Probleme verstehen.Lösungen erproben.

Wir erproben, wie Software Aufgaben einfacher macht. Mit AI, konkreten Versuchen und nachvollziehbaren Entscheidungen.

In unsere Arbeit einblicken

Eigene Arbeitsproben von kenalu. Keine fertigen Kaufprodukte und bisher keine Kundenumsetzungen.

Diese Website ist eine Arbeitsprobe.

Mögliches Anwendungsszenario

Das Anliegen steht in keinem Menü.

Eine Besucherin möchte die Arbeit ihres Teams verbessern. Sie kennt die passende Leistung noch nicht und weiss nicht, ob ihre Frage bei Kenalu richtig ist.

Eigene Website

Die eigene Website ist im Einsatz. Der Arbeitsbericht beschreibt den bisherigen Aufbau und die Entscheidungen dahinter. Wir entwickeln sie weiter und prüfen, wie gut sie Orientierung gibt.

Geschichte und Entwicklungsstand: Diese Website ist eine Arbeitsprobe.

Wo es hakt

Die Website erklärt Leistungen, doch die Besucherin muss ihre Situation selbst in eine Angebotskategorie übersetzen. Eine Liste von Seiten hilft ihr noch nicht dabei, die eigentliche Frage zu formulieren.

So würden wir es mit euch lösen

Wir würden zuerst die Fragen verstehen, mit denen Menschen auf die Website kommen. Verständliche Inhalte geben Orientierung. Ein AI-Gesprächspartner kann nachfragen, passende Inhalte erschliessen und helfen, das Anliegen zu konkretisieren. Mit dem verantwortlichen Team prüfen wir Antworten und Übergänge zum persönlichen Gespräch.

Woran wir den Nutzen prüfen würden

Findet die Besucherin relevante Inhalte und kann sie ihren Bedarf danach klarer beschreiben? Verweist der Gesprächspartner bei offenen oder verbindlichen Fragen an Menschen? Das würden wir mit konkreten Besuchsaufgaben prüfen.

Aktueller Stand

Kai unterstützt die erste Orientierung. Verbindliche Einschätzungen entstehen im Gespräch mit uns.

Der Ablauf

  1. Orientieren
  2. Einordnen
  3. Ins Gespräch kommen

Vom Problem zum möglichen Lösungsweg.

Eigene Prototypen machen mögliche Lösungswege greifbar. Mit euch würden wir Nutzen und Machbarkeit prüfen.

  • CRM-Verkaufschancen mit fiktiven Daten
    CRM-Verkaufschancen mit fiktiven Daten
    Lokale Demo

    CRM

    Mögliches Anwendungsszenario

    Der Kontakt ist erfasst. Die Zusage geht verloren.

    Montag: ein gutes Kundengespräch. Donnerstag soll ein Angebot folgen. Als eine Kollegin übernimmt, findet sie den Kontakt und die Verkaufschance im CRM. Die offenen Fragen stehen in einer Mail, die Zusage nur in den Gesprächsnotizen.

    Geschichte und Entwicklungsstand: CRM

    Wo es hakt

    Das CRM enthält Datensätze, aber für den nächsten Schritt fehlt der Zusammenhang: Was wurde zugesagt, was ist noch offen und wer übernimmt? Die Kollegin rekonstruiert das Gespräch. Beim späteren Projektstart muss das Umsetzungsteam dieselbe Arbeit nochmals leisten.

    So würden wir es mit euch lösen

    Mit Vertrieb und Umsetzung würden wir zuerst diese Übergaben klären. Vorhandene CRM-Funktionen bleiben der Ausgangspunkt. Eine Ergänzung könnte freigegebene Gesprächsnotizen, Mails und Dokumente mit der Chance verbinden. AI würde Zusagen und offene Punkte mit Quellen zur Prüfung vorschlagen. Ein Mensch bestätigt Aufgabe, Termin und Zuständigkeit; der bestätigte Kontext begleitet Angebot und Projekt.

    Woran wir den Nutzen prüfen würden

    Kann eine Vertretung den nächsten Schritt ohne Rückfrage übernehmen? Kommen bestätigte Zusagen im Projekt an? Wie viel Nacharbeit entsteht durch fehlenden Kontext? Das würden wir mit einem realen Ablauf erproben, bevor wir die Lösung ausweiten.

