Aus unseren Treffen · Jan–Jun 2026
Tools, Ansätze und Begriffe aus dem Reverse Mentoring — kurz erklärt, mit Quelle. Volltextsuche (auch unscharf) und Filter nach Kategorie.
27 Einträge
KI-Assistenten & Coding-Tools
Agentisches Coding-Tool für die Kommandozeile.
Man beschreibt eine Aufgabe in normaler Sprache, und das Tool plant, schreibt und ändert Code selbstständig über mehrere Schritte. Mit dem Opus-Modell bis zu 1.000.000 Token Kontext – also sehr viel Projektwissen gleichzeitig.
Im Mentoring: Mein tägliches Werkzeug; damit habe ich dir gezeigt, wie ich als Gründer in Echtzeit entwickle.
KI-Assistenten & Coding-Tools
KI-Code-Editor, stärkere Alternative zu Copilot.
Eine Entwicklungsumgebung, in der die KI tief integriert ist – Vorschläge, ganze Funktionen, Umbauten über mehrere Dateien hinweg.
Im Mentoring: Als Option neben GitHub Copilot genannt.
KI-Assistenten & Coding-Tools
KI-Assistent fürs Programmieren, von GitHub.
In eurer KfW-Umgebung mit verschiedenen Modellen im Einsatz, mit einem Kontextlimit von ca. 250.000 Token (beim SAS2Python-Task zeitweise zu ~80 % genutzt).
Im Mentoring: Euer aktuelles Tool; Ausgangspunkt für den Vergleich mit Cursor/Claude Code.
KI-Assistenten & Coding-Tools
KI-Assistent von Anthropic.
Stark in deutscher Sprache, beim Reasoning und bei langen Dokumenten. Gut für Recherche, Zusammenfassungen und Textentwürfe.
Im Mentoring: Grundlage vieler unserer Beispiele.
KI-Assistenten & Coding-Tools
KI-Assistent von OpenAI.
Vielseitiger Assistent, kann u. a. auch „Deep Research" – also längere, mehrstufige Recherche selbstständig durchführen.
Im Mentoring: Als Beispiel für Deep-Research-Agenten genannt.
Recherche & Daten
KI-native Websuche bzw. Recherche-Schnittstelle.
Sucht nicht nach Stichworten, sondern nach Bedeutung – gut, um für KI-Agenten schnell passende Quellen oder Frameworks zu finden.
Im Mentoring: Von mir für schnelle, einfache Web-Recherche empfohlen.
Recherche & Daten
Produkt-Analytics – misst Nutzerverhalten.
Zeigt, wie Anwender ein Produkt tatsächlich benutzen (Klicks, Wege, Abbrüche). Hilft zu verstehen, was wirklich gebraucht wird, statt es zu vermuten.
Im Mentoring: Nutze ich selbst für meine Website; als Beispiel fürs systematische Sammeln von Nutzerverhalten.
Kontext & Erweiterung
Strukturierte Ablage von Kontext-Wissen, die man an KI-Tools anbindet.
Statt der KI bei jeder Aufgabe alles neu zu erklären, hinterlegt man Wissen (Systeme, Prozesse, Regeln) zentral und bindet es an. Die KI startet dann nicht mehr bei null.
Im Mentoring: Idee, KfW-spezifisches Wissen als MCP-Server bereitzustellen.
Kontext & Erweiterung
Wiederverwendbare „Skills" / Ressourcen für KI-Agenten.
Vordefinierte Bausteine, die ein KI-Agent nutzen kann. Man könnte eigene Skills mit den spezifischen Daten der KfW oder eines konkreten Systems bauen.
Im Mentoring: Als Ansatz für den SAS2Python-Task und für wiederkehrende Aufgaben genannt.
Inferenz & Modelle
Sehr schnelle KI-Inferenz mit großzügigem Free-Tier.
Plattform, die offene Modelle (z. B. Llama) extrem schnell ausführt. Gut für Aufgaben wie das tägliche Zusammenfassen von Nachrichten.
Im Mentoring: Vorgesehen als Motor für die News-Funktion dieser Website.
Inferenz & Modelle
Eine Schnittstelle für viele Modelle, inklusive kostenloser.
Ein Zugang zu vielen Anbietern und Modellen über eine API – praktisch zum Vergleichen oder als kostengünstige Alternative.
Im Mentoring: Als Inferenz-Option erwähnt.
Inferenz & Modelle
Gemanagtes Hosting von KI-Modellen (u. a. Claude) bei AWS.
Modelle laufen in der eigenen Cloud-Umgebung – relevant für die „bleibt in unserer VPC"-Frage, die in regulierten Häusern wie der KfW zählt.
Im Mentoring: Als Weg genannt, KI sicher und kontrolliert zu betreiben.
