Es ist Juli im Jahr 2025. Und dieses Jahr wird von der gesamten KI-Community, besonders aber im Silicon Valley, als das Jahr der so genannten „Agentic AI“ bezeichnet. Ein Agent, der nicht nur im Dialog antwortet, sondern auch mitdenkt und eigenständig handelt. Beginnend bei der Planung von Abläufen bis zur vollständigen Ausführung komplexer Aufgaben. Egal ob Terminmanagement, Analysen, Erstellung von Unterlagen oder Online-Buchungen, die neuartigen KI-Agenten, insbesondere auch der ChatGPT Agent, versprechen, als virtuelle Companions immer mehr menschliche Arbeiten zu übernehmen. Und das völlig autonom von Anfang bis Ende. In diesem Artikel befassen wir uns daher mit dem Thema KI-Agenten und werfen auch einen besonderen Blick auf den KI-Agenten von OpenAI. Ist das die neue technologische Revolution?

1. Was ist der ChatGPT KI-Agent und was macht KI-Agenten besonders?

2. Technische Grundlagen (stark vereinfacht)

3. Was unterscheidet KI-Agenten von „klassischen“ KI-Lösungen?

4. Anwendungsfälle im Alltag und Beruf

2.1 Beispiel 1: Automatisiertes E-Mail- und Kommunikationsmanagement

2.2 Beispiel 2: Agenten-gestützte Reise und Terminplanung

4.3 Beispiel 3: Datenanalyse und Reportings im beruflichen Kontext

4.4 Beispiel 4: Personalisierter Lern-Assistent für Privat und Beruf

5. Verfügbarkeit und kritische Aspekte der praktischen Nutzung

6. Fazit: Sind KI-Agenten nun die Revolution für die breite Masse?

Generative KI erobert seit dem öffentlichkeitswirksamen „Durchbruch“ von ChatGPT im Herbst 2022 immer weiter die private und berufliche Prozesswelt. Unzählige KI-Anbieter entstehen und vor allem im Silicon Valley gibt es einen wahren Wettlauf um die Vorherrschaft im KI-Sektor. In verschiedenen Anwendungsgebieten wie Text, Bild, Video, Audio und Software-Code sprießten seither sowohl verschiedenste Anwendungen hervor, als auch unterschiedliche Arten der Nutzung eben dieser Anwendungen.

„Generative KI ist ein Werkzeug, das unnötige Arbeiten und Prozesse zu einem gewissen Grad eliminieren kann und zusätzlich als Quelle der Inspiration dienen kann. Mit Agentic AI bzw. KI-Agenten werden diese Anwendungen mit einem neuartigen Grad an Autonomie ausgestattet, um den tatsächlichen Erwartungen der Allgemeinheit an KI noch weiter gerecht zu werden.“

Alle bisherigen KI-Lösungen basierten darauf, dass so genannte große Sprachmodelle in Dialog-Anwendungen integriert wurden und somit, meist in Form von Chatbots oder Coding-Terminals, eine interaktive Kommunikation zwischen Initiator (Nutzer) und KI stattgefunden hat. Diese Art und Weise mit einer KI zu interagieren, erforderte immer einen Impuls von außen, in der Regel durch einen menschlichen Trigger. Die nächste Phase der KI-Evolution soll diesen menschlichen Trigger optional machen und die gesamte Lösung von Aufgaben in den Vordergrund stellen. Hier geht es weg vom „einfachen Chatten“ hin zur Teilautonomie und die KI-Industrie nennt diesen Vorgang „Agentic AI“, zu Deutsch KI-Agenten.

Ein KI-Agent ist ein Computer-Programm, üblicherweise erreichbar über einen Web-Service oder ein lokales Hosting, das autonom Aufgaben ausführt. Dabei wird selbständig entschieden, was zu tun ist und wie etwas getan wird. Anders als eindimensionale KI-Modelle, die nur auf Eingaben (so genannten Prompts) reagieren, handelt ein KI-Agent zielgerichtet, plant Schritte, passt sich an und kann über mehrere Aktionsschritte hinweg komplexere Aufgaben erledigen.

Vereinfacht gesagt führt ein KI-Agent für folgende Prozessschritte aus:

• Informationen aufnehmen (Text, Zahlen, strukturierte Daten)

• Entscheidungsweg planen und Entscheidungen selbständig treffen

• Aktion autonom ausführen, die das geplante Ziel erreichen soll

• Aus dem Ergebnis und vorangegangen Aktionen lernen und sich selbst verbessern

Der ChatGPT Agent ist ein neuartiger, integrierter Agent mit Anwenderschwerpunkt in ChatGPT, der die Fähigkeiten aus OpenAI’s bisherigen Tools „Operator“ und „Deep Research“ in einem System vereint. Im Gegensatz zu bisherigen KI-Chatbots kann der Agent Aufgaben nicht nur planen, sondern selbstständig von Start zu Ende ausführen – über eine virtuelle Cloud‑„Computer-Umgebung“, in dem dieser vom Anwender Zugriff auf Webbrowser, Terminals, Passwörter und APIs gewährt bekommt.

Der ChatGPT Agent, genauso wie alle anderen KI-Agenten, basiert auf einem speziell trainierten bzw. verfeinerten Modell (refined LLM), das mit verstärkendem Lernen (RLHF) auf die „Start-to-End“ Lösung von Aufgaben in der „realen Welt“ optimiert wurde. Diese Architektur verbindet:

• Operator-Komponenten für Web-Interaktionen, wie beispielsweise das Ausfüllen von Formularen, Tätigen von Reservierungen über mehrstufige Prozesse oder das tätigen von Online-Bestellungen

• Deep Research-Komponenten zur umfassenden Recherche über unterschiedliche Quellen hinweg mit nachvollziehbarer Informations-Referenzierung

• Ein Terminal zum Ausführen von Code, besonders für das Aufrufen von Schnittstellen (API-Calls), Datenanalysen oder das Erzeugen von neuen Dateien als Ergebnis einer Aufgabe (z. B. Google-Sheets, MS Office, Slides, oder vergleichbares)

• Konnektoren zu bestehenden Diensten wie Gmail, Google Drive, SharePoint, Social-Media Accounts und vielen mehr

Durch diese Architektur wird dem KI-Agenten ermöglicht, komplexere Aufgaben strukturiert und vor allem mehrstufig zu bearbeiten, sowohl mit, als auch ohne menschlichen Eingriff.

Ein oberflächlicher Ablauf eines KI-Agenten sieht in etwa folgendermaßen aus:

Schritt 1: Zielorientierung festlegen
Ein KI-Agent kann kurzfristige oder langfristige Ziele, je nach Prompt, verfolgen und je nach Distanz vom Ausgangspunkt zum Ziel auch Zwischenschritte planen und diese systematisch abarbeiten

Schritt 2: Mehrstufige Planung durchführen
Je komplexer eine Aufgabe ist, desto mehr einzelne Iterationen legt der KI-Agent selbständig fest und entscheidet selbständig, was in welcher Reihenfolge erledigt werden muss.

Schritt 3: Kontext über mehrere Schritte hinweg verstehen
Während bisherige KI-Tools immer nur den direkten Kontext verstehen oder allenfalls durch erneutes Aufrufen von früheren Chats den Kontext vermeintlich „im Gedächtnis“ haben, bauen sich KI-Agenten selbst eine Erinnerungsstruktur, allerdings ohne dabei Daten zu speichern.

Schritt 4: Eigenständiges Treffen von Entscheidungen
Die Kernfähigkeit von einem KI-Agenten ist das selbständige Treffen von Entscheidung, die Priorisierung eigener Aktivitäten und das Definieren in Aufgabenpakete. Damit arbeitet der KI-Agent nicht nur reaktiv, sondern auch proaktiv.

Schritt 5: Externe Tools integrieren und verwenden
KI-Agenten sind in der Lage, ihren eigenen Anwendungsbereich mit angebundenen Drittsystemen zu erweitern, um somit auch Software-übergreifend Aufgaben zu erledigen und Ergebnisse zu produzieren.

Herkömmliche KI-Modelle hatten immer das Dialog-basierte Input-Output Schema im Vordergrund. Der Nutzer gibt eine Eingabe und die KI reagiert direkt.

Beispiel:
Nutzer fragt: „Wie schreibe ich einen Business Plan“?
Die KI beantwortet diese Frage.

Ein KI-Agent hingegen agiert anders. Hier wird die Eingabe vom Nutzer direkt ein eigenes Aktivitätsmuster umgestaltet:

1. Ziel aus der Anfrage definieren und Aufgaben festlegen
2. Struktur des Business Plans erstellen
3. Web-basierte Markt- und Wettbewerbsanalyse durchführen
4. Diese Informationen in eine Finanzplanung einarbeiten
5. Dokument in eine Dokumentensoftware / Office-Anwendung einfügen
6. Dokument umbenennen und abspeichern

Demnach agiert die KI im Agentenmodus weniger als eine klassische Software und mehr wie ein digitaler Projektassistent, der zu einer Aufgabe nicht nur beraten, sondern diese auch lösen möchte.

KI-Agenten sind noch keine vollständig autonomen Assistenten, aber sie können in einem gewissen Umfang Aufgaben von Start bis Ende selbständig erledigen, bei denen bisher immer der menschliche Eingriff notwendig war. Beispielsweise war in der bisherigen Handhabung von KI immer der Mensch als Initiator und der Mensch für den Ergebnistransfer nötig, was bei KI-Agenten nicht mehr in gleichem Umfang nötig ist.

In den nachfolgenden Beispielen werden aktuelle Anwendungsfälle für KI-Agenten, speziell auch im Standard beim ChatGPT Agent, in Form eines Überblicks aufgeführt.

Was früher durch aufwändig konfigurierte und manchmal inkonsistente Regeln in E-Mail-Postfächern gelöst wurde, kann nun durch KI-Agenten interaktiv automatisiert werden. Benötigt wird hier lediglich eine initiale Anweisung („Prompt“) und der KI-Agent kann eingehende Nachrichten Screenen, klassifizieren und wenn gewünscht nach Dringlichkeit und Thema sortieren, eigenständig Antworten formulieren oder komplexe Sachverhalte direkt an die richtigen Personen weiterleiten.

Wichtig ist bei einem solch kritischen Anwendungsgebiet, dass es stets die Möglichkeit des „Human in the Loop“ gibt, um im Zweifel eingreifen zu können. Der ChatGPT Agent weist dieses Merkmal auf. Im Hintergrund lernt der KI-Agent dadurch auch, Sonderfälle eigenständig zu lösen. Besonders ist auch, dass der Kommunikationsstil des Nutzers durch den KI-Agenten imitiert werden kann und mit ausreichend Berechtigungen, beispielsweise auf historische E-Mail Korrespondenz, kann diese Imitation sogar eigenständig optimiert werden.

