Ein Hackathon in der Konstanzer Shedhalle brachte interdisziplinäre Teams zusammen, um praktische KI-Anwendungen für reale Arbeitsprobleme zu entwickeln. Im Mittelpunkt stand die Frage, wie KI mit sensiblen Daten genutzt werden kann, ohne diese unkontrolliert in externe Clouds zu übertragen.
Eine Arbeitsgruppe entwickelte das Konzept einer lokalen KI-Infrastruktur, die etwa in Arztpraxen Patientendaten gezielt und datenschutzkonform aufbereitet. Der Hackathon verdeutlichte, dass KI-Kompetenz durch angeleitete Praxis entsteht und Verantwortung von Beginn an in die Systemarchitektur eingebettet sein muss.
Was ein Hackathon in Konstanz über die Zukunft von Arbeit, Lernen und Innovation zeigt. Und wie es anders gehen könnte, mit Software Probleme zu lösen. Auch die, die wir ohne KI nicht gehabt hätten…
Vielleicht war es wirklich der heißeste Tag des Jahres. In der Shedhalle in Konstanz standen Ventilatoren, Wasserflaschen, Laptops, Palettenmöbel, Whiteboards — und natürlich der obligatorische Kicker. Drinnen zeigte das Thermometer am Nachbartisch 34,7 Grad. Vorne wurde gepitcht. Hinten wurde noch gebaut. Zwischendurch flog eine Frisbee. Irgendwo wurde über Algorithmen gesprochen. Und während draußen der Sommer über dem Bodensee flimmerte, entstand drinnen genau das, worüber viele Organisationen gerade noch in Strategiepapieren reden: praktische KI-Kompetenz.
Nicht steril.
Nicht frontal.
Nicht PowerPoint-only.
Sondern heiß, konkret, interdisziplinär.
Der Hackathon in Konstanz war mehr als ein Innovationsformat. Er war ein Trainingsraum für die neue Arbeitswelt. Menschen aus unterschiedlichen Disziplinen kamen zusammen, bildeten Teams, arbeiteten an echten Problemen, bauten Prototypen und stellten sich am Ende auf die Bühne. Nicht mit perfekten Produkten. Aber mit ersten Lösungen. Mit Mut. Mit Energie. Mit Lust am Machen.
Genau hier entscheidet sich, ob Künstliche Intelligenz in Organisationen wirklich ankommt.
Nicht in der nächsten Tool-Liste.
Nicht im nächsten Trendpapier.
Sondern dort, wo Teams lernen, eigene Use Cases zu entwickeln.
Der Ort erzählte mit
Die Shedhalle liegt im Innovationsumfeld von FARM – Gründung & Innovation, auf einem ehemaligen Siemens-Areal. Früher ging es hier um industrielle Automatisierung, um Postverarbeitung, Schrifterkennung, maschinelles Lesen von Adressen. Maschinen sollten Handschriften erkennen, Briefe sortieren, Muster aus Daten lesen.
Heute sitzen Teams an Laptops und fragen: Wie liest KI die Dokumente, mit denen Menschen wirklich arbeiten?
Früher: Adressen erkennen.
Jan Otte, „Tech-Theologe“
Heute: Akten verstehen.
Früher: Sortierleistung.
Heute: Urteilskraft.
Genau dieser Ortswechsel macht den Hackathon so stark. Er verbindet Industriegeschichte mit Open Innovation. Er zeigt: Die Fragen sind nicht völlig neu. Maschinen lesen, sortieren und unterstützen seit Jahrzehnten. Neu ist die Tiefe, mit der KI in Wissensarbeit, Entscheidungen und Verantwortung hineinreicht.
Und genau deshalb reicht es nicht, KI nur technisch zu denken.
Unsere Gruppe: lokale KI für sensible Daten
Mit meiner Gruppe rund um Sascha, Michael und Stefan habe ich an einem Use Case gearbeitet, der in den nächsten Jahren viele Organisationen beschäftigen wird:
Wie nutzen wir KI mit sensiblen Daten?
