Die uebertragbare Faehigkeit

Alles, was Sie ueber das Prompten von KI fuer Code gelernt haben, funktioniert in jeder Domaene:

Code-Prompt:
"Refactor this function to use async/await, add error handling,
 and return a typed response object."

Dokumentations-Prompt:
"Rewrite this technical doc to explain the concept to a non-technical
 product manager. Keep it under 500 words. Include a diagram description."

Daten-Prompt:
"Analyze this CSV of sales data. Find the top 5 products by revenue,
 identify month-over-month trends, and flag any anomalies."

Das Muster ist identisch: Rolle + Kontext + Aufgabe + Einschraenkungen + Format.

KI fuer Dokumentation

Dokumentation ist die Staerke der KI -- fuer Menschen muehsam, fuer KI unkompliziert:

Dokumentation aus Code generieren:

Read all the route handlers in /server/routes/admin/ and generate
an API reference document. For each endpoint, include:
- HTTP method and path
- Required headers (authentication)
- Request body schema with types
- Response schema with examples
- Error responses
- Rate limiting info if applicable

Dokumentation synchron halten:

Compare the current API documentation in docs/api.md with the
actual route handlers in server/routes/. List any discrepancies:
- Endpoints in code but not in docs
- Documented parameters that don't exist in code
- Wrong response formats in docs

Release Notes schreiben:

Read the git log since tag v1.8.0. Generate release notes for v1.9.0.
Group changes by: Features, Bug Fixes, Breaking Changes.
Write for a technical audience. Include commit references.

KI fuer Datenanalyse

Sie muessen kein Data Scientist sein, um Daten mit KI zu analysieren:

Schnellanalyse:

Here's a CSV with 10,000 rows of customer support tickets.
Columns: id, created_at, category, priority, resolution_time_hours,
         satisfaction_score, agent_name

Answer these questions:
1. Average resolution time by priority level
2. Which agent has the highest satisfaction scores?
3. Are resolution times trending up or down over the last 6 months?
4. What % of tickets are resolved within 4 hours by category?

Output the analysis as a markdown table + key insights.

Visualisierungscode generieren:

Write a Python script using matplotlib that creates:
1. Bar chart of tickets by category
2. Line chart of average resolution time per month
3. Scatter plot of resolution time vs satisfaction score
Save each chart as a PNG file. Use a clean, professional style.

KI fuer Automatisierung

Automatisieren Sie wiederkehrende Aufgaben mit KI-generierten Skripten:

Dateiorganisation:

Write a bash script that:
1. Scans ~/Downloads for files older than 30 days
2. Moves PDFs to ~/Archive/Documents/
3. Moves images to ~/Archive/Images/
4. Moves everything else to ~/Archive/Other/
5. Logs what was moved to ~/Archive/move-log.txt
6. Add a dry-run flag (--dry-run) that shows what would happen
   without actually moving anything

Datentransformation:

Write a Node.js script that reads all JSON files in ./data/,
combines them into a single CSV file, and:
- Flattens nested objects (user.name.first -> user_name_first)
- Handles missing fields with empty strings
- Sorts by date field descending
- Outputs to ./output/combined.csv

Workflow-Automatisierung:

Write a GitHub Actions workflow that:
1. Runs on every PR to main
2. Runs linting (ESLint) and tests (Jest)
3. Checks that test coverage is >= 80%
4. Posts a comment on the PR with the coverage report
5. Blocks merge if any check fails

KI fuer Kommunikation

Professionelle Kommunikation in Sekunden entwerfen:

Meeting-Zusammenfassungen:

Here are my rough notes from today's architecture meeting:
- decided to go with postgres instead of mongo
- need to migrate by Q3
- john will lead the migration
- concerns about downtime during migration
- budget approved for $20k in AWS credits

Turn these into a professional meeting summary email.
Include: attendees section, decisions made, action items
with owners and deadlines, and open questions.

Technische Vorschlaege:

Write a one-page technical proposal for migrating our
authentication system from session-based to JWT.

Include: current state, proposed architecture, migration plan,
risks and mitigations, estimated effort, and success metrics.

Audience: VP of Engineering (technical but time-constrained).
Tone: confident, data-driven.