    Offene Gestaltungsfrage

    Wann ist «Bereitet das Angebot aus diesem Gespräch vor» hilfreicher als der Weg durch Masken und Menüs? Wie bleiben erkannte Zusagen, vorgeschlagene Aufgaben und mögliche Fehlinterpretationen vor der Bestätigung sichtbar und korrigierbar?

    Aktueller Stand

    Die befüllte Demo verbindet fiktive Firmen und Ansprechpersonen mit Chancen, Angeboten, Aufgaben und einem laufenden Projekt. Ein Rundgang führt durch die vorhandenen Bereiche.

    Die öffentliche Besucherversion wird vorbereitet. E-Mail-Beispiele sind simuliert; AI-Dokumentauswertung ist noch nicht verfügbar.

    Der Ablauf

    1. Kontakt verstehen
    2. Chance entwickeln
    3. Angebot und Projekt verbinden
    1. Produkt auswählen
    2. Bestellung prüfen
    3. Freigabe entscheiden
    Ablauf im B2B-Commerce-Prototyp
    Prototyp

    B2B Commerce

    Mögliches Anwendungsszenario

    Im Warenkorb liegt ein Teil. Offen bleibt, ob es passt.

    Ein Einkäufer braucht ein Ersatzteil für eine bestehende Anlage. Im Shop findet er mehrere ähnliche Varianten. Welche passt, steht in technischen Unterlagen. Für die Freigabe braucht seine Kollegin eine nachvollziehbare Begründung.

    Geschichte und Entwicklungsstand: B2B Commerce

    Wo es hakt

    Katalog und Warenkorb bilden die Bestellung ab. Die Entscheidung davor wandert in Mails: Anforderungen abgleichen, die richtige Dokumentversion finden, eine Fachperson fragen. Bei der Freigabe fehlt dann der Weg zur Auswahl.

    So würden wir es mit euch lösen

    Mit Einkauf und Vertrieb würden wir einen solchen Entscheidungsweg durchgehen. Produktdaten, gültige Unterlagen und Freigaberegeln wären die Grundlage. AI könnte passende Fundstellen und Unterschiede der Varianten zusammenstellen. Die fachlich verantwortliche Person prüft die Eignung. Auswahlgrund und Freigabe begleiten danach die Bestellung.

    Woran wir den Nutzen prüfen würden

    Sind weniger Rückfragen nötig, um eine Bestellung zu entscheiden? Kann die freigebende Person die Auswahl nachvollziehen? Wie viele Bestellungen müssen wegen einer falschen Variante korrigiert werden? Diese Kriterien würden wir im Pilot gemeinsam verfolgen.

    Aktueller Stand

    Der Prototyp verbindet Katalog, Warenkorb und Bestellfreigabe. Ein zweiter Ablauf führt von Produktdokumenten zu einem Entwurf mit Quellen und fachlicher Prüfung.

    Der öffentliche Rundgang wird vorbereitet. Die Darstellung zeigt den vorgesehenen Ablauf des vorhandenen Prototyps.

    Der Ablauf

    1. Produkt auswählen
    2. Bestellung prüfen
    3. Freigabe entscheiden
  • Marketing Hub mit Kampagnen und Beispielständen
    Marketing Hub mit Kampagnen und Beispielständen
    Privater Prototyp

    Marketing Hub

    Mögliches Anwendungsszenario

    Die Kampagne steht. Fünf Versionen erzählen etwas anderes.

    Am Freitag soll eine Kampagne starten. Das Angebot wurde nochmals angepasst. Newsletter, Website und Social-Beiträge liegen bei verschiedenen Personen. Im Kalender steht das Datum, aber welche Aussagen schon freigegeben sind, ist unklar.

    Geschichte und Entwicklungsstand: Marketing Hub

    Wo es hakt

    Die Arbeit ist nach Kanälen organisiert. Ändert sich eine zentrale Aussage, muss jemand jede Version finden und jede Freigabe erneut abstimmen. Mehr Entwürfe lösen dieses Problem noch nicht; sie können die Zahl der Varianten weiter erhöhen.