Inferenz & Modelle
Frei verfügbare Sprachmodelle, intern evaluierbar.
Starke Modelle (z. B. Llama, Mistral, Qwen, DeepSeek), die man selbst hosten und prüfen kann – interessant, wenn Daten das Haus nicht verlassen sollen.
Im Mentoring: Als Hinweis genannt, dass es neben den großen Anbietern starke offene Alternativen gibt.
Ansätze & Vorgehen
Beschreiben → generieren → in schnellen Schleifen verbessern.
Man baut nicht wochenlang einen Prototyp, sondern beschreibt der KI, was man will, lässt einen ersten Wurf generieren und verbessert ihn in kurzen Runden.
Im Mentoring: Kern meiner Arbeitsweise, die ich dir und dem Team gezeigt habe.
Ansätze & Vorgehen
Wo möglich Bestehendes nutzen statt neu bauen.
Vorhandene Frameworks und Bausteine wiederverwenden spart Zeit und reduziert Fehler.
Im Mentoring: Als Teil des Entwicklungsvorgehens besprochen.
Ansätze & Vorgehen
Passende Tools/Frameworks per KI-Recherche finden.
Statt selbst lange zu googeln, die KI gezielt recherchieren lassen, welche Lösung zum Problem passt.
Im Mentoring: Teil des Vorgehens; Beispiel-Tool: Exa.
Ansätze & Vorgehen
Agenten für regelmäßige Tiefenrecherche.
KI-Agenten, die selbstständig mehrstufig recherchieren und Ergebnisse zusammenfassen – auch mit ChatGPT möglich.
Im Mentoring: Als wiederkehrender Anwendungsfall genannt.
Ansätze & Vorgehen
Token-Limits beachten – sonst sinkt die Qualität.
Jedes Modell hat ein Kontextlimit. Ist es zu voll, werden die Ergebnisse schlechter. Abhilfe: Kontext komprimieren oder auf die konkrete Aufgabe eingrenzen.
Im Mentoring: Beim Vergleich Copilot (250k) vs. Claude Code (1M) und beim SAS2Python-Task besprochen.
Ansätze & Vorgehen
Wörtlich übersetzen, dann den Python-Code verbessern.
Modelle lesen Python besser als SAS. Daher zuerst SAS möglichst 1:1 nach Python übertragen, danach in einem zweiten Schritt den Python-Code optimieren.
Im Mentoring: Konkreter Ansatz für euren Migrations-Use-Case (mit Boyan und Thomas).
Ansätze & Vorgehen
Größtes Problem abfragen, Antworten KI-gestützt auswerten.
Anwender direkt nach ihrem größten Problem fragen, Antworten von der KI zusammenfassen lassen, Nutzerverhalten aufzeichnen und Feedback z. B. über soziale Medien einsammeln.
Im Mentoring: Als Methode besprochen, nah an echten Bedürfnissen zu entwickeln.
Konzepte & Organisation
Das Modell entscheidet selbst über die nächsten Schritte.
Statt einer fest verdrahteten Abfolge wählt die KI in einer Schleife eigenständig, welche Werkzeuge sie wann aufruft – flexibler als eine starre Pipeline.
Im Mentoring: Hintergrund zu modernen KI-Anwendungen.
Konzepte & Organisation
Junge Mitarbeitende beraten Führungskräfte zu KI.
Gibt jungen Kolleg:innen Sichtbarkeit und Gestaltungsmacht und bringt KI-Wissen schneller in die Breite. Modernisierung und Mitarbeiterbindung zugleich.
Im Mentoring: Genau das Format, in dem wir uns getroffen haben.
Konzepte & Organisation
Moderne Tools = Modernisierung und Recruiting-Signal.
Wer jungen Leuten moderne KI-Werkzeuge gibt und sie als Treiber einsetzt, signalisiert: Hier kannst du gestalten. Das macht gleichzeitig produktiver und attraktiver als Arbeitgeber.
Im Mentoring: Die Brücke zwischen unseren beiden Hauptthemen.
Quellen zum Dranbleiben
Deutschsprachige KI-News.
Fundierte, aktuelle Berichterstattung zu KI auf Deutsch – gut für den Überblick.
Quellen zum Dranbleiben
Deutsche Tech-News mit solidem KI-Teil.
Etablierte Quelle für Technik und IT, oft mit kritischer Einordnung.
Quellen zum Dranbleiben
Deutsches Digital-/Tech-Magazin.
Praxisnahe Artikel zu KI, Tools und digitaler Arbeit.
Quellen zum Dranbleiben
Primärquellen für neue Releases.
Ankündigungen und technische Details aus erster Hand – nützlich, um Hype von Substanz zu trennen.