Wie man die meisten Menschen in der KI-Ära übertrifft?
Manche würden sagen: Ganz einfach – mehr Fähigkeiten aneignen, mehr Tools nutzen, mehr Abos abschließen.
Aber was kommt dabei raus?
Du hast eine Reihe von Tools installiert, deine monatliche Token-Rechnung ist erschreckender als dein Gehalt, und dein Chef hat dir immer noch keine Beförderung oder Gehaltserhöhung gegeben.
Warum?
Weil die Tools zur neuen Grundvoraussetzung werden, wenn sie alle nutzen. Wenn du sie bedienen kannst, können es andere auch. Nur zu wissen, wie man sie benutzt, bringt dich auf die gleiche Startlinie wie alle anderen – niemand hat jemanden überholt.
Was dich wirklich von deinen Mitmenschen abhebt, ist nicht, welche Tools du verwendest, sondern ob du deine Fähigkeit, diese Tools zu nutzen, kontinuierlich verbessern kannst.
Diese Methode heißt PDCA und ist Jahrzehnte alt. Jetzt, in der KI-Ära, ist sie immer noch wirksam.
Warum PDCA?
Die PDCA-Methode half der japanischen Fertigungsindustrie, die USA zu überholen, und dieselbe Methode kann dir helfen, deine Konkurrenten im Arbeitsleben oder im Geschäftswettbewerb zu übertreffen.
Aber die Frage ist: Warum ist eine Methode, die in der Fertigung funktioniert, auch für die effiziente KI-Nutzung ein Booster?
Weil PDCA im Kern die grundlegende Methode zur Optimierung jedes Prozesses ist.
Die Arbeit am Fließband von Toyota und die Arbeit, die du täglich mit KI erledigst, sind im Wesentlichen wiederholbare Prozesse – beide können optimiert werden.
Diese Methode wurde vor über siebzig Jahren von einem amerikanischen Qualitätsmanagement-Guru namens Deming nach Japan gebracht, was der japanischen Fertigungsindustrie ermöglichte, die USA zu besiegen.
Sie besteht aus vier Schritten:
- Plan: Einen Plan erstellen
- Do: Den Plan ausführen
- Check: Dokumentieren, was du getan hast, und analysieren, was nicht funktioniert hat
- Act: Wiederholen und jedes Mal ein bisschen besser werden als beim letzten Mal.
Diese Methode brachte eine Reihe von Konzepten hervor, wie Lean Manufacturing und Lean Startup!
Das ist die Vergangenheit und Gegenwart von PDCA, aber es gibt eine größere Frage: Wie setzt man PDCA in der KI-Ära um?
Wie man PDCA in der KI-Ära umsetzt
Der PDCA-Zyklus in der KI-Ära muss KI-nativer werden. Einfach wie bei traditionellen Prozessen zu iterieren, ist nicht mehr schnell genug – er muss automatisiert und extrem schnell ablaufen.
Wie erreicht man das?
Lass uns zuerst analysieren, wo die meisten Menschen mit PDCA scheitern.
Die Leute denken, sie scheitern an der Analyse und Verbesserung. Tatsächlich liegt der Engpass früher, beim ersten Schritt: der Dokumentation.
Denk mal darüber nach: Du unterhältst dich endlich mit einer KI, um einen nützlichen Workflow zu erstellen, aber dann vergisst du ihn oder bist zu faul, ihn zu dokumentieren.
Ohne Dokumentation, was analysierst du? Was verbesserst du?
Also bricht PDCA genau am Dokumentationsschritt zusammen.
In der alten Ära bedeutete Dokumentation, dass Menschen Dokumente schrieben und Notizen machten. Aber Menschen sind faul und beschäftigt; sie können einfach nicht durchhalten.
Deshalb sollte die Dokumentation in der KI-Ära automatisch von einem KI-nativen Tool erledigt werden.
Dieses Tool ist flowtrace!!
flowtrace kann deinen gesamten Workflow mit der KI automatisch in einen wiederverwendbaren Datensatz verwandeln, einen sogenannten „Trace".
