Session 08 - Generative KI, Quarto & Git – Werkzeuge mit Vorsprung
Business Basics
Ein Chatbot erfindet eine Regel
Ein Kunde bucht bei einer Airline und fragt den Chatbot auf der Website nach dem Trauerfall-Tarif. Der Chatbot sagt: „Du kannst den Rabatt auch nachträglich beantragen.” Das war frei erfunden; die echte Regel verlangt den Antrag vor dem Flug.
Der Kunde verklagt die Airline. Das Gericht sagt: Die Airline haftet.
Wer von euch würde sagen: Wenn eure KI Unsinn erzählt, haftet ihr dafür? Handzeichen!
Willkommen zu Sitzung 8
Diese Sitzung hat kein Tutorium und kein Cheatsheet – dafür praktische Werkzeuge, die euch im Studium und in der Gründung einen Vorsprung geben.
- Aus dieser Sitzung stammen nur ein paar leichte Klausurfragen, und die markiere ich heute ausdrücklich
- Der Rest ist Werkzeugkasten: Dinge, die ihr sofort ausprobieren könnt, ohne sie auswendig zu lernen
Rückblick
Wo wir letzte Woche standen
- Sitzung 7 endete mit dem Frontier-KI-Capstone: vier Anbieter, ein Markt, und die Einsicht, dass „Wer gewinnt?” die falsche Frage ist
- Ein roter Faden zog sich durch: KI ist überall in der BWL – als Produkt, als Markt, als Werkzeug
- Und ein Transparenz-Hinweis stand über dem Capstone: „prüft die Quellen”, weil die Kursmaterialien selbst KI-gestützt entstanden sind
Heute drehen wir die Perspektive: weg von KI als Markt, hin zu KI (und zwei stillen Helfern) als Werkzeug in eurer Hand.
Ablauf heute
- Teil 1 (~30 min): Generative KI produktiv nutzen: was heute geht und was die Evidenz ehrlich sagt
- Teil 2 (~30 min): Generative KI kritisch nutzen: drei Warngeschichten und zwei Klausur-Konzepte
- Teil 3 (~30 min): Reproduzierbar arbeiten: Versionskontrolle und Quarto konzeptionell
Leitfrage heute: Welche Werkzeuge geben mir einen Vorsprung?
Lernziele
Nach dieser Sitzung könnt ihr …
- benennen, wobei generative KI heute produktiv hilft und was die Evidenz ehrlich dazu sagt (wer profitiert, wer nicht),
- erklären, warum KI-Output halluzinieren kann und geprüft werden muss, am Air-Canada-Fall (klausurrelevant),
- begründen, warum die Verantwortung für KI-Nutzung beim Menschen und Unternehmen bleibt (klausurrelevant),
- Versionskontrolle und Quarto in ihrer Grundidee beschreiben und sagen, warum Nachvollziehbarkeit Vertrauen schafft.
Generative KI produktiv nutzen
Was heute konkret geht
Fangen wir bei dem an, was ihr heute schon damit tun könnt – drei Felder, kurz:
- Text: erste Entwürfe, Umformulierungen, Zusammenfassungen langer Dokumente, Übersetzungen – ein Startpunkt, kein Endprodukt
- Analyse: eine Idee gegen Einwände testen, eine Argumentation strukturieren, aus Stichpunkten eine Gliederung machen
- Code: kleine Auswertungen, Formeln erklären lassen, Fehlermeldungen entschlüsseln, auch ohne Informatik-Hintergrund
Merkt euch die Reihenfolge: Entwurf zuerst, Prüfung immer. Das Werkzeug beschleunigt den Anfang, nicht das Urteil am Ende.
