Die einzige KI-Fähigkeit, die wirklich zählt
«25 ChatGPT-Prompts für Deinen Social Media Erfolg.» Oder: «7 Steps to master Claude Cowork in one Week». Auf LinkedIn und auf YouTube wimmelt es von Tipps, Cheat Sheets, Geheimtricks und Anleitungen. Kurzversion: «How to Claude in 2026». Manche der Anleitungen sind von geradezu beleidigender Einfachheit. Andere versprechen vermeintlich geheime Einsichten in die Funktionsweise der KI. Ich muss immer schmunzeln, wenn ich solche Anleitungen sehe. Schliesslich geht es nicht um eine komplizierte Maschine mit vielen Knöpfen, sondern um ein Programm, das darauf spezialisiert ist, Erklärungen zu generieren. Auch über sich selbst. Wer wissen möchte, wie die KI funktioniert, kann sie ganz einfach fragen. Die meisten Cheat Sheets sind denn auch genau das: KI generiert. Sie glauben mir nicht? Fragen Sie ihre KI … Bei der Arbeit mit den Programmen kommt es nicht auf solche Geheimtricks an, zumal die Tricks sehr schnell veralten. Sie müssen auch keine Schaltdiagramme auswendig lernen oder spezifische Befehle. Es gibt eine einzige Fähigkeit, die Sie für die Arbeit mit KI wirklich brauchen. Und nicht nur dafür. Auch diese Woche habe ich Ihnen dafür ein kleines Denkwerkzeug gebaut, mit dessen Hilfe Sie sich jene Schlüsselkompetenz aneignen können. Es ist das einzige «Cheat-Sheet», das Sie wirklich brauchen.
Wenn ich mir meinen LinkedIn-Feed anschaue und die Werbemails lese, die mich erreichen, kriege ich den Eindruck, dass KI vor allem eine Frage von Tricks und Geheimtipps ist. Beliebt sind Titel wie: «How to use Claude better than 99% of people» oder «How to build your own AI Agent in 10 Minutes». Die Mails und Postings arbeiten alle nach einem ähnlichen Prinzip. Sie suggerieren, dass der Absender das KI-Geheimnis geknackt hat und dass Sie, wenn Sie seine Tricks befolgen, ebenfalls eintreten in den exklusiven Club der Menschen, die KI beherrschen. Die Botschaft lautet also: Es trennen Sie nur einige Tricks, ein Cheat-Sheet und einige Geheimtipps vom durchschlagenden Erfolg mit der KI.
Einige dieser Tipps sind sicher nützlich. Ob Sie die KI erfolgreich einsetzen, hängt jedoch nicht davon ab. Ich biete Ihnen deshalb heute kein neues Cheat Sheet und keine besonderen Tipps. Ich verrate Ihnen nicht den ultimativen KI-Befehl und auch kein besonders trickreiches Vorgehen. Es ist zugleich viel einfacher und unendlich viel komplizierter: Wenn Sie mit KI etwas erreichen wollen, müssen Sie ein Ziel haben. Halt, bleiben Sie dran, das ist viel schwieriger, als Sie jetzt vielleicht meinen. So einfach es klingt – genau daran hängt der Erfolg des KI-Einsatzes und nicht nur das. Schauen wir uns deshalb etwas genauer an, was das meint, ein Ziel zu haben.
Wenn Sie ein Ziel erreichen wollen, benötigen Sie fünf Dinge:
- Ein klares Ziel.
- Die Fähigkeit, dieses Ziel präzise zu formulieren.
- Eine Vorstellung davon, welche Schritte Sie zu diesem Ziel führen.
- Die Möglichkeit, das Erreichen der Zwischenschritte und des Ziels zu überprüfen.
- Ausreichend Willen, dieses Ziel anzustreben.
