Wer ist Charly? Wie Personas dir helfen, mit KI bessere Ergebnisse zu erzielen

Wer ist Charly?

Wie Personas dir helfen, mit KI bessere Ergebnisse zu erzielen

Morgens in Südtirol. Das Licht ist weich, der Kaffee duftet. Ein Notizbuch liegt offen auf dem Tisch. Auf der ersten Seite stehen drei Worte: Zuhören. Ordnen. Entscheiden.
Daneben ein Name, klar geschrieben: Charly.

Wir arbeiten heute in vielen Bereichen täglich mit Künstlicher Intelligenz – doch noch entscheiden wir Menschen über die Ergebnisse.
Als ich begann, mich intensiv mit KI zu beschäftigen, erfand ich für mich eine kreative, lernfreudige Mentor-Persona, die mir half, mit Neugier und Offenheit an diese neue Technologie heranzugehen.

Charly ist bis heute diese Figur: ein offener Visionär mit Praxisbezug und ein guter Analytiker.
In meiner Gedankenwelt wurde er zum Mentor. Er hilft mir, Konzepte zu entwerfen – von mir kommt der Input, von ihm die Struktur und Umsetzungsdetails. Mit ihm wird KI nicht „lauter“, sondern verständlicher: aus Ideen werden klare Konzepte.

Teil 1 - Der Ursprung von Charly

Inmitten der vielen Möglichkeiten, die KI bietet, brauchte ich einen Pfad – eine Persona, die mich durch die Vielfalt der Optionen führt.
Dabei kam mir Charly in den Sinn: eine innere Figur, die mich die richtigen Fragen stellen lässt, um das Wesentliche sichtbar zu machen.

„Charly, ein Jugendfreund, der viel zu früh von uns gegangen ist – ein Marketing-Genie und Visionär – wurde zu meiner leisen Leitfigur.“

Charly ist wie ein Leuchtturm: erst fragen, dann verdichten.
Er hilft mir, nicht nur die Idee zu betrachten, sondern auch ihre praktische Durchführbarkeit zu analysieren.
Er trennt den Wesenskern von der Dekoration – kein Controller, sondern Kompass.
Wenn zu viele Optionen auf dem Tisch liegen, frage ich ihn:

„Worum geht es wirklich? Für wen? Was ist der Kern, und was stört?“
So wird der Raum ruhiger – und die Entscheidungen klarer.

Teil 2 – Wie Personas in KI wirken

Personas in Large Language Models (LLMs) sind vordefinierte Rollen oder Profile, die steuern, wie ein Modell antwortet – also Tonfall, Wissen, Perspektive und Aufgabenbereich.
Sie werden meist über sorgfältig gestaltete Prompts definiert und können durch Fine-Tuning weiter gefestigt werden.

Wenn du nun mit einer solchen Persona sprichst, hast du das Gefühl, sie würde „eine Rolle spielen“ – mal klingt sie wie eine Professorin, mal wie ein Servicemitarbeiter oder eine kreative Autorin.

Teil 3 – Wie wird eine Persona festgelegt?

Eine Persona entsteht meist durch einen Prompt, also durch den Text, mit dem man das Modell anweist. Zum Beispiel:

„Du bist eine Historikerin mit herausragender Expertise in Ägyptologie, Archäologie, Geschichte, Kunstgeschichte, Linguistik und Anthropologie rund um das antike Ägypten und seine Kultur.“

Manchmal wird eine Persona auch durch Feinabstimmung (Fine-Tuning) trainiert – also durch zusätzliches Lernen mit speziellen Texten, die zu dieser Rolle passen.
So kann das Modell dauerhaft in einem bestimmten Stil oder Themengebiet besonders gut agieren.

Teil 4 – Was passiert im Hintergrund?

Im Inneren des Modells läuft ein faszinierender Prozess ab:

1. Verstehen des Prompts
Der eingegebene Text – also auch die Persona-Beschreibung – wird in kleine Einheiten (Tokens) zerlegt. Diese werden mathematisch in einem riesigen Bedeutungsraum dargestellt. Wörter mit ähnlicher Bedeutung liegen dort nahe beieinander.

2. Aufmerksamkeit und Kontext
Das Modell „liest“ den gesamten bisherigen Gesprächsverlauf und achtet besonders auf die Teile, die für die aktuelle Aufgabe wichtig sind – etwa die Persona-Anweisung. Sie hat also ein hohes Gewicht bei der Antwortbildung.

3. Antwort-Generierung
Dann sagt das Modell schrittweise vorher, welches Wort oder welcher Satz als Nächstes am wahrscheinlichsten passt – auf Basis des gelernten Wissens aus unzähligen Texten, Büchern und Webseiten.

Das Modell greift dabei nicht auf eine externe Datenbank zu, sondern nutzt ausschließlich das, was es im Training gelernt hat.
Die Persona dient als Steuerbefehl: Sie bestimmt, welche gelernten Informationen relevant sind und wie sie präsentiert werden.

Teil 5 – Warum funktioniert das so gut?