Sowohl im privaten als auch im geschäftlichen Umfeld, haben KI-Tools seit Ende 2023 mit Ihrer Fähigkeit, das Internet zu durchsuchen, auch einen neuen Stellenwert als Planungshelfer eingenommen. Mit der Agenten-Funktion ist diese Eigenschaft soweit automatisierbar geworden, dass nicht nur Vorschläge gemacht werden, sondern auch ganze Angebote eingeholt und Verhandlungen durch den KI-Agenten geführt werden können.

Hierbei kann der Agent mit entsprechender Einbindung auch auf Kalendereinträge Rücksicht nehmen und selbständig auf kurzfristige Änderungen wie etwa Terminverschiebungen reagieren. Der Nutzer muss hier lediglich einmal mit einer initialen Vorgabe (Root Prompt) die Präferenzen und Leitplanken festlegen, in denen der Agent agieren soll und darf.

In vielen Unternehmen schlummern riesige Mengen an Daten und damit verbunden auch die Möglichkeit für wertvolle Ableitungen und Auswertungen. Dieses Beispiel soll primär die Leistungsfähigkeit von KI-Agenten demonstrieren, aber vorweg muss gesagt werden, dass sensible Unternehmensinformationen und personenbezogene Daten niemals in öffentliche KI-Lösungen eingegeben werden sollten. Befindet sich der KI-Agent allerdings in einer geschützten Umgebung oder einer lokal gehosteten Infrastruktur (Sandbox), dann können in diesem Fall mithilfe des Agenten unterschiedliche Datenquellen miteinander verbunden werden, Daten bereinigt und in Echtzeit analysiert werden.

Zudem kann mit einer geeigneten, initialen Vorgabe auch die Grundlage für verständliche Berichte (Reportings) und Präsentationsunterlagen geschaffen werden. Und das, ohne dass ein Mensch repetitive Aufgaben selbst erledigen oder ein umfangreiches Skript mit etlichen Sonderfällen und Ausnahmen programmiert werden muss.

Bereits mit normaler generativer KI konnten Nutzer mit den richtigen Prompts eine KI-Lösungen zu einem Lernpartner machen. Mit dem KI-Agenten wird dies nun so interaktiv, dass der KI-Agent nicht nur auf Zuruf agiert, sondern auch eigeninitiativ als Lern-Unterstützung aktiv wird. Im beruflichen Kontext kann ein solcher Lernassistent besonders im Bereich des Onboardings interessant sein, weil neue Mitarbeiter oft vor den gleichen Herausforderungen stehen und gleichzeitig aber Unternehmensprozesse und Regulatorien verändert oder angepasst werden.

Somit wird bei einem KI-Agenten im Onboarding-Prozess kein menschlicher Eingriff mehr benötigt, um neue Mitarbeiter mit dem Unternehmen vertraut zu machen und gleichzeitig die Inhalte des Prozesses kontinuierlich auf dem aktuellen Stand zu halten.

Die Etablierung vom ChatGPT Agent ist nur ein Anfang. KI-Agenten werden in immer mehr Anwendungsfälle integriert und reichen von integrierten Funktionen in Kollaborationssoftware (bspw. Mural, Miro, uvm.) über spezialisierte Automatisierungstools (bspw. Zapier, Make, UiPath, uvm.) bis hin zu KI-Anwendungen mit eigenem Agenten-Toolkit wie Anthropics Claude 4 und Google Gemini 2.5.

Diese Integrationen in bestehende Tools bedeutet, dass KI-Agenten nicht nur für geschäftliche Anwendungsfälle (Business-Kunden), sondern auch für Privatnutzer bei den gängigen Anbietern verfügbar sind. Unternehmen im Speziellen können solche Systeme entweder über Cloud-Dienste nutzen oder mit eigenem Hosting (On-Premise) in die eigene IT-Infrastrukturen einbinden. Dadurch sinken die Einstiegshürden für die Nutzung von KI-Agenten erheblich: Was bisher nur Mitarbeitern in großen Tech-Konzernen vorbehalten war, steht nun auch in KMU und sogar Einzelpersonen zur Verfügung.

Der praktische Einsatz von KI-Agenten bringt bei allen Vorzügen auch einige kritische Aspekte mit sich. Der zentrale Punkt ist die Zuverlässigkeit der Ergebnisse, wie auch bisher bei den Dialog-KI Angeboten. Selbst, wenn KI-Agenten mehrstufig planen und autonom handeln können, basieren ihre Entscheidungen auf den gleichen Wahrscheinlichkeiten und Trainingsdaten, wie früher. Das bedeutet, dass Fehler, Fehlinterpretationen oder sogenannte „Halluzinationen“ nicht vollständig ausgeschlossen sind.

Genauso wichtig sind die Themen Datenschutz und Datensicherheit, insbesondere im geschäftlichen Umfeld, wenn sensible Unternehmens- oder Personendaten im Spiel sind. Organisationen müssen wissen, wo Daten gespeichert werden, wer darauf Zugriff hat und wie dadurch regulatorische Anforderungen eingehalten werden (Stichwort DSGVO). Hinzu kommt auch die Frage nach der Verantwortlichkeit: Wenn ein KI-Agent eigenständig Entscheidungen vorbereitet oder Prozesse anstößt, bleibt letztlich der Mensch in der Haftung. Dies erfordert eine klare Governance-Struktur (feste Rahmen mit Regeln, Prozessen und Verantwortlichkeiten) mit festgelegten Prüfmechanismen.

Diese Frage lässt sich mit einem „Nein, aber“ beantworten.

Nein deshalb, weil die Fähigkeiten von KI-Agenten noch in den Kinderschuhen stecken und diese ihre grundsätzlichen Eigenschaften mit herkömmlichen Generativen KI-Anwendungen teilen. Dadurch sind sie (noch) nicht so zuverlässig, um konsequent die menschliche Arbeit zu ersetzen, selbst nicht bei eher repetitiven Aufgaben. Um das zu verdeutlichen, kann man sich eine simple Frage stellen: Würde man jemanden, dem man nicht zu 100 % vertraut und bei dem man weiß, dass der nicht auf der vollen Höhe der eigenen Zurechnungsfähigkeit ist, den Zugang zu eigenen sensiblen Daten wie Bankkonten, E-Mail-Adressen oder ähnlichen kritischen Inhalten geben? Die meisten vermutlich nicht und das ist auch richtig so.

Das gilt für den geschäftlichen, wie auch den privaten Anwendungsfall. Egal, wie zuverlässig autonome KI-Agenten in Zukunft noch werden, derzeit darf sowohl die Integrität der eigenen IT-Systeme und auch der mögliche, organisatorische Schaden nicht unterschätzt werden. Der erfolgreiche Einsatz von KI-Agenten erfordert neben einer tadellosen technischen Implementierung auch die Schulung von Nutzern sowie die Akzeptanz bei Mitarbeitern und den betroffenen Personen.

KI-Agenten können eines Tages zu sehr leistungsfähigen Werkzeugen werden, die ihr Potenzial aber erst dann nachhaltig entfalten, wenn sie verantwortungsvoll, kontrolliert und strategisch klug eingesetzt werden können und nahezu fehlerfrei funktionieren.

Mit seinem Background in BWL und Digital Business schreibt André über Prozesse, Methoden, Entrepreneurship, Apple und innovative Technologieprodukte.

In den letzten Jahren wurden immer mehr Prozesse auf Modelle umgestellt, die auf Basis künstlicher Intelligenz (KI) agieren. Viele davon waren für Kunden und Nutzer kaum wahrnehmbar. Mit ChatGPT hat sich das enorm verändert. Seit der Veröffentlichung im November 2022 ist das Thema KI in den Fokus der Öffentlichkeit gerückt, nicht zuletzt durch viralen Content auf Social-Media Plattformen wie TikTok oder Instagram.

In diesem Blogbeitrag konzentrieren wir uns auf das Chatbot-Modell ChatGPT von OpenAI und untersuchen, wie es funktioniert und welche Anwendungsmöglichkeiten es bietet. Wir möchten einen Überblick über den aktuellen Hype um dieses Tool geben und aufzeigen, wie man davon sowohl im Geschäftsalltag als auch privat profitieren kann.

Aber was genau ist ChatGPT? Im Wesentlichen handelt es sich um ein Chatbot-Modell, das darauf trainiert wurde, mithilfe von Transformer-Architekturen und großen Mengen an Textdaten menschenähnliche Unterhaltungen zu führen. ChatGPT kann in einer Vielzahl von Anwendungen eingesetzt werden, z. B. in Chat-Anwendungen, auf Social-Media-Plattformen oder Websites, um Benutzern bei der Suche nach Informationen zu helfen, Antworten auf ihre Fragen zu geben oder einfach nur spaßige Unterhaltungen zu führen.

ChatGPT ist aber nicht nur im Bereich der Kommunikation interessant, sondern auch für Künstliche Intelligenz (KI) im Allgemeinen. Das Modell zeigt, wie eine KI immer raffinierter darin wird, menschenähnliche Unterhaltungen zu führen und sich an wechselnde Situationen anzupassen. Es ermöglicht auch die Entwicklung von Chatbots, die in einem breiten Spektrum von Anwendungsbereichen eingesetzt werden können, vom Kundendienst bis zur Gestaltung von Bildungsprozessen.

In den nächsten Kapiteln wird ChatGPT genauer untersucht, um zu sehen, wie es funktioniert, welche Optionen es bietet und wie es im Vergleich zu anderen Chatbot-Modellen abschneidet. Wir werden auch praktische Beispiele für den Einsatz von ChatGPT aufzeigen, bevor wir ein Fazit über die potenzielle Rolle von ChatGPT als einen Baustein der chatbasierten künstlichen Intelligenz ziehen.

Nach der Einführung in ChatGPT wollen wir uns nun genauer ansehen, wie das Chatbot-Modell funktioniert und welche Einsatzmöglichkeiten es bietet.

Die Funktionsweise von ChatGPT basiert wie eingangs erwähnt auf der Verwendung von Transformer-Architekturen, die aus mehreren Schichten von Neuronen bestehen. Diese Architektur wurde entwickelt, um menschenähnliche Unterhaltungen führen zu können und sich kontunierlich anzupassen, indem sie große Textdatenmengen analysiert und daraus Muster und Regeln ableitet, wie beispielsweise auch umgangssprachliche Antworten. ChatGPT wurde also trainiert, um auf verschiedenste menschliche Eingaben zu reagieren und passende, in der Regel menschlich anmutende, Antworten zu liefern.

