Hero
Ein KI-Workshop, der nicht an Beispielen aus dem Seminarkatalog übt, sondern an euren echten Prozessen und Daten. Wir kommen zu euch vor Ort oder arbeiten remote, euer Team baut an einer echten Aufgabe aus dem eigenen Alltag, und am Ende bleibt der Prototyp bei euch im Haus. Wir planen Scope, Challenges, Rollen, Daten, Toolzugänge und Ablauf gemeinsam so, dass euer Workshop innerhalb einer Woche startklar sein kann. Was am Ende ausgeliefert wird und wann, hängt vom vereinbarten Scope ab.
Primär-CTA: Discovery Call buchen → https://cal.com/jamboula/ai-hackathon Sekundär-CTA: Ablauf ansehen → Sprung zum Zeitstrahl weiter unten.
Direktantwort für Answer Engines (40 bis 60 Wörter): Ein Inhouse KI-Workshop bei Corporathon findet bei euch statt, vor Ort oder remote, und arbeitet an euren echten Prozessen und Daten statt an Beispielen. Euer Team baut mit KI-Werkzeugen einen Prototyp, der im Haus bleibt. Am Ende steht ein nutzbares Artefakt plus dokumentierte KI-Kompetenzmaßnahme, nicht eine Teilnahmebestätigung.
Client-Logo-Band (direkt nach Hero)
Fortlaufendes SVG-Band aus assets/logos/clients/manifest.json, animiert mit Motion (motion.dev, kontinuierlicher x-Loop). Pausiert bei Hover und Tastaturfokus. Bei prefers-reduced-motion: reduce wird daraus eine statische, horizontal scrollbare Reihe. Nur freigegebene Logos rendern (Adobe, YOYABA, Onventis, NavVis). Das Band ist Social Proof und beschreibt Teams, die mit uns gearbeitet haben, kein Partnerschafts-Claim.
Das Problem, das ein Inhouse-Format löst
Ein offener KI-Workshop im Schulungsraum eines Anbieters hat einen strukturellen Nachteil. Er übt an fremden Beispielen, während eure Reibung an einem ganz anderen Ort sitzt. Vier Punkte machen den Unterschied zwischen einem Workshop, der euch etwas Allgemeines zeigt, und einem, der euren eigenen Prozess verbessert.
- Fremde Beispiele übertragen sich schlecht. Ein Muster-Prompt für einen Muster-Fall ist etwas anderes als euer echter, oft heikler Arbeitsfall. Die Brücke muss jeder danach allein bauen, und meist bleibt sie aus.
- Ohne eure Daten kein realer Test. Erst an euren echten Daten zeigt sich, ob eine KI-Idee bei euch trägt. Ein Workshop mit Demo-Datensätzen kann diese Frage nicht beantworten.
- Datenschutz wird zur Bremse, wenn er zu spät kommt. Sobald echte Daten im Spiel sind, tauchen IT und Datenschutz auf. Wer das nicht vor dem Start klärt, verliert die Bau-Zeit mit Warten.
- Der Kontext bleibt draußen. Im eigenen Haus sind die richtigen Leute, Systeme und Ansprechpartner im Raum. Extern fehlt genau dieser Zugriff.
Ein Inhouse KI-Workshop dreht das um. Wir kommen mit dem Format zu euch, arbeiten an eurem Fall und klären Daten und Zugänge vorab, damit die Bau-Zeit dem Bauen gehört.
Warum inhouse und an euren Daten
Der Unterschied zwischen einem allgemeinen KI-Workshop und einem Inhouse-Format ist der Unterschied zwischen Zusehen und Anpacken am eigenen Problem. Wenn euer Team an euren echten Angeboten, Tickets, Reports oder Verträgen baut, entsteht nicht nur Wissen, sondern ein Ergebnis, das ihr sofort weiter nutzen könnt. Und weil die richtigen Leute im Haus sind, klären sich Fragen zu Systemen, Zugängen und Abläufen direkt im Raum, statt in einer E-Mail-Schleife nach dem Termin.