Wenn Sie diese fünf Aspekte kombinieren, dann sind Sie in der Lage, sich gute Ziele zu setzen. Die KI kann Ihnen dabei helfen. Sie können von der KI lernen. Aber die KI ist keine Fee mit einem Zauberstab. Im Gegenteil: Gerade wenn Sie mit KI arbeiten, brauchen Sie gute Ziele und Kompetenzen, diese Ziele auch zu verfolgen. Ganz egal, was Sie eingeben, die KI produziert plausibel klingende Inhalte. Auch auf schlechte Fragen erhalten Sie schön formulierte Antworten. Bei einem Hammer ist das anders: Wer den Hammer nicht beherrscht, spürt das meist schnell am eigenen Daumen – und wer den Hammer ohne Ziel und Sinn zur Hand nimmt, schafft nichts Konstruktives. Das ist bei der KI anders: Sie produziert immer Antworten. Dabei kann es sich aber auch um überzeugend verpackten Unsinn handeln. Wer nicht kompetent genug ist, die Antworten zu beurteilen, fällt darauf herein und verliert viel Zeit. Anders gesagt: Die KI ist nur so gut wie die Daten, die Informationen und die Vorgaben, die sie ergeben.
1) Ein klares Ziel
Beginnen wir mit dem Ziel. Ich meine damit nicht die ganz grossen Ziele im Sinne von: Ich möchte reich und glücklich sein. Ich denke an Ziele im Umfeld der Arbeit. Ein Ziel wie: Ich habe mehr Kundinnen und Kunden. Oder: Ich habe eine schönere Website. Ich erziele doppelt so viel Umsatz. Das Problem dabei ist: Das sind nicht wirklich Ziele, das sind Wünsche. Nehmen wir das Ziel mit der Zahl der Kunden. Wollen Sie wirklich mehr Kundinnen und Kunden oder wollen Sie nur mehr Umsatz und Ertrag? Brauchen Sie dafür mehr Kunden oder ist es vielleicht besser, wenn Sie pro Kunde mehr Umsatz machen? Und wozu wünschen Sie sich mehr Umsatz? Kommt es auf den Umsatz an, oder geht es eher um den Ertrag?
Besonders hübsch ist der Wunsch nach einer schöneren Website. Das Programmieren einer Website ist das beliebteste Beispiel für die programmierende KI. Sie finden auf YouTube unzählige Videos mit Demonstrationen, wie Claude Code im Handumdrehen eine neue Website kreiert, samt Animationen und versteckten Spielelementen. Es ist wirklich eindrücklich, was die KI in kurzer Zeit in HTML und JavaScript zusammen stecken kann. Die Frage, die dabei untergeht: Was ist das Ziel der Website? Erfüllt die neue Seite diesen Zweck, und woran messen Sie das? Benötigen Sie überhaupt eine neue Website? Oder geht es vielmehr um eine Idee, wie Sie Ihre Leistung besser verkaufen können?
In grossen Unternehmen scheitern KI-Projekte oft daran, dass die Organisation kein gemeinsames Ziel formulieren kann. Die Kunst besteht darin, übergeordnete Ziele auf einzelne Abteilungen und Zuständigkeiten so herunterzubrechen, dass am Ende alle im Unternehmen sich an den übergeordneten Zielen beteiligen und in dieselbe Richtung stossen.
2) Das präzise Formulieren des Ziels.
Das führt uns zum zweiten Punkt: Ein Ziel zu haben, genügt nicht, Sie müssen die Fähigkeit haben, dieses Ziel präzise zu formulieren. Gut geeignet dafür ist die Smart-Methode: Ziele müssen spezifisch, messbar, ausführbar, realistisch und terminiert sein. Ein Ziel ist also kein allgemein formulierter Wunsch, sondern ein Projekt. Das Ziel ist spezifisch formuliert, es ist also definiert, was genau erreicht werden soll und wer daran beteiligt ist. Und vor allem: Es ist allen klar, warum dieses Ziel wichtig ist.
Dafür muss ein Ziel messbar sein. Das Ziel ist also mit quantitativen oder qualitativen Messgrössen unterlegt. Das Erreichen dieser Zielgrössen wird regelmässig überprüft. Ohne solche Messungen ist es schwierig, Fortschritt festzustellen und allenfalls den eingeschlagenen Weg zu korrigieren. Mit einem Ziel sollten wir uns herausfordern, das Ziel sollte dennoch erreichbar sein. Und: Ein Ziel benötigt einen klaren Zeitrahmen und einen Endtermin. Die Forschung zur Zielsetzungstheorie von Edwin A. Locke zeigt, dass spezifische und klar formulierte Ziele zu einem deutlich besseren Ergebnis führen als gar keine Ziele oder abstrakte Vorsätze.
