Manchmal macht mir KI Angst. Heute wieder. Gerade noch bereite ich meinen Workshop „Projektanträge und Projektarbeit mit KI“ für den Dachverband.Kultur in Salzburg vor. Kurz darauf steht eine eigene Website zur Kulturfinanzierung im Netz.

Der Kulturförderkompass für Salzburg enthält 38 Einstiegspunkte: Stadt, Land, Bund, EU und weitere öffentliche Förderwege. Dazu kommen kurze Einordnungen, Suchfunktion, Filter und eine Merkliste. Ein ergänzender Blick auf Stiftungen ist auch dabei. Aus einer Idee unmittelbar vor dem Workshop ist mit KI-Unterstützung ein verwendbares Angebot geworden.

Diese Geschwindigkeit ist erschreckend. Und wenn dann auch noch die Qualität stimmt, wird es erst recht unheimlich.

Ich arbeite viel mit KI und kenne diese Möglichkeiten. Trotzdem überrascht mich, wie rasch inzwischen ganze Arbeitsabläufe ineinandergreifen: recherchieren, Quellen lesen, Informationen strukturieren, eine Oberfläche gestalten, Funktionen programmieren und die Seite veröffentlichen. Aufgaben, zwischen denen früher längere Pausen, Rückfragen oder Übergaben lagen, rücken eng zusammen.

Die Datengrundlage ist dabei entscheidend. Für den Förderkompass waren offizielle Förderseiten und konkrete Informationen der öffentlichen Stellen der Ausgangspunkt. Wenn gute Quellen, eine klare Aufgabe und fachliche Einordnung zusammenkommen, kann in sehr kurzer Zeit erstaunlich gute Qualität entstehen. Eine schön gestaltete Seite allein wäre dafür kein Beleg. Förderbedingungen und Fristen müssen weiterhin an den Originalquellen geprüft werden.

Ich freue mich über das Ergebnis. Die Teilnehmenden bekommen ein Werkzeug, mit dem sie gleich weiterarbeiten können. Gleichzeitig frage ich mich, was diese Verdichtung mit unserer Arbeit macht. Welche Leistungen werden künftig noch beauftragt? Wie verändern sich Honorare, Zuständigkeiten und Erwartungen? Wird die gewonnene Zeit zu Freiraum – oder zur nächsten Vorgabe, noch schneller zu liefern?

Wie weit das reicht, kann ich kaum abschätzen. Ich merke nur: Während ich noch über die Folgen nachdenke, ist die nächste Seite schon fertig.

Hier geht es zum Kulturförderkompass und zum Workshop am 22. Oktober und 5. November 2026.

Text und Titelgrafik entstanden mit KI-Unterstützung.

In einem meiner jüngsten KI-Kurse sagte eine Teilnehmerin sinngemäß:

„Ich weiß ja gar nicht mehr, was ich fragen soll. Alle meine Fragen kann ich auch an ChatGPT richten, und ich bekomme eine gute Antwort.“

Mein erster Gedanke: Das ist eigentlich eine gute Rückmeldung. Eine Teilnehmerin hat ein Werkzeug kennengelernt, mit dem sie selbstständig weiterkommt. Sie kann nachfragen, sich etwas erklären lassen und eigene Ideen ausprobieren.

Gleichzeitig steckt in diesem Satz für mich eine größere Frage. Wenn Menschen bei vielen Aufgaben unmittelbar Unterstützung durch KI bekommen: Was verändert das in ihrer Arbeit – und wie kann Erwachsenenbildung sie dabei begleiten?

Vom einzelnen Hilfsmittel zur veränderten Arbeit

Im Kurs haben wir KI für Fragen aus dem Alltag und dem beruflichen Kontext ausprobiert. Solche Erfahrungen machen eine zunächst abstrakte Entwicklung greifbar. Ein Textentwurf, eine Recherche oder die Vorbereitung eines Gesprächs: Wo KI Teile einer Aufgabe übernimmt, stellt sich auch die Frage, wie sich die übrige Arbeit verändert.

Was muss ich künftig selbst können? Welche neuen Aufgaben kommen dazu? Wofür brauche ich fachliches Wissen und Erfahrung, wenn mir ein System bereits einen Vorschlag liefert? Und wie verändert sich die Zusammenarbeit, wenn Kolleg:innen KI unterschiedlich intensiv nutzen?

Von hier ist es nur ein kleiner Schritt zu Fragen nach Berufsbildern, Qualifikationen und beruflichen Perspektiven. Dass eine einzelne Aufgabe mit KI leichter gelingt, sagt noch wenig darüber aus, was der Wandel für einen ganzen Beruf oder für die eigene Zukunft bedeutet. Genau darüber sollten wir ins Gespräch kommen.

Was Erwachsenenbildung beitragen kann

Die Rückmeldung der Teilnehmerin zeigt für mich einen möglichen Anfang: Menschen erleben, dass sie sich neue Handlungsmöglichkeiten erschließen können. Auf dieser Erfahrung lässt sich aufbauen.

Erwachsenenbildung kann Räume schaffen, in denen Menschen Veränderungen ihrer Arbeit einordnen, eigene Kompetenzen sichtbar machen und nächste Lernschritte entwickeln. Dazu gehören praktische KI-Erfahrungen ebenso wie die Frage, welche fachlichen, sozialen und persönlichen Fähigkeiten in einer veränderten Tätigkeit gebraucht werden.

Ich könnte mir gut Lernformate vorstellen, in denen Menschen konkrete Aufgaben aus ihrem Berufsalltag mitbringen, gemeinsam mit KI bearbeiten und anschließend vergleichen: Was wird einfacher? Wo braucht es weiterhin menschliches Urteil? Welche neue Verantwortung entsteht? Daraus könnten sich auch Hinweise ergeben, welche Weiterbildung oder berufliche Neuorientierung sinnvoll ist.

Dabei beschäftigt mich besonders, wie wir auch jene erreichen, die bisher wenig Zugang zu KI haben oder angesichts der Veränderungen verunsichert sind. Und wie wir Menschen darin unterstützen, Arbeitsbedingungen und den Einsatz von KI mitzugestalten. Weiterbildung kann schließlich auch ein Ort sein, an dem wir gemeinsam besprechen, welche Arbeitswelt wir uns wünschen.

Darüber sprechen wir am 3. November

Mit diesen Fragen gehe ich in das kostenlose Online-Webinar des bifeb:

Erwachsenenbildung – was tun? Wandel der Arbeits- und Lernkulturen durch KI

Gabriele Frankl beleuchtet den Wandel des Arbeitsmarkts und die daraus entstehenden Aufgaben für die Erwachsenenbildung. Birgit Aschemann beschäftigt sich mit dem veränderten Umgang mit Wissen und den Lernkulturen, die damit verbunden sind. Beide Perspektiven helfen, über die Vorführung einzelner Werkzeuge hinauszudenken.

Anschließend moderiere ich die Diskussion im Lean-Coffee-Format. Die Teilnehmenden bringen ihre Fragen und Erfahrungen ein, setzen gemeinsam Schwerpunkte und diskutieren diese in kurzen Zeitblöcken.

Ich freue mich auf den Austausch darüber, wie Erwachsenenbildung Menschen stärken kann, deren Arbeit und berufliche Perspektiven sich durch KI verändern.

Termin: Dienstag, 3. November 2026, 14–16 Uhr
Ort: online
Teilnahme: kostenlos
Anmeldeschluss: 2. November 2026

Informationen und Anmeldung beim bifeb

Am Donnerstag, 22. Oktober, geht es an der BAUAkademie Salzburg wieder um KI im Bauwesen. Vom Bauen selbst verstehe ich vergleichsweise wenig. Wie bereite ich mich also auf einen Kurs vor, in dem die Teilnehmenden fachlich viel mehr wissen als ich?