Was die Einsatzmöglichkeiten von ChatGPT betrifft, so kann das Modell bereits in vielen verschiedenen Anwendungen eingesetzt werden, wie beispielsweise in Chat-Apps, Social-Media-Plattformen oder auf Websites. Es kann Anwendern oder Kunden bei der Suche nach Informationen und der Beantwortung von Fragen helfen, bevor ein menschlicher Ansprechpartner notwendig ist. ChatGPT kann auch in der Kundenbetreuung eingesetzt werden, um schnell und effizient auf Fragen und Anliegen von Kunden zu reagieren, wie etwa im After-Sales oder auch im Beschwerdemanagement.

Auch in Bildungskontexten kann ChatGPT nützlich sein, indem es Schülern oder Studenten bei der Beantwortung von Fragen oder dem Verständnis von Lehrmaterialien hilft. Hier ist allerdings anzumerken, dass besonders bei naturwissenschaftlichen Fragestellungen die Antwortqualität besonders hoch ist.

Im täglichen Arbeitsablauf kann ChatGPT bei Textformulierungen helfen, standardisierte Antworten verfassen oder gar die Ausformulierung von Dokumentationen übernehmen. So lange eine Aufgabe darin besteht, einen Text aus einem existierenden Kontext heraus zu formulieren, kann die KI mindestens ein verwertbares Template erzeugen.

Im nächsten Kapitel werden wir uns anschauen, wie ChatGPT im Vergleich zu anderen Chatbot-Modellen abschneidet.

Nachdem wir uns im vorherigen Kapitel mit der Funktionsweise und den Einsatzmöglichkeiten von ChatGPT beschäftigt haben, wollen wir nun einen Vergleich mit anderen Chatbot-Modellen anstellen.

Eines der bekanntesten Chatbot-Modelle ist sicherlich der ebenfalls von OpenAI entwickelte GPT-3 (Generative Pre-training Transformer 3). Wie ChatGPT basiert auch GPT-3 auf Transformer-Architekturen und wurde für menschenähnliche Unterhaltungen und die Generierung von Texten trainiert. Im Gegensatz zu ChatGPT ist GPT-3 aber noch leistungsfähiger, da es auf einer größeren Datenmenge trainiert wurde und auch andere Aufgaben, wie das (Echtzeit-) Übersetzen oder das Schreiben von Code bewältigen kann. Allerdings ist GPT-3 auch teurer, weil spezielle Hardware benötigt wird, um seine Leistung voll ausschöpfen zu können.

Ein weiteres bekanntes Chatbot-Modell ist der von API.AI entwickelte Dialogflow, das durch Google übernommen wurde. Es handelt sich um ein Natural Language Understanding (NLU) Tool, das ohne große Komplexität eine Benutzeroberfläche für Dialoge erstellen lässt, beispielsweise für mobile Apps, Webanwendungen, aber auch Bots.

Wie ChatGPT basiert auch Dialogflow auf Transformer-Architekturen und wurde für menschenähnliche Unterhaltungen und die Verarbeitung von Sprachanfragen entwickelt.

Im Gegensatz zu ChatGPT und GPT-3 ist Dialogflow aber weniger leistungsfähig, da es mit einer kleineren Datenmenge trainiert wurde. Es eignet sich daher vor allem für spezifische Chatbot-Anwendungen, bei denen nicht so viel Rechenleistung benötigt wird. Andererseits ist die Einrichtung und Integration von Dialogflow einfacher als die der Modelle von OpenAI.

Es gibt natürlich noch viele weitere Chatbot-Modelle, wie beispielsweise IBM Watson, Microsoft Bot Framework oder Chatterbot, die auf unterschiedlichen Architekturen und Trainingsmethoden basieren und sich für verschiedene Anwendungen sehr gut eignen.

Im Vergleich zu anderen Chatbot-Modellen hat ChatGPT die Stärke, dass es menschenähnliche Unterhaltungen gut bewältigen kann und vom neuronalen Netz aus einer großen Datenmenge profitiert. Zugleich ist es weniger leistungsfähig als GPT-3.

Nachdem wir uns mit der Funktionsweise und den Einsatzmöglichkeiten von ChatGPT beschäftigt haben und das Modell grob mit anderen Chatbot-Modellen verglichen haben, wollen wir nun konkret auf praktische Anwendungsbeispiele eingehen und zeigen, wie es tatsächlich als Werkzeug in der Praxis eingesetzt werden kann.

Eines der Hauptanwendungsgebiete ist sicherlich die Kundenbetreuung. Hier kann es in Chat-Apps oder auf Websites eingesetzt werden, um Kunden schnell und effizient bei Fragen und Anliegen zu helfen, wie beispielsweise bei einem interaktiven FAQ. Durch die große Datenbasis kann ChatGPT auf eine Vielzahl von Anfragen gleichzeitig reagieren und passende Antworten zu liefern, die zudem noch menschenähnlich klingen. Die Integration von ChatGPT in die Kundenbetreuung kann dazu beitragen, die Belastung der Mitarbeiter zu verringern und die Kundenzufriedenheit zu erhöhen. Dies ist vor allem ein wichtiger Aspekt hinsichtlich des zunehmenden Fachkräftemangels in Deutschland.

Ein weiteres Anwendungsgebiet ist die Unterstützung von Prozessen im Bildungsbereich. Hier kann ChatGPT beispielsweise in Lernplattformen und Lernmanagementsystemen eingesetzt werden, um Schülern oder Studenten bei der Beantwortung von Fragen oder dem Verständnis von Lehrmaterialien zu helfen. Durch die menschenähnlichen Unterhaltungen kann die KI auf individuelle Bedürfnisse und Lernstile eingehen und so dazu beitragen, den Lernprozess zu optimieren, ohne dass eine aktive menschliche Interaktion notwendig ist.

Auch in der Unterhaltungsindustrie kann ChatGPT eine Rolle spielen, um mit weniger Ressourcenaufwand mehr Anfragen zu bedienen. Es kann beispielsweise auf Social-Media-Plattformen eingesetzt werden, um Benutzern bei der Suche nach pragmatischen Informationen zu helfen oder einfach nur, um eine menschenähnliche Unterhaltung zu führen. Je trivialer die Anfrage ist, desto weniger wird der Nutzer oder Kunde merken, dass er mit einer KI kommuniziert.

ChatGPT kann auch dazu beitragen, Online-Communities zu bereichern, indem es menschenähnliche Unterhaltungen führt und auf die Beiträge der Nutzer reagiert. Im Gegensatz zu klassischen Bots, die auf definierten Algorithmen basieren, versteht ChatGPT sogar den Einsatz von Humor.

Weitere mögliche Einsatzgebiete sind:.

• Marketing:
  ChatGPT könnte in der Kundenkommunikation eingesetzt werden, um beispielsweise zielgruppenorientierte Kommunikationsmaßnahmen wie Social-Media Posts oder ähnliches zu erzeugen. Zudem könnte die KI genutzt werden, um Produktbeschreibungen und Werbetexte zu erstellen.

• E-Commerce:
  ChatGPT könnte auch in E-Commerce-Plattformen eingesetzt werden, um beispielsweise Fragen zu Produkten oder zum Bestellvorgang zu beantworten. Hier ist der primäre Einsatzzweck, den Kundenservice zu verbessern, indem schnell und effizient auf Anfragen reagiert werden kann, bevor ein Kaufvorgang durch den Kunde abgebrochen wird. Hier wird allerdings die Nutzung von APIs mit gesichertem Informationszugang empfohlen.

• Kundenfeedback:
  ChatGPT könnte in Kundenbefragungen oder -feedback-Systemen eingesetzt werden, um Kunden individuell nach ihren Erfahrungen oder Meinungen zu fragen. Diese Erkenntnisse können über Schnittstellen an interne Software-Lösungen weitergeleitet und anschließend intern ausgewertet und interpretiert werden. Durch die menschlich anmutenden Antworten von ChatGPT könnten Kunden dazu motiviert werden, detailliertere und aussagekräftigere Rückmeldungen zu geben, als es bei klassischen Chatbots der Fall war.

• IT-Support / Helpdesk:
  ChatGPT könnte in IT-Support-Systemen eingesetzt werden, um beispielsweise bei technischen Problemen oder Fragen dem First-Level Support zur Verfügung zu stehen. Durch den vorhandenen Informationskontext ist die KI in der Lage, auf eine Vielzahl von Anfragen zu handelsüblicher Software zu reagieren und passende Antworten zu liefern. Die Integration von ChatGPT in den IT-Support mit passend entwickelten Prompts (Eingaben) könnte es dazu beitragen, die Belastung der Mitarbeiter zu verringern und die Problemlösungszeiten zu verkürzen.

Insgesamt bietet ChatGPT also viele Möglichkeiten, um in verschiedenen Bereichen eingesetzt zu werden. Im nächsten Kapitel werden wir ein Fazit ziehen und uns anschauen, inwieweit ChatGPT als wichtiger Baustein der künstlichen Intelligenz im Chat betrachtet werden kann.

Nachdem wir uns im Verlauf dieses Beitrags mit ChatGPT, seiner Funktionsweise und den Einsatzmöglichkeiten beschäftigt haben, möchten wir nun ein Fazit ziehen und uns anschauen, inwieweit ChatGPT ein innovativer Baustein im Geschäftsalltag sein kann oder nur eine neue, humorvolle Spielerei ist.

Es ist unbestritten, dass ChatGPT ein leistungsfähiges Chatbot-Modell ist, das auf großen Textdatenmengen trainiert wurde und daher menschenähnliche Unterhaltungen gut bewältigen kann. Dies macht es zu einer attraktiven Wahl für viele Anwendungsbereiche, bei denen menschenähnliche Kommunikation erforderlich ist oder erwartet wird, wie beispielsweise in der Kundenbetreuung, im Bildungskontext oder in Sozialen Medien.

Allerdings gibt es auch andere Chatbot-Modelle, wie beispielsweise GPT-3 oder Dialogflow, die auf unterschiedlichen Architekturen und Trainingsmethoden basieren und sich für verschiedene Anwendungen eignen. ChatGPT hat die Stärke, dass es menschenähnliche Unterhaltungen gut bewältigen kann, allerdings ist es auch weniger leistungsfähig als GPT-3 und eignet sich daher eher für Chatbot-Anwendungen mit hoher inhaltlicher Breite und wenig detail-spezifischer Komplexität. Anwendungsfälle, in denen ChatGPT weniger geeignet wäre, sind beispielsweise kritische Infrastruktur, in der Wissenschaft oder in sicherheitsrelevanten Bereichen.

Insgesamt lässt sich sagen, dass ChatGPT zukünftig ein wichtiger Baustein im Business-Alltag werden könnte, solange man die Stärken und Schwächen des Modells im Vergleich zu anderen Chatbot-Modellen berücksichtigt und es für die passenden Anwendungen einsetzt. Durch die Fähigkeit, menschenähnliche Unterhaltungen zu führen und auf individuelle Bedürfnisse und Vorlieben einzugehen, bietet ChatGPT die Möglichkeit, die Kommunikation mit Kunden, Schülern oder Nutzern zu verbessern und damit zu einer höheren Zufriedenheit beizutragen.

