Tag: Chatbots

  • OpenAI erwirbt deutsches KI-Startup Ona zur Stärkung von Codex

    OpenAI erwirbt deutsches KI-Startup Ona zur Stärkung von Codex

    LGR Reutlingen – 15 Juni 2026 | OpenAI hat offiziell die Übernahme des deutschen KI-Startups Ona bekannt gegeben, das zuvor als Gitpod bekannt war. Die Ankündigung erfolgte am Donnerstag, nachdem Bloomberg zuerst über den Deal berichtete. Der Kaufpreis wurde nicht veröffentlicht, und die Transaktion steht noch unter dem Vorbehalt behördlicher Genehmigungen. Ona, 2020 in Kiel gegründet, entwickelt KI-Agenten für die Softwareentwicklung, die Entwicklern helfen, Code zu schreiben, Fehler zu finden und Änderungen direkt in den Entwicklungsumgebungen umzusetzen. Laut eigenen Angaben hat das Unternehmen rund zwei Millionen Entwicklern geholfen, in sicheren, reproduzierbaren Cloud-Umgebungen zu arbeiten. Diese Technologie soll nun das Herzstück der nächsten Phase von OpenAIs Codex bilden.

    Die Übernahme ist für OpenAI keine optionale Erweiterung, sondern eine strategische Notwendigkeit. Codex verzeichnet mittlerweile mehr als fünf Millionen wöchentliche aktive Nutzer – ein Anstieg um 400 Prozent seit Jahresbeginn. Die wertvollsten Aufgaben, die der Agent übernimmt, werden zunehmend über Stunden oder Tage und nicht mehr in Minuten abgewickelt. Um ehrgeizige Aufgaben an Agenten delegieren zu können, ist es notwendig, dass diese nicht an das Gerät gebunden sind, mit dem die Arbeit begonnen wurde. Die Aufgaben müssen auch dann weiterlaufen, wenn das Laptop geschlossen wird und müssen von Smartphones oder Tablets aus überprüfbar, steuerbar und zur Genehmigung bereit sein.

    Hier fehlte OpenAI genau die notwendige Infrastruktur: Ein sicherer, persistenter Ort, an dem Agenten über längere Zeiträume arbeiten können und Zugang zu Tools, Systemen und Kontext haben. Ona bietet diese Ebene. Das kundenkontrollierte Ausführungsmodell des Kieler Unternehmens ermöglicht es Agenten, innerhalb der eigenen Cloud-Umgebung eines Unternehmens zu arbeiten, während OpenAI die Intelligenz und die Orchestrierung bereitstellt. Unternehmen behalten somit die Kontrolle über ihre Infrastruktur, Daten und Sicherheitsgrenzen – also über Fragen wie: Wo laufen die Agenten, was können sie zugreifen, wie sind die Berechtigungen festgelegt, wie wird die Aktivität protokolliert?

    Im Unternehmensgeschäft ist das ein entscheidender Hebel. OpenAI gibt an, mittlerweile mehr als zwei Millionen Geschäftskunden zu bedienen, doppelt so viele wie im Vorjahr. Codex hat sich längst über traditionelle Softwareteams hinausentwickelt: Produktteams, Analysten und andere Wissensarbeiter nutzen den Agenten für Research, Analysen und Automatisierung. Laut OpenAI machen Wissensarbeiter bereits etwa einen von fünf Codex-Nutzern aus und wachsen mehr als dreimal so schnell wie die Kernentwicklergruppe.

    Der Wettbewerbsdruck ist ebenfalls nicht zu unterschätzen: OpenAI befindet sich im Wettlauf mit Anthropic um die Dominanz im Bereich der KI-Coding-Agenten – Anthropics Claude Code gilt als wesentlicher Treiber für das explosive Wachstum des Rivalen. Beide Unternehmen haben bereits vertrauliche Unterlagen für einen Börsengang eingereicht. Wer im Unternehmenssegment gewinnen will, benötigt nicht nur die besten Modelle, sondern auch die Ausführungsebene, die Unternehmen mit den höchsten Sicherheits- und Compliance-Anforderungen überzeugt. Die Übernahme von Ona reiht sich somit in eine ganze Reihe von jüngsten Deals ein: Im März gab OpenAI die Übernahme des Cybersicherheits-Startups Promptfoo bekannt, im Januar wurde das Health-Tech-Unternehmen Torch für rund 60 Millionen US-Dollar gekauft, und 2025 sorgte der Kauf von Jony Ives Hardware-Startup io, das auf mehr als sechs Milliarden Dollar geschätzt wird, für Schlagzeilen.