Mit KI-Unterstützung – und mit dem, was in meinen bisherigen Kursen schon entstanden ist. Besonders spannend finde ich den 22-seitigen Reader, den ich aus zahlreichen eigenen Protokollen in Claude erstellt und layoutiert habe. Vergangene Gespräche werden damit zur Grundlage für die nächste Vorbereitung.

Aus Erfahrungen wird ein Reader

In Transkripten und Protokollen steckt viel: Fragen der Teilnehmenden, gelungene Experimente, Schwierigkeiten und überraschende Ideen. KI hilft mir, dieses Material zusammenzuführen und für den nächsten Kurs aufzubereiten. Der Reader verbindet die Erfahrungen früherer Durchgänge mit neuen Anwendungen, konkreten Prompts und einer Werkzeugübersicht.

Die Wünsche aus dem Jänner-Kurs geben die Richtung vor: Verträge und Normen, Gutachten, Datenschutz, Kommunikation mit Bewohner:innen und Hausverwaltungen sowie die Auswertung von Besprechungen. Ich muss mir die Bedürfnisse der Branche nicht ausdenken. Sie wurden in den bisherigen Begegnungen bereits ausgesprochen.

Auch die Gestaltung entstand in Claude: mit Inhaltsverzeichnis, übersichtlichen Tabellen, hervorgehobenen Beispielen und Übungen. Aus vielen einzelnen Protokollen wurde ein Dokument, mit dem sich im Kurs und danach weiterarbeiten lässt.

Vom Gespräch zum konkreten Versuch

In den bisherigen Runden haben wir unter anderem ein Sanierungsangebot erarbeitet, zum Fachkräftemangel recherchiert und Salzburger Baurecht in einem Notebook als Wissensbasis aufbereitet. Dazu kamen Versuche, aus Schadensfotos Gutachtenentwürfe oder aus Diktaten Befundbeschreibungen zu entwickeln.

Für Donnerstag liegen weitere Ideen bereit: einen zweidimensionalen Plan räumlich darstellen, Schreiben an die Hausverwaltung vorbereiten, Informationen auf Karten zeigen und Daten in Dashboards aufbereiten. Auch agentische KI, die selbst Arbeitsschritte in Programmen übernimmt, wird Thema sein.

Ich lerne bei der Vorbereitung mit

KI hilft mir, Fachbegriffe zu erschließen, Zusammenhänge zu verstehen und passende Fragen zu entwickeln. Meine begrenzte Baupraxis bleibt dabei eine Grenze: Technische Lösungen und Schadensursachen müssen Fachleute beurteilen. Ich bringe Erfahrungen mit KI und Lernprozessen ein, die Teilnehmenden ihr Wissen aus dem Baualltag.

Für mich zeigt sich hier eine spannende Möglichkeit für die Erwachsenenbildung: Die eigene Kursdokumentation wird zur Ressource für neue Lernangebote. Was wir gemeinsam erarbeitet haben, lässt sich wieder aufgreifen, verdichten und weiterentwickeln. Der Reader ist ein konkretes Ergebnis davon.

Der Reader als PDF

Reader „KI im Bauwesen“ öffnen oder herunterladen (PDF, 22 Seiten)

Text und Beitragsbild entstanden mit KI-Unterstützung. Der Beitrag wurde über meine WordPress-MCP-Schnittstelle veröffentlicht.

Gestern habe ich erklärt, warum ich WordPress nie wieder selbst bedienen werde. ChatGPT übernahm die Klickarbeit im Browser. Heute folgt der nächste Schritt: Die KI bekommt eine direkte Verbindung zu meinem Blog.

Was ist MCP?

MCP steht für Model Context Protocol. Dieser offene Standard verbindet KI-Anwendungen mit Werkzeugen und Datenquellen. WordPress kann darüber beispielsweise Funktionen zum Lesen, Anlegen und Bearbeiten von Beiträgen bereitstellen.

Den Text erarbeiten wir weiterhin im Gespräch. MCP ermöglicht anschließend, dass ChatGPT ihn direkt in WordPress speichert. Mein Auftrag bleibt einfach: „Schreibe den Beitrag und veröffentliche ihn.“

Was bringt das gegenüber Computer Use?

• Weniger Klickwege: Titel, Inhalt und Status gehen direkt an WordPress.
• Weniger Abhängigkeit von der Oberfläche: Ein verschobener Button stört einen Werkzeugaufruf normalerweise nicht.
• Klare Rückmeldungen: WordPress liefert Beitragskennung, Adresse oder eine Fehlermeldung zurück.
• Gezielte Freigaben: Es lässt sich festlegen, welche Werkzeuge die KI verwenden darf.

Das kann Zeit und Rechenaufwand sparen. Computer Use bleibt trotzdem hilfreich: bei der Einrichtung, bei Anwendungen ohne passende Schnittstelle und zur Kontrolle, wie die fertige Seite aussieht.

Wie ChatGPT mir dabei geholfen hat

1. Ausgangspunkt prüfen: Meinen bisherigen Beitrag lesen und die vorhandene WordPress-Installation ansehen.
2. WordPress vorbereiten: Die Website-Adressen auf HTTPS umstellen, Flex MCP installieren und die verfügbaren Werkzeuge für die Blogarbeit konfigurieren.
3. ChatGPT verbinden: Ein eigenes Plugin vorbereiten und den MCP-Endpunkt im Verbindungsdialog eintragen. Den Zugriff habe ich selbst bestätigt.
4. Den Fehler eingrenzen: Die erste Anmeldung endete mit „400 Bad Request“. ChatGPT prüfte Endpunkt, OAuth-Metadaten und Plugin-Code. Dabei zeigte sich eine Unverträglichkeit mit dem ChatGPT-Clientdokument. Die Umstellung auf dynamische Clientregistrierung (DCR) brachte die Verbindung zum Laufen.
5. Die Verbindung testen: Ein erfolgreicher MCP-Test bestätigte die Anmeldung; anschließend konnte ChatGPT meine bestehenden Beiträge abrufen.
6. Inhalt und Bild gestalten: Diesen Text kürzen und ein passendes Bild erstellen – mit mir als kleiner Figur am Schreibtisch. Das Bild wurde über den Medienupload im Browser hochgeladen.
7. Veröffentlichen und prüfen: Den Beitrag über MCP anlegen, das Bild zuordnen, veröffentlichen und das Ergebnis wieder abrufen.

Das Beste ist: auch wenn die vorerwähnten Punkte sehr technisch klingen… ich habe ChatGPT nur gesagt, dass die ChatGPT-Verbindung eingerichtet und die Fehler behoben werden soll.en Ansonsten musste ich nur zusehen, wie ChatGPT sich ein paar Minuten lang durch alle WordPress-Einstellungen klickt

Sprechen statt Software bedienen

Für die Erwachsenenbildung verschiebt sich damit der Schwerpunkt: weniger Wege durch Menüs erklären, mehr über gute Aufträge, Inhalte und die Prüfung von Ergebnissen sprechen. Die Einrichtung braucht noch Aufmerksamkeit. Danach wird aus einer Idee schneller ein fertiger Beitrag.

Ich bestimme Thema und Richtung. Die KI übernimmt einen wachsenden Teil der Umsetzung. Die Verantwortung für die Veröffentlichung bleibt bei mir.

Zum Weiterlesen: MCP erklärt · Flex MCP für WordPress

Dieser Beitrag wurde mit ChatGPT erarbeitet und über die MCP-Schnittstelle in WordPress angelegt und veröffentlicht. Das KI-generierte Bild wurde über die Browseroberfläche hochgeladen. Stand: Oktober 2026.

Eine Sozialraumanalyse war bisher ein Projekt für Wochen. Mit KI und offenen Daten entsteht eine erste interaktive Fassung in einer Stunde. Ich habe das für das Regionsmanagement Osttirol ausprobiert. Die Idee dazu kam von Andreas Zwettler.