Allerdings sollte man auch beachten, dass ChatGPT, wie jedes andere Chatbot-Modell auch, Grenzen hat und nicht in der Lage ist, 100 % aller Anfragen oder Probleme zu lösen. Hinzu kommt, dass bei offen formulierten Fragen an das System auch Antworten erzeugt werden können, die Falschinformationen aufweisen oder gar auf künstlich erzeugten Quellen basieren.

In Zukunft werden wir sicherlich noch weitere Fortschritte in der Entwicklung von Chatbot-Modellen sehen und es wird sehr spannend zu beobachten, wie sich ChatGPT und andere Chatbot-Modelle weiterentwickeln werden. Und natürlich auch, wie lange es noch dauert, bis der Turing-Test erfolgreich bestanden wird (Alan M. Turing, (Oktober 1950). Computing Machinery and Intelligence; pp. 433-460; Oxford University Press).

Auf jeden Fall wird die künstliche Intelligenz in internetbasierten Dialogen auch weiterhin eine wichtige Rolle spielen und ChatGPT könnte zukünftig ein relevanter Baustein davon werden.

Mit seinem Background in BWL und Digital Business schreibt André über Prozesse, Methoden, Entrepreneurship, Apple und innovative Technologieprodukte.

Anzeige
Wir weisen darauf hin, dass dieser Beitrag Affiliate-Links oder andere Link-Kooperationen enthalten kann. Damit wird unser Blog-Projekt finanziert. Kooperationen haben jedoch keinen Einfluss auf den Inhalt und die redaktionelle Ausgestaltung der Texte. Im Mittelpunkt stehen unsere Leserinnen und Leser sowie die Community. Wir vertreten stets unsere eigene, objektive Meinung.

Als Betreiber einer Gastronomie oder eines Geschäfts ist sie ein zentraler Punkt für den unternehmerischen Erfolg: Die Kasse. Die Kassenführung war lange Zeit wegen des Bargelds ein analoger Vorgang und wurde von vielen Betrieben auf individuelle Weise umgesetzt, um geeignete Prozesse für die eigene Buchhaltung zu schaffen. Mit der Etablierung von elektronischen Kassensystemen hat sich um das Thema Digitale Kasse ein eigenes Ökosystem entwickelt. In diesem Artikel zeigen wir unterschiedliche, innovative Lösungen zu elektronischen Kassensystemen auf, mit denen ein Umstieg von analoger zu digitaler Kasse auch deinen unternehmerischen Erfolg steigern kann.

Der Begriff des digitalen Kassensystems versteht sich als Synonym zum Fachausdruck „elektronisches Kassensystem“ und stellt hier den Überbegriff für alle Kassensysteme dar, die als physische Endgeräte mittels Software dazu in der Lage sind, das Internet zum Informations- und Datentransfer zu nutzen.

„Eine Kasse ist heutzutage viel mehr, als nur ein Gerät zum Kassieren. Es ist ein Teil der Buchhaltung, ein Erfolgsfaktor des Vertriebsprozesses, ein Marketinginstrument – zusammengefasst: Ein kritischer Erfolgsfaktor für unternehmerisches Wachstum.“

Ein elektronisches Kassensystem, oft auch digitale Kasse genannt, ist weit mehr als die Verrechnung von Einnahmen und Ausgaben eines Betriebes. Viel mehr dient es als Schnittstelle zwischen dem praktischen Geschäftsbetrieb und der internen Finanzbuchhaltung. Hierbei handelt es sich um Hardware und Software, die mittels Anbindung in ein Netzwerk den übergreifenden Bezahl- und Geschäftsabrechnungsprozess digitalisieren.

Ein elektronisches Kassensystem kann einerseits die internen Prozesse optimieren, um etwa mehr Kunden in kürzerer Zeit abarbeiten zu können und andererseits kann es den analogen Buchhaltungs- und Verwaltungsaufwand deutlich reduzieren. Ein elektronisches Kassensystem bringt immer dann einen Nutzen, wenn es einen analogen Bezahlprozess an einer physischen Verkaufsstelle (Point of Sale; PoS) ablösen kann.

In der Gastronomie kann ein elektronisches Kassensystem beispielsweise schon im Bestellprozess eingesetzt werden, um die Bestellungen der Gäste digital aufzunehmen und dadurch die Zubereitung der Speisen und Getränke ebenfalls zu beschleunigen.

Im Einzelhandel kann ein elektronisches Kassensystem bei ansteigenden digitalen Bezahlvorgängen die Prozesse beschleunigen oder dem Verkäufer die Möglichkeit geben, auf den Lagerbestand zuzugreifen und bei Kundenfragen lagernde, jedoch nicht ausgestellte Produkte zu identifizieren.

Weitere Vorteile von elektronischen Kassensystemen sind:

Kurz und knapp: Prinzipiell nein.

Elektronische Kassensystemen nicht gesetzlich verpflichtend, da es (noch) keine Registrierkassenpflicht gibt (Stand: Oktober 2023). Aber es gibt veränderte gesetzliche Rahmenbedingungen, die ein elektronisches Kassensystem zum betrieblichen Alltagshelfer (und manchmal auch Lebensretter) machen. Diese Rahmenbedingungen sind unter anderem die Grundsätze ordnungsgemäßer Buchführung (GoB), die GoBD Konformität von Registrierkassen und die Befugnis von Finanzbeamten zur Kassennachschau.

GoBD ist die Abkürzung für Grundsätze zur ordnungsmäßigen Führung und Aufbewahrung von Büchern, Aufzeichnungen und Unterlagen in elektronischer Form sowie zum Datenzugriff. Die GoBD Pflicht wurde erstmals zum 1. Januar 2015 eingeführt. Die Regeln der GoBD sind:

• Einzelaufzeichnung:
  Jeder Kassenvorgang (Einnahme und Entnahme) muss einzeln aufgezeichnet werden.

• Belegausgabepflicht:
  Kasseninhaber müssen nach jeder Transaktion Belege an ihre Kunden ausgeben.

• Manipulationssicherheit:
  Der Betreiber der Kasse darf diese nicht manipulieren können und dies mit einem TSE-Zertifikat nachweisen (mehr dazu hier im Beitrag).

• Finanzamt-Registrierung:
  Jede elektronische Kasse und jedes elektronische Bezahlgerät ist beim Finanzamt anzumelden.

Seit dem 1. Januar 2017 dürfen nur noch elektronische Kassen verwendet werden, die GoBD-konform sind. Ältere (elektronische) Registrierkasten, die das nicht erfüllen, dürfen nicht mehr verwendet werden.

Eine dieser gesetzlichen Rahmenbedingungen ist die seit 2018 etablierte Kassennachschau durch Finanzbeamte und durch Steuerbehörden. Hierbei wurden Finanzbeamte mit weitreichenden Rechten ausgestattet, die ihnen unter anderem die Befugnis einräumen, zu üblichen Geschäfts- und Arbeitszeiten den Betrieb zu betreten und unangekündigt eine Kassennachschau durchführen zu dürfen.

Wenn es hierzu kommt, müssen dem Finanzbeamten unverzüglich („ohne schuldhaftes Zögern“, § 121 Absatz 1 Satz 1 BGB) alle Kassendaten zugänglich gemacht werden. Zusätzlich ist in diesem Zusammenhang auch das so genannte Mystery-Shopping (Testkäufe) durch Finanzbeamte möglich. Bei der Kassennachschau handelt es sich nicht um eine Betriebsprüfung, sondern lediglich um eine Prüfung der gegenwärtigen Kassenbuchführung (in der Regel tagesbezogen). Um für eine solche Kassennachschau stets gewappnet zu sein, ist ein elektronisches Kassensystem äußerst hilfreich und erspart im Ernstfall viel Stress.

Der Gesetzgeber reguliert die Thematik der Kassensysteme, um eine einheitliche Prüfgrundlage zu schaffen, welche auf möglichst alle Anwender eines elektronischen Kassensystems angewandt werden kann. Für den Betrieb einer digitalen Kasse gibt es folgende rechtliche Grundlagen:

Eine gesetzliche Rahmenbedingung für elektronische Kassensysteme ist die seit 2020 in Kraft getretene Kassensicherungs-Verordnung. Mit dieser Verordnung möchte der Gesetzgeber verhindern, dass Betreiber elektronischer Kassen diese nachträglich manipulieren. Diese Verordnung legt fest, dass ein elektronisches Kassensystem…

… beinhalten muss.

Damit ein elektronisches Kassensystem diese Punkte gewährleisten kann, wird eine so genannte zertifizierte technische Sicherheitseinrichtung (TSE) vorausgesetzt. Diese TSE ist ebenso notwendig, damit ein Kassensystem von Finanzamt anerkannt wird. Die Pflicht, eine elektronische Registrierkasse beziehungsweise elektronische Kassensysteme mit dieser TSE zu versehen, ergibt sich aus dem § 7 KassenSichV. Die aktuellen Kassensysteme der Anbieter, die wir uns angesehen haben, sind bereits entsprechend zertifiziert und werden daher auch von den Finanzämtern problemlos akzeptiert.

Die TSE-Zertifizierung wird vom Bundesamt für Sicherheit in der Informationstechnik (BSI) vergeben. Hierbei werden die Kassensysteme darauf geprüft, ob sie vor Manipulationen geschützt sind. Wenn das der Fall ist und zusätzlich die gesetzlichen Anforderungen im nachfolgenden Absatz erfüllt werden, erhält das elektronische Kassensystem die TSE-Zertifizierung.

In der nachfolgenden Liste zeigen wir auf, welche gesetzlichen Anforderungen bei der Nutzung eines elektronischen Kassensystems zu beachten sind:

ready2order bietet ein elektronisches Kassensystem mit eigener Hard- und Software an, welche geräteübergreifend funktionieren, rechtskonform sind und in Deutschland gehosted werden.