    „Agenten brauchen mehr als nur Intelligenz – sie benötigen einen vertrauenswürdigen Arbeitsbereich“, sagt Johannes Landgraf, Mitgründer und CEO von Ona. Er erläutert, dass Ona entwickelt wurde, um Agenten Cloud-Umgebungen mit dem Kontext, der Kontrolle und der Zusammenarbeit zu bieten, die Unternehmen benötigen. Der Beitritt zu OpenAI ermöglicht es, diese Grundlage direkt in Codex zu integrieren.

    Für den in Wien ansässigen VC Speedinvest stellt der Deal einen bedeutenden Exit dar – und bereits den zweiten großen KI-Exit innerhalb kurzer Zeit. Vor wenigen Wochen hatte Speedinvest seine Anteile am Linzer Physik-KI-Startup Emmi AI an Mistral AI verkauft. Speedinvest ist der erste und größte Investor in Ona und hat eng mit dem Unternehmen seit dessen Gründung zusammengearbeitet.

    Emmi AI und Ona stehen beide für dieselbe Entwicklung: KI wandelt sich von allgemeinen Modellen und Chatbots hin zu tief technischen Anwendungen – von industriellen Systemen bis hin zur Entwicklung und Infrastruktur von Unternehmenssoftware. Dies deutet auf einen größeren Trend hin: Österreich hat vielleicht nicht seine eigene Mistral oder OpenAI, aber österreichisches Kapital und Talent helfen, die europäischen KI-Unternehmen aufzubauen, die für die wichtigsten KI-Labore der Welt strategisch relevant werden.

    Speedinvest-CEO Oliver Holle kommentiert die Übernahme: „Europa fragt sich nicht mehr nur, welche Rolle es im KI-Zeitalter spielen wird. Die Übernahme von Ona, einem in Deutschland gegründeten Unternehmen, durch OpenAI zeigt: Europäische Gründer bauen Technologien, die selbst die führenden KI-Unternehmen der Welt benötigen, um KI in der praktischen Anwendung zu realisieren. Genau daran arbeitet Ona für Software-Entwicklungsteams.“ Die Übernahme erfolgt nur wenige Wochen, nachdem Mistral Emmi AI, ein österreichisches Unternehmen, das Physik-KI für Industrie und Wissenschaft nutzbar macht, übernommen hat. Speedinvest war der erste und größte Investor in beiden Unternehmen. Zwei Unternehmen, zwei der wichtigsten KI-Akteure der Welt, und ein klares Signal: Europa baut KI, die wirklich gebraucht wird.

    Bis zum Abschluss bleiben OpenAI und Ona unabhängige Unternehmen. Nach Abschluss der Transaktion wird das Ona-Team zu OpenAI stoßen und mit dem Codex-Team zusammenarbeiten, um sichere, persistente Unternehmensausführungsumgebungen zu erweitern und Codex weltweit in weiteren Unternehmen auszurollen. CEO Johannes Landgraf schrieb auf LinkedIn, dass er immer gedacht hatte, der Verkauf des Unternehmens würde sich wie ein Ende anfühlen – stattdessen fühlt es sich an, als ob sein Lebenswerk größer und wichtiger geworden ist.

  • 10 Tipps für bessere Ergebnisse mit ChatGPT, Claude und Gemini durch effektives Prompting

    10 Tipps für bessere Ergebnisse mit ChatGPT, Claude und Gemini durch effektives Prompting

    LGR Reutlingen – 28 Mai 2026 | Künstliche Intelligenz hat sich in der modernen Arbeitswelt als unverzichtbares Tool etabliert. Mit nur wenigen Eingaben und einem Druck auf die Enter-Taste erhalten Nutzer in Sekundenschnelle prägnante Antworten. Doch viele verwenden KI-Chatbots weiterhin wie Suchmaschinen mit verbessertem Grammatikwissen. Dies führt häufig zu vagen Zusammenfassungen, allgemeinen Ratschlägen und Antworten, die zwar selbstbewusst klingen, aber oft am Kern des Anliegens vorbeigehen.

    Der entscheidende Unterschied zwischen mittelmäßigen Ergebnissen und wirklich nützlichen Antworten liegt meist im sogenannten Prompting. Kleine Anpassungen in der Formulierung der Anfragen können die Genauigkeit, Tiefe, Struktur und Zuverlässigkeit der Antworten auf Plattformen wie ChatGPT, Claude und Gemini erheblich verbessern. Angesichts der zunehmenden Abhängigkeit von generativer KI für Recherche, Schreiben, Programmierung und Analyse hat sich das Prompting von einer neuartigen Fähigkeit zu einer grundlegenden Kompetenz in der Arbeitswelt entwickelt. Hier sind zehn praktische Tipps, die die Ergebnisse von ChatGPT, Claude und Gemini verbessern.