Wie es dazu kam

Bei der Tagung in St. Virgil kam ich mit Andreas Zwettler ins Gespräch. Andreas leitet die Bewohnerservicestellen der Stadt Salzburg und arbeitet täglich mit Stadtteilen, Nachbarschaften und den Menschen, die dort leben. Seine Frage war einfach: Kann KI eine Sozialraumanalyse machen? Also zeigen, was es rund um eine Adresse gibt, was fehlt und wer dort wohnt?

Ich habe es ausprobiert. Zuerst mit einem Testlauf in Salzburg-Parsch mit 500 Metern Radius. Danach mit einem echten Anwendungsfall: dem Umfeld des Wirtschaftsparks an der Amlacher Straße in Lienz, mit 1.000 Metern Radius, als Test für das Regionsmanagement Osttirol (RMO). Mit dem RMO arbeite ich seit einiger Zeit in einer Reihe von KI-Workshops zusammen.

Das Ergebnis: eine Karte mit zehn Datenebenen

Die Karte zeigt rund 450 Einrichtungen in zehn Kategorien: Nahversorgung, Gesundheit, Bildung, öffentlicher Verkehr, Grün und Sport, Soziales, Ämter, Kultur, Gastronomie und Handel. Dazu kommen die Gebäudestruktur nach Typ, die Flächennutzung und Distanzringe. Jede Ebene lässt sich einzeln ein- und ausschalten, mit einem Klick auch alle auf einmal. Wo eine Website bekannt ist, führt der Eintrag direkt dorthin.

Im Reiter „Befunde“ steht eine erste Lesart. Der Standort ist ein Gesundheits- und Behördenknoten: Bezirkshauptmannschaft, AMS und Finanzamt liegen in weniger als 350 Metern, im Radius gibt es rund 30 Arztpraxen und vier Apotheken. Draupark, Dolomitenbad und Stadion liegen direkt vor der Tür. Lebensmittel gibt es erst Richtung Zentrum. In der Nähe liegen auch Angebote für Menschen in schwierigen Lebenslagen, etwa die Notschlafstelle und die Frühförderung der Lebenshilfe. Im Reiter „Bevölkerung“ steht der Vergleich mit Bezirk und Land: In Lienz ist mehr als jede vierte Person über 65.

Der Prozess

Gearbeitet habe ich mit Claude als Agent. Ich habe im Wesentlichen drei Sätze geschrieben: die Adresse, den Radius, den Wunsch nach klickbaren Ebenen im Milenu-Design. Der Rest lief in mehreren Schritten, die ich mitverfolgen und korrigieren konnte.

1. Adresse verorten. Die Koordinaten kommen aus dem OpenStreetMap-Geocoder.
2. Daten abfragen. Über die Overpass-Schnittstelle holt die KI alle Einrichtungen, Haltestellen, Gebäude und Flächen im Umkreis aus OpenStreetMap.
3. Sortieren. Ein kleines Skript ordnet die Funde in Kategorien, berechnet Distanzen und fasst doppelte Einträge zusammen, etwa die vielen Masten einer Bushaltestelle.
4. Statistik ergänzen. Bevölkerungsdaten kommen aus öffentlichen Quellen, für Lienz aus der Bezirksinformation der WKO auf Basis von Statistik Austria.
5. Karte bauen und lesen. Daraus entsteht eine interaktive Karte. Die KI formuliert erste Befunde: Stärken, Lücken, Beobachtungen.

Nicht alles lief glatt. Die öffentlichen Overpass-Server waren zeitweise überlastet, die KI musste auf andere Server ausweichen und Abfragen aufteilen. Auch diesen Blogbeitrag hat die KI angelegt, inklusive Vorschaubild.

Was man damit im Regionsmanagement machen kann

• Projektanträge begründen. LEADER- und andere Förderanträge brauchen eine Ausgangsanalyse. Eine Karte zeigt auf einen Blick, wo eine Versorgungslücke liegt und warum ein Projekt genau dort Sinn ergibt.
• Standorte vergleichen. Wo passt ein Coworking-Space, ein Nahversorger, eine Beratungsstelle oder ein Treffpunkt für Ältere? Dieselbe Analyse lässt sich für mehrere Orte in Minuten wiederholen.
• Daseinsvorsorge sichtbar machen. Apotheken, Ärzt:innen, Kinderbetreuung, Busanbindung: Für jede Gemeinde einer Region entsteht ein Profil. Lücken zwischen Hauptort und Talschaften werden sichtbar.
• Strategie und Evaluierung vorbereiten. Für die neue LEADER-Periode lassen sich Analysen von heute später wiederholen. So wird Veränderung messbar.
• Gespräche mit Gemeinden führen. Eine Karte auf dem Bildschirm im Gemeinderat ist ein besserer Einstieg als eine Tabelle. Bürgermeister:innen ergänzen sofort, was fehlt oder falsch ist.

Querverbindung zur Gemeinwesenarbeit

Sozialraumorientierung ist ein Grundprinzip der Gemeinwesenarbeit. Wer in einem Stadtteil arbeitet, muss wissen, welche Ressourcen es gibt: Vereine, Treffpunkte, Beratungsstellen, Spielplätze, Kirchen. Genau hier setzt Andreas mit den Bewohnerservicestellen an. Eine KI-Karte ersetzt nicht das Gespräch mit den Menschen vor Ort, aber sie ist ein guter Ausgangspunkt dafür. Man kann sie bei Stadtteilbegehungen dabeihaben, in Bewohner:innenversammlungen gemeinsam ergänzen oder als Grundlage für Netzwerkkarten nutzen. Spannend finde ich den umgekehrten Weg: Bewohner:innen zeigen auf der Karte, wo sie sich treffen und was fehlt. Diese Orte stehen in keiner Datenbank.

Querverbindung zur Erwachsenenbildung

Für die Erwachsenenbildung ergeben sich zwei Ansätze. Bildungseinrichtungen können ihre Angebote besser verorten: Wo leben die Menschen, die wir erreichen wollen? Wie weit ist es zur nächsten Haltestelle? Wo gibt es neue Räume, in die wir mit Kursen gehen können? Zweitens ist die Methode selbst ein Lerngegenstand. In einem Workshop können Teilnehmende in einer Stunde die Analyse für ihren eigenen Ort bauen. Dabei lernen sie, was offene Daten sind, wie man KI-Agenten Aufgaben gibt und warum man jedes Ergebnis prüfen muss. Das ist Daten- und KI-Kompetenz am konkreten Beispiel.

Grenzen

Die Karte ist so gut wie die Daten in OpenStreetMap. Ärzt:innen, Schulen und Haltestellen sind gut erfasst, Vereine und informelle Treffpunkte kaum. Viele Gebäude haben keine Typangabe. Distanzen sind Luftlinie, keine Fußwege. Für Lienz gibt es keine öffentlichen Bevölkerungszahlen unterhalb der Gemeindeebene. Die Befunde der KI sind Hypothesen und keine Ergebnisse. Ohne Menschen, die den Ort kennen, bleibt jede Sozialraumanalyse unvollständig. Als Einstieg und als Gesprächsgrundlage ist sie aber erstaunlich brauchbar.

Danke an Andreas Zwettler für die Idee. Wer so eine Analyse für die eigene Region, den eigenen Stadtteil oder einen Workshop ausprobieren möchte, kann sich gerne bei mir melden.

Ich habe heute einen Blogbeitrag veröffentlicht, ohne mich selbst durch das WordPress-Backend zu klicken. Der Text wurde eingefügt, ein Bild hochgeladen und als Beitragsbild festgelegt, Links wurden gesetzt und ein Spiel eingebettet. Anschließend wurde geprüft, ob das Spiel im Beitrag tatsächlich funktioniert. Das alles hat ChatGPT für mich erledigt.