Features:

• Kassensoftware 100 % GoBD-konform und TSE-zertifiziert
• TSE-Zertifizierung im Abo inklusive
• Stationäre und mobile Registrierkassen (readyMax und readyGo)
• Mobile Bezahlung (readyPay) durch integriertes Kartenterminal
• iPad Kassensystem
• Kassen-App für PC, Tablet und Smartphone betriebssystemübergreifend
• Spezielle Gastro-Zusatzfunktionen
• Kompatibel mit SumUp-Kartenterminals

Preise:

• Software (Kassensystem Abo):
  • 24,00 € / monatlich bei jährlicher Zahlungsweise je Kassengerät
  • 34,00 € / monatlich bei monatlicher Zahlungsweise je Kassengerät
  •  Zusatzoptionen:
    • + 12,00 € / monatlich für Gastro-Funktionen (wie bspw. Tischübersicht, getrennte Rechnungen, …)
    • + 7,50 € / monatlich für Kassenbuch-Funktionen
    • + 119,00 € / einmalig für das Pro Paket
    • + 399,00 € / einmalig für das Premium Paket

• Hardware (Kassensystem Endgeräte):
  • readyGo: 348,00 €
  • readyMax: 996,00 €
  • iPad Kasse mit Bon-Drucker: 678,00 €

Konditionen:

• Gebühren für bargeldloses Bezahlen bei ready2order
  • Keine monatlichen Fixkosten
  • 1,90 % Kreditkarte (*mit SumUp Kartenterminal)
  • 0,90 % EC-Karte / Girocard (*mit SumUp Kartenterminal)
  • 0,99 % + 0,09 € pro Transaktion mit readyPay

SumUp ist ein Anbieter von innovativen Kartenterminals und einem App-basierten Kassensystem, um Bezahlvorgänge in Gastronomie und Einzelhandel flexibel überall via WLAN oder mobilen Daten durchführen zu können. Es erfüllt die rechtlichen Vorgaben und die Server werden in der EU gehosted.

Features:

• Kassensoftware 100 % GoBD-konform und TSE-zertifiziert
• TSE-Zertifizierung im Abo inklusive
• Kartenterminals mit unterschiedlichem Funktionsumfang im Angebot
• Kostenloses online Geschäftskonto mit kostenloser Mastercard
• Gratis Telefon- und E-Mail-Support

Preise:

• Software-Tarife
  • 39,00 € / monatlich bei jährlicher Zahlungsweise für den Tarif „Starter“
  • 79,00 € / monatlich bei jährlicher Zahlungsweise für den Tarif „Plus“
  • 109,00 € / monatlich bei jährlicher Zahlungsweise für den Tarif „Pro“
  •  Zusatzoptionen:
    • + 10,00 € / monatlich für Kassenbuch-Funktion

• Hardware (Kartenterminals):
  • SumUp Air: 29,00 €
  • SumUp Air mit Aufsteller: 39,00 €
  • SumUp Solo (Touchscreen): 99,00 €
  • Terminal mit Bon-Drucker: 149,00 €

Konditionen:

• Gebühren für bargeldloses Bezahlen bei SumUp
  • Keine monatlichen Fixkosten
  • 1,90 % Kreditkarte
  • 0,90 % EC-Karte / Girocard

Zettle bietet digitale Kassensysteme mit Hard- und Software-Lösungen und App- beziehungsweise Web-basierter Benutzeroberfläche an. Ebenso ist die Integration von Online-Shops in das Kassensystem möglich.

Features:

• Kassensoftware 100 % GoBD-konform und TSE-zertifiziert
• Kassensystem als App und Webanwendung
• Individualisierbares Kassensystem je nach Branche für Gastronomie und Einzelhandel
• Zentrale Bestandsführung und Integration von Webshop möglich
• Individualisierbare Hard- und Software Komplettlösungen
• Neben Kartenzahlungen auch PayPal Zahlung möglich
• Erstellung von Geschenkgutscheinen über die Zettle-App

Preise:

• Software-Tarife
  • 9,90 € / monatlich für das cloudbasierte TSE-Kassensystem für 5 Geräte an einem Standort
  • + 2,00 € / monatlich je weiteren Kassenstandort
  • Zettle Go App kostenlos

• Hardware (Kartenterminals und Komplettsysteme):
  • Zettle Terminal (All-in-One):199,00 €
  • Zettle Reader 2: 29,00 €
  • Zettle Store Kit (Varianten): von 249,00 € bis 699,00 €

Konditionen:

• Gebühren für bargeldloses Bezahlen bei Zettle
  • Keine monatlichen Fixkosten
  • 2,75 % Kreditkarte
  • 0,95 % EC-Karte / Girocard
  • 0,75 % PayPal QR-Codes

Gastrosoft bietet integrierte Kassenlösungen für Gastronomie und Einzelhandel sowie eine Android App. Die Kassenlösung kann entweder mit einer Einmalzahlung erworben (und mit eigenem Server betrieben) oder gemietet werden.

Features:

• Kassensoftware 100 % GoBD-konform und TSE-zertifiziert
• Software kann gekauft oder gemietet werden
• App für Android Smartphones und Tablets
• Spezifische Gastro-Funktionen integriert
• Kompatibel mit SumUp Kartenterminals

Preise:

• Software (Kauf / on-Premise)
  • 249,00 € einmalig für Gastrosoft Light (keine Nebenkasse möglich)
  • 399,00 € einmalig für Gastrosoft Standard
  • 947,00 € einmalig für Gastrosoft Pro
  • + 448,00 € einmalig für die TSE-Lizenz der Hauptkasse
  • + 99,00 € einmalig je TSE-Lizenz von Nebenkassen
  • + 249,00 € einmalig für Gastrosoft Droid (Android App)

• Dienstleistungen
  • 200,00 € Grundeinrichtung der Software
  • 149,00 € Grundschulung im Handling der Software

• Hardware
  • All-in-One-Kassen (stationär): ab 1099,00 €
  • Mobile Bestell-Terminals: ab 399,00 €
  • Mobile Bezahl-Terminals (MyPOS): ab 199,00 €

Konditionen:

• Gebühren für bargeldloses Bezahlen bei Gastrosoft (myPOS)
  • Keine monatlichen Fixkosten
  • 1,50 % Kreditkarte
  • 0,90 % EC-Karte / Girocard

orderbird positioniert sich als Marktführer unter den iPad-Kassen in Europa und hat sich auf die Gastronomie spezialisiert, bietet aber auch Lösungen für Einzelhändler und Dienstleister an. Die Lösungen sind Web- und App-basiert.

Features:

• Kassensoftware 100 % GoBD-konform und TSE-zertifiziert
• Digitale Sicherungslösung über die Cloud verfügbar (redundante Datensicherung)
• Die Web-Anwendung „MY orderbird“ mit ortsunabhängigem Zugriff inklusive Reporting in Echtzeit
• Bonieren per Funk über iPad oder iPod Touch
• 24/7 Notfallsupport

Preise:

• Software (Abo)
  • 119,00 € / jährlich für eine cloud-basierte TSE-Lösung
  • ab 29,00 € / monatlich Kassensystem-Gerätelizenz pro Gerät
  • 20,00 € / monatlich für Service-Lizenz pro Gerät

• Dienstleistungen (optionale Softwarebausteine)
  • + 49,00 € / monatlich für Basic Reservierungssystem / Gästereservierung
  • + 59,00 € / monatlich für Gästemanagement-Plus-Paket

• Hardware
  • ab 319,00 € / einmalig – orderbird PRO Endgerätesystem
  • 349,00 € / einmalig – orderbird MINI (All-in-One)

Konditionen:

• Gebühren für bargeldloses Bezahlen bei orderbird
  • Keine monatlichen Fixkosten
  • 2,5 % Kreditkarte
  • 0,95 % EC-Karte / Girocard
  • 1,75 % für alle digitalen Bezahlarten *bei Nutzung des orderbird MINI Bezahlterminals

Das passende Kassensystem findest du, indem du dir über deine Bedarfe und deine Gegebenheiten im Klaren bist, und zudem noch dein Budget beachtest. Das Zusammenspiel aus diesen drei Bereichen bildet die Grundlage, aus der großen Auswahl an Anbietern das geeignete System für dein Unternehmen zu finden.

Betreibst du beispielsweise eine kleine Schankgastronomie, in der dein elektronisches Kassensystem hauptsächlich für die Buchung und die Belegverwaltung genutzt wird, bietet sich eine kombinierte Lösung aus einem mobilen Kassengerät (bspw. ready2order App + iPad) zusammen mit einem kleinen Kartenterminal (bspw. SumUp Air) an.

Wenn du eine Speisegastronomie betreibst, die womöglich noch eine Anbindung an ein Hotel oder öffentliche Verkehrsmittel hat und viele geschäftliche Gäste hast, kann die Investition in ein stationäres System mit einmaligen Kosten (bspw. Gastrosoft) vorteilhaft sein, weil du hier von den günstigen Konditionen bei Kartenzahlungen profitierst.

Betreibst du ein Einzelhandelsgeschäft mit zusätzlichem Online-Shop, dann wirst du aller Wahrscheinlichkeit nach von einer Lösung mit umfangreichen bargeldlosen Bezahlmethoden profitieren (bspw. Zettle), weil hier neben den gängigen bargeldlosen Bezahlmethoden auch eine vollständige PayPal-Integration angeboten wird.

Wichtig ist, die folgenden Fragen über das eigene Unternehmen vor der Auswahl eines Kassensystems zu beantworten:

• Wer sind vorrangig meine Gäste / Kunden?
  (Ansässige Privatpersonen, Geschäftsleute, Reisende, etc.)

• Wie bezahlen diese Gäste / Kunden hauptsächlich?
  (Mit Bargeld, bargeldlos)

• Wie hoch ist mein Budget für die Lösung?

• Wer muss mit dem Kassensystem arbeiten?
  (Festangestellte, Teilzeitkräfte, Aushilfen)

• An welche weiteren Bestandssysteme muss das Kassensystem angebunden werden?
  (Warenwirtschaftssystem, Beschaffungssystem, uvm.)

• Gibt es sinnvolle Zusatzfunktionen, welche die Prozesse der Arbeitstätigkeit im Geschäft oder im Lokal optimieren können?
  (Tischorganisation, Bestellung am Tisch aufnehmen und digital an Bar / Küche übermitteln, etc.)

Wenn du diese Fragen für dein Unternehmen beantwortet hast, kannst du deine Anforderungen mit den von uns recherchierten Lösungen abgleichen und dadurch dein zukünftiges elektronisches Kassensystem identifizieren.

Eine kurze Notiz zum Schluss:
Ein System durch einen der oben genannten Anbieter, das zu 100 % deine Anforderungen erfüllt, wird es bei Standardsoftware mit sehr hoher Wahrscheinlichkeit nicht geben. Da aber Individuallösungen sehr teuer und wartungsintensiv sind, sind wir überzeugt, dass du für die meisten Anwendungsfälle mit den oben genannten Anbietern eine Lösung findest, die deine individuellen Anforderungen zu einem großen Teil abdecken wird.

Mit seinem Background in BWL und Digital Business schreibt André über Prozesse, Methoden, Entrepreneurship, Apple und innovative Technologieprodukte.

Anzeige
Wir weisen darauf hin, dass dieser Beitrag Affiliate-Links oder andere Link-Kooperationen enthalten kann. Damit wird unser Blog-Projekt finanziert. Kooperationen haben jedoch keinen Einfluss auf den Inhalt und die redaktionelle Ausgestaltung der Texte. Im Mittelpunkt stehen unsere Leserinnen und Leser sowie die Community. Wir vertreten stets unsere eigene, objektive Meinung.

