Design Thinking bedeutet in der Praxis aufwendige Workshops mit bunten Zetteln, großen Ideen und oft der Frust beim Transfer in den Alltag.

Aber was, wenn du diesen Prozess systematisch mit KI abbilden könntest: Schritt für Schritt, prompt für prompt?
👉 Genau das geht. Und zwar ziemlich gut.

Ich habe die Phasen des Design Thinking in Custom GPTs übersetzt:
Nutzerbedürfnisse erkennen durch simulierte Interviews oder Analyse echter Rezensionen
• Ideen generieren: kreativ UND strukturiert
• Prototypen bauen: erstmal textbasiert, dafür schnell
• Hypothetisches Feedback einholen bevor Du live gehst
• Lernen & optimieren: iterativ, wie es sein sollte

Es ist nicht kompliziert. Sondern klar, nachvollziehbar und sofort nutzbar – nutzerzentrierte Innovation auf KI-Basis.
Und es funktioniert nicht nur für Produkte. Sondern auch für Prozesse, Strategien, u.v.m.

Und wenn Du tiefer einsteigen willst buche meinen Kurs „Design Thinking mit KI“

ChatGPT bietet mit „Projekte“ eine Möglichkeit, Aufgaben zu strukturieren und KI-basierte Workflows effizient umzusetzen. Parallel dazu stehen die Custom GPTs zur Verfügung.
Aber: Wo liegt der Unterschied in der Anwendung? Was passt besser zu Deinem Vorhaben?

Der Unterschied:

Custom GPTs
sind eigenständige „Instanzen“ von GPT, die Du mit Persönlichkeit, Fachwissen und Regeln ausstattest. Für erweiterte Funktionalitäten kannst Du externe Tools integrieren. Du trainierst sie, gibst ihnen ein Gedächtnis und kannst sie auch anderen zugänglich machen.

Sie eignen sich perfekt für:
• wiederkehrende Aufgaben mit gleichbleibendem Ton (Dein virtueller Assistent)
• Rollen wie Coach, Redakteur, Übersetzer, Ideengeber
• öffentlich oder intern zugängliche Tools mit individueller Note

Projekte
hingegen sind eine Art Arbeitsumgebung innerhalb ChatGPT, ideal für komplexere Aufgaben mit mehreren Bestandteilen: Du kannst hier alles sammeln, was zum Projekt gehört: Dateiuploads, Verlauf, Anweisungen. Alles ist an einem Ort.
Sie eignen sich perfekt für:
• Content-Produktionen mit Korrekturschleifen
• explorative Aufgaben (Recherche, Entwürfe, Ideenfindung)
• Workspaces, in denen man sich iterativ vorarbeitet

Anwendungsbeispiele:

Projekte
Du willst eine neue Landingpage inkl. Social-Copy, FAQs und Value Proposition erstellen.
Statt alles in einem Chat zu verlieren, legst Du ein Projekt an, gliederst Deine Aufgaben und arbeitest mit Versionen – alles bleibt sauber, nachvollziehbar und wiederholbar.

Custom GPT
Du baust für Dein Team einen „Content-Coach“:
Ein Custom GPT, das alle Guidelines kennt, in eurer Sprache antwortet, und immer bereit ist, Headlines, Captions oder Redaktionspläne zu erstellen – auch für Kollegen ohne KI-Vorerfahrung.

So entscheidest Du konkret wann ein Projekt und wann ein Custom GPT passt:

[1] Ziel definieren: Brauchst Du eine dauerhafte Rolle (->Custom GPT) oder einen temporären Arbeitsraum (->Projekt)?
[2] Teste Deinen Use Case: Mach 2–3 Aufgaben in beiden Formaten. Du wirst schnell merken, was besser funktioniert.
[3] Kombinieren erlaubt: Du kannst Custom GPTs auch mit Projekte kombinieren z. B. zur Qualitätssicherung oder zur Textvariation.

Nicht jedes Problem braucht ein Custom GPT. Und nicht jedes Briefing passt in ein Projekt. Aber mit der richtigen Einschätzung am Anfang (analysiere Deine Anforderungen!) kannst Du aus beiden das Maximum herausholen.

Welche Erfahrungen hast Du mit Projekten und Custom GPTs? Stimmst Du meinen Einordnungen zu oder gibt es Ergänzungen?

Schon gesehen? Die „Aufgaben“ Funktion von ChatGPT, die autonomes Arbeiten ermöglicht. Damit erstellt und verwaltet ChatGPT eigenständig komplette Workflows.

➡️ Direkt testen und eigene Erfahrungen sammeln – denn autonome KI Assistenten sind sowas von genial!

Meine erste Erfahrung mit der Erstellung einer kleinen Aufgabe: Funktioniert. Ab sofort habe meinen eigenen KI Assistenten / KI Agenten! Wenngleich noch viel Luft nach oben ist. Aber es ist ja auch erst eine BETA-Version, da kommt sicher noch Gutes nach.

Die neue Bildgenerierung in ChatGPT: Nicht perfekt, aber endlich brauchbar.

Das verändert nicht alles, aber genug, um kreativ UND effizient arbeiten zu können.

Was gut funktioniert:
✔ Szenen mit mehreren Elementen logisch und nachvollziehbar angeordnet
✔ präzise Steuerung im Dialog schrittweise, im Kontext
✔ Text im Bild – nicht mehr nur kryptisch, sondern endlich lesbar

Natürlich ist noch nicht alles rund. Haare wachsen manchmal neu, wenn sie nicht sollen. Aber: Die Richtung stimmt.

Schnittstellen für KI-Anwendungen Plug & Play 🎉
Das Wort API löst bei vielen Unbehagen aus, bei mir war es auf jeden Fall so: Schnittstellen einzurichten bedeutet lange Codes, die Du nicht verstehst, und wenn etwas nicht funktioniert weißt Du nicht warum. Für jede APP eine eigene Integration programmieren ist eine Hürde, die z.B. viele davon abhält, eigene KI Agenten zu erstellen. Jedes Tool, muss einzeln integriert werden und jede API ist anders.

Aber jetzt gibt es eine Lösung: MCP (Model Context Protocol). MCP ist eine universelle Schnittstelle, funktioniert quasi wie ein virtuelles Verbindungskabel für KI-Tools und soll KI-Integration standardisieren, also individuelle APIs überflüssig machen. Es übernimmt die Verwaltung und Übergabe von KI-Kontext – und das ist essenziell für jede fortgeschrittene KI-Anwendung.

Es ist quasi das Plug & Play für No-Code Nutzer und damit – schon wieder – ein Gamechanger, zumindest und insbesondere für alle, die technisch nicht so versiert sind aber trotzdem fortgeschrittene KI Anwendungen nutzen möchten.

Ich hoffe, dass sich MCP als Standard durchsetzt.