KI in Ihren Arbeitsalltag integrieren

Der Schluessel ist, KI-Nutzung zur Gewohnheit zu machen, nicht zur Ausnahme:

Taegliche Aufgaben, bei denen KI 30+ Minuten spart:

Aufgabe	Manuell	Mit KI	Ersparnis
Tests fuer neue Funktion schreiben	30 Min	5 Min	83%
Status-Update-E-Mail entwerfen	15 Min	2 Min	87%
Fehlerprotokolle analysieren	45 Min	10 Min	78%
API-Dokumentation schreiben	60 Min	15 Min	75%
Bash-Automatisierungsskript erstellen	40 Min	5 Min	88%
Meeting-Notizen zusammenfassen	20 Min	3 Min	85%

Der Zinseszinseffekt: 30 Minuten taeglich gespart = 2,5 Stunden/Woche = 130 Stunden/Jahr = ueber 3 Arbeitswochen zurueckgewonnen.

Die Prompt-Engineering-Denkweise

Was Sie in diesem Kurs gelernt haben, gilt ueberall:

1. Seien Sie spezifisch -- vage Eingaben erzeugen vage Ergebnisse
2. Liefern Sie Kontext -- die KI kann nicht Gedanken lesen
3. Setzen Sie Einschraenkungen -- Format, Laenge, Ton, Zielgruppe
4. Iterieren Sie -- die erste Ausgabe ist selten endgueltig
5. Pruefen Sie kritisch -- KI-Ausgabe ist ein Entwurf, kein Evangelium
6. Erstellen Sie Vorlagen -- sparen Sie Zeit bei wiederkehrenden Aufgaben
7. Trainieren Sie die KI -- AGENTS.md, System-Prompts, Beispiele

KI ist das maechtigste Werkzeug Ihrer Karriere. Je besser Sie damit kommunizieren, desto mehr Wert schoepfen Sie daraus. Und diese Faehigkeit waechst nur mit der Uebung.

---quiz question: Was ist die wichtigste uebertragbare Faehigkeit aus dem KI-gestuetzten Coding? options:

• { text: "JavaScript-Programmierung", correct: false }
• { text: "Strukturiertes Prompt Engineering -- Rolle + Kontext + Aufgabe + Einschraenkungen + Format", correct: true }
• { text: "Schnelles Tippen", correct: false } feedback: Das Prompt-Engineering-Muster (Rolle, Kontext, Aufgabe, Einschraenkungen, Format) funktioniert identisch fuer Code, Dokumentation, Datenanalyse, Automatisierung und Kommunikation. Es ist eine universelle Faehigkeit fuer die Arbeit mit KI.

---quiz question: Wie viel Zeit kann KI bei Routineaufgaben wie Dokumentation und Datenanalyse sparen? options:

• { text: "Etwa 10% im Durchschnitt", correct: false }
• { text: "75-88% bei den meisten routinemaessigen Wissensarbeitsaufgaben", correct: true }
• { text: "Keine Zeitersparnis -- man muss immer noch alles ueberpruefen", correct: false } feedback: KI reduziert die Zeit fuer Routineaufgaben typischerweise um 75-88%. Obwohl eine Ueberpruefung weiterhin noetig ist, ist die Gesamtzeit (KI-Generierung + Ueberpruefung) dramatisch kuerzer als die Arbeit manuell von Grund auf zu erledigen.

---quiz question: Warum sollten Sie die KI-Nutzung zur taeglichen Gewohnheit machen statt sie nur gelegentlich einzusetzen? options:

• { text: "Um die Abonnementkosten zu rechtfertigen", correct: false }
• { text: "Der Zinseszinseffekt -- kleine taegliche Einsparungen summieren sich zu Wochen zurueckgewonnener Zeit pro Jahr", correct: true }
• { text: "Weil KI-Tools aufhoeren zu funktionieren, wenn sie nicht taeglich genutzt werden", correct: false } feedback: 30 Minuten taeglich gespart summieren sich auf ueber 130 Stunden (3+ Arbeitswochen) pro Jahr. Der Schluessel ist, KI in Ihren taeglichen Arbeitsablauf zu integrieren, damit die Einsparungen konsistent und automatisch sind.