Die Evidenz – ehrlich, nicht euphorisch
Bringt KI wirklich Produktivität? Ja, aber die Forschung sagt ganz genau, wo und für wen:
- Schreibaufgaben (Noy & Zhang 2023, RCT mit 453 Fachkräften): Bearbeitungszeit −40 %, Qualität +18 %; und die schwächeren Schreibenden gewannen am meisten (Noy und Zhang 2023)
- Kundensupport (Brynjolfsson, Li & Raymond, Feldstudie mit über 5.000 Kräften): +14 % gelöste Fälle pro Stunde im Schnitt; bei Neulingen bis +34 %, bei Top-Kräften kaum Effekt (Brynjolfsson u. a. 2025)
- Programmieren (Peng et al. 2023, GitHub Copilot): die KI-Gruppe war ~56 % schneller bei einer klar umrissenen Aufgabe (Peng u. a. 2023)
Quelle: Noy und Zhang (2023); Brynjolfsson u. a. (2025); Peng u. a. (2023).
Die Lektion hinter den Zahlen
Die Gewinne sind real, aber ungleich verteilt: In diesen Studien holen die weniger Erfahrenen am meisten auf. KI verteilt das Können der Top-Leute nach unten.
- Das heißt nicht „KI macht alle gleich gut überall”; es sind Gewinne bei bestimmten Aufgaben und Settings, kein Naturgesetz
- Und: Dieselben Zahlen gelten nur, solange die Aufgabe im Können der KI liegt
Lektion: Wer wenig Erfahrung hat, profitiert oft am stärksten, aber der Vorsprung hängt an der Aufgabe, nicht am Werkzeug allein.
Die „jagged frontier” – Rückgriff auf Sitzung 6
In Sitzung 6 haben wir es schon gesehen: Die Fähigkeit der KI ist zackig, nicht gleichmäßig.
- Ein BCG-Feldexperiment (Dell’Acqua et al.) fand +40 % Qualität bei Aufgaben innerhalb des KI-Könnens, aber ~19 Prozentpunkte schlechter bei Aufgaben außerhalb
- Das Tückische: Die KI zeigt nicht an, auf welcher Seite der Grenze sie gerade steht; sie klingt immer gleich überzeugt
- Deshalb kann selbst eine erfahrene Person mit KI schlechter abschneiden als ohne, wenn die Aufgabe jenseits der Grenze liegt
Lektion: Die Grenze verläuft zackig und unsichtbar; genau deshalb bleibt die menschliche Prüfung unverzichtbar (das führt direkt in Teil 2) (Dell’Acqua u. a. 2026).
Quelle: (Dell’Acqua u. a. 2026), BCG-Feldexperiment (HBS Working Paper 24-013; Version of Record 2026).
Bessere Ergebnisse: Prompt-Basics auf einer Folie
Ihr braucht keinen Kurs für „Prompt Engineering”. Vier Bausteine bringen den meisten Nutzen:
- Klar: Sagt präzise, was ihr wollt; „fasse in 5 Stichpunkten zusammen” schlägt „mach was Kurzes”
- Kontext: Gebt Hintergrund: für wen, wofür, welches Vorwissen
- Beispiele: Zeigt ein Muster, an dem sich die Antwort orientieren soll
- Constraints: Setzt Grenzen: Länge, Ton, Format, was nicht vorkommen soll
Merksatz: Klar, Kontext, Beispiele, Constraints. Vier Bausteine, mehr braucht ihr am Anfang nicht.
KI im Kurs – ihr nutzt sie schon
Auch dieser Kurs setzt KI als Werkzeug ein, offen und mit Regeln:
- In den Tutorien bekommt ihr zu manchen Aufgaben ein KI-Feedback auf eure Abgabe, als schneller erster Spiegel, nicht als Note
- Es geht um Übung mit Prüfung: Ihr seht einen Vorschlag, bewertet ihn und entscheidet selbst, was ihr übernehmt
- Genau diese Haltung, nutzen und prüfen, ist die eigentliche Kompetenz, die ihr hier mitnehmt
Lektion: KI-Feedback beschleunigt das Lernen; die Verantwortung für die Abgabe bleibt bei euch (das ist die Brücke zu Teil 2).