    So würden wir es mit euch lösen

    Mit dem Marketingteam würden wir einen gemeinsamen Ausgangspunkt festlegen: Zielgruppe, Angebot, belegbare Aussagen und Verantwortliche. Daraus könnte AI passende Kanalentwürfe vorbereiten und bei Änderungen betroffene Inhalte markieren. Fachliche und redaktionelle Freigaben bleiben sichtbar. Die Einführung beginnt mit einer Kampagne und den Werkzeugen, die das Team bereits nutzt.

    Woran wir den Nutzen prüfen würden

    Kommt eine Änderung in allen betroffenen Kanälen an? Wie viele Korrekturschleifen braucht eine Freigabe? Erreichen die veröffentlichten Inhalte das vereinbarte Ziel? Arbeitsaufwand und Marketingwirkung würden wir getrennt messen.

    Aktueller Stand

    Der Hub bringt Kampagnen, Themen, Content, Kalender und Website-Planung in einer Arbeitsoberfläche zusammen. Die Ansicht zeigt den aktuellen Prototyp mit Beispielständen.

    Die Besucherdemo wird vorbereitet. Die angezeigten Kennzahlen belegen keine gemessene Marketingwirkung; Kanalverbindungen sind separat einzurichten.

    Der Ablauf

    1. Thema wählen
    2. Kampagne planen
    3. Inhalte prüfen
  • Agent Hub mit Christina und den vier Spezialisten
    Agent Hub mit Christina und den vier Spezialisten
    Interaktiver Prototyp

    Agentenfarm

    Mögliches Anwendungsszenario

    Vier Agenten liefern. Ein Mensch setzt alles zusammen.

    Ein Team lässt eine Fragestellung recherchieren, analysieren und zu einem Vorschlag ausarbeiten. Mehrere AI-Agenten liefern Ergebnisse. Die Teamleiterin überträgt Zwischenschritte von Hand und sucht nach widersprüchlichen Annahmen.

    Geschichte und Entwicklungsstand: Agentenfarm

    Wo es hakt

    Die einzelnen Ausgaben wirken plausibel, aber Auftrag, Quellen und Prüfkriterien sind nicht durchgängig verbunden. Niemand sieht auf einen Blick, wo ein Ergebnis herkommt, was bereits geprüft ist oder welcher Schritt eine Entscheidung braucht.

    So würden wir es mit euch lösen

    Wir würden mit dem Team einen begrenzten Auftrag in klare Rollen und Übergaben übersetzen. Eine koordinierende Instanz verteilt Aufgaben, hält Quellen und Zwischenstände zusammen und gibt unvollständige Ergebnisse zurück. Menschen setzen Ziele, prüfen kritische Aussagen und geben folgenreiche Schritte frei. Gemeinsam würden wir den Ablauf mit realen Aufgaben erproben und die Arbeitsweise im Team verankern.

    Woran wir den Nutzen prüfen würden

    Lassen sich Ergebnisse auf Quellen und Arbeitsschritte zurückführen? Werden widersprüchliche Annahmen vor der Freigabe sichtbar? Wie viel manuelle Koordination bleibt? Qualität, Zeit und Kosten würden wir am gesamten Auftrag prüfen.

    Offene Gestaltungsfrage

    Woran erkennt ein Agent, dass Informationen fehlen oder eine Entscheidung menschliches Urteil braucht? Wie übergibt er offene Punkte, Quellen und bisherige Schritte so, dass eine verantwortliche Person informiert übernehmen kann?

    Aktueller Stand

    Christina übernimmt die Koordination. Noah, Lea, Yann und Eva stehen für Analyse, Recherche, Lösungsentwurf und kritische Prüfung. Rollen und Aufträge lassen sich im Prototyp verwalten.

    Die eigentliche KI-Ausführung ist noch nicht angeschlossen. Der aktuelle Stand zeigt Oberfläche, Rollen und Ablauf.

    Der Ablauf

    1. Ziel beschreiben
    2. Team zusammenstellen
    3. Ergebnis prüfen
  • Event Management

    Mögliches Anwendungsszenario

    Ein Raum ändert sich. Wer erfährt davon?