Im vorigen Beitrag über Ideen als Rohstoff ging es um eine Anregung von Christiane Carstensen, aus der in zehn Minuten ein spielbares Ergebnis wurde. Jetzt beschäftigt mich der nächste Schritt: Wer bringt das Ergebnis dorthin, wo es gebraucht wird? Auch diesen Teil kann die KI inzwischen übernehmen.

Das Backend darf kompliziert bleiben

Ich nutze WordPress seit vielen Jahren. Trotzdem gibt es diese Momente: Wo war noch einmal die Einstellung für das Beitragsbild? Warum ist der Text jetzt in einem anderen Block? Ist das die Vorschau oder schon die veröffentlichte Seite? Dazu kommen die Menüs der Plugins, Hinweise auf Updates und Funktionen, die ich gerade überhaupt nicht brauche.

Für einen einzelnen Beitrag ist das machbar. Über die Jahre kommt aber einiges an Zeit und Aufmerksamkeit zusammen. Und wer nur alle paar Wochen etwas veröffentlicht, beginnt gefühlt jedes Mal wieder von vorn.

Heute habe ich stattdessen beschrieben, was ich haben möchte: einen Beitrag, ein passendes Bild, die richtigen Links und das eingebettete Spiel. ChatGPT hat das Backend bedient. Ich konnte mich mit dem Inhalt beschäftigen. Genau deshalb möchte ich WordPress für diese Routinearbeiten künftig nicht mehr selbst bedienen.

Was Computer Use eigentlich bedeutet

Computer Use heißt, dass eine KI eine Benutzeroberfläche bedienen kann. Sie liest den aktuellen Zustand einer Seite, erkennt Felder und Schaltflächen, klickt, tippt, scrollt und schaut nach, was ihre Aktion bewirkt hat. Je nach Werkzeug geschieht das über Bildschirmbilder oder über die auslesbare Struktur einer Webseite. Es ist eine Folge aus Wahrnehmen, Handeln und Überprüfen.

Bei meinem WordPress-Beispiel arbeitete ChatGPT im Browser, in dem ich bereits angemeldet war. Es öffnete den Beitragseditor, trug den Text ein, wählte Kategorien, lud das Bild hoch und veröffentlichte den Beitrag. Dafür brauchte mein Blog keine eigens programmierte Schnittstelle. Die vorhandene Oberfläche genügte.

Auch das Bild des vorigen Beitrags gehört zu dieser Geschichte. Die Bildgenerierung erzeugte die Illustration. Per Computer Use wurde die fertige Datei anschließend in WordPress hochgeladen, mit einem Alternativtext versehen, als Beitragsbild ausgewählt und im Artikel platziert. Bilderzeugung und Veröffentlichung sind verschiedene Arbeitsschritte, die ich im selben Gespräch beauftragen konnte. Das Milenu-Spiel wurde ebenfalls über den Browser auf unsere Website gebracht.

Schnell, mit Kontrolle – und wachsendem Vertrauen

Das ging schnell, und im überprüften Ergebnis hat alles funktioniert. „Fehlerfrei“ würde ich deshalb als Beschreibung dieses Ergebnisses verwenden, nicht als Garantie für jede künftige Aufgabe. Unterwegs gab es durchaus eine Hürde bei der Dateiauswahl. ChatGPT fand einen anderen Weg und arbeitete weiter. Entscheidend war für mich, dass am Ende das richtige Bild und das funktionierende Spiel im richtigen Beitrag standen.

Ich vertraue mittlerweile mehr. Am Anfang wollte ich jeden Schritt verfolgen. Inzwischen interessieren mich vor allem die Stellen, an denen etwas nach außen geht, und das fertige Ergebnis. Ich prüfe die Aussagen, die Links, das Bild und die Darstellung. Dass dabei die KI die Menüs durchgeht, muss ich nicht mehr ständig beaufsichtigen.

Kontrolle bleibt. Aber das Vertrauen wächst mit den überprüften Ergebnissen. Ich muss nicht mehr jeden Handgriff selbst machen, um Verantwortung für die Veröffentlichung zu übernehmen.

So lässt man den Browser bedienen

Mein Beispiel nutzt ChatGPT mit Computer Use in einer Desktopumgebung mit Codex und einer Browser-Erweiterung. Ein gewöhnlicher Textchat hat nicht automatisch Zugriff auf den eigenen Computer. Die Funktion muss im jeweiligen Konto und in der verwendeten App verfügbar und eingerichtet sein. Der Ablauf für einen unterstützten Browser ist laut OpenAI-Anleitung zur Browser-Erweiterung:

1. Desktop-App aktualisieren und Computer Use öffnen. In den Einstellungen unter „Computer Use“ den gewünschten Browser auswählen. Falls nötig, „More browsers“ aufklappen.
2. Die Browser-Erweiterung einrichten. Dem Installationsdialog folgen, die angeforderten Berechtigungen prüfen und in der App kontrollieren, ob beim Browser „Manage“ angezeigt wird. Wichtig ist das Browserprofil, in dem die Erweiterung installiert ist.
3. Selbst auf der Website anmelden. Ich öffne mein WordPress-Backend und erledige Login und gegebenenfalls die Zwei-Faktor-Anmeldung selbst. Mein Passwort schreibe ich nicht in den Chat.
4. Browser oder Tab im Chat auswählen. In einem ChatGPT-Work- oder Codex-Chat lässt sich der Browser über das @-Menü ansprechen, etwa mit „@Chrome“. Alternativ kann der geöffnete Tab als Kontext ausgewählt werden.
5. Ergebnis und Grenzen beschreiben. Für den Einstieg würde ich einen Entwurf beauftragen. Zum Beispiel mit dem Prompt unten. Zugriff möglichst auf die benötigte Website beschränken und Berechtigungsabfragen bewusst beantworten.
6. Das Ergebnis ansehen. Stimmt der Text? Ist das Bild richtig eingebunden? Funktionieren die Links? Erst danach die Veröffentlichung beauftragen. Wer bereits Erfahrung und Vertrauen aufgebaut hat, kann einen klar begrenzten Veröffentlichungsauftrag auch gleich erteilen.

@Chrome Öffne mein bereits angemeldetes WordPress-Backend. Lege aus diesem Text einen neuen Beitragsentwurf an. Lade das beigefügte Bild hoch, ergänze einen passenden Alternativtext und setze es als Beitragsbild. Verlinke meinen vorigen Artikel. Ändere keine bestehenden Beiträge oder Website-Einstellungen und veröffentliche noch nicht. Öffne zum Schluss die Vorschau und prüfe die Links.

Die Einrichtung ist also weiterhin ein kleiner technischer Schritt. Danach muss ich für die einzelne Aufgabe aber nicht mehr wissen, welche fünf Menüs zum Ziel führen. Ich beschreibe das gewünschte Ergebnis. Die genaue Verfügbarkeit und die Bezeichnungen können sich mit App-Version und Kontoeinstellungen ändern.

Warum das die Erwachsenenbildung verändert

In vielen Fortbildungen haben wir Menschen beigebracht, sich durch Software zu bewegen. Das war sinnvoll und oft notwendig. Aber ein Teil dieses Wissens war nach dem nächsten Update schon wieder veraltet. Wenn die KI die Bedienung übernimmt, verlieren auswendig gelernte Klickwege an Bedeutung.

Toolwissen als Voraussetzung für jeden einzelnen Arbeitsschritt wird weniger wichtig. Entscheidend werden die Idee, ein klarer Auftrag und die Fähigkeit, das Ergebnis zu beurteilen. Für viele Menschen kann das ein Gamechanger sein: Sie haben etwas zu sagen, können eine Veranstaltung gestalten oder kennen ein Problem aus der Praxis. Bisher blieb die Umsetzung an einer Oberfläche hängen, die sie selten bedienen und nicht besonders gut verstehen.

