Den Zyklus durchbrechen: Wie Organisationen Doomprompting vermeiden und Erfolg erzielen können

Seit dem theoretischen Konzept in den 1950er Jahren hat die künstliche Intelligenz (KI) den Weg für Unternehmen geebnet, um durch verschiedene Techniken, insbesondere maschinelle Lernsysteme, verbesserte Chancen und Produktivität zu erleben. Diese Tools/Technologien haben die Prognose und Entscheidungsfindung verbessert und den Grundstein für zukünftige technische Fortschritte gelegt. In jüngster Zeit hat die generative KI das Versprechen gemacht, alles zu verändern, was wir über die Arbeit wissen, und die KI-Erfahrung demokratisiert. Benutzer interagieren jetzt mit KI-Modellen wie ChatGPT durch “Prompting”, bei dem man mit einem KI-Modell interagiert. Allerdings kommen diese Vorteile auch mit einer neuen Herausforderung: Doomprompting. Dies ist äquivalent zum Endlos-Scrollen auf Online-Inhalten, ohne ein definiertes Ziel, und Benutzer werden in Kaninchenlöchern gefangen. Bei KI jedoch spricht das Kaninchenloch zurück. Diese ständige Verfeinerung von KI-Prompts für generative und agente Modelle, getrieben von der Ambition, die perfekte Ausgabe zu erzielen (und manchmal durch Prompting ohne ein bestimmtes Ziel im Sinn), führt zu erhöhten Kosten und abnehmenden Erträgen. Es schafft ein großes Hindernis für den Erfolg und untergräbt den Zweck der Verwendung der KI-Technologie selbst.

Da Unternehmen ihre KI-bezogenen Budgets erhöhen, müssen Entscheidungsträger den Weg zu echten Renditen auf ihre Investitionen und den Wert, den sie generieren, verstehen. Ein Bericht von IEEE aus dem Jahr 2025, “Die versteckten Kosten der KI: Wie kleine Ineffizienzen zu erheblichen wirtschaftlichen Belastungen werden”, zeigt, wie kleine Anpassungen zu erheblichen wirtschaftlichen Belastungen werden können. Um nicht Teil dieses teuren Kampfes zu werden, müssen Unternehmen ihre Schulung von Mitarbeitern mit LLMs verfeinern, um das volle Potenzial ihrer KI-Investitionen zu erreichen.

Die generative KI bringt das Versprechen von Optimierung und Effizienz. Allerdings, wenn Teams in den Zyklus der endlosen Verfeinerung (oder radarlosen Umherirrens) geraten, untergräbt die Ineffizienz diese Grundlage.

Die “Workslop”-Reinigung

Einer der Gründe, warum Teams kontinuierlich Ausgaben verfeinern, um eine perfekte Antwort zu generieren, ist die “Workslop”. Erstmalig im Harvard Business Review beschrieben, umfasst die “Workslop” “KI-generierte Arbeitsinhalte, die sich als gute Arbeit ausgeben, aber nicht die Substanz haben, um eine bestimmte Aufgabe sinnvoll voranzutreiben.”

Diese KI-produzierte “Slop” ist das erste Domino in einer langen Reihe, die den Doomprompting-Zyklus schafft. Während die Modifizierung des unterdurchschnittlichen Inhalts durch Iterationen oder Bearbeitungen wichtig ist, muss man verstehen, wann man aufhören muss, bevor es in die Steigung der abnehmenden Erträge gerät. Unternehmen müssen ihre Zeitinvestition in KI-Schulung mit einem delikaten Gleichgewicht angehen. Auf der einen Seite sollten Teams sich der erforderlichen Qualität bewusst sein; auf der anderen Seite sollten sie wissen, wann es zu viel ist. Die Schulung von Mitarbeitern in der intelligenten Nutzung von KI-Modellen durch optimale Prompting und klare Ziele würde auch von Vorteil sein.

Agente KI nutzen, um Doomprompting zu vermeiden

In den letzten Jahren haben Unternehmen ihr Interesse und ihre Investitionen in agente KI erheblich erhöht, die für ihre Fähigkeit bekannt ist, die betriebliche Effizienz zu verbessern. Agente KI kann komplexe Aufgaben übernehmen, mit mehreren Agenten (einschließlich RAG- und Aktionsagenten) zusammenarbeiten, um den Kurs der Aktion zu bestimmen, und die Aufgaben autonom ausführen.

Diese Eigenschaften können dazu beitragen, Doomprompting zu vermeiden oder zu umgehen. Dies kann die Notwendigkeit, GenAI-Schnittstellen durch multiple Prompts zu instruieren, um die Aufgabe abzuschließen, beseitigen. Ein Beispiel dafür findet sich in KI-gestützten IT-Betrieben oder AIOps, die die IT-Modernisierung durch die Einbindung von KI in tägliche Aufgaben vorantreiben. Traditionell verbringen Teams ihre Zeit mit der manuellen Anpassung von Systemen. 21. Jahrhunderts-Abteilungen sind solche, die KI nutzen, um kritische Funktionen wie Fehlerbehebung, Reaktionsmanagement und Ressourcenzuweisung autonom zu verwalten.

