In 6 Wochen zur KI-Praxis: Programmvorlage, neue ChatGPT-Ads, Einkaufsagent mit Freigabe

Wichtige KI-Nachrichten

Sechs-Wochen-Programm bringt Fachbereiche ins Bauen

Ein AWS-Playbook zeigt, wie du Nicht-Entwickler in sechs Wochen zu funktionsfähigen KI-Prototypen führst: vier Stunden pro Woche, feste Mentoren, MVP ab Tag 2, tägliche Standups und offene Sprechstunden. Das Beispielteam baute fünf spezialisierte Agenten auf Amazon-Nova-Modellen mit Orchestrierung über das Strands Agents SDK und Speicher in DynamoDB, laut Anbieter mit Antwortzeiten unter fünf Sekunden. Die Wirksamkeit der Struktur und „dreifach höhere Kompetenzretention“ stammen aus Programmdaten des Anbieters und sind extern nicht belegt. Wenn du solche Gespräche schon führst, gib deinem Team die Erlaubnis zu scheitern und setze klare Leitplanken, dann entsteht belastbares Können.¹

ChatGPT führt neues visuelles Anzeigenformat und mehr Messung ein

OpenAI führt ein neues visuelles Anzeigenformat in ChatGPT ein und erweitert Messfunktionen, Attributionspartner und Brand-Suitability-Optionen. Die Meldung ist von vor vier Tagen. Attribution, also die Zuordnung von Werbewirkung zu Kanälen, wird damit breiter unterstützt. Wenn du bezahlte Kampagnen steuerst, kannst du ChatGPT-Inventar jetzt gezielter testen und die Wirkung besser zuordnen, Details zur Verfügbarkeit hängen vom Werbekonto ab.²

Einkaufsagent mit menschlicher Freigabe von LangChain

LangChain zeigt per X-Beitrag einen Einkaufsagenten, der Produkte findet, Bestellungen vorbereitet und mit einer menschlichen Freigabe über einen Stripe-Link bezahlt. Die Steuerung läuft in Slack, die Zahlung erst nach deiner Bestätigung. Das ist ein Bauprinzip, keine produktreife Lösung mit Dokumentation. Du kannst so einen Ablauf prototypisch nachbauen und dabei Budgetgrenzen und Vier-Augen-Freigaben fest einbauen.³

Highlights für deinen Arbeitsalltag

• Kosten runter wie bei LegalOn. Das Team senkte geschätzte Codex-Tageskosten um 65 Prozent, indem es Aufgaben passenden Modellen zuordnete und Budgets aktiv steuerte. Du kannst heute deine Workloads nach Aufgabe und Modell trennen und harte Budgetgrenzen setzen.⁴
• Längere KI-Workflows mit Review etablieren. Oracle beschreibt Workflows über mehrere Datenquellen mit menschlicher Prüfung in ChatGPT Work und Codex. Du definierst so Qualitätsgates, statt nur Einzelschritte zu automatisieren.⁵
• Datenagenten robuster machen. Das NVIDIA-Team kam im KDD-Wettbewerb mit einem kleineren, klareren Agenten-Harness weiter. Beschränke Tools, Eingaben und Prüfpfade und prüfe Antworten systematisch gegen heterogene Quellen.⁶

Tools und Updates

• Copilot für Windows mit Hybrid Intelligence. Microsoft kündigt an, dass Copilot mit deiner Erlaubnis PC-Kontext nutzt, Aktionen übernimmt und bei Bedarf lokale Modelle verwendet, um Token zu sparen. Prüf den Datenschutz, bevor du Kontext freigibst.⁷
• Simulationen mit KI-Agenten in NVIDIA Omniverse. Beispiele zeigen, wie Agenten per Sprache Simulations-Apps zusammenstellen, Testszenarien verkabeln und digitale Zwillinge über Sensorvergleiche verbessern. Nützlich für Teams mit Omniverse und Zugriff auf Frontier-Modelle.⁸
• Synthetic Data für Enterprise-Agenten. AutoSynthData beschreibt einen Weg, Trainingsdaten für Unternehmens-Agenten zu generieren. Die Meldung ist von vor sieben Tagen. Das hilft, wenn echte Daten aus Compliance-Gründen nicht nutzbar sind.⁹
• GitHub Copilot mit On-Device-KI auf neuen Windows-PCs. Lokale Code-Vorschläge ohne Cloud können Latenz senken und Daten im Haus halten. Erfordert neue Windows-Hardware.¹⁰

In fünf Minuten ausprobieren

1) Öffne dein KI-Chattool und bitte um einen einseitigen Plan für einen sechswöchigen „AI Builders“-Durchlauf: vier Stunden pro Woche, MVP bis Tag 2, tägliche kurze Check-ins, wöchentliche Office Hours, klare Leitplanken und eine Freigabe durch Menschen vor jedem Produktivschritt. Gib ein Beispielproblem aus deinem Alltag an, etwa E-Mail-Routing oder Vertragszusammenfassung.¹ 2) Lass dir eine Einladung an Teilnehmende plus eine Manager-Briefing-Notiz erzeugen, inklusive Zeitbedarf, Zielbild, Risiken und Datenquellen.¹ 3) Prüfe, ob der Plan die Leitplanken enthält: Datennutzung geklärt, Kill-Switch definiert, Budgetlimit je Experiment, und ein Demo-Termin am Ende von Woche 2.¹

Erwartetes Ergebnis: Eine knackige Seite und eine Einladung, die du intern verschicken kannst. Prüfkriterium: Der Plan erfüllt vier Stunden pro Woche, zeigt ein End-to-End-MVP bis Tag 2 und benennt Human-in-the-Loop-Freigaben explizit.¹

Quellen

1. Building AI builders: Playbook for closing the AI knowledge-capability gap (aws.amazon.com)
2. Building advertising for the way people use AI (openai.com)
3. @langchain: You can now build an agent that: 🔎 Finds real products 🛒 Prepares purchases 💳 Pays …with a person approving every order 👨‍💻

Ask in @slackhq, review the order, approve in @Stripe's (x.com) 4. LegalOn halves Codex costs while maintaining development speed (openai.com) 5. How Oracle turns days of work into minutes with ChatGPT and Codex (openai.com) 6. Building Reliable Data Analytics Agents: Lessons from the KDD Cup (developer.nvidia.com) 7. We’re supercharging Copilot on Windows with Hybrid Intelligence. With your permission, Copilot can tap into the context on your PC, take action for you, and use local models when it makes sense, giving you more capability while helping your tokens go further. [Read more] (linkedin.com) 8. Into the Omniverse: How Developers Turn Ideas Into Simulations With Frontier AI Agents (blogs.nvidia.com) 9. AutoSynthData: Generating Training Data for Enterprise Agents (huggingface.co) 10. GitHub Copilot brings on-device AI coding to new Windows PCs (commandline.microsoft.com)