Deine Frage: Wer profitiert am meisten?
In den Studien holten bestimmte Personengruppen am stärksten auf. Welche, und was heißt das für ein junges Team ohne viel Erfahrung?
Die weniger Erfahrenen und anfangs Schwächeren gewannen am meisten (Noy & Zhang; Brynjolfsson et al.). Für ein junges Team ist das eine gute Nachricht: KI kann fehlende Routine teilweise ausgleichen, aber nur bei Aufgaben im Können der KI, und nie ohne eigene Prüfung. Der Vorsprung ist geliehen, nicht geschenkt.
Zwischenfazit Teil 1
- KI hilft heute konkret bei Text, Analyse und Code: als Entwurf, nicht als Endprodukt
- Die Produktivitätsgewinne sind real, aber ungleich: oft profitieren die weniger Erfahrenen am meisten, in bestimmten Settings
- Die „jagged frontier” macht die Grenze unsichtbar; deshalb ist Prüfen kein Luxus, sondern Pflicht
Damit sind wir bei der zweiten Hälfte: Wenn die Grenze unsichtbar ist – was passiert, wenn man ohne Prüfung vertraut? Das zeigen drei Geschichten.
Generative KI kritisch nutzen
Zurück zum Chatbot: der Fall Air Canada
Erinnert ihr euch an den Einstieg? Hier sind die genauen Fakten:
- Nov. 2022: Jake Moffatt fragt den Chatbot auf Air Canadas Website nach dem Trauerfall-Tarif. Der Chatbot sagt, man könne den Rabatt innerhalb von 90 Tagen nachträglich beantragen; die echte Regel auf einer anderen Seite sagt das Gegenteil
- Moffatt bucht im Vertrauen darauf für rund 1.630 CAD, beantragt später den Rabatt; Air Canada lehnt ab
- Er klagt vor dem Civil Resolution Tribunal von British Columbia
Quelle: (Moffatt v. Air Canada 2024) (Volltext via CanLII); (Proctor 2024).
Air Canadas „remarkable submission”
Wie verteidigt sich die Airline? Mit einem bemerkenswerten Argument:
- Air Canada argumentiert, sie hafte nicht für den Chatbot; dieser sei quasi eine „separate rechtliche Entität, verantwortlich für ihr eigenes Handeln”
- Das Tribunal nennt das eine „remarkable submission” (eine bemerkenswerte Behauptung) und verwirft sie: Der Chatbot sei „nur ein Teil der Website”; das Unternehmen hafte für alle Informationen auf seiner Website, egal ob statische Seite oder Chatbot
- Urteil (14.02.2024): negligent misrepresentation (fahrlässige Falschauskunft). Air Canada muss 812,02 CAD zahlen
Quelle: (Moffatt v. Air Canada 2024) (Volltext via CanLII); (Cecco 2024).
Klausurrelevant: Halluzination und Haftung
KI-Systeme können „halluzinieren”, also plausibel klingende, aber falsche Aussagen erzeugen. Deshalb muss KI-Output vor der Nutzung geprüft werden. Und: Wer eine KI einsetzt, haftet für das, was sie sagt. Air Canada ist der Lehrfall: Der Chatbot erfand eine Regel, das Gericht ließ die „der Bot war es”-Verteidigung nicht gelten.
Lektion: Ein halluzinierter Satz kostete Air Canada den Prozess; die Ausrede „das war die KI, nicht wir” zählt vor Gericht nicht.
Warum halluziniert KI überhaupt?
