Was Teilnehmende öffentlich posten
Kein poliertes Testimonial-Deck, sondern echte Posts direkt nach den Hackathons.
Die Beiträge werden von LinkedIn geladen, das dabei eigene Daten und Cookies verarbeiten kann. Sie laden erst, wenn du sie hier anforderst.
Die Skills-Lücke, die das schließt
Die meisten Teams haben keine KI-Wissenslücke mehr. Sie haben eine Souveränitätslücke. Die Leute haben die Schlagzeilen gelesen, ein paar saßen in einem Webinar, und trotzdem sieht die Wochenarbeit aus wie vor einem Jahr. Diese Lücke hat vier konkrete Ursachen, und keine löst sich durch noch einen Foliensatz.
Übung findet nicht statt. Ein Kurs zeigt einen sauberen Beispiel-Prompt. Der echte, heikle Arbeitsfall mit Sonderfällen und sensiblem Kontext wird nie angefasst, also hat die Fähigkeit nichts, woran sie sich festmacht.
Das Selbstvertrauen bleibt niedrig. Wer mit einem Tool noch nichts geliefert hat, meidet es leise. Das wirkt wie Widerstand, ist aber ein fehlender erster Erfolg.
Der Stack ist ein Nebel. Mitarbeiter hören zehn Toolnamen und wissen nicht, welches zu ihrer Aufgabe passt. Diese Entscheidungslähmung hält sie im alten Workflow.
Nichts trägt bis Montag. Ohne ein eigenes Artefakt verpufft die Woche. Es bleibt kein Reporting-Bot, keine Automatisierung, kein Entwurfs-Assistent, der die Gewohnheit verstärkt.
Upskilling, das bleibt, dreht die Reihenfolge um. Statt erst zu lernen und vielleicht später anzuwenden, baut euer Team von der ersten Stunde an an einem echten Fall, und die Souveränität entsteht im Bauen.
Ziele des Upskilling-Sprints
Das Ziel ist kein gutes Gefühl am Freitag. Das Ziel ist, dass eure Leute in der Folgewoche sichtbar anders arbeiten und weiter selbst zu KI-Tools greifen.
Ein funktionierendes Artefakt, das jedes Team behält und weiter nutzt, damit die neue Gewohnheit etwas hat, das sie stützt.
Praktische Souveränität, die an einem echten Fall entstanden ist und deshalb eine volle Woche übersteht.
Eine dokumentierte interne KI-Kompetenzmaßnahme als Baustein für den EU AI Act (Art. 4).
Ein klares Bild, welches Tool zu welcher Aufgabe passt, damit niemand mehr auf eine zentrale Expertenrunde wartet.
Was das Programm umfasst
Ein Upskilling-Hackathon ist ein begleiteter Arbeitssprint für Teams, die nicht programmieren können und auch nicht müssen. Teilnehmer arbeiten mit Cursor, Lovable, n8n, Gamma, Figma Make, Claude Code, Custom GPTs und NotebookLM an ihren eigenen Daten. Die Moderation hält den Fokus je Team auf einem eng gefassten Problem, damit am Ende etwas Nutzbares steht und das Lernen ein Rückgrat hat.
Ein typischer Sprint hat vier ineinandergreifende Teile:
- Challenge-Zuschnitt. Jede Gruppe bekommt einen realen, engen Anwendungsfall mit benanntem Nutzer und gewünschtem Output, zum Beispiel aus einem wöchentlichen Handreport einen automatischen Entwurf zu machen, statt vage etwas mit KI zu probieren.
- Tool-Workshop. Bevor gebaut wird, lernt jede Gruppe genau die Werkzeuge, die ihre Challenge braucht. Kein Toolzoo, der passende Stack für den Fall.
- Bau-Phase. Die Teams bauen mit einem Facilitator daneben, der entstört, den nächsten Schritt zeigt und die Grenze des Prototyps klar hält.
- Pitch und Handoff. Jedes Team zeigt sein Ergebnis, benennt offene Risiken und Annahmen und übergibt das Artefakt an einen Owner mit nächstem Schritt, damit die Souveränität einen Ort hat, an dem sie weiterlebt.
Leistungen und Deliverables
Vorab-Scoping mit Challenge-Zuschnitt je Team.
Kuratierter Toolstack pro Challenge inklusive Zugängen.
Moderierter Bau-Sprint mit Coach während der gesamten Zeit.
