Phase 2: Vertiefen

---

Die Grundlage steht. Jetzt gehen wir tiefer: vom Aufnehmen zum Entdecken, von Transkripten zu Mustern.

---

Wo stehst du?

Du hast Transkripte. Du hast erste Synthesen gemacht. Aber jetzt willst du weitergehen. Das Gespräch war reichhaltig; wie holst du mehr heraus?

Vielleicht spürst du, dass da Muster drin sind, die du nicht benennen kannst. Vielleicht willst du mit einer Reflexion zurück zur Gruppe, die das Gespräch weiterbringt. Vielleicht steckst du in einer Iteration mit AI fest und bekommst nicht, was du suchst.

Das ist die Phase der Vertiefung: nicht mehr festhalten, was da ist, sondern entdecken, was darin steckt.

---

Was kannst du mit AI machen?

In Phase 1 ging es um das Festhalten: Transkription, Sprache bewahren, Stil klonen. In dieser Phase geht es um Vertiefung: Muster erkennen, gemeinsam mit AI iterieren und den Input gestalten, der reichhaltigen Output möglich macht.

Was im Transkript steckt, herausholen

Was mir immer wieder auffällt: Ein Transkript enthält mehr, als du auf den ersten Blick siehst. Manchmal bekommt deine Intuition Worte: Muster, die du gespürt, aber nicht benennen konntest. Manchmal weißt du, dass da mehr drin ist, als du im Moment verarbeiten konntest. AI kann als Lupe auf das wirken, was bereits da ist.

Intuition schwarz auf weiß

Du spürst, dass etwas los ist: ein wiederkehrendes Thema, eine Spannung, die nicht ausgesprochen wird, eine Dynamik, die du fühlen kannst. Manchmal kannst du es benennen, manchmal nicht. Aber selbst wenn du es benennen kannst: es schriftlich festzuhalten macht es besprechbar und referenzierbar.

AI kann das Transkript nach den Mustern durchsuchen, die du intuitiv spürst. Nicht um deine Intuition zu ersetzen, sondern um ihr Worte zu geben. Das Ergebnis ist oft eine Bestätigung dessen, was du schon wusstest. Aber jetzt kannst du es teilen, besprechen und später darauf zurückkommen.

Das ist auch eine Form der Demokratisierung: Gruppendynamiken und Unterströmungen zu erkennen, war bisher erfahrenen Facilitatoren mit jahrelanger Ausbildung vorbehalten. AI macht diese Fähigkeit zugänglicher. Ähnlich wie Softwareentwickler sich vom Codeschreiben hin zum Dirigieren des Ganzen bewegen: Das tiefe Wissen bleibt wichtig, aber die Anwendung verändert sich.

Was mir selbst auffällt: Ich sehe jetzt Dinge, die ich früher übersehen habe. Es gibt mir mehr Sicherheit, Muster zu benennen, weil ich Belege habe. Und vielleicht am wertvollsten: Ich lerne, neue Muster zu erkennen und Wege, beim nächsten Mal damit zu arbeiten.

”

Mehr dazu: Intuition schwarz auf weiß

Gemeinsam nach dem graben, was darin steckt

Du hattest eine Sitzung. Das Gespräch war wertvoll, aber du weißt: Da steckt mehr drin, als du sofort benennen konntest. Nicht weil du etwas verpasst hast, sondern weil jedes reichhaltige Gespräch mehr enthält, als eine Person in einem Moment verarbeiten kann.

AI kann helfen, indem ihr gemeinsam grabt: nach Struktur suchen, Anknüpfungspunkte für Verbindung finden, auffällige Zitate identifizieren. Das Transkript ist Rohmaterial: Fundament für Vertiefung. Und das Schöne ist: Das muss keine Einzelarbeit sein. Du kannst gemeinsam mit AI einen Prompt aufbauen: AI stellt Fragen, du gibst die Richtung vor, und die Analyse wird immer schärfer.

”

Mehr dazu: Was noch darin steckte

Aber wie arbeitest du eigentlich mit AI zusammen, um das zu tun? Das erfordert eine entscheidende Fähigkeit.

---

Iterieren statt basteln

Wenn AI-Output nicht stimmt, ist der Reflex, selbst hineinzugehen und anzupassen. Einen Satz hier, ein Wort dort. Aber dann verpasst du die Chance zur Zusammenarbeit und die Möglichkeit, AI (und manchmal dir selbst) beizubringen, was du eigentlich meinst.