Die Begrifflichkeit der agilen Methoden mutiert im Geschäftsalltag immer mehr zum „Buzzword“. Tiefgründiger und gleichzeitig ungenauer wird es, wenn zu den agilen Methoden noch konkrete Prozesse wie Design Thinking, KANBAN oder SCRUM ins Spiel gebracht werden. Oft treffen hier viele verschiedene Vorstellungen und Wünsche auf eine uneinheitliche Definition. Diese Vorstellungen und Wünsche stammen üblicherweise von Führungskräften oder Entscheidern, die das Potenzial von Agilität gegenüber linearen Prozessen bzw. Wasserfall-Abläufen erkannt oder gar schon erlebt haben. Doch sind agile Methoden wirklich die goldene Einbahnstraße in den betriebswirtschaftlichen Erfolg?

1. Team-Retrospektive als agile Führungsmethode mit dem Fokus auf Transparenz, Konsens und Fortschritt

2. Ablauf und Vorgehensweise des Team-Retrospektive Prozesses

2.1 Erstmalige Durchführung des Team-Retrospektive Prozesses

2.2 Regelmäßige Durchführung des Team-Retrospektive Prozesses

2.3 Durchführung der Retro-Methodik zur Identifikation von aktuellen Themen

2.4 Diskussion, Maßnahmenfindung und People Consent

3. Regeln während der Team-Retrospektive

4. Rollen bei der Team-Retrospektive

5. Wann macht eine Team-Retrospektive Sinn?

In meiner Arbeit mit StartUps sowie mit etablierten Corporates zeigte sich, dass Unternehmen jeglicher Größe trotz Ihrer unterschiedlichen Strukturen gleichermaßen von agilen Methoden profitieren können, aber nicht in jeder Situation und auch nicht um jeden Preis.

„Wenn die Technologie und die Anforderungen einer Aufgabe, eines Projekts oder einer Transformation unklar bzw. unbekannt sind, dann handelt es sich in der Regel um eine so genannte komplexe Problem- oder Aufgabenstellung. Genau hier haben die agilen Methoden ihren Anwendungsfall.“

Die weitläufig bekannten agilen Methoden stammen ursprünglich aus der Software-Entwicklung und haben das Ziel, Lösungen mit dem größtmöglichen Kundennutzen zu erzeugen, ohne vorab konkret zu wissen, wie diese Lösung am Ende aussehen wird.

Wir haben hier eine Analogie zum Thema Personalführung und Teambuilding erkannt. Abteilungen und Teams sind eine heterogene Mischung an Kompetenzen und Persönlichkeiten, bei der das optimale Zusammenspiel im Urzustand unbekannt ist. Dabei steht jede Führungskraft vor der Herausforderung, einerseits die fachliche und andererseits die emotionale Kompatibilität dieser Gruppe für die bestmöglichen Ergebnisse zu optimieren.

Unser erster Schritt bestand darin, die unterschiedlichen agilen Methoden zu betrachten und hinsichtlich dieser Anforderung zu bewerten und, wo nötig, diese entsprechend umzugestalten. Das SCRUM-Framework stellte hierfür die ideale Grundlage dar, da es iterativ, team-getrieben und auf ein funktionsfähiges Ergebnis nach jeder Iteration ausgelegt ist. Aus dem SCRUM-Framework bedienten wir uns von einzelnen Elementen und fügten diese zu einer eigenständigen Methode zusammen: der (agilen) Team-Retrospektive.

Der Fokus der Team-Retrospektive, kurz Team-Retro genannt, liegt auf einem einheitlichen Verständnis der Team-Orientierung und des ehrlichen, konsequenzfreien Austauschs aller Beteiligten. Wie wird das bewerkstelligt? Zunächst wurde das „Product Increment“ des klassischen SCRUM durch das von uns formulierte „People Consent“ als Ergebnistyp ersetzt.

Dieser „People Consent“ beschreibt ein Paket von verknüpften Maßnahmen, Verantwortlichkeiten und Zeithorizonten, die auf ein strategisches Ziel hinwirken. Während jeder Iteration geben alle Beteiligten ihre individuellen, momentanen Herausforderungen als Themen ein, woraus sich durch das Mitwirken der Teilnehmenden priorisierte Themen als strategische Ziele des Teams ergeben. Anders als beim linearen Management sind diese Themen und die dazugehörigen Arbeitspakete nicht durch Führungskräfte, sondern durch das Team selbst bestimmt, wodurch ein höheres Engagement und stärkerer Ownership erzeugt werden als durch das fremdbestimmte Management von außen.

Voraussetzung hierbei ist, dass dem Team die grundlegende Strategie und das Big Picture des Projekts, der Abteilung oder des Unternehmens (vornehmlich bei StartUps) bekannt ist. Dies klar und verständlich darzustellen ist die im Kontext der Team-Retrospektive einzige Aufgabe der Führungskraft, also des Stakeholders. Ansonsten ist der Stakeholder inhaltlich nicht weiter an der Team-Retrospektive beteiligt. Um einerseits ein Einwirken von der Führungskraft zu verhindern und andererseits die korrekte Durchführung des Prozesses der Team-Retrospektive zu begleiten, wird für diese Aufgabe ein RETRO-Master, vergleichbar mit der Rolle eines SCRUM-Masters im SCRUM-Framework, eingesetzt.

In der folgenden Grafik werden der Prozess und der organisatorische Rahmen der Team-Retrospektive Methode dargestellt.

Abbildung 1: Team-Retrospektive Framework

Bei der erstmaligen Durchführung der Team Retrospektive wird mit anstatt mit dem Schritt des „Consent Reviews“ nur mit dem „Warm-Up“ gestartet. Hierbei handelt es sich um eine Fragestellung durch den RETRO Master, welche an das Team gerichtet wird. Diese kann entweder humorvoll offen oder auf ein konkretes Ereignis bzw. eine konkrete Situation bezogen gestaltet werden. Im Vorlauf muss mit den Stakeholdern ein Zeitraum definiert worden sein, auf den sich die Team Retrospektive bezieht, beispielsweise die vergangenen drei Monate, das letzte Halbjahr oder seit Jahresbeginn.

Für die humorvolle, offene Variante sind folgende Fragestellungen beispielhaft möglich:

• „Wenn die letzten drei Monate ein Film gewesen wäre, welcher Filmtitel wäre es aus deiner Sicht gewesen?“

• „Wie würdest du das letzte Halbjahr mit fünf Adjektiven beschreiben?“

• „Welche drei besonderen Ereignisse im Zusammenhang mit deiner Arbeit sind dir seit Jahresbeginn in Erinnerung geblieben?“

Ziele des humorvollen, offenen „Warm-Ups“ sind,

• das Team auf die aktive Mitarbeit in der Team Retrospektive einzustimmen,

• besonders prägende Situationen aus einem definierten Zeitraum wieder ins Gedächtnis zu bringen

• und eine gute Grundstimmung für den nächsten Schritt „Processing & Identification“ aufzubauen.

Die Warm-Up Variante mit dem konkreten Ereignis ist gut für Teams geeignet, die bereits eine oder mehrere Iterationen der Team-Retrospektive durchgeführt haben und den Prozess kennen. Für diese Variante können folgende Fragestellungen angewandt werden:

• Welche Schlussfolgerungen hast du durch Ereignis X bezogen auf deine Arbeit in den letzten drei Monaten gezogen? Nenne mindestens drei.

• Wie würdest du deine Gefühlslage nach Situation Y im letzten Halbjahr mit fünf Worten beschreiben?

• Welche zwei positiven und zwei negativen Dinge haben sich durch Ereignis Z seit Jahresbeginn für dich verändert?

Ziele des konkreten, auf ein Ereignis oder eine Situation bezogenem Warm-Ups sind,

• einschneidende Ereignisse im Team aufzuarbeiten und daraus entstandene persönliche sowie fachliche Differenzen aufzuzeigen, die im laufenden Geschäftsalltag entweder aus Zeitmangel, aus Scham oder Schüchternheit nicht angesprochen würden und

• um den offenen und transparenten Umgang mit solchen Themen in einer geschützten Umgebung für das Team zu ermöglichen.

Wird die Team-Retrospektive in einem laufenden Prozess durchgeführt, wird der „People Consent Backlog“ aus der letzten Iteration als erster Berührungspunkt zum Start in die aktuelle Team-Retrospektive genutzt. Hierbei wird lediglich reflektiert, worauf sich das Team in der letzten Iteration verständigt hat, und es kann dabei selbst entscheiden, ob die vereinbarten Themen in die praktische Anwendung überführt wurden oder nicht.

Anschließend wird mit einer der in 2.1 beschriebenen Warm-Up Methoden ein aktuelles Stimmungsbild erzeugt.

Mit der Vollendung des Warm-Ups wird in eine Retro-Methodik übergeleitet (eine Auswahl geeigneter Retro-Processing Methoden findet Ihr hier). Bei der Durchführung der Methode wird ein Canvas bereitgestellt, auf dem entsprechend der jeweiligen Methode Indikatoren platziert sind, für die das Team Input liefern soll. Abhängig von der Größe des Teams kann es sein, dass der Input pro Teilnehmer begrenzt werden muss (bspw. pro Indikator maximal zwei Themen). Dies ist notwendig, um den individuell festgesetzten Zeitrahmen einzuhalten, welcher üblicherweise eine bis anderthalb Stunden für die gesamte Team-Retrospektive ist. In der nachfolgenden Grafik wird ein Ergebnistyp der „Identification“ beispielhaft gezeigt.

Abbildung 2: Beispielhafter Ergebnistyp nach Durchführungs-Phase

Nachdem die aktuell wichtigen Themen durch das Team eingebracht wurden, legt das Team durch eine Priorisierungs-Phase den Fokus auf Kernthemen. Hierbei erhält jedes Teammitglied eine begrenzte Anzahl an Priorisierungs-Punkte, üblicherweise zwei bis drei pro Person. Hieraus kristallisieren sich drei bis fünf Themen, die in der nächsten Phase „Discussion & Consent“ im Team vertieft diskutiert werden.

Die priorisierten Themen werden in der letzten Phase, bezeichnet als „Discussion & Consent“, in Form einer so genannten „Wall of Work“ mit Maßnahmen („What“), Verantwortlichen („Who“) und Terminen („When“) diskutiert. Die hieraus entstandene Wall of Work mit den definierten Maßnahmen, Verantwortlichen und Terminen wird zum „People Consent Backlog“, welcher die Arbeitspakete für die bevorstehenden Iteration bis zur nächsten Retro beinhaltet. In der nachfolgenden Grafik wird exemplarisch eine fertiggestellte Wall of Work als People Consent Backlog gezeigt.

