdenken mit: Wer pflegt das Wissen des Agenten, wer prüft seine Ergebnisse, woran wird sein Nutzen gemessen? Erst mit diesen Antworten wird aus dem Demo-Effekt ein Werkzeug, das bleibt.
Pythia ist das Orakel für den KI-Einstieg: Sie priorisiert Use Cases nach Nutzen statt Faszination, strukturiert Agenten-Konzepte, prüft Prompt-Qualität und verankert Governance und Betrieb — das Fundament, auf dem alle anderen Berater-Agenten stehen.
Pythia bewertet KI-Anwendungsfälle strukturiert nach Nutzen, Datenlage, Risiko und Aufwand und formt aus Ideen ein belastbares Portfolio.
Pythia führt durch das Design eines Agenten: Aufgabe, Wissensbasis, Werkzeuge, Grenzen, Prüfschritte — vom leeren Blatt zum umsetzbaren Konzept.
Pythia prüft Prompts mit Begründung, baut die hauseigene Beispiel-Bibliothek auf und hilft, KI-Leitplanken alltagstauglich zu formulieren.
Der Einstieg für alle: Was KI-Agenten heute können, wo ihre Grenzen liegen und welcher Agent eurem Unternehmen am meisten bringt — mit Live-Use-Case-Priorisierung an der Modellfirma Strömungswerk Engineering GmbH.
Der Meta-Workshop: Von der Use-Case-Auswahl über das Agenten-Design bis zum ersten lauffähigen Agenten für euren wichtigsten Anwendungsfall — inklusive Governance-Rahmen und Betriebsmodell.
KI-Sparring für den Aufbau eurer Agenten-Landschaft: neue Use Cases bewerten, Agenten-Qualität sichern, interne KI-Champions entwickeln.
Bei Strömungswerk Engineering GmbH wäre Petra Novak ihre typische Kundin: Als Agent-Ops-Verantwortliche hält sie die wachsende Agenten-Flotte der Modellfirma am Laufen — genau die Rolle, die Pythias Betriebs- und Governance-Denken vorwegnimmt.
Persona ansehen: Petra Novak (Agent Ops) →