KI Tutorials für Unternehmen & Teams

Kleiner Spickzettel für dich und für uns, wirklich nur Tools und Infos die man aktuell braucht (verändert sich rasant und fast täglich - klebe an keinen Tools)

Hands-on Setup:

Viele Coder arbeiten gern direkt in der Kommandozeile. Wir selbst bevorzugen für fast alles VS Code, weil du dort Code, Files, Terminal und AI-Plugins sauber an einem Ort hast.

Google Antigravity

Agent-first IDE von Google. Läuft als eigene Entwicklungsumgebung auf deinem Rechner, nicht im Browser.

GitHub Copilot

Momentan für viele das beste Preis-Leistungs-Verhältnis. Studenten bekommen es oft kostenlos, und du kannst mehrere Modelle direkt im Editor vergleichen.

Claude

Direkt im Chat stark für Struktur, Erklärungen und längere Coding-Aufgaben.

Qwen Code

Am besten über das VS Code Plugin, wenn du Qwen direkt im Editor ausprobieren willst.

VS Code

Unser empfohlenes Setup. Hier laufen Codex, GitHub Copilot, Claude und Qwen an einem Ort mit Files, Git und Terminal.

Codex

Wenn OpenAI, dann für Coding direkt Codex statt ChatGPT. Stark für agentisches Arbeiten direkt im Tool und im Editor.

✍️ Prompt-Tipps für den Anfang:

Beschreibe Ziel, Nutzer, Plattform und gewünschtes Ergebnis so konkret wie möglich.
Am besten aktuell auf Englisch prompten und coden. Deutsch funktioniert auch, aber meist etwas schlechter. Die meisten Modelle sind vor allem auf Englisch trainiert und die Sprache der Programmierer-Welt ist Englisch.

🧱 Für Anfänger besonders sinnvoll:

Starte mit einem kleinen Projekt statt mit einer riesigen Idee.
Lass dir zuerst eine einfache Datei- und Ordnerstruktur bauen.
Bitte das Modell, jeden Schritt kurz zu erklären und immer nur kleine Änderungen auf einmal zu machen.

✅ Gute erste Projekte:

Kleine Landing Page
To-do App
Notiz-App
Einfacher Daten- oder CSV-Viewer

🧪 Gute Arbeitsweise:

Erst planen lassen, dann Schritt für Schritt umsetzen.
Nach jedem Schritt kurz testen.
Fehler direkt wieder ins Tool zurückkopieren und um eine konkrete Behebung bitten.

🧠 Lokale LLMs einbinden:

Über llama.cpp, Ollama oder LM Studio lassen sich lokale LLMs in VS Code oder in eigene Setups einbinden.

📁 Was du fast immer brauchst:

Git oder GitHub für Versionskontrolle
Ein Terminal für Befehle
Einen guten Editor wie VS Code
Eine klare README mit Ziel und Setup

📱 Mobile Cross-Platform Apps (iOS + Android):

React Native Framework
Expo Runtime

🖥️ Lokale Cross-Platform Apps (macOS + Windows):

Tauri Framework

🍎 Lokale macOS Apps:

Native Swift Framework
Xcode Project

🧠 Lokale LLMs:

Alles läuft lokal auf deinem Rechner. Langsamer als die AI Anbieter, aber sehr sicher und kostet nur Strom und keine Subscriptions. Fast alle lokalen LLM Programme basieren dabei auf llama.cpp, einer wichtigen Open-Source-Bibliothek.

Ollama

Sehr einfacher llama.cpp Wrapper. Ein bisschen wie ChatGPT-Style für lokale Modelle.

LM Studio

Etwas komplexerer, aber immer noch einfacher Wrapper mit mehr Einstellungsmöglichkeiten.

llama.cpp

Für Cracks, die lokale LLMs in eigene Tools integrieren oder direkt mit der Kommandozeile arbeiten wollen.

Hugging Face

Datenbank für aktuelle und destillierte Modelle.

🧪 Destillierte Modelle:

Kleinere, abgespeckte Versionen grosser Modelle. Sie sind schneller, günstiger und oft gut genug für viele praktische Aufgaben.

📦 Typische Grössen:

Einfach: 3B bis 7B, oft ca. 2 bis 5 GB
Mittel: 8B bis 14B, oft ca. 5 bis 10 GB
Fortgeschritten: 32B und mehr, oft 20 GB+

Faustregel:
16 GB RAM oder VRAM ist die absolute Untergrenze.
Mehr Speicher bedeutet meist grössere Modelle, mehr Kontext und flüssigeres Arbeiten.