Ich denke dabei auch an die Scheu, schon wieder fragen zu müssen, wo der Upload-Knopf ist. Einer KI kann ich dieselbe Aufgabe zum zehnten Mal geben. Sie kann die Bedienung übernehmen oder mir die Schritte erklären, während sie arbeitet. Das eröffnet eine andere Form des Lernens: vom eigenen Vorhaben ausgehend, mit Unterstützung genau dort, wo sie gebraucht wird.

Ein etwas schräger Gedanke: Vielleicht bekommen gerade alte, umständliche Programme dadurch ein zweites Leben. Die Oberfläche muss nicht erst neu gebaut werden, damit Menschen mit ihr leichter arbeiten können. Eine KI übernimmt den Weg durch die vorhandenen Menüs. Das wäre für Bildungseinrichtungen mit knappen Budgets durchaus interessant.

Was ich weiterhin nicht aus der Hand gebe

Computer Use arbeitet in echten Konten. Ein falscher Klick kann etwas überschreiben oder zu früh veröffentlichen. Sichtbare Inhalte aus dem Backend können Teil des KI-Kontexts werden. Und eine manipulierte Webseite kann versuchen, der KI fremde Anweisungen unterzuschieben – das wird als Prompt Injection bezeichnet. Gerade bei Daten von Teilnehmenden oder Mitarbeitenden ist das relevant.

Deshalb würde ich mit einem Entwurf und unkritischen Inhalten anfangen, Zugriffe begrenzen und für laufende Backups sorgen. Löschen, Rechte ändern, Zahlungen und der Umgang mit sensiblen Daten brauchen andere Grenzen als das Einfügen eines öffentlichen Blogtexts. Die OpenAI-Dokumentation zu Computer Use betont ebenfalls begrenzte Zugriffe, die Kontrolle folgenreicher Aktionen und die Prüfung des tatsächlichen Ergebnisses.

Mein Vertrauen wächst, weil ich sehe, was funktioniert. Dazu gehört auch, mitzubekommen, wenn etwas hakt und wie damit umgegangen wird. Für mich verschiebt sich die Arbeit: Ich entwickle die Idee, entscheide über Inhalt und Wirkung und schaue mir das Ergebnis an. Durch das WordPress-Backend darf sich künftig gerne die KI bewegen.

Stand der beschriebenen Einrichtung: Oktober 2026. Headerbild mit KI erstellt; Upload und Einbindung dieses Beitrags ebenfalls mit ChatGPT per Computer Use.

Eine Idee von Christiane Carstensen, zehn Minuten mit ChatGPT – und plötzlich gibt es ein eigenes Spiel auf unserer Website. Mit Milenu-Logo, den Fotos von Anita und mir und einem kleinen Hang zu systemischen Kommentaren. Manchmal braucht Veränderung eben einen Perspektivwechsel. Manchmal einfach einen langen Stein.

Die Anregung kam von Christiane Carstensen, meiner Kollegin bei 51° Nord und im bifeb-Lehrgang „Künstliche Intelligenz in der Erwachsenenbildung“. Ein Spiel für die eigene Website – warum eigentlich nicht? Ich habe die Idee aufgegriffen und ChatGPT gebeten, ein Tetris-artiges Blockspiel im Stil von Milenu zu bauen. Ein bisschen witzig sollte es sein, aber gut spielbar. Und Anita und ich sollten eine Rolle darin haben.

Von der Idee zum spielbaren Ergebnis

Nach zehn Minuten war die Idee als spielbare Version umgesetzt. Steine fallen, Reihen verschwinden, die Geschwindigkeit steigt. Dazu kommentieren Anita und ich das Geschehen: digitale Geistesblitze treffen auf systemische Gelassenheit. Anschließend kamen noch das richtige Logo und unsere Fotos von der Website dazu.

Dann habe ich ChatGPT auch noch das Veröffentlichen überlassen. Ich war bereits in WordPress angemeldet und gab den Auftrag, das Spiel auf die Milenu-Website zu bringen. ChatGPT bediente den Browser, lud die eigenständige HTML-Datei hoch, legte die Seite an und prüfte die Steuerung. Das Ergebnis ist unter milenu.at/spiel erreichbar. Vom Beschreiben und Programmieren ging es also direkt zum Handeln auf der Website.

Ideen als Rohstoff

Mich beschäftigt daran vor allem, wie wenig Raum die technische Umsetzung in diesem kleinen Projekt noch einnimmt. Früher hätte ich vermutlich zuerst über Programmiersprachen, jemanden zum Programmieren und den Aufwand für die Einbindung nachgedacht. Diesmal konnte ich gleich ausprobieren, ob mir die Idee gefällt.

Umsetzung und Prozess sind bei solchen Vorhaben kaum noch der Engpass. Kreativität und unkonventionelle Ideen rücken in den Mittelpunkt. Was fällt uns ein? Welche Verbindungen stellen wir her? Was könnte Freude machen, irritieren oder einen anderen Zugang zu einem Thema eröffnen?

Ideen werden zum Rohstoff, mit dem wir arbeiten können. Auch die beiläufigen, etwas schrägen, bei denen wir bisher vielleicht gleich gedacht hätten: Dafür ist der Aufwand zu groß. Jetzt kann daraus in kurzer Zeit etwas entstehen, das sich anschauen, spielen und gemeinsam weiterentwickeln lässt.

Ausprobieren und beurteilen muss ich weiterhin selbst. Ist das Spiel verständlich? Funktioniert die Steuerung? Passt der Humor zu uns? Diese Entscheidungen bleiben. Aber zwischen Einfall und erster Erfahrung liegt plötzlich sehr wenig. Für die Erwachsenenbildung ist das spannend: Eine spontane Idee aus einer Gruppe kann noch während des gemeinsamen Arbeitens eine konkrete Form bekommen.

Danke, Christiane, für den Anstoß. Und wer jetzt selbst ein paar Reihen auflösen möchte: Hier geht es zum Milenu-Spiel. Vorsicht, aus den nächsten zehn Minuten könnte eine kleine Spielpause werden

Gleich ausprobieren

Falls das Spiel hier zu schmal dargestellt wird: in voller Größe öffnen. Beitragsbild: mit KI erstellt.

Wann: Mittwoch, 28. Oktober 2026, 19.00 bis 20.30 Uhr
Wo: online via Zoom
Format: Lean Coffee

Wie immer gibt es kein PowerPoint und kein fixes Programm. Zu Beginn sammeln wir die Themen, stimmen gemeinsam ab und sprechen dann in kurzen Runden darüber. Bringt Fragen, Erfahrungen, Tools und Beobachtungen mit.

Die #denkbar ist offen für alle, die sich beruflich oder persönlich mit KI beschäftigen: aus Bildung, Medien, Organisationen, Verwaltung oder Wissenschaft oder einfach aus Neugier.

Anmeldung: Hier geht’s zur Zoom-Anmeldung

Einfach dazukommen und mitdenken

Wie immer haben wir im Lean-Coffee-Format gearbeitet: keine Folien, kein fixes Programm. Die Themen kamen von euch, abgestimmt wurde per Daumen hoch. Hier die wichtigsten Linien des Abends.

Wasserzeichen in Claude-Texten: Wer liest sie und wozu?

Karsten hat den Blogpost von Anthropic zur Textmarkierung eingebracht. Das Prinzip erklärt sich mit einem schönen Bild: Monopoly-Züge, die nicht ausgewürfelt, sondern nach den Ziffern der Zahl Pi gesetzt werden. Das wirkt zufällig, aber wer den Schlüssel kennt, erkennt das Muster.