    1. Der KI eine klare Rolle zuweisen

    Eine der einfachsten Methoden, um die Antworten von KI zu verbessern, besteht darin, dem Modell vor der Frage eine spezifische Rolle zuzuteilen. Anstelle von:

    „Erkläre das Konzept der Zero Trust-Sicherheit.“

    Versuchen Sie es mit:

    „Agieren Sie als Cybersecurity-Analyst und erklären Sie das Konzept der Zero Trust-Sicherheit einem Kleinunternehmer mit begrenztem technischem Verständnis.“

    Diese Art des Promptings hilft dem Modell, den Ton, den Wortschatz und den Detailgrad einzugrenzen, und reduziert allgemeine Antworten, da die KI nun einen klaren Kontext bezüglich des Publikums und des Zwecks hat.

    2. Seien Sie spezifisch zum Ausgabeformat

    KI-Modelle neigen dazu, breite Absätze zu erzeugen, es sei denn, die Nutzer geben eine Struktur vor. Wenn das Ziel beispielsweise eine Tabelle, eine Checkliste, einen E-Mail-Entwurf oder eine Zusammenfassung in Stichpunkten ist, sollte dies direkt gesagt werden. Zum Beispiel:

    „Fasse diesen Artikel in fünf Stichpunkten für eine CIO-Zielgruppe zusammen.“

    Oder:

    „Erstelle eine Vergleichstabelle, die Preise, Vor- und Nachteile sowie ideale Anwendungsfälle zeigt.“

    Durch klare Formatierungsanweisungen wird die Nachbearbeitung minimiert und die Antworten werden sofort nutzbar, was besonders in Arbeitsumgebungen von großem Wert ist.

    • Meeting-Zusammenfassungen
    • Berichte
    • Produktvergleiche
    • Workflow-Dokumentationen
    • Marketing-Briefings

    3. Kontext vor der Frage hinzufügen

    Die Leistung von KI-Modellen verbessert sich erheblich, wenn sie die umfassendere Situation hinter der Anfrage verstehen. Nutzer neigen oft dazu, den Kontext auszulassen, da sie annehmen, dass der Chatbot die Absicht ableiten kann. In Wirklichkeit ist fehlender Kontext einer der Hauptgründe, warum KI-Antworten oft allgemein oder unzusammenhängend wirken. Anstelle von:

    „Was ist das beste CRM?“

    geben Sie Kontext an:

    „Ich leite ein B2B-Softwareunternehmen mit 15 Mitarbeitern und einem kleinen Vertriebsteam sowie begrenzter IT-Unterstützung. Welche CRM-Plattformen sollte ich vergleichen?“

    Zusätzliche Details helfen der KI, Empfehlungen einzugrenzen und irrelevante Vorschläge zu vermeiden.

    Nützlicher Kontext kann Folgendes umfassen:

    • Branche
    • Unternehmensgröße
    • Budgetbeschränkungen
    • Technisches Fachwissen
    • Zielgruppe
    • Geschäftsziele
    • Geografische Region

    Ohne Kontext driftet die KI oft in zu allgemeine Bereiche ab.

    4. Dem KI mitteilen, was vermieden werden soll

    Effektive Prompts bestehen aus Anweisungen und Grenzen. Wenn Nutzer Jargon, übermäßig formelle Sprache, sich wiederholende Phrasen oder unbegründete Behauptungen nicht mögen, sollten sie dies ausdrücklich mitteilen. Zum Beispiel:

    „Erkläre dies ohne Marketing-Sprech.“

    Oder:

    „Vermeide zu technische Sprache und halte den Ton informell.“

    Negative Einschränkungen können die Lesbarkeit erheblich verbessern und die Notwendigkeit für Nachbearbeitungen reduzieren.

    5. Schritt-für-Schritt-Überlegungen erfragen

    Komplexe Aufgaben profitieren oft davon, wenn die Nutzer die KI auffordern, das Problem methodisch zu durchdenken. Anstelle von:

    „Sollte ich zu einer hybriden Cloud-Umgebung migrieren?“

    versuchen Sie:

    „Analysiere die Vorzüge, Risiken, Kosten und operativen Abwägungen der Migration zu einer hybriden Cloud-Umgebung für ein mittelständisches Unternehmen.“

    Diese strukturierte Vorgehensweise fördert durchdachtere Antworten und reduziert oberflächliche Schlussfolgerungen.