Was besser funktioniert: AI Feedback geben und es erneut versuchen lassen. "Das stimmt nicht, weil..." oder "Was ich eigentlich meine, ist..." Das erfordert Gewöhnung, bringt aber bessere Ergebnisse. Und du lernst gleichzeitig, wie du effektiver mit AI kommunizierst.

Die Geschichte der zwölf Runden oben ist ein Beispiel dafür. Jede Runde brachte neue Informationen, neue Korrekturen, neue Erkenntnisse, bis das Ergebnis stimmte.

Und wenn du am Ende doch viel selbst anpassen musstest? Dann ist das wertvolle Information. Deine Anpassungen zeigen, was in deinem ursprünglichen Prompt fehlte. Gib deine angepasste Version zurück an AI mit der Frage: "Was hätte ich anders fragen müssen, um dieses Ergebnis direkt zu bekommen?" So wird jede Iteration zu einer Lektion für nächstes Mal.

”

Mehr dazu: Iteration

Du hast jetzt gesehen, wie Iteration funktioniert. Aber die beste Vertiefung beginnt eigentlich früher. Wie stellst du sicher, dass überhaupt etwas Wertvolles im Transkript steht?

---

Erst die Menschen prompten

Bevor du darüber nachdenkst, was AI mit dem Output macht, gibt es eine wichtigere Frage: Wie stellst du sicher, dass der Input reichhaltig genug ist? Die Qualität dessen, was Menschen teilen, bestimmt, was AI damit anfangen kann. Eine gute Frage liefert reichhaltigere Antworten als eine schlechte. Ein sicheres Setting schafft Offenheit. Die Struktur deines Workshops bestimmt, was im Transkript landet.

Die Qualität von AI-Output hängt von der Qualität des menschlichen Inputs ab. Das beginnt mit den Fragen, die du stellst: vorher beim Gestalten deiner Sitzung, und im Moment, wenn die Gruppe feststeckt. Das ist die Menschenarbeit, die jedem AI-Prompt vorausgeht.

”

Mehr dazu: Erst die Menschen prompten

Eine konkrete Untertechnik, die daraus entsteht: Fragen umrahmen. "Was denkst du über die Zusammenarbeit?" liefert abstrakte Antworten. "Kannst du einen Moment beschreiben, in dem die Zusammenarbeit sich gut angefühlt hat?" liefert konkrete Geschichten und lenkt die Energie auf das, wovon Menschen mehr wollen.

Das ist eine ausgesprochen menschliche Fähigkeit: im Moment zu spüren, dass eine andere Frage gebraucht wird, und sie dann zu stellen. AI kann dir helfen, diese Fähigkeit zu entwickeln, zum Beispiel indem du nachher fragst: "Die Gruppe blieb bei dieser Frage hängen. Was hätte ich anders fragen können?" So lernst du Techniken, die du beim nächsten Mal anwenden kannst.

”

Mehr dazu: Fragen umrahmen

Und wenn du das gut machst (die Menschen gut gepromptet, den Prozess gut gestaltet), dann wird etwas anderes möglich.

---

Der Gruppe eine Live-Reflexion zurückgeben

Stell dir vor: Ein Gruppengespräch dreht sich im Kreis. Die gleichen Punkte kommen immer wieder, aber niemand benennt den Kern. AI kann das bisherige Gespräch analysieren und eine Frage formulieren, die der Gruppe hilft, weiterzukommen. Keine Zusammenfassung für später, sondern eine Intervention im Moment.

In Tools wie Dembrane heißt das der "Echo-Knopf": ein Druck, und AI liest das Transkript und stellt eine Frage, die die Spannung oder das Muster benennt. Die Wirkung ist manchmal überraschend: Die Gruppe sieht sich selbst. Das ist kein Ersatz für den Facilitator, sondern ein Spiegel.

Hier kommt alles zusammen: Du hast gelernt, wie du Tiefe aus Transkripten holst, wie du mit AI iterierst, wie du den Input gestaltest. Jetzt kannst du das anwenden, während das Gespräch noch stattfindet.