Smarte Ziele und die KI
Das alles hat mit KI noch gar nichts zu tun. Die KI kann Ihnen dabei helfen, ein Ziel «smart» festzulegen, vor allem aber benötigen Sie Informationen, Zahlen, Daten und Fakten, um ein Ziel präzise zu formulieren. Sie müssen wissen, was machbar ist, welche Mittel Sie dafür benötigen und Sie müssen eine Vorstellung davon haben, wie Sie dieses Ziel erreichen könnten. Natürlich kann Ihnen die KI dabei helfen. Aber die Antwort der KI ist nur so gut, wie die Informationsbasis, die Sie der KI zur Verfügung stellen.
Ziele müssen also klar und messbar sein, das heisst aber nicht, dass sie einbetoniert sind. Ziele können sich mit der Zeit verändern, zum Beispiel durch die Arbeit mit KI. Man lernt dazu, die Umwelt ändert sich, neue Technologien tauchen auf. Zielsetzung ist also kein einmaliger Akt am Anfang. Ziele sind immer Hypothesen, die jederzeit überprüft werden müssen und die man mit jeder Iteration schärft. Auch dabei, übrigens, kann die KI helfen.
3) Planung: Die Schritte zum Ziel
Ob die Informationsbasis ausreicht, merken Sie rasch. Zum Beispiel, wenn Ihnen die KI mit Vorschlägen antwortet, die nichts mit Ihrer Realität zu tun haben. Das setzt aber voraus, dass Sie die Schritte, die die KI vorschlägt, auch beurteilen können. Ein erfahrener Koch kann die einzelnen Zubereitungsschritte eines Rezeptes auf den ersten Blick einschätzen. Er weiss sofort, was realistisch ist und was nicht. Und er kann den Plan so abändern, dass er für seine Küche stimmt. Ein Küchen-Neuling dagegen ist dem Rezept, das eine KI vorschlägt, hilflos ausgeliefert. Die KI nützt, mit anderen Worten, Experten viel mehr als Laien.
Das ist es, was ich meine, wenn ich von der KI als Multiplikationstechnologie spreche. Die KI multipliziert das Fachwissen und die Erfahrung des Menschen, der am Computer sitzt. Ist es ein Anfänger, hat er keine Ahnung von der Materie, wird es zu einer Multiplikation mit 0. Das heisst, es kommt nichts dabei raus. Wer KI in einem Unternehmen, einer Institution oder auch bei sich zu Hause einsetzen will, muss deshalb dafür sorgen, dass der Mensch am Computer genügend Fachwissen und Erfahrung hat, damit er die KI zielgerichtet steuern kann. Natürlich kann die KI den Menschen am Computer auch besser machen. KI ist ein guter Erklärer. Lernen mit KI funktioniert aber nur für Menschen, die Antworten kritisch prüfen und sich an realen Ergebnissen korrigieren.
4) Überprüfen und messen des Fortschritts
Zu smarten Zielen gehört auch, dass Ziele überprüfbar sind. Das meint: Der Fortschritt muss messbar, das Erreichte dokumentierbar sein. Eine brandneue Website zum Beispiel ist sinnlos, wenn Sie nicht überprüfen, ob die Seite auch aufgerufen wird, ob die zweite und die dritte Seite ebenso viel Publikum finden wie die Homepage und ob potenzielle Kundinnen und Kunden Ihr Angebot auch lesen. Natürlich kann Ihnen die KI dabei helfen, ein Analytic-Programm zu installieren und die Zahlen zu interpretieren. Wer für jeden Zwischenschritt aber auf Erklärungen durch die KI angewiesen ist, wird nicht weit kommen.
Es wird deshalb auch künftige Fachleute brauchen. Es kommt auf die Erfahrung und die Ausbildung der Menschen an, die am Computer sitzen. Es kommt aber genauso darauf an, dass diese Menschen in der Lage sind, KI zu bedienen, zu steuern und wissen, wie sie mit Prompts umgehen können. Es kommt auf die Kombination von Menschen und Maschine an.