    Dies ist besonders nützlich für:

    • Technische Fehlersuche
    • Business-Analysen
    • Strategische Planung
    • Finanzvergleiche
    • Sicherheitsbewertungen

    6. Beispiele zur Leitung der Antwort verwenden

    KI-Modelle neigen dazu, genauer zu antworten, wenn Nutzer ein Beispiel für das gewünschte Ergebnis geben. Ein Beispiel könnte sein:

    „Schreibe eine Produktbeschreibung, die dem Ton dieses Beispiels ähnelt.“

    Oder:

    „Hier ist die Struktur, die ich für den Bericht möchte.“

    Beispiele helfen, Mehrdeutigkeiten zu reduzieren, da das Modell Stil, Format und Detailgrad spiegeln kann.

    Diese Technik ist besonders effektiv für:

    • Markenstimmigkeit
    • E-Mail-Entwürfe
    • Beiträge in sozialen Medien
    • Code-Formatierung
    • Datenanalysen

    7. Große Aufgaben in kleinere Prompts aufteilen

    Viele Nutzer überlasten KI-Modelle mit umfangreichen Anfragen, die Recherche, Analyse, Schreiben, Formatierung und Bearbeitung in einem einzigen Prompt kombinieren. Das Ergebnis kann chaotisch oder unvollständig wirken. Stattdessen sollten größere Aufgaben in Phasen aufgeteilt werden:

    • Bitten Sie die KI, ein Thema zu recherchieren.
    • Bitten Sie sie, die Ergebnisse in einem Gliederung zu organisieren.
    • Bitten Sie sie, die Abschnitte einzeln zu entwerfen.
    • Bitten Sie sie, den Ton oder die Formatierung anschließend zu überarbeiten.

    Dieser schrittweise Workflow führt oft zu besseren Ergebnissen als der Versuch, alles auf einmal zu erledigen.

    8. Die KI auffordern, ihre eigene Antwort zu kritisieren

    Eine der nützlichsten Techniken besteht darin, die KI dazu zu bringen, ihre eigene Ausgabe zu überprüfen. Zum Beispiel:

    „Welche Schwächen oder Ungenauigkeiten könnten in dieser Antwort bestehen?“

    Oder:

    „Herausforderung deiner Empfehlung und nenne Gegenargumente.“

    Selbstkritik-Prompts können Lücken, unbegründete Annahmen oder fehlende Überlegungen aufdecken.

    Dies ist besonders nützlich für:

    • Geschäftsempfehlungen
    • Sicherheitsleitlinien
    • Strategische Planung
    • Forschungszusammenfassungen
    • Risikobewertungen

    9. Den Prompt verfeinern, anstatt neu zu beginnen

    Viele Nutzer brechen Gespräche ab, nachdem sie eine schwache Antwort erhalten haben. Dabei funktioniert iteratives Prompting in der Regel besser. Anstatt neu zu starten, können Nutzer die Anweisungen schrittweise verfeinern:

    „Mache die Erklärung kürzer.“

    „Füge mehr technische Details hinzu.“

    „Schreibe dies für eine Führungsperson um.“

    Moderne KI-Chatbots behalten den Gesprächskontext bei, was Folgeanpassungen zu einer der schnellsten Möglichkeiten macht, die Ergebnisse zu verbessern.

    10. Wichtige Informationen unabhängig überprüfen

    Selbst hochentwickelte KI-Modelle können ungenaue Informationen, erfundene Zitationen oder veraltete Empfehlungen generieren. Obwohl Prompting-Techniken die Qualität verbessern können, beseitigen sie nicht das Risiko von Halluzinationen. Nutzer sollten folgende Informationen unabhängig überprüfen:

    • Statistiken
    • Rechtliche Ratschläge
    • Medizinische Hinweise
    • Sicherheitsempfehlungen
    • Finanzinformationen
    • Quellenangaben

    Diese Überprüfung ist umso wichtiger, wenn Unternehmen KI in ihre Arbeitsabläufe integrieren. Die besten KI-Nutzer betrachten Chatbots als Beschleuniger für Denken und Forschung, nicht als unfehlbare Autoritäten.

    Insgesamt wird das Prompting zu einer zunehmend wichtigen Fähigkeit am Arbeitsplatz. Die Fähigkeit, KI-Systeme effektiv zu lenken, ermöglicht es den Mitarbeitenden, Forschungs-, Schreib-, Zusammenfassungs- und Planungsaufgaben erheblich schneller zu erledigen, als es durch die Verwendung generischer Einzeiler möglich wäre. Dennoch bleibt das Prompting eine unvollkommene Kunst. Verschiedene KI-Modelle reagieren unterschiedlich auf dieselben Anweisungen, und keine Strategie garantiert makellose Ergebnisse. Je klarer der Prompt, desto besser die Antwort.