Die Installation ist nicht schwer. Klone das Projekt von GitHub und führe einen Installationsbefehl aus:
git clone https://github.com/AIScientists-Dev/flowtrace.git
cd flowtrace
./scripts/install.sh
Kopiere dann seine make-trace-Fähigkeit in den Fähigkeiten-Ordner deiner KI und gib /make-trace ein, um loszulegen.
Was kann es also eigentlich tun?
Die offizielle Website listet mehrere Funktionen auf:
- Transparent: Die Ausgabe jedes Schritts ist eine öffnbare Datei; der Prozess ist sichtbar, nicht in Nachrichten vergraben
- Dokumentiert: Jede Schlussfolgerung kann auf die Datei zurückgeführt werden, aus der sie stammt; du überprüfst, anstatt blind zu vertrauen
- Eingreifbar: Ändere einen Schritt, und nur die davon abhängigen Schritte werden neu ausgeführt; der Rest bleibt bestehen
- Rückverfolgbar: Der gesamte Durchlauf besteht aus Dateien plus git; jederzeit anhalten und fortsetzen, und die gesamte Historie durchblättern
- Wiederverwendbar: Sobald eine Aufgabe erledigt ist, wird sie zu einem Trace; ändere die Eingabe und führe sie erneut aus
- Entwicklungsfähig: Je öfter es läuft, desto perfekter wird es; wenn ein Schritt nicht den Standards entspricht, ersetzt ihn die nächste Version durch eine Methode, die dies tut
Siehst du? Diese Funktionen sind im Wesentlichen Werkzeuge, die für jeden Schritt von PDCA maßgeschneidert sind:
- Dokumentation: Beruht auf Transparenz (jeder Schritt wird zu einer Datei) plus Dokumentation (Schlussfolgerungen verweisen auf Quellen)
- Analyse: Beruht auf Rückverfolgbarkeit (die Historie jedes Schritts wie bei git durchblättern)
- Verbesserung: Beruht auf Eingreifbarkeit (nur einen Schritt ändern, und nur seine Abhängigkeiten werden neu ausgeführt)
- Bessere Zyklen: Beruht auf Wiederverwendbarkeit (mit anderen Eingaben erneut ausführen) plus Entwicklungsfähigkeit (je öfter es läuft, desto besser wird es)
Es liefert alles, was für jeden Schritt von PDCA benötigt wird.
Wie man es verwendet
Im Grunde rufst du diese Fähigkeit auf und weist sie an, basierend auf diesen Funktionen etwas zu tun.
Wenn du immer noch nicht weißt, wie man es verwendet! Die Website hat auch eine Reihe von vorgefertigten Anwendungsfällen aus verschiedenen Bereichen:
- Lebensläufe schreiben
- Aktien auswählen
- Due Diligence für SaaS-Übernahmen durchführen
- Sicherheitsscans durchführen
- Branchenberichte schreiben
- Fehler beheben
- Anzeigenplatzierungen optimieren
- Das Denken einer Person in eine Fähigkeit destillieren
- Ein Redemanuskript in eine Magazin-ähnliche Slides-Präsentation verwandeln
Du bist vielleicht immer noch verwirrt, also lass mich dir ein echtes Beispiel zeigen!!
Optimierung des Bewertungsprozesses für Open-Source-Projekte
Ich hatte kürzlich die Aufgabe, mehrere Open-Source-Projekte zu bewerten, also nehme ich das als Beispiel.
Schritt 1: Ausführen und Dokumentieren
Ich habe zuvor Claude Code verwendet, um ein Open-Source-Projekt zu recherchieren, dabei ziemlich viel hin und her gechattet, was zu einem langen Chatverlauf führte.
Jetzt gebe ich in Claude Code ein: /make-trace dokumentiere diesen Open-Source-Projekt-Recherche-Workflow.
