dekodiert selbstgemacht: Artefaktproduktion just got cheap

Analysiere die Wertschöpfung von [UNTERNEHMEN] in [BRANCHE] entlang der folgenden Unterscheidung:

**ARTEFAKT-PRODUKTION** — Output, den ein AI-Agent mit guter Spec erzeugen könnte:
- Reports, Analysen, Präsentationen
- Standardisierte Texte (Verträge, Angebote, Dokumentation)
- Code, Konfiguration, Testfälle
- Datenaufbereitung, Visualisierung
- Routinekorrespondenz

**TASTE** — Urteilsvermögen, das auf Erfahrung basiert und nicht vollständig erklärbar ist:
- Wer entscheidet, ob ein Ergebnis "gut genug" ist?
- Wer erkennt, wenn eine Analyse die falsche Frage beantwortet?
- Wer weiß, was der Kunde wirklich meint, auch wenn er es anders formuliert?

**BRAND** — Die Art, wie ihr Dinge tut, die euch unterscheidbar macht:
- Gibt es eine erkennbare Perspektive, einen Stil, eine Haltung?
- Ist die maschinenlesbar (Design System, Tonalitäts-Guides, Informationsarchitektur-Regeln)?
- Oder lebt sie nur in den Köpfen einzelner Leute?

**DATENMODELL** — Proprietäres Wissen in strukturierter Form:
- Welche Daten habt ihr, die kein Wettbewerber hat?
- Wie gut sind sie strukturiert? Könnte ein LLM euer Schema in 500 Tokens verstehen — oder braucht es 50.000?
- Welche Daten liegen in Silos, die niemand verbindet?

Erstelle eine Tabelle mit den wichtigsten 10 Aktivitäten eures Teams. Ordne jede zu: Artefakt-Produktion, Taste, Brand oder Datenmodell. Schätze den Zeitanteil.

Die entscheidende Frage: Wie viel Prozent der Arbeitszeit fließt in Artefakt-Produktion? Das ist der Anteil, der in 2-3 Jahren radikal billiger wird. Was tut ihr mit der freiwerdenden Kapazität?

Beantworte diese fünf Fragen für [UNTERNEHMEN]. Sei ehrlich — das Ziel ist Klarheit, nicht ein gutes Zeugnis.

**1. Können wir unsere Kernentitäten und deren Relationen in einem Satz beschreiben?**
Beispiel: "Wir haben Kunden, die Produkte kaufen, die zu Kategorien gehören, und jeder Kauf hat einen Kanal und einen Zeitpunkt."
Wenn die Antwort "das ist kompliziert, weil..." lautet — dann gibt es Tabellen, aber kein Modell.

**2. Wie viel Kontext braucht ein neuer Mitarbeiter, um unsere Daten zu verstehen?**
Wenn ein neuer Analyst drei Monate braucht, um zu verstehen, wo welche Daten liegen und warum Zahlen in verschiedenen Systemen nicht übereinstimmen — dann braucht ein LLM dieselbe Kontextmenge. Nur bezahlt in Tokens, bei jeder einzelnen Anfrage.

**3. Wo leben unsere Daten, und wie heterogen sind sie?**
"Kundentyp" heißt im CRM anders als im ERP. Die Marketing-Daten haben eine andere Segmentierung als der Vertrieb. Das ist normal. Die Frage ist: Wisst ihr, WIE es so ist? Ein dokumentiertes Chaos ist besser als ein undokumentiertes.

**4. Welche unserer Daten sind proprietär?**
Generische Marktdaten kennt ein LLM aus dem Training. Was es NICHT kennt: eure spezifischen Kundenmuster, eure Produktrelationen, eure Vertriebskanäle. Das ist der Asset, den es zu modellieren lohnt.

**5. Wie token-effizient ist unser Schema?**
Könnte ein LLM eure Datenstruktur in 500 Tokens verstehen — oder braucht es 50.000? Ein Schema, das sich in wenigen Sätzen erklären lässt, produziert bessere Ergebnisse bei niedrigeren Kosten.

**ERGEBNIS:**
Ordne euch ein:
- 5x "ja, klar" → Ihr seid weiter als 90% der deutschen Unternehmen
- 3-4x "ja" → Solide Basis, gezielte Investition nötig
- 1-2x "ja" → Datenmodell-Arbeit ist euer dringendstes AI-Thema
- 0x "ja" → Kauft keine AI-Plattform. Investiert erst in eure Daten.

Identifiziere die Taste-Träger in [UNTERNEHMEN/BEREICH].

**SCHRITT 1: WER HAT TASTE?**
Liste die Personen (oder Rollen) auf, an die sich andere wenden, wenn sie wissen wollen:
- "Ist das gut genug?"
- "Stimmt hier was nicht?"
- "Was würde der Kunde/Markt/Vorstand dazu sagen?"
Das sind eure Taste-Träger. Oft sind es nicht die mit dem höchsten Titel, sondern die, die im Raum sitzen und einmal den Kopf schütteln — und alle wissen, dass sie recht haben.

**SCHRITT 2: WIE KONZENTRIERT IST TASTE?**
Für jeden identifizierten Taste-Träger:
- Welche Entscheidungen hängen von dieser einen Person ab?
- Gibt es jemanden, der bei Abwesenheit einspringen könnte — mit vergleichbarem Urteil?
- Was passiert, wenn die Person in 6 Monaten geht?

**SCHRITT 3: IST TASTE KODIFIZIERT?**
Für jeden Taste-Bereich:
- Gibt es dokumentierte Qualitätskriterien? (Design System, Briefing-Templates, Review-Checklisten)
- Oder lebt das Urteil ausschließlich im Kopf?
- Könnte man das Urteil teilweise externalisieren? (A/B-Vergleiche dokumentieren, Essence Documents erstellen, Ghost Writing als Transfer-Methode)

**SCHRITT 4: TASTE VS. GEWOHNHEIT**
Ehrliche Frage: Ist das, was ihr als "Taste" bezeichnet, tatsächlich überlegenes Urteilsvermögen — oder ist es Gewohnheit, die niemand hinterfragt?
- Testet ihr eure Taste-Urteile gegen Marktdaten?
- Gibt es Bereiche, in denen ein AI-Modell bereits bessere Urteile fällt als eure Experten?
- Wo ist der Taste eurer Leute ein echter Vorsprung — und wo ist er ein Komfortzone?

**ERGEBNIS:**
Beschreibe in drei Sätzen:
1. Wo sitzt euer wertvollstes Taste-Wissen?
2. Wie verwundbar seid ihr, wenn diese Person/diese Rolle wegfällt?
3. Was müsste ab morgen passieren, um dieses Wissen zu sichern?