Arztpraxen. Kanzleien. Unternehmen. Verwaltungen. Schulen. Organisationen.
Überall liegen Dokumente, Akten, Befunde, Verträge, E-Mails, Bilder, Notizen und interne Wissensbestände. KI könnte hier enorm helfen. Sie könnte sortieren, zusammenfassen, vorbereiten, Zusammenhänge sichtbar machen, Routinen beschleunigen und Fachkräfte entlasten.
Aber nicht, wenn dafür alles unkontrolliert in externe Clouds wandert.
Unsere These war klar:
KI muss nicht immer in die Cloud.
Manchmal muss sie dorthin, wo die Daten bleiben dürfen.
Lokale KI. Eigene Server. Klare Prozesse. Vorbereitung statt Kontrollverlust.
Wir haben uns kein weiteres Tool vorgestellt, das einfach hübsche Zusammenfassungen erzeugt. Wir haben eine Arbeitsinfrastruktur gedacht. Ein System, das nachts vorbereitet, Dokumente sortiert, offene Punkte markiert, relevante Informationen zusammenfasst und Menschen am nächsten Morgen schneller in die Entscheidung bringt.
In einer Arztpraxis könnte das heißen: Nicht alle Akten werden permanent analysiert. Sondern gezielt jene Patientinnen und Patienten, die in den nächsten Tagen einen Termin haben. Am Morgen liegt ein kompaktes Dossier bereit: Medikamente, Impfstatus, offene Fragen, relevante Verläufe, Hinweise auf Wiederholungen.
Die Ärztin startet nicht bei null.
Aber sie entscheidet selbst.
Das ist der entscheidende Punkt.
KI ersetzt hier nicht Verantwortung. KI bereitet Verantwortung vor.
Vom KI-Staunen ins KI-Handeln
Viele Organisationen stehen gerade an derselben Schwelle. Sie haben ChatGPT ausprobiert. Sie kennen ein paar Prompts. Sie ahnen, dass KI Prozesse verändern wird. Aber sie wissen noch nicht, wo sie anfangen sollen.
Genau dafür braucht es neue Lernformate.
Nicht nur Vorträge über KI.
Nicht nur Tool-Schulungen.
Nicht nur abstrakte Ethik-Debatten.
Sondern Werkstätten, in denen Teams mit ihren eigenen Fragen arbeiten.
Welche Prozesse kosten Zeit?
Welche Dokumente blockieren Arbeit?
Welche Daten dürfen wohin?
Welche Aufgaben lassen sich lokal automatisieren?
Wo braucht es menschliche Prüfung?
Wo entsteht sofort Nutzen?
Wo beginnt Risiko?
KI-Kompetenz entsteht nicht durch Zuschauen. Sie entsteht durch angeleitete Praxis.
Der Hackathon hat das gezeigt. Menschen lernen schneller, wenn sie ein echtes Problem bearbeiten. Sie verstehen KI besser, wenn sie nicht nur darüber sprechen, sondern sie in einen Ablauf einbauen. Sie erkennen Grenzen früher, wenn sie einen Prototyp bauen. Sie gewinnen Selbstvertrauen, wenn aus einer Idee ein funktionierender erster Schritt wird.
Das ist der Kern von Open Innovation.
Nicht eine Person hat die Lösung. Viele Perspektiven bauen sie gemeinsam. Technik trifft Praxis. Datenschutz trifft Prozessdesign. Ethik trifft Geschäftsmodell. New Work wird nicht als Sitzsack inszeniert, sondern als konkrete Arbeitsweise: selbstorganisiert, interdisziplinär, ergebnisorientiert.
Responsible AI als Innovationsvorteil
Als Tech-Theologe interessiert mich besonders, wo Verantwortung praktisch wird.
Responsible AI darf kein Warnschild am Ende eines Projekts sein. Responsible AI muss in die Architektur. In den Workshop. In die erste Skizze. In die Frage, wo Daten verarbeitet werden, wer Ergebnisse prüft und wann Menschen bewusst entscheiden.