Bei Texten steckt das Muster nicht in versteckten Zeichen, sondern in der Statistik von Wortwahl und Satzbau. Den Text nach Word zu kopieren oder als PDF zu speichern hilft also nichts, nur Umformulieren schwächt das Signal. Beweiskraft hat so ein Wasserzeichen aus meiner Sicht nie, es bleibt eine Wahrscheinlichkeit.

Spannender als die Technik war die Frage dahinter: Was ist eigentlich eigenständige Leistung? Irene, die als Schreibtrainerin viel mit KI-Detektoren zu tun hat, brachte es auf den Punkt:

„Wenn rauskommt, 60 oder 80 Prozent KI-generiert – das sagt doch nichts darüber aus, wie viel Eigenständigkeit in diesem Text steckt.“

Wolfgang hielt dagegen, dass sich Formulieren und Denken nicht trennen lassen:

„Wir denken, während wir schreiben – nur das Formulieren auszulagern, ist nicht möglich. So funktioniert Sprache nicht.“

Er fügte selbstkritisch hinzu, dass wir Studierende schon lange darauf trainieren, Vorlagen einzuhalten und den Plagiatsscanner nicht anschlagen zu lassen. Das Problem liegt also nicht nur bei der KI, sondern auch bei unseren Prüfungsformaten.

Lokale KI: angekommen, aber nicht billig

Leopolds Frage war, ob brauchbare lokale Hardware für Normalsterbliche überhaupt leistbar ist. Meine ehrliche Antwort: Bei mir funktioniert es inzwischen richtig gut, mit LM Studio, Gemma oder Qwen. Ich habe live das bisherige Transkript lokal zusammenfassen lassen, ohne jede Datenübertragung. Allerdings läuft das auf einem MacBook Pro mit 128 GB RAM, und das kostet einige tausend Euro.

Die Runde hat gezeigt, dass es auch bescheidener geht. Nina arbeitet auf einem älteren Laptop mit 32 GB und hat einen schönen Use Case: Partner im globalen Süden, die Modelle einmal herunterladen und dann offline damit arbeiten. Zum Experimentieren reichen etwa 16 GB, und die kleinen Modelle werden laufend besser.

Wolf-Dieter erinnerte an die Kehrseite: Bei Open-Weights-Modellen lassen sich alle Leitplanken entfernen. Das ist kein Datenschutzproblem, sondern ein Sicherheitsproblem, denn damit lässt sich jeder Text erzeugen. Damit müssen wir uns beschäftigen, ob wir wollen oder nicht.

Claude, ChatGPT und das Tool-Karussell

Die Erfahrungen mit Claude gingen auseinander. Anja schreibt inzwischen lieber mit ChatGPT, Helene schwört auf Claude für Lernunterlagen und Präsentationen. Ein praktischer Tipp von Helene war: zum Planen das starke Modell nehmen, zum Ausführen ein günstigeres. Wilfried brachte es aus dem Zug per Chat auf den Punkt:

„Wir rotieren einfach mit dem Erlernen zahlreicher Tools, die Kosten steigen stets.“

Meine Haltung dazu: Toolwissen und Schritt-für-Schritt-Anleitungen werden weniger wichtig, die Metaebene wird wichtiger. Trotzdem lohnt es sich, die Desktop-Apps von Claude und ChatGPT auszuprobieren. Erst dort funktionieren Ordnerzugriff und Computersteuerung.

Das Experiment: ChatGPT moderiert mit

Zum Schluss habe ich ChatGPT im Sprachmodus in die Runde geholt, mit dem Transkript als Kontext. Gefragt nach den interessantesten Aussagen, kam prompt:

„Bisher stechen zwei Linien heraus: die Frage nach Eigenleistung beim Schreiben mit KI und der Fokus auf lokal laufende KI-Tools für mehr Datenschutz und Kontrolle.“

Auf Elfriedes Frage nach weiteren Fakten zu Wasserzeichen recherchierte es selbstständig und schloss mit einem Satz, den ich mir merken werde:

„Wasserzeichen sagen nichts darüber aus, wer die intellektuelle Arbeit geleistet hat. Sie sind eher Provenienzsignale als Wahrheitsdetektoren.“

Es lachte auf Kommando, wurde still, wenn wir still waren, und hatte auf Helenes Frage nach der Stille in der Runde eine fast poetische Antwort parat:

„Für mich ist Stille einfach Raum. Sie kann Pause, Nachdenken, Atmen sein.“

Nur Wienerisch hat nicht geklappt. Susannes Bitte endete in einem Versuch, den ChatGPT selbst als „nicht ideal“ bezeichnete. Zum Abschied hat es dann von sich aus aufgelegt. Peters Urteil: „Das war schon maximal spooky.“ Markus fand es „erschreckend spannend“, und das trifft es ziemlich gut.

Der nächste Schritt wäre ein KI-Avatar, der direkt als Teilnehmer in Zoom sitzt. Das kann nicht mehr lange dauern.

Danke!

Danke an alle fürs Mitdenken, Mitdiskutieren und für die vielen Rückmeldungen im Chat. Elisabeth hat schon angekündigt, nächstes Mal von ihren ersten Schritten mit lokaler KI zu berichten. Ich freu mich drauf!

Das ausführliche Protokoll mit Zitaten, Stimmungsanalyse und Linkliste gibt es hier.

Das interaktive „Artifact“, das Claude erstellt hat ist aber fast interessanter

Zusammenfassung in Form einer Präsentation.

Links zum Abend:

• Anthropic: Claude Text Watermark
• Wenn ChatGPT lacht
• LM Studio

Ich fand einige davon unterhaltsam. Und ich muss zugeben: Ich habe mich zunächst täuschen lassen. Ganz selbstverständlich hielt ich Maya Lanez für eine reale Person bzw. Influencerin. Irgendwann kam dann dieser kleine Moment des Zweifels: Moment einmal – stimmt hier etwas nicht? Gibt es diese Frau überhaupt?

Nein. Maya Lanez ist eine virtuelle, mit generativer KI erzeugte Persönlichkeit.

Eine Influencerin, die es nicht gibt

Versteckt wird das keineswegs. Auf ihrem YouTube-Kanal bezeichnet sich Maya Lanez ausdrücklich als „A Virtual AI Personality“. In der Kanalbeschreibung heißt es sogar unmissverständlich, alles auf dem Kanal sei KI-generiert und die gezeigte Figur sei fiktiv. Ende September 2026 zählt der Kanal rund 124.000 Abonnent:innen und mehr als 150 Videos.

Maya Lanez auf YouTube

Auch auf Instagram beschreibt sie sich als „Your favorite virtual girl“ und „AI Influencer – Virtual Persona“.

Maya Lanez auf Instagram

Maya Lanez ist also kein Account, der überall behauptet, eine echte Frau zu sein. Trotzdem ist die Sache komplizierter. Denn niemand liest auf Social Media zuerst die Kanalbeschreibung. Wir bekommen ein einzelnes Reel oder Short in den Feed gespielt, sehen einen Menschen und ordnen ihn intuitiv als Menschen ein.

Genau das ist mir passiert.

Dazu kommt: Die Figur hat eine regelrechte Biografie. Auf X wurde ein Steckbrief gepostet, mit Geburtsdatum im Februar 2006, deutscher Staatsangehörigkeit, Körpergröße, Haar- und Augenfarbe und sogar einem geschätzten „Vermögen“. Ein Lebenslauf für jemanden, der nie gelebt hat.

Maya Lanez‘ „Steckbrief“ auf X

So sieht ein typisches Maya-Lanez-Video aus

Ein gutes Beispiel ist ein Short auf ihrem offiziellen YouTube-Kanal mit dem schlichten Titel „Am I your type?“. Es erschien im März 2026 und wurde zehntausendfach aufgerufen.