    Am Vortag einer Veranstaltung fällt ein Raum aus. Der neue Ort steht bereits im Ablaufplan. Die Teilnehmermail ist vorbereitet, die Beschilderung bestellt und das Team vor Ort arbeitet noch mit der alten Liste.

    Geschichte und Entwicklungsstand: Event Management

    Wo es hakt

    Anmeldungen, Kommunikation und Durchführung haben jeweils ihren eigenen Stand. Eine kleine Änderung löst viele Rückfragen aus. Wer sie weitergeben muss und welche Unterlagen betroffen sind, hängt am Wissen einzelner Personen.

    So würden wir es mit euch lösen

    Mit dem Eventteam würden wir eine Änderung vom Plan bis zur Durchführung verfolgen. Ein gemeinsamer Stand könnte Orte, Zeiten, Personen und Aufgaben verbinden. AI würde betroffene Unterlagen und Empfängergruppen zur Prüfung vorschlagen. Eine verantwortliche Person bestätigt die Anpassungen und gibt die Kommunikation frei.

    Woran wir den Nutzen prüfen würden

    Kommt eine Änderung bei allen betroffenen Stellen an? Welche Rückfragen entstehen vor Ort noch durch veraltete Informationen? Können Vertretungen offene Aufgaben übernehmen? Das würden wir zunächst an einer einzelnen Veranstaltung prüfen.

    Aktueller Stand

    Demo in Vorbereitung

    Demo in Vorbereitung
  • Intelligentes Intranet

    Mögliches Anwendungsszenario

    Die Antwort ist abgelegt. Die Arbeit bleibt liegen.

    Eine neue Mitarbeiterin braucht Zugang zu einem Fachsystem. Im Intranet findet sie drei Anleitungen und ein Formular. Welche Anleitung aktuell ist und wer den Antrag freigibt, weiss sie danach noch nicht.

    Geschichte und Entwicklungsstand: Intelligentes Intranet

    Wo es hakt

    Die Suche liefert Dokumente. Für die Aufgabe fehlen der gültige Weg, die zuständige Person und ein sichtbarer Bearbeitungsstand. Die Mitarbeiterin fragt im Chat nach; die gleiche Frage landet nächste Woche erneut beim internen Service.

    So würden wir es mit euch lösen

    Mit Mitarbeitenden und den verantwortlichen Services würden wir häufige Anliegen durchgehen und Wissensquellen samt Zuständigkeiten klären. AI könnte daraus eine Antwort mit gültiger Quelle formulieren und den passenden Vorgang vorbereiten. Berechtigungen begrenzen den Zugriff. Bei Unsicherheit geht die Frage an eine Fachperson; ein bestätigter Antrag wird im bestehenden System weiterbearbeitet.

    Woran wir den Nutzen prüfen würden

    Können Mitarbeitende ihr Anliegen mit einer gültigen Antwort abschliessen? Finden offene Fälle zur richtigen Stelle? Wie oft sind Rückfragen oder Korrekturen nötig? Diese Ergebnisse würden wir je Anliegen prüfen und mit den Serviceverantwortlichen verbessern.

    Offene Gestaltungsfrage

    Wann führt eine Frage in eigenen Worten besser zum passenden Service als Suche und Navigation? Wie zeigen wir die verwendete Quelle, fehlende Angaben und den nächsten Schritt so, dass Mitarbeitende die Antwort prüfen und korrigieren können?

    Aktueller Stand

    Demo in Vorbereitung

    Demo in Vorbereitung

DIE WEBSITE AUSPROBIEREN

Ein Anliegen. Ein Gespräch mit Kai.

Welche Aufgabe beschäftigt euch, oder wie soll euer Team mit AI entwickeln? Kai hilft euch bei einer ersten Einordnung.

Hallo. Ich bin Kai. Welcher Ablauf beschäftigt euch gerade?

Bitte keine vertraulichen Projekt-, Kunden- oder Personendaten eingeben. Kai nutzt OpenAI und dient einer ersten Einordnung.

Welche Aufgabe wollt ihr angehen?

Erzählt uns von eurer Aufgabe. Wir klären den passenden nächsten Schritt.