Kurz und ohne Technik-Tiefe – es reicht das Prinzip:
- Ein Sprachmodell sagt das wahrscheinlich nächste Wort voraus; es erzeugt plausibel klingenden Text, nicht geprüfte Wahrheit
- „Halluzination” heißt in der Forschung: flüssiger, selbstsicherer Output, der nicht durch die Quellen gedeckt ist (Ji et al. 2023) (Ji u. a. 2023)
- Das Modell weiß nicht, wann es falsch liegt, und klingt im Irrtum genauso überzeugend wie im Treffer
Lektion: Selbstsicherer Ton ist kein Wahrheitsbeweis; bei Fakten, Zahlen und Regeln gilt: gegenprüfen, immer.
Quelle: Ji u. a. (2023) (Survey of Hallucination in Natural Language Generation).
Zweite Geschichte: Klarnas KI-Kehrtwende
Der schwedische Zahlungsdienstleister Klarna ging voran und wieder ein Stück zurück:
- 2024: Klarna setzt einen KI-Assistenten im Kundenservice ein. Im ersten Monat wickelt er 2,3 Mio. Chats ab, die Arbeit von rund 700 Vollzeitkräften, bei Zufriedenheit auf Augenhöhe mit Menschen. Weithin gefeiert als Kostensenker
- Mai 2025: CEO Siemiatkowski räumt öffentlich ein, der reine KI-Ansatz habe die Qualität bei komplexen Fällen verschlechtert; Klarna stellt wieder Menschen ein und wechselt zu einem hybriden Modell („immer ein Mensch verfügbar”)
Quelle: (Marks 2024, 2025; Davis 2025).
Klarna: die Kostenkomplikation
Und jetzt die Zahl, die die einfache Geschichte verkompliziert:
- Q3 2025: Klarna meldet, die KI leiste inzwischen Arbeit von 853 Vollzeitkräften (mehr als die 700 von 2024) und bearbeite weiter rund zwei Drittel der Anfragen
- Aber: Die tatsächlichen Service-/Betriebskosten stiegen, von 42 Mio. $ (Vorjahresquartal) auf 50 Mio. $
- „KI ersetzt Menschen und spart automatisch Geld” ist also keine Selbstverständlichkeit; selbst nach der hybriden Wende steigen hier die Kosten
Lektion: Mehr KI heißt nicht automatisch weniger Kosten; die Rechnung ist komplizierter, als die Schlagzeile „ersetzt 700 Leute” nahelegt.
Quelle: (Doerer 2025) (Q3-2025-Zahlen).
Dritte Geschichte: DPD flucht
Kurz und lehrreich: der Paketdienst DPD, Januar 2024:
- Nach einem System-Update lässt sich DPDs Chatbot vom Kunden dazu überreden, zu fluchen, ein Gedicht über „die schlechteste Lieferfirma der Welt” zu schreiben und das eigene Unternehmen zu beschimpfen
- Ein Screenshot wird in 24 Stunden 800.000-mal gesehen; DPD schaltet den KI-Teil sofort ab
Ohne Leitplanken und Tests vor dem Livegang wird ein Kundenchat zur öffentlichen Blamage. Reputationsschaden entsteht in Stunden.
Quelle: (Gerken 2024).
Klausurrelevant: Die Verantwortung bleibt beim Menschen
Ob Halluzination (Air Canada), Fehleinschätzung (Klarna) oder fehlende Leitplanken (DPD): Die Verantwortung für den KI-Einsatz bleibt beim Menschen und beim Unternehmen. Die KI ist ein Werkzeug: sie haftet nicht, entscheidet nicht und trägt keine Verantwortung. Das tut, wer sie einsetzt.
Lektion: Drei Fälle, eine Regel: man kann Aufgaben an KI delegieren, Verantwortung aber nicht.