Genau diese Art von Video meine ich: kurz, direkt, persönlich. Kein aufwendiges Drehbuch, kein erkennbares KI-Experiment, sondern ein Format, das problemlos zwischen Tausenden anderen Lifestyle-Clips stehen könnte.

Andere Clips heißen etwa „Would you approach me?“, „Can I cheer you up a little?“, „Do you like my hair?“, „Don’t fall in love too quickly“ oder „I wish someone helped me“. Manche davon erreichen mehrere Hunderttausend Aufrufe.

Entscheidend ist dabei nicht die Geschichte, sondern die Ansprache. Maya schaut scheinbar mich an. Sie stellt mir eine Frage, will meine Meinung hören, braucht vielleicht meine Hilfe. Mit denkbar einfachen Mitteln entsteht so ein Gefühl sozialer Nähe.

Zu Gast in der Talkshow

Auffällig oft sitzt Maya außerdem in Talkshows: auf dem Gästesofa, im Studiolicht, im Gespräch mit einem Moderator, manchmal mit Publikum im Hintergrund. Natürlich hat sie nie ein echtes Fernsehstudio betreten. Auch diese Szenen sind vollständig KI-generiert.

Gerade das macht sie so wirkungsvoll. Das Talkshow-Setting borgt sich die Glaubwürdigkeit des Fernsehens. Wer in einer Talkshow sitzt, so unsere eingeübte Annahme, ist jemand: eine Person des öffentlichen Lebens, eingeladen von einer Redaktion, die sie für relevant hält. Die KI simuliert hier also nicht nur einen Menschen, sondern gleich den ganzen medialen Rahmen, der diesem Menschen Bedeutung verleiht.

Mehr als eine Million Follower auf mehreren Plattformen

Ein kleines KI-Kunstprojekt ist Maya Lanez längst nicht mehr. Social Blade verzeichnet für ihren Instagram-Account derzeit rund 621.000 Follower.

Aktuelle Instagram-Zahlen bei Social Blade

Ein plattformübergreifendes Profil bei Linkme nennt sogar 1,1 Millionen Follower insgesamt. Ihr offizieller Linktree verknüpft Instagram, TikTok, YouTube und X und besteht seit Juni 2025.

Offizieller Linktree von Maya Lanez

Das ist bemerkenswert: In relativ kurzer Zeit ist hier eine synthetische Medienfigur entstanden, die mehr Menschen erreicht als viele reale Journalist:innen, Künstler:innen oder Influencer:innen.

Die KI imitiert nicht mehr nur Menschen

Vor zwei, drei Jahren lautete die populäre Frage bei KI-Bildern noch: Wo sind die Fehler? Stimmen die Finger? Verändert sich der Schmuck? Ist die Haut zu glatt? Liegen seltsame Gegenstände im Hintergrund?

Diese Detektivarbeit wird immer schwieriger.

Was mich an Maya Lanez besonders fasziniert: Die KI imitiert nicht bloß das Aussehen eines Menschen, sondern überzeugend die Bildsprache der Medien. Smartphone-Perspektive, scheinbar spontane Bewegungen, unspektakuläre Orte, kleine Unschärfen und beiläufige Situationen können ein Video sogar glaubwürdiger machen als ein perfekt inszeniertes Hochglanzbild. Und wo es passt, imitiert sie gleich das Fernsehen mit, wie die Talkshow-Auftritte zeigen.

Die eigentliche Entwicklung ist vielleicht nicht, dass KI perfekte Menschen erzeugen kann. Sondern dass sie zunehmend ganz normale Menschen in ganz normalen Situationen simuliert.

„Real or AI?“ als eigenes Unterhaltungsformat

Richtig spannend wird es dort, wo die Unsicherheit über Mayas Existenz selbst zur Unterhaltung wird. Inzwischen gibt es Videos und Diskussionen, die genau das fragen: Ist Maya Lanez echt oder KI?

Ein Tech-Kanal auf YouTube betitelt ein Video etwa mit „Maya Lanez Real or Fake – The SHOCKING Truth About Maya Lanez!“ und fragt schon in der Beschreibung: Haben euch ihre Videos getäuscht, oder habt ihr die KI sofort erkannt?

„Maya Lanez Real or Fake“ auf YouTube

Ein Branchenbeitrag über virtuelle Influencer ordnet Maya Lanez einem regelrechten „Real or AI“-Genre zu. Die These: Die Ungewissheit selbst erzeugt Aufmerksamkeit. Menschen diskutieren, drehen Reaktionsvideos und tragen den Namen weiter.

RYLA über das „Real or AI“-Phänomen

Auf X hat die Community die Frage sogar selbst beantwortet: Unter einem viral gegangenen Post hängt eine Community Note, die darauf hinweist, dass es sich um eine digital erstellte Persona handelt.

Community Note zu Maya Lanez auf X

Das deckt sich ziemlich genau mit meiner eigenen Erfahrung. Ich wurde getäuscht, wurde neugierig, sah genauer hin und begann zu recherchieren. Aus einem beiläufig angeschauten Video wurde zusätzliche Aufmerksamkeit für Maya Lanez.

Die Frage „Ist sie echt?“ ist also womöglich nicht bloß ein Problem dieser Figur. Sie könnte Teil ihres Erfolgs sein.

Wer steckt hinter Maya Lanez?

Das wurde für mich schnell die eigentliche Frage. Wenn es Maya nicht gibt: Wer erschafft sie?

Wer entwickelt ihr Gesicht und sorgt dafür, dass es über viele Videos hinweg wiedererkennbar bleibt? Wer schreibt die kleinen Szenen, wählt Kleidung, Orte und Persönlichkeit? Welche Bild- und Videomodelle kommen zum Einsatz? Steckt ein kleines Team dahinter, eine Agentur, eine einzelne Person? Und wer verdient daran?

Hier wird die Recherche erstaunlich dünn.

Der offizielle Linktree listet die Social-Media-Kanäle, nennt aber keine Produktionsfirma und keine verantwortliche Person. Auch die YouTube-Beschreibung erklärt zwar sehr transparent, dass Maya eine KI-Persönlichkeit ist, aber nicht, wer sie betreibt.

Ich habe nach Interviews, Medienporträts, Agenturangaben und einer dokumentierten Urheberschaft gesucht. Eine nachvollziehbare Zuordnung zu einer konkreten Person oder Firma habe ich bislang nicht gefunden.

Zusätzlich verschwimmt das Bild durch Doppelgängerinnen: Auf TikTok gibt es neben dem offiziellen Account eine ganze Reihe ähnlich benannter Accounts wie @mayalanez03, @mayalanez7, @maya_lanezz oder @mayalanezzz, die Clips mit sehr ähnlichen Titeln posten. Ob das Nachahmer, Reupload-Accounts oder Ableger derselben Betreiber sind, lässt sich von außen nicht sagen. Selbst eine synthetische Figur hat offenbar schon ihre Kopien.

Maya-Lanez-Accounts auf TikTok

Das heißt natürlich nicht, dass niemand identifizierbar wäre. Irgendjemand produziert die Inhalte, betreibt die Accounts und organisiert die Monetarisierung. Für das normale Publikum aber bleibt diese Ebene auffallend unsichtbar.

Und das finde ich fast bemerkenswerter als die Frage, ob ihr Gesicht echt ist.

Das Geschäftsmodell ist leichter zu erkennen

Während die Macher:innen im Dunkeln bleiben, liegt die wirtschaftliche Logik offen. Der Linktree wirbt neben den Social-Media-Kanälen mit einem Link „MORE OF ME“. In einem externen Verzeichnis wird Maya außerdem als Creatorin auf Fanvue geführt, einer abonnementbasierten Plattform, auf der auch KI-generierte Persönlichkeiten monetarisiert werden. Die bereits erwähnte Community Note auf X zitiert aus den Bedingungen dieses Angebots: Wer dort kauft, erwirbt ausdrücklich KI-generierte Inhalte einer vollständig virtuellen Persona, die nicht existiert.