Es beginnt von selbst zu laufen. Rate mal, was es im Hintergrund macht?
Es zerlegt meinen Rechercheprozess Schritt für Schritt: zuerst das Projekt klonen, dann die README lesen, um die Struktur zu verstehen, dann in mehrere Pfade aufteilen – Kerndokumente lesen, Beispiele ansehen, Mitbewerber prüfen – und schließlich alles in einer Recherchenotiz zusammenfassen.
Nach der Zerlegung fordert es mich auf, einen lokalen Server zu starten. Wenn ich den Browser öffne, ist das gesamte Prozessdiagramm direkt da, Knoten für Knoten, zeigt klar, was mit was verbunden ist.
Wie meine Recherche verlaufen ist, ist jetzt in einem wiederverwendbaren Trace festgehalten. Das ist Dokumentation.
Schritt 2: Analyse
Dokumentation ist nur der Anfang; die Möglichkeit, es erneut auszuführen, ist der wahre Wert.
Ich wechselte zu einem zweiten Projekt, fügte die Adresse ein und sagte der KI, sie solle es gemäß diesem Trace erneut ausführen.
Wie lief es?
Es folgte dem Diagramm, Knoten für Knoten. Bei jedem Schritt las es die Anweisungen, erledigte die Arbeit, spuckte eine Datei aus und ging zum nächsten Schritt. Schicht für Schicht lief es von selbst bis zum Ende.
Während des Laufs traten Probleme auf. Mein Trace konzentrierte sich nur auf Dokumentation und Mitbewerber, aber es fehlte ein großer Teil: Es hat die Gesundheit des Projekts überhaupt nicht überprüft – wie viele Sterne es hat, ob Issues bearbeitet werden, wie lange das letzte Update her ist.
Siehst du, bei der Wiederverwendung kannst du durch Visualisierung sehen, wo die Methode versagt, was sie perfekt für die Projektanalyse macht.
Schritt 3: Verbesserung
Ich sagte ihm direkt in der Befehlszeile, es solle einen Schritt zu diesem Trace hinzufügen, der speziell die Projektgesundheit überprüft. Es fügte ihn ohne Zögern hinzu, und sofort erschien ein neuer Knoten im Diagramm.
Nach dem Hinzufügen des Knotens verwendete ich es, um ein drittes Projekt auszuführen. Das Ergebnis zeigte sofort einen großen Kontrast: Dieses Projekt hatte 34.800 Sterne, ein absoluter Star, aber beim Durchblättern der Issues gab es über 800 Rückstände, und in den letzten drei Monaten hatte sich keine einzige Codezeile bewegt.
In diesem ganzen Prozess habe ich nichts Neues erfunden. Ich habe nur die jedes Mal geleistete Arbeit dokumentiert, beim nächsten Gebrauch Mängel gefunden und sie nebenbei behoben.
Durch diesen Prozess siehst du, wie dieses Projekt PDCA für einen Workflow implementiert.
Zum Schluss
Was in der KI-Ära wirklich einen Unterschied macht, ist nie, wie viele Tools du installiert hast. Es ist, ob du eine Methode hast, die Tools mit der Zeit besser funktionieren zu lassen.
PDCA gibt dir diese Methode, und flowtrace hilft dir, sie umzusetzen.
Jeder hat Tools. Nur diejenigen, die Prozesse optimieren können, werden im Wettbewerb die Nase vorn haben.
Wenn du auch möchtest, dass deine KI nützlicher wird, installiere zuerst flowtrace, suche dir eine Aufgabe, die du am häufigsten wiederholst, und führe sie einmal aus: dokumentieren, analysieren, verbessern.
Eines noch: flowtrace ist ein Open-Source-Projekt, das vom Autor kostenlos veröffentlicht wurde. Wenn es dir nützlich erscheint, gib ihm einen Stern. Die Adresse ist hier:
https://github.com/AIScientists-Dev/Flowtrace
Gute Dinge verdienen es, von mehr Menschen gesehen zu werden!!!