5) Ausreichender Wille
Der letzte Punkt, der meistens vergessen geht: Das alles funktioniert nur, wenn der Mensch den Willen zeigt, ein Ziel zu erreichen. Das klingt banal. Manchmal braucht es aber ganz schön Ausdauer, um sich durch den Fragenkatalog der KI durchzutanken, auch das letzte Detail noch zu klären, die letzten Zahlen zusammenzusuchen oder das Ziel immer und immer wieder zu überprüfen. Wer diesen unbedingten Willen nicht hat, dem kann die beste KI nicht weiterhelfen. Ohne wirklichen Willen, ohne gut verankerte Motivation, nützen die besten Werkzeuge nichts.
Im Alltag äussert sich Wille nicht in heroischen Taten, sondern ist oft als banaler Durchhaltewille gefragt. Wir kennen das alle: Wir beginnen ein Projekt mit Begeisterung, aber wenn der Reiz des Neuen verblasst ist, vergeht auch die Lust daran. Nach der fünfzehnten Rückfrage der KI lässt man die Sache auf einem Browsertab einschlafen. Ich habe diese Erfahrung schon öfter gemacht. Daran war nicht die KI-Schuld, sondern mein nachlassender Wille.
Sie sehen: Gute Ziele zu formulieren, kann ganz schön anstrengend sein. Auch im Zeitalter der KI. Und das ist kein Widerspruch: Für die Nutzung der KI benötigen Sie dieselben Kompetenzen wie für das Formulieren eines smarten Ziels. Ein solches Ziel ist letztlich so etwas wie eine gut strukturierte Frage. Und eine solche Frage ist der beste Ausgangspunkt für einen wirklich wirksamen Prompt. Deshalb ersetzt die KI das Nachdenken über Ziele nicht, sondern setzt es voraus. Wenn Sie einen KI-Hack suchen, dann ist es diese Erkenntnis, die ich Ihnen bieten kann. Dies und die Einsicht, dass alle Cheat Sheets innert Wochen veralten. Zielsetzungskompetenz dagegen veraltet nie, sondern wird im Gegenteil in Kombination mit etwas KI-Kompetenz noch wirksamer.
Ich habe mich deshalb gefragt, wie wir dieser Zielsetzungskompetenz auf die Beine helfen können und habe dafür ein Denkwerkzeug gebaut. Ich nenne es den «Zielgenerator». Sie beantworten fünf Fragen. Mein kleines Werkzeug baut daraus einen Prompt samt Diagnose und Checkliste. Zu jeder Frage sind die Bezüge zur Forschung abrufbar.
Und das sind die fünf Fragen:
1) Was ist Ihr Ziel? Formulieren Sie Ihr Ziel in einem einfachen Satz. Etwa: «Ich möchte eine Landingpage, die Anfragen für mein Coaching generiert.»
2) Wozu? Das ist die Frage nach dem Ziel hinter dem Ziel. Was ändert sich, wenn Sie Ihr Ziel erreicht haben? Wer profitiert, was wird besser? Etwa: «Ich erhalte mehr qualifizierte Anfragen und verbrauche weniger Zeit für Vorgespräche.»
3) Woran merken Sie, dass die KI Ihnen wirklich geholfen hat? Das ist die Überprüfungsfrage: Was ist ein nützliches Resultat? Wie messen Sie es? Etwa: «Ein Textentwurf, der mein Angebot in 30 Sekunden klarmacht.»
4) Was muss die KI über Ihre Situation wissen? Das ist die Frage nach der Informationsbasis. Für den Test genügen Stichworte. Für die Ausarbeitung benötigen Sie dann belastbare Informationen.
5) Was machen Sie mit der Antwort? Das ist die Frage nach dem konkreten nächsten Schritt. Schreiben Sie also einen Kurzplan. Etwa: «Entwurf überarbeiten, Geschäftspartner gegenlesen lassen, Seite bis Freitag bauen.»