⚠️ Voraussetzungen:

Rechner mit mindestens 16 GB RAM
oder starke Nvidia-Grafikkarte
Je mehr Speicher, desto besser.

🧩 Wichtige Begriffe:

🔢 4B, 6B, 8B usw. bedeuten grob die Anzahl der Parameter eines Modells.
Je mehr Parameter ein Modell hat, desto mehr Wissen, Nuancen und Komplexität kann es oft abbilden. Dafür braucht es aber auch mehr Speicher und mehr Rechenleistung.
🪟 GGUF ist das Standardformat für viele lokale llama.cpp Setups und meistens die beste Wahl auf Windows-Rechnern.
🍎 MLX ist besonders spannend für Apple Silicon und lokale Modelle auf dem Mac.

🏆 Bestes Coding-Modell lokal: Qwen3 Coder Next (45 bis 85 GB).

Weitere Modelle, die wir lokal zum Coden nutzen: Qwen, Ministral und GLM.

🎥 Für Bild- und Videoverarbeitung nutzen wir:

Qwen und SmolVLM.

🚀 Dein erstes eigenes Vibe Coding Projekt:

1. Öffne VS Code, klicke links auf Extensions und installiere Claude und ChatGPT.
2. Logge dich anschliessend mit deinem Account ein. Das muss ein Bezahlaccount sein, sonst kannst du damit nicht coden.
3. Nach dem Einloggen siehst du rechts das Chatfenster. Du bist startbereit.
4. Mach einen leeren Ordner auf und öffne ihn in VS Code. Das ist dein Projekt.
5. Sag dem Chat als Erstes, er soll eine md-Datei (eine einfache Textdatei) für deine Idee anlegen, und gib ihm die Grundregeln unten mit.

Danach kopierst du einen der drei Projekt-Prompts darunter. Alles zum Kopieren findest du hier auf dieser Seite.

1. KISS (Keep It Simple, Stupid) – halte es einfach:

Die einfachste Lösung, die funktioniert, ist die richtige. Ein LLM (Large Language Model, also die AI im Chatfenster) baut dir gerne eine Raumfähre, wenn du ein Velo brauchst. Sag ihm explizit, dass es einfach bleiben soll.

2. Modular (in kleine Bausteine aufteilen) – viele kleine Teile:

Kleine Dateien, kleine Funktionen, eine Datei macht eine Sache. Grosse Dateien versteht weder die AI noch du. Faustregel: über 300 Zeilen wird aufgeteilt.

3. Kann ich es austauschen?

Frag bei jedem Baustein: Wenn ich das später ersetzen will, wie viel muss ich anfassen? Eine Datenbank, ein AI-Anbieter oder ein Zahlungsdienst gehört an eine Stelle gekapselt, nicht in dreissig Dateien verteilt.

4. YAGNI (You Aren’t Gonna Need It) – bau nur, was du jetzt brauchst:

Keine Features auf Vorrat. Kein Login, solange niemand einloggen muss. Jede Zeile, die es nicht gibt, kann nicht kaputtgehen.

5. Kleine Schritte, immer lauffähig:

Nach jedem Schritt muss das Projekt starten. Ein Schritt, testen, Zwischenstand speichern (git commit), nächster Schritt. Nie zehn Sachen auf einmal bestellen.

6. Du bleibst der Chef:

Lies, was die AI gemacht hat. Wenn du etwas nicht verstehst, frag «erkläre mir das in einfachen Worten». Code, den niemand versteht, ist technische Schuld (technical debt: Arbeit, die du später teuer nachholen musst) ab Tag eins.

📋 Grundregeln – immer zuerst einfügen

Du bist mein Entwickler. Ich bin Anfänger. Halte dich in diesem Projekt immer an diese Regeln:

1. KISS (Keep It Simple, Stupid): Die einfachste Lösung, die funktioniert. Keine Extras, die ich nicht verlangt habe.
2. Modular: Kleine Dateien, kleine Funktionen. Eine Datei macht eine Sache. Ab ca. 300 Zeilen aufteilen.
3. Austauschbar: Baue so, dass ich jeden Baustein später ersetzen kann. Datenbank, AI-Anbieter oder externe Dienste kommen hinter eine eigene Datei, nicht verteilt in den ganzen Code.
4. YAGNI (You Aren’t Gonna Need It): Bau nur, was ich jetzt brauche. Keine Features auf Vorrat.
5. Klare Namen: Namen sagen, was das Ding tut. Konsequent eine Sprache.
6. Kleine Schritte: Mach immer nur einen Schritt, zeig mir das Ergebnis, warte auf mein OK.
7. Es muss laufen: Nach jedem Schritt muss ich das Projekt starten können. Gib mir den genauen Befehl dafür.
8. Keine Geheimnisse im Code: Passwörter und API-Keys (Zugangsschlüssel zu einem Dienst) kommen in eine .env Datei (Datei nur für Geheimnisse), die in .gitignore steht (damit sie nie hochgeladen wird).
9. Erkläre kurz: Nach jeder Änderung drei Sätze - was du gemacht hast, warum, was ich testen soll.
10. Frag nach: Wenn etwas unklar ist, stell eine Frage, statt zu raten.

