Die Ideen sind längst da. Im Lab werden sie gebaut.

Sechs Stationen in drei Etappen — nach jeder darf man aufhören, und das Ergebnis ist dann vollständig, nicht halb: erst läuft die Anwendung auf Ihrem Rechner, dann lässt sie sich ändern, ohne dass etwas verlorengeht, dann ist sie im Netz unter eigener Adresse. Jede Etappe endet mit einer Abnahme, die von außen entscheidbar ist. Dazu drei Tiefen: Die Etappe sagt, wie weit Sie kommen, die Stufe, wie viel dabei erklärt wird. Am Ende hat Ihr Unternehmen jemanden, der das kann.

Warum dasselbe Werkzeug beim einen gute und beim anderen unbrauchbare Ergebnisse liefert — und warum das fast nie am Modell liegt. Der Kurs behandelt die fünf Grundlagen: den Auftrag (was gehört hinein, damit er von außen entscheidbar ist), den Kontext des Hauses (Anweisungsdatei, drei Ebenen), den Zugriff (Fähigkeiten, Anbindungen, Grenzen), das Gedächtnis — und die Rückmeldung, die am häufigsten fehlt: die Fähigkeit des Werkzeugs, seine eigene Arbeit zu prüfen. Dazu die Wahl des Modells, die Entscheidung zwischen Cloud und eigener Maschine, und die Kosten.

Der häufigste Wunsch nach dem ersten eingerichteten Arbeitsplatz — und die häufigste Fehlinvestition. Der Kurs beginnt deshalb mit der Entscheidung und darf zu „nicht bauen“ führen: Solange das Wissen im Arbeitsordner liegt, findet ein Werkzeug, das lesen und suchen kann, es zuverlässiger als jede Ähnlichkeitssuche. Danach kommt die Ordnung — welches Wissen es gibt, wo es liegt, wer es pflegt und wonach jemand später sucht; dieser Teil trägt auch ohne jede Technik. Erst dann das Handwerk: was hineinkommt, wie zerlegt wird, wie gesucht wird, woher die Belegstelle kommt, wer was sehen darf. Und zuletzt das Messen, denn ein Wissenssystem versagt leise: Es kommt immer irgendeine Antwort.

Was ein Agent ist und wann man besser keinen baut. Dann der ganze Weg an einem kleinen Beispiel: Auftrag, Werkzeuge, Freigaben, Gedächtnis — bis er jeden Morgen von allein arbeitet, auf dem eigenen Server, mit Protokoll, Deckel und einem Menschen, der ihn abschalten darf.

Anfrage kommt herein, Daten wandern weiter, jemand wird benachrichtigt: Abläufe, die niemand bedient und die trotzdem stimmen müssen. Erst die Orientierung — warum sich das lohnt, was ein Ablauf ist, wie n8n aussieht, wann man besser keinen baut. Dann n8n sicher einrichten und einen Beispielablauf bauen, Knoten für Knoten und Feld für Feld — samt KI-Knoten, fertigen Vorlagen und Abläufen, die die KI erzeugt. Dazu Zugänge, Fehlerfall und die Meldung, wenn er stillsteht. Skripte, Ablaufvorlagen und Checklisten liegen zum Kopieren in den Phasen.

Erst die Entscheidung, und sie darf „nein“ lauten: Der Schnitt geht nicht durch das Haus, sondern durch die Aufgaben — was muss hier bleiben, was darf hinaus, was gehört überhaupt nicht zu einem Sprachmodell. Dazu die drei Begründungen, die nicht tragen (Unabhängigkeit, Kosten, Sicherheit), und der Satz, ohne den der Kurs Schaden anrichten würde: „lokal“ löst genau ein Risiko und lässt fünf andere unberührt. Dann die Rechnung vor dem Kauf — Speicher, Quantisierung, Tempo. Dann das Handwerk: Ollama aufsetzen, Qwen holen, einstellen, an die eigene Anwendung anbinden, absichern. Und zuletzt das Messen mit zwanzig eigenen Fragen sowie die Grenzen: was ein lokales Modell schlecht kann, ohne dass es auffällt — und fünf Fälle, in denen man es nicht benutzen sollte. Vier lauffähige Skripte liegen bei, darunter ein Aufsetz-Skript mit Trockenlauf.