Abbildung 3: Beispielhafter Ergebnistyp für einen People Consent Backlog

Die Regeln in diesem Framework unterscheiden sich nicht von den Regeln in einer Retrospektive am Ende einer klassischen SCRUM-Iteration. Diese sind

• die Las Vegas Regel („Vegas Principle“),
• die Goldene Regel („Golden Rule“) und
• die Regel der obersten Direktive („Supreme Directive“).

Die Las Vegas Regel wird von der amerikanischen Phrase „What happens in Vegas, stays in Vegas“ abgeleitet und bedeutet für die Team-Retrospektive, dass alles, was in diesem geschützten Rahmen angemerkt, besprochen und diskutiert wird, innerhalb der Team-Retrospektive bleibt und weder von den Teilnehmenden, noch vom RETRO-Master nach außen getragen wird.

Die Goldene Regel besagt, dass sich alle Teilnehmenden der Team-Retrospektive grundsätzlich mit Wertschätzung und Respekt behandeln. Das bedeutet, dass in der Sache selbst sehr hitzig und kontrovers diskutiert werden darf (und, wenn nötig, auch sollte), allerdings auf der persönlichen Ebene jedes Einzelnen stets ein respektierender Umgang vorherrschen muss.

Die Regel der obersten Direktive beschreibt die Grundannahme aller teilnehmenden Personen, dass jede und jeder Teilnehmende in der Zeit seit der letzten Team-Retrospektive (Iteration) stets sein Bestes gegeben hat und mit bestem Wissen und Gewissen gehandelt hat.

Um eine Team-Retrospektive erfolgreich, zielgerichtet und effektiv durchzuführen, sind zwei Rollen elementar. Die Rolle des Auftraggebers, im Framework als Stakeholder aufgeführt, bezeichnet die Person, entweder Teamleiter, Produktmanager oder Geschäftsführer (in der Regel bei StartUps), die eine organisatorische Herausforderung feststellt. Dieser Stakeholder hat auf den Prozess selbst keinen Einfluss und nimmt daran nicht teil.

Die zweite Rolle ist die des RETRO-Masters. Diese sollte weder Teil des Teams noch Teil der Führungsebene sein. In größeren Organisationen bietet sich hierfür eine neutrale Stabstelle an. In kleineren Organisationen bietet es sich an, diese Rolle extern zu besetzen, etwa durch einen Agile Coach oder einen dedizierten SCRUM- bzw. RETRO-Master. Der RETRO-Master moderiert die korrekte Durchführung des Team-Retrospektive Prozesses, erfasst alle relevanten Erkenntnisse, dokumentiert alle Ergebnisse anonymisiert und konsolidiert diese in einen Ergebnistyp inklusive Handlungsempfehlung an den Stakeholder.

Dieser Service wird durch unsere speziell geschulten Coaches bei Innovationsritter angeboten.

Die dritte Rolle ist die der Teilnehmenden („People“). Diese Personen beeinflussen den inhaltlichen Erfolg einer Team-Retrospektive. Die grundsätzlichen Aufgaben dieser Rollen sind einerseits, die Team-Retrospektive Regeln zu beherzigen und andererseits den größtmöglichen Input während des Prozesses zu liefern. Dies ist wichtig, damit der Nutzen für das gesamte Team, für jeden Teilnehmenden individuell und auch für das Projekt bzw. die Organisation am größten wird.

Genauso, wie herkömmliche Agile Methoden wie SCRUM und KANBAN nur einen Nutzen bringen, wenn der organisatorische Reifegrad und das Umfeld in einer Organisation diese agile Vorgehensweise zulassen, gibt es auch bei der Team-Retrospektive gut geeignete und weniger gut geeignete Szenarien für die Anwendung.

Die Team-Retrospektive als Führungs- und Teambuilding-Instrument ist dann sehr gut geeignet,
wenn …

• der Stakeholder grundsätzlich ein vertrauensvolles Verhältnis zum Team hat, dort allerdings intern wiederkehrende Probleme auftauchen, die nicht durch einen Vier-Augen Dialog gelöst werden können,

• es Team-Mitglieder gibt, die tendenziell ein eher zurückhaltendes Wesen haben, allerdings die Qualität ihrer Arbeit in einem gewissen Zeitraum ohne offensichtliche Ursache abgenommen hat,

• es innerhalb von fachlich unterschiedlichen Teilen eines Teams (bspw.: Software-Entwickler und Designer; oder Ingenieuren und Vertrieb) zu einer schleichenden „Silo-Bildung“ kommt,

• die Kommunikation innerhalb eines Teams sich ohne erkennbaren Grund verschlechtert hat und dies Auswirkungen auf die Ergebnisse des gesamten Teams hat oder

• das Team eigeninitiativ beim Stakeholder bezüglich einer Maßnahme anfragt, um die Zusammenarbeit innerhalb des Teams kontinuierlich weiter zu optimieren.

Die Team-Retrospektive ist als Führungs- und Teambuilding-Instrument nicht geeignet,
wenn …

• der Stakeholder ein distanziertes Verhältnis zum Team hat,

• das Team in strikte hierarchische Ebenen untergliedert ist,

• der Stakeholder eine unmittelbare Veränderung nach nur einer Team-Retrospektive und Iteration erhofft, ohne dem Team einen ausreichenden zeitlichen Horizont einzuräumen (bspw.: Drei Iterationen, verteilt über drei Monate),

• der Stakeholder das Ziel verfolgt, durch konkrete Einflussnahme auf den Retrospektive-Prozess das Mindset des Teams (instransparent) zu manipulieren.

Eine Team-Retrospektive kann nur dann nutzbringend erfolgen, wenn die Basis zwischen der Führungskraft und den Teammitgliedern vertrauensvoll ist und es einen Status Quo gibt, der zumindest qualitativ, idealerweise aber auch quantitativ, erhoben werden kann. Dadurch existiert auch für den Stakeholder eine Bewertungsgrundlage, um den Nutzen und den Erfolg der Team-Retrospektive nachvollziehen zu können.

Mit seinem Background in BWL und Digital Business schreibt André über Prozesse, Methoden, Entrepreneurship, Apple und innovative Technologieprodukte.

Apple hat gezeigt, dass Sie doch noch auf die Stimmen Ihrer Community hören. Dabei haben Sie einen Sprung in die Zukunft gemacht und gleichzeitig einen Schritt in die Vergangenheit.

Beim letzten Special Event im Jahr 2021 hat Apple am 18. Oktober neben den neuen AirPods der 3. Generation und bunten HomePod minis auch neue MacBook Pro Modelle vorgestellt. Diese weisen neben ihrem „neuen“ Design auch weitere spannende Hardware-Spezifikationen auf und wurden zudem mit modifizierten M1-Prozessoren ausgestattet.

Die signifikanteste Neuerung bei der Vorstellung des MacBook Pro sind die beiden neuen Displaygrößen in 14 (14,2‘‘) und 16 (16,2‘‘) Zoll. Das Display selbst ist nun ein Liquid Retina XDR Display mit einem Kontrast von 1.000.000:1 und besteht aus 10.000 Mini-LEDs. Die Helligkeit des Displays ist standardmäßig bei 1.000 nits und soll maximal mit 1.600 nits ausleuchten.

„Bei unserem Test wurden die 1.000 nits nur bei HDR Inhalten erreicht, ansonsten wird das Betriebssystem standardmäßig mit etwa 500 nits ausgeleuchtet. Wir vermuten eine softwareseitige Einschränkung durch MacOS Monterey 12.0.1.“

Zusätzlich wurde für die neuen MacBook Pro Modelle ein 120-Hz Pro-Motion Display vorgestellt. Diese Bildwiederholrate stellt das MacBook Pro aber nicht kontinuierlich dar, sondern nur dann, wenn die Aktion auf dem Bildschirm eine höhere Bildwiederholrate erfordert – beispielsweise beim Scrollen. Was außerdem bei der Vorstellung der neuen MacBook Pros ungewohnt war, ist eine Notch, also die schwarze Einkerbung am mittleren, oberen Bildschirmrand, in dem sich nun eine 1080p Front-Kamera befindet.

Diese Notch ist aber keine Kerbe im eigentlichen Sinne, die in das Display hereinragt und dadurch Displayfläche wegnimmt, sondern viel mehr ein Extra an Displayfläche. Hierbei sind die beiden seitlichen Bereiche der Notch ein Zugewinn an Display, was vorher durch einen schwarzen Balken nicht nutzbar war. In diese nun freigewordene Fläche hat Apple die Menüleiste platziert, wodurch diese nicht mehr im Seitenverhältnis von 16:9 Platz wegnimmt. Wie das ganze aussieht, sieht man im folgenden Bild.

Eine letzte und weitere Neuerung am Display sind die Auflösungen von 3024 x 1964 mit 5,9 Millionen Pixel beim 14‘‘ und 3456 x 2234 mit 7,7 Millionen Pixel beim 16‘‘ MacBook Pro. Dadurch haben beide Geräte ein Display mit 254 ppi, was wieder einem „echten“ Retina-Display entspricht.

Neben einem vollkommen neuen Display hat Apple auch zwei neue Prozessoren vorgestellt: Den M1 Pro und den M1 Max. Beide nutzen als Basis die Apple-eigene Prozessorentwicklung des M1 Chips, der 2020 vorgestellt wurde. Die neuen Prozessoren sind der M1 Chip auf Steroide. Und doppelt Steroide, wenn man’s genau nimmt.

Der M1 Pro ist die Basisversion der neuen MacBook Pros mit bis zu 10 CPU-Kernen und bis zu 16 GPU-Kernen. Zudem unterstützt der M1 Pro bis zu 32 GB Arbeitsspeicher (RAM), welcher durch CPU und GPU gemeinsam genutzt wird. Die Speicherbandbreite wurde mit bis zu 200 GB/s angegeben

Der M1 Max hat standardmäßig 10 CPU-Kerne und kann mit bis zu 32 GPU-Kernen ausgestattet werden. Dieser Chip unterstützt bis zu 64 GB gemeinsam nutzbaren Arbeitsspeicher und hat eine maximale Speicherbandbreite von bis zu 400 GB/s.

In der nachfolgenden Tabelle sind die einzelnen Chipkonfigurationen nochmal für euch zusammengefasst. Die Kerne für die Neural-Engine wurden nicht berücksichtigt, da bei allen Prozessorvarianten 16-Neural-Engine Kerne enthalten sind.

Wie bereits in einem Leak vor dem Event von Marc Gurman prophezeit wurde, sind die Preise für die neuen MacBook Pro Modelle spürbar höher als bei früheren Veröffentlichungen. Die Preisspanne zwischen den möglichen Konfigurationen sind übersichtlich in der folgenden Tabelle zusammengestellt.

Im ersten Abschnitt stellen wir die Preistabellen für die Konfigurationen des 14 Zoll MacBook Pros für euch dar.