Mach als Erstes zwei Dinge:
- Schreibe diese Regeln in eine Datei AGENTS.md im Projektordner, damit sie nicht verloren gehen.
- Schreibe meine Idee in eine Datei IDEE.md: was das Projekt macht, für wen es ist und die drei wichtigsten Funktionen. Stell mir vorher die Fragen, die du dafür brauchst.

🌐 Prompt 1 – Website

Ich baue eine einfache Website. Halte dich an die Grundregeln.

Ziel: Eine One-Page-Website für [DEIN THEMA, z.B. mein Fotostudio].
Inhalt: Startbereich mit Titel und einem Satz, Über mich, drei Angebote, Kontakt mit E-Mail-Link.
Stil: [ruhig und minimal / verspielt und bunt], grosse Schrift, viel Weissraum.

Technik:
- Nur HTML, CSS und wenig JavaScript. Kein Framework, kein Build-Tool.
- Genau drei Dateien: index.html, styles.css, script.js
- Farben, Schriften und Abstände als CSS-Variablen ganz oben, damit ich alles an einer Stelle ändern kann.
- Mobile zuerst, dann Desktop.
- Bilder als Platzhalter, ich tausche sie später aus.

Vorgehen:
1. Zeig mir zuerst nur die Struktur der Seite als Liste. Warte auf mein OK.
2. Dann baue die drei Dateien.
3. Sag mir am Schluss, wie ich die Seite lokal im Browser öffne.

📱 Prompt 2 – Cross-Platform App (React Native)

Ich baue eine App für iPhone und Android. Halte dich an die Grundregeln.

Ziel: [DEINE IDEE, z.B. eine App, die trackt, wie viel Wasser ich trinke].
Screens: Startscreen mit Liste, Detailscreen, Einstellungen.

Technik:
- React Native mit Expo, TypeScript.
- Navigation mit expo-router.
- Daten zuerst nur lokal speichern (AsyncStorage). Noch kein Server, kein Login, keine Anmeldung.
- Ordner: app/ für Screens, components/ für UI-Teile, lib/ für Logik.
- Die ganze Speicher-Logik kommt in lib/storage.ts, damit ich sie später gegen eine echte Datenbank tauschen kann, ohne die Screens anzufassen.
- Kein State-Management-Framework, solange normaler React State reicht.

Vorgehen:
1. Gib mir zuerst die genauen Befehle, um das Projekt aufzusetzen und mit der Expo Go App auf meinem Handy zu starten.
2. Dann bau Screen für Screen. Nach jedem Screen anhalten, ich teste auf dem Handy.
3. Sag mir bei jedem Schritt, was ich auf dem Handy sehen sollte.

🍎 Prompt 3 – iPhone App (Swift / SwiftUI)

Ich baue eine App nur für das iPhone. Halte dich an die Grundregeln.

Ziel: [DEINE IDEE, z.B. eine Einkaufsliste].
Screens: Liste, Eintrag hinzufügen, Detailansicht.

Technik:
- Swift und SwiftUI, iOS 17 aufwärts.
- Pro Screen eine View und ein kleines ViewModel. Keine grosse Architektur-Schicht.
- Daten mit SwiftData speichern, aber hinter einem eigenen Store-Protokoll, damit ich den Speicher später tauschen kann.
- Keine externen Packages, solange es ohne geht.

Vorgehen:
1. Sag mir Schritt für Schritt, wie ich das Projekt in Xcode anlege: Template, Name, Einstellungen.
2. Gib mir pro Datei den kompletten Inhalt, den Dateinamen und wo die Datei hingehört.
3. Sag mir nach jedem Schritt, was ich im Simulator sehen sollte.

Hinweis: Ich schreibe im VS Code, baue und starte aber in Xcode. Sag mir jeweils, was wo passiert.

🧯 Bonus – wenn etwas kaputt geht

Das ist der Fehler:

[FEHLERMELDUNG HIER EINFÜGEN]

Bitte:
1. Erkläre mir in zwei Sätzen, was der Fehler bedeutet.
2. Nenne die wahrscheinlichste Ursache.
3. Mach den kleinstmöglichen Fix. Ändere sonst nichts.
4. Baue nichts um und schreibe nichts neu, ohne mich vorher zu fragen.