”

Mehr dazu: Live-Reflexion mit AI

Vom Gespräch zum Live-Dokument

Ein Schritt weiter als Live-Reflexion: Was, wenn du nicht nur eine Frage zurückgibst, sondern ein ganzes Entwurfsdokument generierst, während die Sitzung noch läuft?

In strategischen Sitzungen oder Workshops, bei denen ein Plan entstehen soll, kannst du AI nutzen, um in den Pausen Entwurfsabschnitte zu generieren. Die Teilnehmenden sehen ihre Worte sofort zurückgespiegelt, strukturiert im Format, das die Organisation braucht. Von einem Arbeitstag zu Minuten; nicht für Effizienz, sondern für Eigenverantwortung. Denn die Feedback-Schleife verkürzt sich: Was die Leute gesagt haben, ist noch frisch, sie erkennen es sofort wieder.

Das erfordert allerdings einen Co-Facilitator, der sich um die Technik kümmert, während du bei der Gruppe bleibst. Und es erfordert Validierung unterwegs: Präsentiere es niemals so, als hätte AI die Wahrheit eingefangen.

”

Mehr dazu: Vom Gespräch zum Plan

---

Was bleibt menschlich?

In dieser Phase wird die Zusammenarbeit mit AI intensiver. Du gibst Feedback, du iterierst, du steuerst. Aber je mehr AI kann, desto wichtiger wird deine Rolle und besonders dein Urteilsvermögen.

Der Unterschied zwischen einer Live-Reflexion, die ankommt, und einer, die ins Leere fällt, liegt nicht in der Analyse (das kann AI gut). Er liegt im Moment. Im Spüren, dass die Gruppe jetzt bereit ist für einen Spiegel. Oder nicht. Im Sehen, dass jemand etwas sagen möchte, aber zögert. Im Wissen, wann Stille produktiv ist und wann sie feststeckt.

Was am meisten menschlich bleibt? Ein Gefühl für den Raum. Intuition. Timing. AI kann die perfekte Frage generieren, aber du musst spüren, wann diese Frage hilft und ob die Gruppe bereit dafür ist.

---

Spannungen in dieser Phase

Zu früh eingreifen vs. zu spät Die Wirkung einer Live-Reflexion liegt im Timing. Zu früh fühlt sich an wie eine Unterbrechung: als ob du dem Gespräch nicht vertraust. Zu spät, und die Energie ist schon weg. Dieses Timing ist Menschenarbeit: spüren, wann die Gruppe bereit ist für einen Spiegel.

Vorlesen vs. interpretieren Manchmal ist es genau richtig, AI-Output wörtlich vorzulesen: ein Zitat, eine kurze Reflexion. Manchmal willst du lieber in eigenen Worten zusammenfassen. Die Frage ist: Welchen Output braucht die Gruppe gerade, und hast du gezielt danach gefragt?

Selbst machen vs. zusammenarbeiten Wenn AI-Output nicht stimmt, ist der Reflex, ihn selbst anzupassen. Einen Satz hier, ein Wort dort. Aber dann verpasst du die Chance zur Zusammenarbeit und zu lernen, was du eigentlich meinst. Feedback geben erfordert Gewöhnung, bringt aber bessere Ergebnisse.

Weitermachen vs. akzeptieren Iterieren ist wirkungsvoll, aber Perfektionismus kann lähmen. Manchmal ist 80% gut genug. Nach drei Runden ohne Verbesserung ist es Zeit zu entscheiden: akzeptieren oder einen anderen Ansatz wählen.

Muster vs. Rauschen AI findet immer etwas. Die Frage ist: Ist es ein echtes Muster oder zufällige Übereinstimmung? Deine Erfahrung im Raum ist der Test.

Einführung: Experiment vs. normaler Teil des Prozesses Wie du AI einführst, bestimmt, wie die Leute damit umgehen. "Schauen wir mal, was AI daraus macht" lädt zu Neugier ein. "Wir machen ein Experiment mit AI" lädt zu Bewertung ein.

Das wirkt nach. Am Anfang schauen Teilnehmende mit der Frage "Stimmt das?" statt "Erkenne ich mich darin wieder?" Was mir auffällt: Diese Verschiebung passiert natürlich, aber du kannst sie beschleunigen. Beim ersten Mal: Sag ausdrücklich, dass ihr nach Wiedererkennung sucht, nicht nach Bewertung.

---

Techniken in dieser Phase