MacBook Pro 14 Zoll, M1 Pro, 8-Core CPU, 14-Core GPU (Basismodell):

MacBook Pro 14 Zoll, M1 Pro, 10-Core CPU, 14-Core GPU:

MacBook Pro 14 Zoll, M1 Pro, 10-Core CPU, 16-Core GPU:

MacBook Pro 14 Zoll, M1 Max, 10-Core CPU, 24-Core GPU:

MacBook Pro 14 Zoll, M1 Max, 10-Core CPU, 32-Core (leistungsstärkste Konfiguration):

Hier kann man sehen, dass die Preisspanne zwischen den Arbeitsspeicher und SSD Konfigurationen stark variieren. Zusammengefasst kostet das günstigste MacBook Pro mit 14 Zoll 2249,00 € und die maximale Variante kann bis zu 6659,00 € kosten.

Im zweiten Abschnitt stellen wir auch noch die Preistabellen für die 16 Zoll MacBook Pro Konfigurationen vor.

MacBook Pro 16 Zoll, M1 Pro, 10-Core CPU, 16-Core GPU (Basismodell):

MacBook Pro 16 Zoll, M1 Max, 10-Core CPU, 24-Core GPU:

MacBook Pro 16 Zoll, M1 Max, 10-Core CPU, 32-Core GPU (leistungsstärkste Konfiguration):

Zusammengefasst kann man sagen, dass das neue 16 Zoll MacBook Pro bei 2749,00 € beginnt und in der maximalen Ausführung 6839,00 € kostet.

Alle hier genannten Preise sind die Preise (UVP), die Apple selbst im Shop für die Produkte aufruft. Mit Education-Rabatten können Personen aus dem Bildungsbereich noch etwa 5 % Rabatt erhalten.

Als Apple im Jahr 2020 den M1 Prozessor im MacBook Air und im MacBook Pro vorstellte, war diese Art des SoC (System on a Chip) ein innovativer Durchbruch. Gleichzeitig wandte sich Apple damit von Intel-Prozessoren ab. Der M1 Prozessor war leistungsstärker als der damals stärkste Intel i9 Prozessor, den Apple zur Konfiguration anbot. Und gleichzeitig war er energieeffizienter, was unter anderem beim MacBook Air das Weglassen eines Lüfters ermöglichte. In der nachfolgenden Tabelle werden die Details und Besonderheiten zwischen den drei Prozessoren gegenübergestellt.

Die beiden neuen Prozessoren unterscheiden sich im Wesentlichen in der Anzahl der Transistoren, der Performance- und Grafikkerne und der Anschlussmöglichkeiten. Damit einhergehend unterscheidet sich auch die Größe des jeweiligen Chips selbst.

Beim M1 Prozessor gab Apple 2020 an, dass mit der leistungsstarken GPU eine nahtlose Wiedergabe von „mehreren“ 4K Videostreams oder das Rendern komplexer 3D Szenen möglich sei. Etwas konkreter wurde Apple bei der Keynote der M1 Pro und M1 Max Prozessoren. Hier hieß es, dass „mit dem M1 Max mit 32 GPU Kernen bis zu 30 Streams mit 4K Apple ProRes Footage oder 7 Streams mit 8K Apple ProRes Footage ohne spürbare Leistungseinbußen und mit Echtzeit-Rendering in Final Cut Pro bearbeitet, arrangiert und mit Effekten versehen werden können“.

Um euch einen validen Vergleich zu ermöglichen, haben wir mit drei MacBooks und den jeweiligen Prozessoren Tests durchgeführt.

Videobearbeitung (Final Cut Pro):

Der Test mit Final Cut Pro wurde mit einem etwa 10-minütigen 4K 60 FPS Clip getestet, welcher zum Teil aus 4K und 8K Videomaterial bestand und mit etwas Color-Grading, Übergängen und wenigen Effekten bearbeitet wurde. Die Vorschau klappte bei allen drei Geräten problemlos, beim M1 im MacBook Air wurde das Rendern der Vorschau bei zu vielen Effekten allerdings minimal spürbar, wenn auch nicht störend. Das Rendern der Timeline beim Medienexport sah folgendermaßen aus:

• MacBook Air | M1 | 16 GB RAM: 10m 12s

• MacBook Pro | M1 Pro | 32 GB RAM: 3m 42s

• MacBook Pro | M1 Max | 32 GB RAM: 3m 0s

Diese Art der Videobearbeitung in Final Cut Pro ist tendenziell eher prozessor- als grafiklastig, wodurch der Unterschied bei M1 Pro und M1 Max geringer ausfällt.

Sobald eine grafikintensive Anwendung ausgeführt wird, wie etwa 3D Rendering, dann besticht der M1 Max eindeutig mit besserer Performance im Vergleich zum M1 Pro, und liegt auch gegenüber dem M1 sehr deutlich vorne.

Bildbearbeitung (Photoshop):

Bei der Bearbeitung von RAW Fotos mit Photoshop merkt man in unserem Test bei einem 25 Megapixel RAW Foto, dass der M1 damit auch kaum Probleme hat. Selbst mit dem vollständig bearbeiteten Foto merkt man nur minimal ein Ruckeln, das Entwickeln bzw. Exportieren des Fotos geht sehr schnell. Beim M1 Pro und M1 Max mit der gleichen Ausgangssituation merkt man hingegen überhaupt keine Veränderung und das Foto ist innerhalb von ein bis zwei Sekunden vollständig entwickelt bzw. exportiert.

Akkulaufzeit:

Bei der Akkulaufzeit hat tatsächlich das MacBook Air mit dem M1 Prozessor die Nase im Vergleich zu den M1 Pro und M1 Max Prozessoren vorne. Das hat den Hintergrund, dass das MacBook Air bei Leistungsspitzen durch das lüfterlose Design den Prozessor heruntertaktet und dadurch zwar Energieverbrauch, aber auch Leistung reduziert.

Laut Apple soll das MacBook Air mit M1 Prozessor eine Akkulaufzeit von bis zu 18 Stunden Videowiedergabe schaffen. Bei einer gemischten Nutzung von Office Programmen, E-Mail und rund 3 Stunden Video- sowie Bildbearbeitung kamen wir beim MacBook Air auf eine Akkulaufzeit von rund 13 Stunden, was überragend ist. Bei einer vergleichbaren Arbeitsbelastung kamen der M1 Pro (14 Zoll) auf 10 Stunden und der M1 Max (14 Zoll) auf 9 Stunden Akkulaufzeit. Diese Werte sind im Vergleich zu früheren MacBook Pros mit Intel-Prozessoren hervorragend.

Zunächst muss erwähnt werden, dass die MacBook Air und MacBook Pro Modelle vom Jahr 2020 mit dem M1 Prozessor wirklich sehr kompakte und gleichzeitig leistungsstarke Alltagsgeräte sind. Für einen Großteil der Nutzer, die aufgrund der Bedienbarkeit, der Stabilität und der Systemintegration im Apple-Ökosystem ein MacBook verwenden möchten, ist diese Konfiguration mehr als ausreichend. In der folgenden Liste führen wir Tätigkeitsbereiche auf, für die wir ein MacBook mit dem M1 Prozessor den neueren Geräten mit M1 Pro und M1 Max vorziehen würden:

• Website-Entwicklung (mit einem Content-Management-System)

• Blogging und schriftstellerische Tätigkeiten

• Management, Consulting und Vertriebstätigkeiten

• Administrative Aufgaben jeglicher Form

• Schule und Studium
  (Ausnahmen sind Ingenieur-, Architektur-, Design- und Medienproduktion-Studiengänge)

• Betrieb von Online-Shops

Grund: Leichter, portabler und niedrigerer Preis.

Die MacBook Pro Modelle mit M1 Pro und M1 Max Prozessoren lohnen sich tendenziell eher für folgende Tätigkeitsbereiche:

• Design-Tätigkeiten mit 3D Grafiksuites und CAD Software

• Videoproduktion mit hochwertigem Aufnahme-Equipment

• Fotografie (hier auch wegen des integrierten SD-Kartenlesers, wobei hinsichtlich Leistung die Geräte mit M1 in 99 % der Fälle auch ausreichend sein werden)

• Musikproduktion mit aufwändigen Projekten und umfangreicher DAW

• Spiele-Entwicklung

• Anwendungsentwicklung (unter anderem mit XCode)

Grund: Von Mehrleistung und Features wird durch höhere Effizienz im Workflow profitiert.

Für einige Gewerbetreibende, Freiberufler und Privatnutzer ist auch der Preis ein Kriterium. Die preisliche Reichweite von gewöhnlichen Konfigurationen (ohne übermäßig viel SSD-Speicher) sieht folgendermaßen aus:

• MacBook (Air) mit M1 sind im Preisbereich zwischen 900 € und 1.900 € erhältlich

• MacBook Pro mit M1 Pro sind zwischen etwa 2.500 € und 3.500 € angesiedelt

• MacBook Pro mit M1 Max befinden sich im Bereich zwischen 2.700 € und 4.500 €

Die genauen Anforderungen an die eigene Arbeit und die damit verbundenen Abläufe kennt nur Ihr selbst. Wenn du aktuell schon weißt, dass die Programme, mit denen du täglich arbeitest, sehr stark den Prozessor beanspruchen und diese auch Multi-Core unterstützen, dann wirst du mit einem M1 Pro mit 10 Kernen höchstwahrscheinlich glücklich sein und damit auch deine Produktivität spürbar steigern können. Wenn du grafikintensive Arbeiten erledigst und gleichzeitig maximalen Arbeitsspeicher benötigst, weil du viele Objekte, Programme und Tabs gleichzeitig aktiv hast, kann dir der M1 Max einen optimierten Workflow ermöglichen und das letzte Quäntchen Effizienz herauskitzeln. Und wenn alle eben genannten Punkte für dich ein Brief mit sieben Siegeln sind, wird vermutlich der M1 Prozessor dein idealer Begleiter durch den Tag sein.

Zum Schluss ein kleiner gut gemeinter Rat:

Wenn es das neue MacBook Pro wegen der Features und des Designs wird, dann investiere eher in eine größere SSD und mehr Arbeitsspeicher als in den leistungsstärksten Chip.

Mit seinem Background in BWL und Digital Business schreibt André über Prozesse, Methoden, Entrepreneurship, Apple und innovative Technologieprodukte.

Anzeige
Wir weisen darauf hin, dass dieser Beitrag Affiliate-Links oder andere Link-Kooperationen enthalten kann. Damit wird unser Blog-Projekt finanziert. Kooperationen haben jedoch keinen Einfluss auf den Inhalt und die redaktionelle Ausgestaltung der Texte. Im Mittelpunkt stehen unsere Leserinnen und Leser sowie die Community. Wir vertreten stets unsere eigene, objektive Meinung.