Ein weiteres passendes Beispiel ist, wie agente KI-Systeme ein komplexes Ereignis autonom verarbeiten können. Diese Agenten, zusammen mit ITOps, sind in der Lage, den Kontext des Problems zu verstehen, mit begründeten Agenten zusammenzuarbeiten, um den Kurs der Aktion zu bestimmen, mit Aktionsagenten die letzten Meilen der Fehlerbehebung auf IT-Systemen durchzuführen und schließlich Lernagenten zu verwenden, um die Lösung zu verstehen und sie in Zukunft effektiver anzuwenden.

Die intelligente Automatisierung der agenten KI hilft bei weniger menschlicher Interaktion und führt Aufgaben autonom aus. Um den sich ändernden Geschäftsanforderungen gerecht zu werden, sollten wiederkehrende Aufgaben und Betriebe an autonome KI übertragen werden. Diese Übertragung eliminiert den Zyklus der erneuten Prompting und der wiederholten Verfeinerung, der oft Doomprompting antreibt. Autonome Betriebe ermöglichen es KI-Modellen, kontinuierlich zu optimieren und auf veränderte Variablen ohne manuelle Eingabe zu reagieren, was zu schnelleren Ergebnissen mit minimaler menschlicher Intervention führt.

Während ausgebildete Fachleute auch in Zukunft eine wichtige Rolle in den täglichen Betrieben durch den menschlichen Ansatz im Kreis spielen werden, wird ihre Zeit besser durch die Überprüfung der Ergebnisse genutzt. Dieser Ansatz minimiert das Risiko, Fehler oder Überanpassungen einzuführen.

Die Rolle der Governance bei der Vermeidung von Doomprompting

In einer aktuellen McKinsey-Umfrage gaben 88% der Befragten an, KI in mindestens einer Geschäftsfunktion einzusetzen. Dies war ein Anstieg von 10% im Vergleich zu 2024 und einem atemberaubenden Anstieg von 33% seit 2023. Für agente KI war dieser Anstieg noch deutlicher. Von nur 33% im Jahr 2023 auf fast 80% im Jahr 2025.

Diese weit verbreitete Akzeptanz treibt Unternehmen dazu, neue Lösungen für Doomprompting zu finden. Ein solches Werkzeug sind robuste Governance-Rahmenbedingungen. Diese sollten sorgfältig entwickelt werden, um sicherzustellen, dass KI-Projekte mit den Geschäftszielen übereinstimmen und nicht dem endlosen Walzer der Optimierung zum Opfer fallen. Wenn Teams diese Rahmenbedingungen entwickeln, sollten sie folgende Aspekte berücksichtigen:

• Leitlinienfestlegung: Datenströme zu und von KI-Modellen werden zunehmend komplex. Um dies zu vereinfachen, sollten KI-Leitlinien einen Rahmen für Teams schaffen, um Daten zu verwalten, Entscheidungen zu treffen und KI-Ausgaben verantwortungsvoll zu verwalten.
• Schulung der Benutzer: Eine angemessene Schulung in der Prompt-Verwendung kann zur optimalen Produktivität beitragen
• Verwendung spezifischer Modelle: Branchen- und zweckspezifische KI-Modelle sind wahrscheinlich in der Lage, kontextuelle und sinnvolle Ausgaben schneller bereitzustellen
• Schulung der KI-Modelle: Die Schulung der KI-Modelle mit branchen-, aufgaben- oder organisationsbezogenen Daten (wo immer möglich) kann zu weniger “Workslop” und angemesseneren Ausgaben schneller führen.
• Regelentwicklung: Die Erstellung und Implementierung eines klaren Satzes von Regeln ist für die Steuerung der KI-Entwicklung und -Implementierung unerlässlich. Wenn Teams operative Grenzen festlegen, stellen sie sicher, dass die übernommenen Systeme mit den organisatorischen Zielen, ethischen Standards und gesetzlichen Anforderungen übereinstimmen.

Während die Akzeptanzrate von KI-Lösungen zunimmt, tut dies die Governance nicht. Laut dem PEX-Branchenbericht 2025 haben weniger als die Hälfte eine KI-Governance-Richtlinie in Kraft. Während nur 25% dabei waren, eine solche umzusetzen, und fast ein Drittel keine KI-Governance-Richtlinie hatte. Diese Rahmenbedingungen können der entscheidende Faktor sein, der Unternehmen hilft, klare Grenzen für akzeptable Leistungen festzulegen.

Den Doomprompting-Loop verlassen

Um nicht in den Zyklus des Doomprompting zu geraten, müssen Unternehmen KI-Strategien priorisieren, die Ergebnisse über Perfektion stellen. Die Verwendung von Prompt-Schulung, zweckbezogenen KI-Modellen und Modellen, die auf kontextuellen Unternehmensdaten trainiert sind, kann die Notwendigkeit für umfangreiche erneute Prompting reduzieren. Unternehmen, die agente KI, autonome IT-Betriebe und starke Governance-Rahmenbedingungen nutzen, können kritische Ressourcen auf die Erreichung ihrer Geschäftsziele ohne die Verstrickung in endlose Optimierungszyklen umlenken. Erfolg wird kommen, wenn Teams ihre Denkweise von ständiger Verfeinerung auf eine fokussierte Ausführung und messbare Ergebnisse umstellen.