Kritisch nutzen – auch im Studium
Was heißt das konkret für euch an der Uni? Kasneci et al. (2023) fassen die Do’s und Don’ts zusammen (Kasneci u. a. 2023):
- KI ist ein Werkzeug, kein Autor: Sie hilft beim Denken, ersetzt es nicht; Überprüfung und Urteil bleiben bei euch
- Quellen prüfen: Zahlen, Zitate und Fakten immer gegen eine echte Quelle checken (genau die Kompetenz aus Sitzung 7: datieren und prüfen)
- Transparenz: Offenlegen, wo KI geholfen hat, so wie der Transparenz-Hinweis über dem Capstone in Sitzung 7
Quelle: Kasneci u. a. (2023) (ChatGPT for good? – Chancen und Herausforderungen für die Bildung); ergänzender Leitfaden zur kritischen KI-Nutzung im Studium (UNESCO 2023).
Deine Frage: Wer haftet?
Ihr baut für euer Startup einen KI-Chatbot, der Kundinnen und Kunden Auskunft gibt. Der Bot sagt etwas Falsches: Wer trägt die Verantwortung?
Ihr, das Unternehmen. Genau das ist die Air-Canada-Lektion: „Der Bot war es” zählt nicht. Der Bot ist Teil eures Angebots; ihr haftet für seine Aussagen. Konsequenz: Leitplanken setzen, kritische Auskünfte absichern und testen, bevor der Bot live geht.
Zwischenfazit Teil 2
- Air Canada: Halluzination + Haftung; die „der Bot war es”-Verteidigung scheitert vor Gericht (klausurrelevant)
- Klarna: echte Gewinne bei Routine, echte Grenzen bei komplexen Fällen; und „KI spart Geld” ist keine Selbstverständlichkeit
- DPD: ohne Guardrails wird der Chat zur Blamage; die Verantwortung bleibt beim Unternehmen (klausurrelevant)
Zwei Werkzeuge haben wir jetzt: KI produktiv und kritisch nutzen. Es fehlt ein drittes, das dafür sorgt, dass eure Arbeit nachvollziehbar bleibt.
Reproduzierbar arbeiten: Quarto & Git
Kennt ihr diese Datei?
praesentation_final_v2_FINAL_wirklich-final_NEU(3).docx
- Niemand weiß mehr, welche Version die richtige ist, oder was sich zwischen v1 und v2 geändert hat
- Beim Zusammenarbeiten schickt jede Person eine eigene Kopie per Mail, und am Ende gibt es fünf Wahrheiten
- Und wenn eine Zahl in der Grafik falsch war: Wo kam sie her? Keiner weiß es mehr
Genau dieses Chaos lösen zwei Werkzeuge – heute nur konzeptionell, ohne Kommandozeile.
Versionskontrolle – die Grundidee
Versionskontrolle (das bekannteste Werkzeug heißt Git) ist wie eine lückenlose Zeitmaschine für Dateien:
- Ein Repository ist der Projektordner mit Gedächtnis; er kennt jeden Zustand, den es je gab
- Ein Commit ist ein gespeicherter Stand mit Notiz („was habe ich geändert und warum”); statt zehn Dateikopien gibt es eine Datei mit Historie
- Die History zeigt, wer wann was geändert hat; man kann jederzeit zurück und sehen, warum etwas so ist, wie es ist
Lektion: Statt „v2_FINAL” gibt es eine Datei plus eine Historie: nachvollziehbar, gemeinsam bearbeitbar, umkehrbar.
Quarto – Text, Code und Ergebnis in einem
Das zweite Werkzeug: Quarto, ein Dokument, das Text, Code und Ergebnis zusammenhält:
- Ihr schreibt Fließtext und den Rechenschritt (z. B. eine Grafik aus Daten) in dieselbe Datei; beim Erzeugen läuft der Code und das Ergebnis erscheint automatisch im Dokument
- Ändern sich die Daten, erzeugt ihr neu; die Grafik ist immer aktuell, kein manuelles Kopieren, keine veraltete Zahl
- Aus einer Quelle entstehen viele Formate: Website, Präsentation, PDF
Diese Kurswebsite ist selbst Quarto. Auf jeder Seite gibt es einen „Source”-Link; schaut in den Quelltext dieser Folien.