Maya folgt damit einem vertrauten Muster der Creator Economy: Auf Instagram, YouTube, TikTok und X entsteht möglichst viel kostenlose Reichweite. Die persönliche Ansprache schafft Aufmerksamkeit und Bindung. Ein Teil des Publikums wird dann zu kostenpflichtigen Angeboten weitergeleitet.

Das Neue daran: Dieses Geschäftsmodell braucht keinen realen Menschen vor der Kamera mehr.

Parasoziale Beziehungen ohne reale Person

Parasoziale Beziehungen sind viel älter als KI. Menschen fühlen sich Nachrichtensprecher:innen, Schauspieler:innen, Musiker:innen oder Influencer:innen verbunden, obwohl diese sie gar nicht kennen.

Bei einer Figur wie Maya Lanez verschiebt sich aber etwas Grundsätzliches: Hinter dem Gesicht muss keine entsprechende Person mehr stehen. Gesicht, Körper, Stimme, Situationen und irgendwann vielleicht auch direkte Gespräche können vollständig synthetisch sein.

Und trotzdem reagieren Menschen darauf sozial.

Ein schönes Beispiel sind die Kommentare unter ihrem Post „Am I your type?“. Nutzer antworten mit Komplimenten, Liebeserklärungen und Flirtversuchen. Einer weist ausdrücklich auf die KI hin, die meisten anderen reagieren einfach auf Maya als Figur.

Hier wird eine Grenze sichtbar: Die Person ist synthetisch, die Reaktion des Publikums ist echt.

Und wo bleiben die etablierten Medien?

Bei meiner Recherche fiel mir noch etwas auf: Gemessen an ihrer Reichweite wird Maya Lanez journalistisch kaum beachtet.

Ich finde jede Menge Social-Media-Seiten, Aggregatoren, KI-Blogs, Videos und Creator-Verzeichnisse. Eine intensivere Auseinandersetzung speziell mit Maya Lanez in großen deutschsprachigen oder internationalen Medien habe ich dagegen bislang nicht gefunden. Allenfalls taucht sie in Kommentaren und Essays als Randbeispiel auf, etwa in einem Medium-Beitrag, der ihr Modell als Geschäft mit männlicher Einsamkeit beschreibt.

„AI vs Stardust“ auf Medium

Das sollte man nicht überbewerten, denn ein fehlender Suchtreffer beweist nicht, dass nirgends über sie berichtet wurde. Bemerkenswert ist die Diskrepanz trotzdem: Eine Figur mit Hunderttausenden Followern und millionenfach ausgespielten Inhalten kann offenbar eine beträchtliche eigene Öffentlichkeit entwickeln, bevor klassische Medien sie überhaupt wahrnehmen.

Die Ironie dabei: In echten Talkshows sitzt Maya nicht. Die Fernsehauftritte, die ihr Bedeutung verleihen, erzeugt sie sich selbst.

Vielleicht ist genau das typisch für diese neue Form der Internetprominenz: Die Figur braucht die traditionelle Öffentlichkeit nicht mehr, um groß zu werden.

Ist das nun Täuschung?

Mit diesem Begriff wäre ich vorsichtig. Maya Lanez wird an mehreren Stellen eindeutig als KI-Persönlichkeit ausgewiesen. Auf YouTube steht ausdrücklich, dass die Figur fiktiv ist und alle Inhalte KI-generiert sind.

Und doch habe ich selbst erlebt, warum die Frage damit nicht erledigt ist.

Wenn mir der Algorithmus ein einzelnes Video zeigt, sehe ich diese Erläuterung nicht. Ich sehe eine Frau, die mich ansieht und etwas sagt. Innerhalb von Sekunden ordne ich die Situation ein und habe schlicht angenommen: Das ist ein realer Mensch.

Seit 2. August 2026 hat diese Frage übrigens auch eine rechtliche Dimension. Der EU AI Act verpflichtet in Artikel 50 dazu, KI-generierte Bild-, Video- und Audioinhalte, die als Deepfakes gelten, als künstlich erzeugt offenzulegen, und zwar dort, wo das Publikum den Inhalt tatsächlich sieht. Ob eine frei erfundene Figur wie Maya darunter fällt und ob ihre Betreiber:innen überhaupt dem EU-Recht unterliegen, ist juristisch alles andere als trivial. Doch gerade hier schließt sich der Kreis: Kennzeichnen muss der Betreiber. Und wer das ist, weiß im Fall von Maya Lanez offenbar kaum jemand.

Überblick zu Art. 50 AI Act (Brandauer Rechtsanwälte)

Wichtig ist mir aber auch: Ich fand die Videos trotzdem lustig. Meine Reaktion nach der Entdeckung war nicht „Wie schrecklich, man hat mich betrogen“, sondern eher: Interessant – ich bin darauf hereingefallen. Und unterhalten hat es mich trotzdem.

Gerade diese Ambivalenz macht Maya Lanez für mich spannender als eine simple Geschichte über „Fakes im Internet“.

Medienkompetenz muss weiter gehen als KI-Erkennung

In der Medienbildung beschäftigen wir uns derzeit viel mit der Frage: Wie erkenne ich KI-generierte Bilder und Videos?

Ich frage mich zunehmend, ob das auf Dauer die wichtigste Frage ist. Je besser die Modelle werden, desto schwieriger wird die rein visuelle Erkennung. Vielleicht brauchen wir deshalb eine andere Art von Medienkompetenz.

Nicht nur: Ist dieses Bild echt?

Sondern: Wer spricht hier mit mir? Wer steckt hinter dieser Figur? Wer kontrolliert sie? Welches Geschäftsmodell steht dahinter? Welche Beziehung soll ich zu ihr aufbauen? Und welche Information fehlt mir, obwohl das einzelne Video völlig harmlos wirkt?

Und, wie das Talkshow-Beispiel zeigt: Welcher Rahmen soll mir hier Bedeutung signalisieren, und wer hat ihn gebaut?

Diese Fragen funktionieren auch dann noch, wenn wir KI am Bild selbst längst nicht mehr erkennen können.

Wer das Thema in Schule oder Erwachsenenbildung aufgreifen möchte, findet gute Materialien etwa bei der bpb und bei klicksafe:

• bpb: Virtuelle Influencer*innen – zwischen Faszination und Unheimlichkeit
• klicksafe: „KI and me“ – Material für die pädagogische Praxis (PDF)

Echt ist jedenfalls die Wirkung

Maya Lanez existiert nicht als die junge Frau, die wir auf dem Bildschirm sehen. Trotzdem wäre es falsch zu sagen, sie sei „nicht real“.

Ihr YouTube-Kanal ist real. Ihre Hunderttausenden Follower sind real. Die Menschen, die kommentieren und mit ihr flirten, sind real. Die Aufmerksamkeit ist real. Und das wirtschaftliche Interesse hinter der Figur dürfte es ebenfalls sein.

Wir haben es nicht bloß mit besseren Deepfakes oder realistischeren KI-Bildern zu tun. Es entstehen synthetische Persönlichkeiten, die über Monate auftreten, in simulierten Talkshows sitzen, Beziehungen zu ihrem Publikum aufbauen, eine Biografie andeuten, Inhalte veröffentlichen und Geschäftsmodelle tragen.

Bei Maya bleibt nach meiner Recherche vor allem eine Frage offen:

Wer steckt eigentlich dahinter?

Das Gesicht kennen inzwischen sehr viele Menschen. Die Menschen hinter dem Gesicht offenbar kaum jemand.

Stand: 30. September 2026. Die Zahlen ändern sich laufend. Zu den konkreten Betreiber:innen von Maya Lanez habe ich bislang keine ausreichend belastbare öffentliche Quelle gefunden.