Das Resultat des Zielgenerators ist kein ausformuliertes Ziel, sondern ein Briefing für die KI. Das Tool bewertet dabei die Formulierung der Ziele. Es reklamiert zum Beispiel, wenn das Resultat genannt wird, aber nicht messbar ist, wenn Zahlen, Fristen oder konkrete Formate fehlen oder spezifischer Kontext genannt werden muss. Mein kleines Werkzeug hilft Ihnen, auf diese Weise Ziele möglichst konkret zu formulieren und in einen wirksamen Prompt für das KI Tool Ihrer Wahl auszubauen. Als kleinen Bonus nennt es auch die wissenschaftliche Literatur, die ich dafür verwendet habe.
Das Werkzeug soll auch vor Augen führen: wirksame KI-Abfragen setzen Handwerk voraus. Wer ohne Ziel mit KI arbeitet, bekommt elegant verpackten Unsinn und das schneller als je zuvor. Gute Ziele zu formulieren ist lernbar. Sie werden mit jeder Runde besser. Dazu benötigen Sie kein Talent, aber Übung und viele Informationen über sich selbst, Ihre Aufgaben und Ihre Arbeitsmittel. Bevor Sie das nächste Mal ChatGPT oder Claude öffnen, rufen Sie mein Denkwerkzeug auf. Es hilft Ihnen auf einfache Weise, Ihre Ziele klar zu formulieren.
Basel, 24.04.2026, Matthias Zehnder mz@matthiaszehnder.ch
Bleiben Sie auf dem Laufenden:
Hier den Wochenkommentar abonnieren.
- Hinweis auf den neuen Wochenkommentar
- Ein aktueller Sachbuchtipp
- Ein Roman-Tipp
- Das neue Fragebogeninterview
Nur dank Ihrer Unterstützung ist der Wochenkommentar möglich. Herzlichen Dank dafür!
Lieber hören als lesen?
Quellen:
Cocozza, Paula (2016): Is grit the true secret of success?, in: The Guardian, 2016, https://www.theguardian.com/lifeandstyle/2016/may/07/is-grit-the-true-secret-of-success [24.04.2026].
Deci, Edward L.; Ryan, Richard M. (2000): The „What“ and „Why“ of Goal Pursuits: Human Needs and the Self-Determination of Behavior, in: Psychological Inquiry, 11,4, 2000, S. 227–268, http://www.tandfonline.com/doi/abs/10.1207/S15327965PLI1104_01 [24.04.2026].
Dell’Acqua, Fabrizio; McFowland, Edward; Mollick, Ethan R.; Lifshitz-Assaf, Hila; Kellogg, Katherine; Rajendran, Saran; Krayer, Lisa; Candelon, François; Lakhani, Karim R. (2023): Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality, in: SSRN Electronic Journal, 2023, https://www.ssrn.com/abstract=4573321 [24.04.2026].
Denby, David (2016): The Limits of “Grit”, in: The New Yorker, 2016, https://www.newyorker.com/culture/culture-desk/the-limits-of-grit [24.04.2026].
Gollwitzer, Peter M.; Sheeran, Paschal (2006): Implementation Intentions and Goal Achievement: A Meta‐analysis of Effects and Processes, in: Advances in Experimental Social Psychology, Bd. 38, 2006, S. 69–119, https://linkinghub.elsevier.com/retrieve/pii/S0065260106380021 [24.04.2026].
Kluger, Avraham N.; DeNisi, Angelo (1996): The effects of feedback interventions on performance: A historical review, a meta-analysis, and a preliminary feedback intervention theory., in: Psychological Bulletin, 119,2, 1996, S. 254–284, https://doi.apa.org/doi/10.1037/0033-2909.119.2.254 [24.04.2026].
Locke, Edwin A.; Latham, Gary P. (2002): Building a practically useful theory of goal setting and task motivation: A 35-year odyssey., in: American Psychologist, 57,9, 2002, S. 705–717, https://doi.apa.org/doi/10.1037/0003-066X.57.9.705 [24.04.2026].
Mollick, Ethan (2025): Co-Intelligenz: leben und arbeiten mit künstlicher Intelligenz, übers. v. Jordan T. A. Wegberg, 1. Auflage, München 2025.
Locke, Edwin A.; Latham, Gary P. (Hgg.): New developments in goal setting and task performance, New York 2013.