Mindestens ein funktionierender Prototyp je Team (Automatisierung, Dashboard, Custom GPT, App-Prototyp oder Workflow).
Eine Skills-Library, die die gebauten Prompts, Muster und Workflows festhält, damit andere sie wiederverwenden.
Handoff-Dokument je Prototyp mit Owner, Zugängen, offenen Risiken, Abnahmekriterium und nächstem Schritt.
Dokumentation der KI-Kompetenzmaßnahme für die Teilnehmer.
Für wen es passt, und für wen nicht
Ehrliche Passung spart beiden Seiten Zeit. Upskilling durch Bauen ist der stärkere Hebel, wenn diese Punkte zutreffen. Wenn nicht, sagen wir das.
| Passt gut, wenn | Passt eher nicht, wenn |
|---|---|
| ein Team echte, wiederkehrende Reibung hat (Handreports, langsame Antworten, verstreutes Wissen), an der es üben kann | ihr nur eine breite KI-Awareness im großen Plenum wollt |
| jemand das Artefakt nach dem Sprint weiter nutzt und verbessert | niemand nach der Woche Verantwortung übernehmen kann |
| Daten und Toolzugänge grundsätzlich freigegeben werden können | echte Daten aus rechtlichen Gründen unter keinen Umständen berührt werden dürfen |
| ihr Souveränität wollt, die man in der Arbeit sieht, nicht nur ein Abzeichen | ein Zertifikat ohne Anwendung für euer Ziel wirklich reicht |
Klassischer KI-Kurs vs. Upskilling-Hackathon
| Kriterium | Klassischer KI-Kurs oder E-Learning | AI Hackathons Upskilling-Hackathon |
|---|---|---|
| Output | Zertifikat oder Teilnahme-Abzeichen | funktionierender Prototyp, den euer Team baut und behält |
| Skill-Retention | unklar ohne Transfermessung | sichtbar über Artefakt, Nutzung und Handoff |
| Woran geübt wird | generische Beispielaufgaben | euer eigener echter Arbeitsfall |
| Tool-Sicherheit | danach weiter theoretisch | an einer echten Aufgabe getestet, Tools werden bewusst gewählt |
| Nutzen-Nachweis | kaum belegbar | greifbares Artefakt als Ausgangspunkt für eure eigene Messung |
| Zeit bis erstem Ergebnis | Wochen bis Monate | startklar in 1 Woche, Ergebnis je nach Scope |
Die Tabelle vergleicht Arbeitsweisen, nicht Anbieter, und enthält bewusst keine erfundenen Prozentzahlen. Belastbare Werte entstehen erst mit eurer eigenen Baseline. Eine Armee mit hundert Leuten, die alle mit den Tools umgehen können, schlägt eine mit tausend, von denen nur zehn kämpfen können. Deshalb messen wir Upskilling an Output und Adoption, nicht an Anwesenheit.
So kann sich der Nutzen rechnen (Modell, keine Kundenzahl)
Eine ehrliche Betrachtung der Amortisation nutzt eure eigenen Größen, nie eine geliehene Fallzahl. Das Modell hat drei Eingaben und eine Formel.
Zeit pro Woche, die eine Person für eine wiederkehrende manuelle Aufgabe braucht, etwa Report-Erstellung.
Anteil, den ein Prototyp davon realistisch abnimmt.
Interner Stundensatz mal Zahl der betroffenen Personen.
Formel: gesparte Stunden pro Woche × Stundensatz × 45 Arbeitswochen × Personen − einmalige Kosten des Sprints und der Nachbau-Wochen. Setzt eure Zahlen ein. Nur als illustratives Modell: Wenn die Report-Erstellung je Person drei Stunden pro Woche kostet und ein Entwurfs-Bot zwei davon abnimmt, sind das zwei Stunden über, sagen wir, acht Personen und ein Jahr, eine Größenordnung, an der ihr die Investition ehrlich prüfen könnt. Genau diese Rechnung machen wir im Discovery Call mit euren echten Werten, nicht mit unseren.
Interaktiver Rechner: /de/tools/ki-enablement-readiness/.
Passt das zu eurem Team? Entscheidet mit einem Menschen, oder lest zuerst.
Social Proof
Teams von Adobe, YOYABA, Onventis und NavVis haben mit uns gearbeitet.
Case Studies ansehen
Discovery Call buchen