0/7 erledigt
In Operations/Admin ist KI heute am risikoärmsten und am schnellsten produktiv. Die meisten Anwendungen sind Assistenz, keine Entscheidung, also niedriges AI-Act-Risiko. Trotzdem gilt DSGVO bei jedem Tool, das personenbezogene Daten verarbeitet; in Übungen deshalb nur synthetische oder anonyme Daten.
Spezialisierte Tools statt eines Alleskönners, mit ehrlicher DSGVO-Einordnung pro Werkzeug.
Inbox-Triage und Thread-Zusammenfassung in Outlook, Excel-Skills/Python für Datenauswertung, Teams-Protokolle.
EU Data Boundary aktivierbar; verlässt den M365-Tenant nicht und wird nicht zum Modelltraining genutzt.
Aus einmaligem echten Durchklicken automatisch nummerierte SOPs mit Screenshots und Texten erzeugen.
Browser-Extension: Screenshots redigieren! Echte Namen, Adressen, Personalnummern unkenntlich machen.
Meeting-Transkription über lokales Whisper, self-hosted und ohne Cloud-Transfer.
Open Source (MIT); ideal für Gesundheits-, Finanz- und Kanzleibereich.
Meeting-Transkript mit Sprecher-Erkennung und Auto-Summary inkl. Action Items.
Otter/Fireflies = US-Server (Art.-44-Risiko); Fireflies trainiert ohne Enterprise-Vertrag teils auf Kundendaten. Teams Copilot bleibt im Tenant.
Regelbasierte Trigger→Aktion-Workflows (Formular→CRM, Rechnung→Teams-Hinweis, Ticket-Routing).
n8n und Make sind self-hostbar = DSGVO-freundlich. Power Automate für reine Microsoft-Häuser.
Von der ersten Eingabe bis zum geprüften Ergebnis: Schritt für Schritt, mit dem jeweils passenden Werkzeug.
Ungelesene Mails zusammenfassen und markieren lassen, welche bis EOD eine Antwort brauchen.
Langen Mail-Verlauf auf den Entscheidungsstand in 3 Bullets eindampfen.
Aus dem Transkript Top-3-Entscheidungen und eine Action-Item-Tabelle (Aufgabe | Verantwortlich | Frist) erzeugen.
Pivot, Diagramm und eine 2-Satz-Interpretation aus einer (anonymen) Tabelle erstellen lassen.
Prozess einmal durchklicken, SOP automatisch erzeugen, Screenshots redigieren, als Link teilen.
Eine anonymisierte oder synthetische Beispiel-Tabelle laden (keine echten Kunden-/Personaldaten).
Per Copilot/LLM eine Pivot-Auswertung der wichtigsten Kennzahl erstellen lassen.
Ein passendes Diagramm dazu generieren lassen.
Eine Kurzdeutung in 2 Sätzen anfordern (was fällt auf, was ist die Handlungsempfehlung).
Optional: einen eigenen Trigger→Aktion-Workflow skizzieren und einordnen. Regelbasiert (Automation) oder urteilsbasiert (Agent)?
Analysiere diese Verkaufstabelle: Welche 3 Produkte haben den stärksten Umsatzrückgang Q1→Q2? Erstelle ein Balkendiagramm und eine Kurzinterpretation in 2 Sätzen. (Es handelt sich um synthetische Testdaten.)Nicht das Kleingedruckte zum Schluss, sondern Teil des Workflows: Was ist grün, was braucht Vorsicht, was ist verboten.
M365 Copilot verarbeitet im Tenant, verlässt diesen nicht und wird nicht zum Training genutzt. Für Microsoft-Häuser ist das der pragmatischste, risikoarme Einstieg. Trotzdem keine besonderen Kategorien (z.B. Gesundheit) leichtfertig zusammenfassen lassen.
In allen Live-Übungen nur synthetische oder anonymisierte Daten verwenden, keine echten Kunden- oder Personaldaten in Schulungs-Accounts.
Bei Meeting-Transkription müssen alle Teilnehmer vor der Aufzeichnung informiert werden. Otter/Fireflies liegen auf US-Servern (Art.-44-Risiko); DSGVO-sicher ist Meetily (self-hosted) oder Teams Copilot im Tenant.
Enterprise-Search-Tools (Glean, Notion AI, Confluence AI) erben die Zugriffsberechtigungen der Quellsysteme. Falsch gesetzte Rechte machen sensible Daten plötzlich auffindbar. Vor dem Rollout gehört deshalb ein Berechtigungs-Audit dazu.
Operations ist der Confidence-Builder: meist Assistenz statt Entscheidung, also niedriges AI-Act-Risiko.
Workflow-Automation für regelbasierte Aufgaben, KI-Agenten erst für Aufgaben mit Urteilsvermögen.
Daten möglichst im eigenen Tenant halten (M365 Copilot) oder self-hosted (Meetily, n8n).
In Übungen nur synthetische oder anonyme Daten, und bei Aufnahmen vorher informieren.