Entdecke Elenas WBS CODING SCHOOL Projekt. Sie hat Prompt Engineering gelernt und Trainings-Aufgaben mit KI und No-Code-Tools wie Airtable und Slack automatisiert. Lies ihre Geschichte und bewirb dich für unseren KI für den Beruf Kurs!
Das Wichtigste in Kürze
- Studentin: Elena Giannetti, Learning and Development Managerin.
- Kurs: KI für den Beruf.
- WBS CODING SCHOOL Projekt: Vorlage für das Trainingsmanagement von Mitarbeiter:innen.
- Tools: Airtable, Slack, Make, HeyGen.
- Ziel: Eine gemeinsame Plattform für alle Beteiligten schaffen und manuelle Kontrollen reduzieren.
Elena Giannetti erkannte früh, dass sich ihr Feld veränderte. Als Learning and Development Managerin, die ihre Karriere als Trainerin begonnen hatte, sah sie eine Landschaft voller Möglichkeiten, besonders im Bereich künstliche Intelligenz.
Für viele im Trainingsbereich besteht der Arbeitsalltag aus Tabellenkalkulationen, manueller Nachverfolgung und endlosen E-Mail-Erinnerungen. Elena wollte diese Dynamik verändern.
„Mir war klar, dass KI eine wichtige Unterstützung für meinen Job werden würde, also entschied ich mich, so viel wie möglich darüber zu lernen“, erklärt sie.
Sie kam mit einem klaren Ziel zur WBS CODING SCHOOL: Sie wollte mehr darüber lernen, wie KI den Bereich Projektmanagement unterstützen kann. Ihr Weg vom manuellen Management zu automatisierter Effizienz dient als Vorlage für Fachleute, die ihre Arbeitsabläufe modernisieren wollen.
Schau dir Elenas vollständige WBS CODING SCHOOL Projektpräsentation auf YouTube an:
Inhaltsverzeichnis
Die Herausforderung der manuellen Nachverfolgung
In ihrer Rolle stand Elena vor einem universellen Problem für L&D-Abteilungen: der administrativen Belastung. Sie musste Trainings, Anwesenheit, Bewertungen und Zeitpläne für zahlreiche Mitarbeitende nachverfolgen.
Traditionell erfordert das, dass eine Führungskraft ständig den Status jeder einzelnen Person im Blick behält.
„Das Ziel war, nicht bei jeder einzelnen Person den Status prüfen zu müssen“, sagt Elena.
Sie stellte sich ein System vor, in dem jede beteiligte Person ihre eigene Übersicht mit den Informationen hat, die sie zu ihrem Team braucht. Das würde Zeit für strategischere Aufgaben freimachen, erforderte aber eine robuste technische Lösung.
WBS CODING SCHOOL Projekt: Ein automatisiertes Ökosystem aufbauen
Für ihr Abschlussprojekt, eine Erklärung, wie Airtable die Trainingsabteilung unterstützen kann, baute Elena eine zentrale Plattform. Sie nutzte Airtable, um alle Trainingsdaten zu sammeln und für das Learning-and-Development-Team leicht zugänglich zu machen.
Aber eine Datenbank allein löst nicht die Kommunikationslücke. Um das anzugehen, integrierte Elena Automatisierungstools.
„Ich konnte außerdem eine Verbindung zwischen Airtable und Slack herstellen“, merkt sie an.
Durch die Nutzung von Make zur Verbindung dieser Plattformen konnte das System jeder Person Nachrichten mit Erinnerungen und Trainingsergebnissen schicken. Diese Automatisierung war gezielt darauf ausgelegt, den Arbeitsaufwand der Führungskräfte zu reduzieren.
Das System nutzte außerdem KI-generierte Inhalte. Elena erstellte drei KI-Basistrainings mit HeyGen. Das zeigte, dass KI nicht nur das Management von Trainings übernehmen kann, sondern auch die Erstellung der Materialien selbst.
Die Kraft eines strukturierten Prompts
So beeindruckend die Tools auch waren, Elenas wichtigste Erkenntnis war die grundlegende Fähigkeit, mit Large Language Models (LLMs) zu kommunizieren. Sie stellte fest, dass der Unterschied zwischen einem mittelmäßigen und einem großartigen Ergebnis im Prompt liegt.
„Etwas über Prompting und die verfügbaren KI-Tools zu lernen, hat mir wirklich eine neue Welt eröffnet“, erzählt sie.
Sie ist überzeugt, dass Prompting das Grundwissen ist, das man braucht, um LLMs bestmöglich zu nutzen. Während ihrer Präsentation teilte sie eine konkrete Formel, die sie für konsistente Ergebnisse nutzt:
„Rolle plus Aufgabe plus Kontext plus Einschränkungen plus Ausgabeformat plus Bewertung“, zählt sie auf.
Mit dieser Struktur stellt sie sicher, dass die KI genau versteht, was gebraucht wird.
„Ein guter Prompt muss erst erstellt werden, um wirksam zu sein“, rät Elena. „Und das macht einen großen Unterschied: Wenn man weiß, wie man einen schreibt, bekommt man das gewünschte Ergebnis viel schneller.“
Wie schreibt man einen guten KI-Prompt?
Ein guter KI-Prompt kombiniert sechs Elemente: Rolle, Aufgabe, Kontext, Einschränkungen, gewünschtes Ausgabeformat und eine Bewertungsvorgabe. Diese Struktur sorgt dafür, dass ein LLM genau versteht, was von ihm erwartet wird, statt ein vages oder generisches Ergebnis zu liefern. Wer diese Formel konsequent anwendet, bekommt laut Elena Giannetti deutlich schneller das gewünschte Ergebnis, weil das Modell nicht raten muss, was gemeint ist.
Zusammenfassung
Elena Giannetti nutzte ihre Zeit bei der WBS CODING SCHOOL, um einen manuellen, administrativen Prozess in einen automatisierten Workflow zu verwandeln. Durch die Kombination von Airtable, Slack und KI-Tools schuf sie ein System, das Beteiligte und Lernende automatisch auf dem Laufenden hält. Ihre Erfahrung zeigt: Die Logik des Promptings zu lernen ist genauso entscheidend wie das Erlernen der Tools selbst.
Bereit, deine eigenen KI-Tools zu bauen?
Elena brauchte kein Informatikstudium, um ihre Abteilung zu automatisieren, sie brauchte nur die richtige Anleitung. In unserem KI für den Beruf Kurs lernst du dieselben Tools zu beherrschen, die sie genutzt hat: strukturiertes Prompting, Automatisierung mit Make und der Bau von Systemen, die dir jede Woche Stunden sparen.
Verwalte repetitive Aufgaben nicht länger manuell. Bau dir die Lösung.