✅ Mach das:

Eine Sache pro Prompt bestellen.
Nach jedem funktionierenden Schritt git commit.
Fehlermeldungen komplett kopieren, nicht abtippen oder zusammenfassen.
Screenshots reinziehen, wenn etwas falsch aussieht.
«Erkläre mir das» ist ein legitimer Prompt.

❌ Lass das:

«Bau mir Instagram» in einem Prompt.
Blind auf «Alle Änderungen akzeptieren» klicken.
Weitermachen, wenn es schon nicht mehr läuft.
API-Keys direkt in den Code schreiben oder in den Chat kleben.
Zwanzig Bibliotheken installieren, bevor überhaupt etwas läuft.

🧭 Wenn du feststeckst:

Neuen Chat starten, Grundregeln nochmals einfügen und das Problem in einem Satz beschreiben. Ein überlanger Chat macht die AI verwirrt, nicht schlauer.
Und wenn drei Versuche nichts bringen: zurück zum letzten funktionierenden Stand und den Schritt kleiner machen.

🍎 Unser Setup der Wahl:

Aktuell sind Macs für lokales Coden mit AI das beste und einfachste Setup. Vor allem wegen Unified Memory: CPU, GPU und Neural Engine greifen auf denselben gemeinsamen Speicher zu. Das macht lokale Modelle auf dem Mac oft unkomplizierter und effizienter.

💼 Für professionelle lokale LLM Aufgaben:

Mac Studio mit mindestens 32 GB Speicher.

🪟 Für Windows-spezifische Entwicklung:

Wenn du mit Unreal Engine, für PlayStation oder generell sehr Windows-lastig entwickelst, ist eine Windows-Maschine die bessere Wahl.

🧰 Unsere Geräte:

MacBook Pro (Apple M Chip) mit 16 GB RAM
Mac Studio (Apple M Chip) mit 32 GB RAM
Windows-Rechner mit RTX 4070 Super und 64 GB RAM

🦞 Claws:

Claws sind persönliche AI Assistants oder Agent-Runtimes, die nicht nur chatten, sondern echte Aufgaben übernehmen: Web, Apps, Files, Terminal und ganze kleine Workflows.

OpenClaw

Der wichtigste Open-Source-Claw im Moment. Ursprünglich von Peter Steinberger gestartet. Lokal, flexibel und klar im Agent- und Assistant-Bereich.

Kimi Claw

Cloud-Version rund um OpenClaw. Ein-Klick-Setup, 24/7 online und deutlich einfacher für Einsteiger.

Hermes Agent

Open-Source-Agent-Runtime von Nous Research mit persistentem Gedächtnis, eigenem CLI, API-Server und Anbindung an über 20 Chat-Plattformen.

ChatGPT agent

OpenAIs Richtung für echte Computer-Use- und Web-Aufgaben. Kann browsen, Dateien nutzen, Formulare ausfüllen und Aktionen ausführen.

Claude Computer Use

Anthropics Computer-Use-Ansatz. Kann Screens sehen und Maus sowie Tastatur direkt steuern.

🧭 Was gerade passiert:

Die etablierten Anbieter bringen ihre eigenen Personal Assistants oder Programme heraus, die den Rechner direkt steuern können. Die Richtung ist klar: weniger Chat, mehr echte Ausführung.

🤖 Namen, die man kennen sollte:

OpenAI: ChatGPT agent, früher Operator
Anthropic: Claude Computer Use
Google: Project Mariner
Kimi: Kimi Claw, Kimi Agent Swarm

🔐 Security:

Solche Tools bekommen oft sehr viel Zugriff: Browser, Files, Terminal, Logins, Zwischenablage oder ganze Apps.
Prompt Injections sind ein echtes Problem. Eine Webseite oder Datei kann dem Agenten versteckte Anweisungen unterschieben.
Wenn du so etwas mit viel Rechteumfang laufen lässt, installierst du dir im Extremfall freiwillig einen Trojaner.
Darum: nur auf Maschinen mit wenig sensiblen Daten testen, wenig Rechte geben, Skills und Plugins wie echten Code behandeln und nie blind alles bestätigen.

🔎 Weitere OpenClaw-Alternativen:

, , , , , , , , , , , , , , , , , ,

Aktuelle LLM Anbieter:

Schneller Überblick, welche Modelle wir aktuell im Blick haben. Das ist eine Einordnung, keine vollständige Marktübersicht.