Warum das für Gründende zählt
Das klingt nach Technik, ist aber im Kern eine Vertrauensfrage:
- Nachvollziehbarkeit = Vertrauen: Wer zeigen kann, woher eine Zahl kommt und wie sie entstand, überzeugt Investoren, Partner und Prüfende
- Bei Pitch-Decks, Finanzmodellen und Analysen fragt irgendwann jemand: „Wie kommt ihr auf diese Zahl?“; mit Versionierung und reproduzierbaren Dokumenten habt ihr die Antwort
- Ein Team kann parallel arbeiten, ohne sich die Dateien kaputtzuschicken
Lektion: Reproduzierbarkeit ist kein Selbstzweck; sie macht Arbeit überprüfbar, und Überprüfbarkeit schafft Vertrauen.
Brücke ins Studium
Sauberes, nachvollziehbares Dokumentieren und Reporting vertieft ihr in BA-REPR (Reporting, Sem. 2); dort zählt genau diese Nachvollziehbarkeit von Zahlen. Und in jedem quantitativen Modul (Statistik, Forschung) ist reproduzierbares Arbeiten die stille Grundlage.
Ihr müsst Git und Quarto heute nicht können; es reicht zu wissen, dass es sie gibt und wofür sie stehen: eine Datei mit Historie statt „v2_FINAL”, ein Dokument, das sich selbst aktuell hält.
Deine Frage: Was löst ein Repository?
Zwei Personen bearbeiten dasselbe Pitch-Deck und schicken es sich per Mail hin und her. Welches konkrete Problem löst ein Repository mit Commits?
Es gibt eine gemeinsame Version mit Historie statt fünf Mail-Kopien: Man sieht, wer wann was geändert hat, kann Änderungen zusammenführen und jederzeit zu einem früheren Stand zurück. Das „welche Datei ist aktuell?“-Problem verschwindet, und mit ihm der Streit darüber.
Euer Werkzeugkasten – der Rückblick
Drei Werkzeuge nehmt ihr aus dieser Sitzung mit:
- KI produktiv: als Entwurfs- und Denkhilfe – schnell am Anfang, besonders wertvoll für weniger Erfahrene
- KI kritisch: halluzinationsfähig, deshalb immer prüfen; und die Verantwortung bleibt bei euch
- Reproduzierbar: Versionskontrolle und Quarto machen Arbeit nachvollziehbar; Nachvollziehbarkeit schafft Vertrauen
Und damit endet der inhaltliche Teil des Kurses. Was noch kommt: die Klausur; und ihr habt in Sitzung 7 den Mock-Exam-Walkthrough, der zeigt, wie ihr euch vorbereitet.
Was davon ist klausurrelevant?
- Halluzination & Prüfpflicht: KI kann plausibel klingenden Unsinn erzeugen; Output muss geprüft werden; und wer KI einsetzt, haftet dafür (Air-Canada-Lektion)
- Verantwortung bleibt beim Menschen/Unternehmen: KI ist ein Werkzeug; delegieren kann man Aufgaben, nicht die Verantwortung
Der Rest ist euer Werkzeugkasten fürs Studium und deshalb nicht klausurrelevant: er gehört euch, nicht der Prüfung. Konkrete Studienzahlen, Klarna-/DPD-Details, Prompt-Basics, Git- und Quarto-Details werden nicht abgefragt; nur die beiden markierten Konzepte können in einer leichten Klausurfrage vorkommen.
Vertiefung: Quiz 08 (formativ, kein Tutorium zu dieser Sitzung).
Literatur
- Noy und Zhang (2023), Brynjolfsson u. a. (2025), Peng u. a. (2023) – die ehrliche Evidenz zur KI-Produktivität (wer profitiert, wer nicht).
- Ji u. a. (2023) – was „Halluzination” bei KI-Systemen bedeutet und woher sie kommt.
- Kasneci u. a. (2023) – Chancen und Grenzen von KI im Studium: nutzen, prüfen, transparent machen.