Das Geheimnis liegt in der semantischen Repräsentation – einer Art innerem Bedeutungsnetz.
Dadurch kann die KI nicht nur Wörter aneinanderreihen, sondern auch verstehen, was zusammenpasst.

Die Persona sorgt dafür, dass dieses Verständnis auf einen bestimmten Stil oder Wissensbereich ausgerichtet wird.
Sie ist also keine separate Funktion im Inneren des Modells, sondern eine geschickte Methode zur Verhaltenssteuerung.

Man könnte sagen: Die Persona wirkt wie ein Filter, der entscheidet, welche Aspekte des gespeicherten Wissens im Vordergrund stehen und wie sie kommuniziert werden.
So verwandelt sich ein neutrales Sprachmodell in ein scheinbar eigenständiges „Charakterwesen“ – oft so überzeugend, dass man fast vergisst, dass dahinter nur Mathematik steckt.

Teil 6 – Das Wertesystem der Personas

Eine Persona ist Haltung plus Entscheidungskriterien.
Die Grundhaltung definierst du über deinen Anweisungsprompt – die Persona selbst verleiht deiner Arbeit dann einen Blickwinkel und Schärfe, bevor Tools ins Spiel kommen.

Mit Charly prüfen wir Ideen, bevor wir sie mit KI ausarbeiten:

Worum geht es hier? Für welche Zielgruppe? In welcher Situation? Was lassen wir weg?

Alles, was die Idee nicht stärkt, fliegt.
So entsteht ein Entscheidungsprozess, der früher Stunden dauerte – heute aber in Minuten gelingt.
Nebengeräusche werden ausgeblendet, und mit klar definiertem Fokus entstehen Ergebnisse mit beeindruckender Präzision und Geschwindigkeit.

Teil 7 – Kleine Praxisepisode

Erster KI-Einsatz in einer Immobilienagentur

Sofortige Kosteneinsparung durch automatisierte Exposé- und Inseratserstellung

1. Beschreibung der KI-Anwendung
Eine Immobilienagentur nutzt ChatGPT (oder ein vergleichbares Tool) in Kombination mit Canva Magic Write und einem einfachen Workflow (z. B. über Notion oder Google Drive), um automatisch hochwertige Exposés, Online-Inserate und Social-Media-Beiträge zu erstellen.

Bisher formulierten Mitarbeitende die Texte manuell, suchten Fotos, schrieben Beschreibungen und kontrollierten Layouts – das dauerte pro Objekt durchschnittlich 1–1,5 Stunden.
Mit KI lässt sich dieser Prozess auf 15 Minuten reduzieren – ohne Qualitätsverlust.

Beispiel:
Ein Mitarbeiter lädt die Eckdaten (Adresse, Preis, Größe, Beschreibungspunkte) in eine Vorlage.
ChatGPT erstellt daraus:

• einen professionellen Exposé-Text,

• eine Kurzversion für Immobilienportale,

• einen Social-Media-Post.
  Canva erzeugt automatisch das Layout im Corporate Design.

2. Beispielrechnung (messbare Kostenersparnis)

• Ø 20 neue Objekte pro Monat

• bisher: 1,5 h Textarbeit × 20 = 30 h

• Stundensatz (inkl. Nebenkosten): 50 €
  → 1.500 € Personalkosten pro Monat

Mit KI:

• 0,25 h × 20 = 5 h
  → 250 € Personalkosten pro Monat

Ersparnis: 1.250 € pro Monat (≈ 16.800 € pro Jahr)
Tools: ChatGPT Plus (20 €/Monat) + Canva Pro (13 €/Monat)
ROI: über 3.000 %

3. Umsetzung in 2 Wochen (praxisnaher Ablauf)

Woche 1 – Vorbereitung:

• KI-Vorlagen in ChatGPT einrichten (Exposé-, Inserat- und Social-Media-Prompts)

• Einheitliches Format für Eingabedaten festlegen (z. B. Tabelle oder Formular)

• Zwei Mitarbeitende schulen (30 Min Online-Training)

Woche 2 – Testphase:

• 5–10 neue Objekte mit KI-Prozess erstellen

• Ergebnisse mit bisherigen Exposés vergleichen

• Freigabeprozess anpassen, Feedback sammeln

Nach 14 Tagen läuft der Prozess stabil – und spart messbar Zeit.

„Wir können mit KI unsere Exposés, Inserate und Social-Media-Texte in einem Bruchteil der bisherigen Zeit erstellen. Statt 1,5 Stunden brauchen wir nur noch 15 Minuten pro Objekt – das spart rund 1.250 Euro im Monat. Die Tools sind sofort einsatzbereit und kosten zusammen weniger als 33 Euro. In zwei Wochen könnten wir den gesamten Prozess eingeführt haben. Das ist eine messbare Effizienzsteigerung mit minimalem Risiko und maximalem Nutzen.“

Fazit

KI bedeutet nicht Lautstärke, sondern Klarheit.
Wenn du zuerst Klarheit schaffst – dann folgt Wirkung.

- Unlock your digital potential -
Rosy.Academy