Gerade bei sensiblen Daten ist Verantwortung kein Zusatz. Sie ist die Voraussetzung für Innovation.
Eine Arztpraxis wird KI nicht einsetzen, wenn Vertrauen verloren geht. Eine Kanzlei wird keine sensiblen Dokumente verarbeiten, wenn Datenwege unklar bleiben. Ein mittelständisches Unternehmen wird KI nicht tief integrieren, wenn niemand versteht, was im Prozess passiert.
Deshalb ist lokale KI kein Rückschritt. Sie ist ein strategisches Angebot.
Sie sagt: Wir nehmen eure Praxis ernst.
Wir nehmen eure Daten ernst.
Wir nehmen eure Verantwortung ernst.
Und genau deshalb bauen wir KI so, dass sie anschlussfähig wird.
Das ist eine andere Haltung als der reine KI-Hype. Sie fragt nicht zuerst: Was kann das größte Modell? Sie fragt: Welche Lösung passt zu diesem konkreten Arbeitsfeld?
Use Case first.
Trust first.
Human decision first.
Karrierekompetenz der nächsten Jahre
Für Karriere und Arbeitswelt liegt hier eine zentrale Einsicht: Wer KI nur konsumiert, bleibt abhängig. Wer KI versteht und in eigene Prozesse übersetzen kann, gewinnt Gestaltungsspielraum.
Die wichtigste Kompetenz der nächsten Jahre wird nicht sein, jedes Tool zu kennen. Die wichtigste Kompetenz wird sein, gute Fragen zu stellen, Prozesse zu erkennen, Datenflüsse zu verstehen und mit anderen gemeinsam Prototypen zu bauen.
Das betrifft Führungskräfte genauso wie Fachabteilungen. Ärztinnen genauso wie Verwaltungsmitarbeiter. Lehrkräfte genauso wie Gründerinnen. IT-Teams genauso wie Kommunikation, HR, Recht oder Strategie.
KI verändert Arbeit nicht nur technisch. Sie verändert Rollen.
Wer entscheidet?
Wer prüft?
Wer erklärt?
Wer gestaltet?
Wer übernimmt Verantwortung?
Hackathons, KI-Werkstätten und Co-Creation-Formate machen diese Fragen erlebbar. Sie holen Menschen aus der passiven Beobachterrolle. Sie zeigen: Ich kann mitgestalten. Ich kann einen Use Case formulieren. Ich kann Grenzen benennen. Ich kann Prototypen testen. Ich kann mitreden.
Das ist Future Skill im besten Sinn.
Vom Event zur Akademie
Aus solchen Erfahrungen entsteht für mich ein klarer Auftrag: Wir brauchen mehr Lernräume, in denen Menschen KI nicht nur erklärt bekommen, sondern ins Handeln kommen.
KI-Werkstätten.
Responsible-AI-Sprints.
Co-Creation-Workshops.
Use-Case-Labs.
Open-Innovation-Hackdays.
Formate, in denen Unternehmen, Praxen, Verwaltungen, Schulen, Hochschulen und Netzwerke eigene KI-Anwendungen entwickeln. Nicht als Show. Nicht als einmaliger Impuls. Sondern als Weg in konkrete Veränderung.
Denn KI wird nicht produktiv, weil ein Tool verfügbar ist. KI wird produktiv, wenn Menschen lernen, sie sinnvoll in Arbeit zu integrieren.
Der Hackathon in Konstanz hat genau das sichtbar gemacht: Ein Raum, ein Problem, ein Team, ein Zeitfenster — und plötzlich entstehen Lösungen, die vorher niemand allein gebaut hätte.
Vielleicht war es der heißeste Tag des Jahres.
Aber manchmal braucht Innovation genau diese Temperatur.
Ein Raum, in dem es warm genug wird, damit aus Ideen Bewegung entsteht.