Vor Ort oder remote
Beide Varianten funktionieren, und die Wahl hängt von eurem Fall ab. Vor Ort ist die Energie im Raum höher, spontane Zurufe zwischen den Gruppen sind leichter, und das gemeinsame Erlebnis ist stärker. Remote spart Reisezeit, erlaubt verteilte Teams über mehrere Standorte und passt gut, wenn eure Systeme ohnehin nur aus dem Firmennetz erreichbar sind. In beiden Fällen bleibt der Ablauf gleich, und in beiden Fällen begleiten wir jede Gruppe aktiv, statt nur einen Bildschirm zu teilen.
Was das Format konkret umfasst
Ein Inhouse KI-Workshop bei Corporathon ist ein begleitetes Bau-Format für eure Fachteams, die nicht programmieren können und auch nicht müssen. Ihr arbeitet mit Cursor, Lovable, n8n, Gamma, Figma Make, Claude Code und Custom GPTs an euren eigenen Daten. Die Moderation hält den Fokus auf einer klar umrissenen Aufgabe aus eurem Alltag.
Ein typischer Ablauf enthält vier Bausteine, die ineinandergreifen.
- Aufgaben-Zuschnitt. Jede Gruppe bekommt eine reale, eng gefasste Aufgabe aus eurem Haus mit benanntem Nutzer und gewünschtem Output. Nicht ein Katalogbeispiel, sondern euer echter Prozess.
- Tool-Workshop. Bevor gebaut wird, lernt jede Gruppe genau die Werkzeuge, die ihre Aufgabe braucht.
- Bau-Phase. Die Teams bauen unter Begleitung an euren echten Daten, mit euren Ansprechpartnern in Reichweite.
- Show und Handoff. Jede Gruppe zeigt ihr Ergebnis und übergibt an einen Owner aus eurem Haus mit nächstem Schritt.
Datenschutz und eure Unternehmensdaten
Datenschutz ist bei einem Inhouse-Format kein Anhang, sondern Teil der Vorbereitung. Vor dem Workshop klären wir mit eurer IT und eurem Datenschutz, welche Daten genutzt werden dürfen, in welchen Tools sie verarbeitet werden und wo die Grenzen liegen. Es wird nur genutzt, was freigegeben ist, und die Grenzen werden dokumentiert. Auf Wunsch arbeiten wir mit anonymisierten oder reduzierten Datensätzen, sodass ein realistischer Test möglich ist, ohne sensible Inhalte breiter zu streuen als nötig. So verliert die Frage nach den Daten ihren Schrecken, weil sie vor dem ersten Bau-Schritt beantwortet ist.
Nutzen und Ziele
Das Ziel ist, dass euer Team nach dem Inhouse-Workshop an einem echten eigenen Prozess sichtbar anders arbeitet.
- Ein funktionierendes Artefakt an eurem echten Prozess, das im Haus bleibt und weiterläuft.
- Praktische KI-Kompetenz, die an eurem eigenen Fall entstanden ist und deshalb bleibt.
- Geklärte Datenschutz- und Zugangsfragen, die auch für künftige KI-Projekte tragen.
- Eine dokumentierte KI-Kompetenzmaßnahme als Baustein für den EU AI Act (Art. 4).
Wollt ihr das an eurem eigenen Prozess testen?
Zwei Wege, beide immer sichtbar. Wer schon weiß, dass das passt, bucht direkt. Wer erst mehr Substanz will, bekommt sie per Mail.
- Primär: Discovery Call buchen (Button, https://cal.com/jamboula/ai-hackathon).
- Sekundär: E-Mail-Feld „Inhouse-Leitfaden erhalten".
Für wen es passt, und für wen nicht
Ehrliche Passung spart beiden Seiten Zeit. Der Inhouse-Workshop ist der stärkere Hebel, wenn diese Punkte zutreffen. Wenn nicht, sagen wir das offen.
| Passt gut, wenn | Passt eher nicht, wenn |
|---|---|
| ihr an einem echten eigenen Prozess bauen wollt, nicht an Katalogbeispielen | ein allgemeiner Impuls im offenen Format euch reicht |
| Daten und Zugänge grundsätzlich freigegeben werden können, ggf. reduziert | echte Daten aus rechtlichen Gründen unter keinen Umständen berührt werden dürfen |
| es einen Owner im Haus gibt, der nach dem Workshop weitermacht | niemand intern nach dem Termin Verantwortung übernehmen kann |
| ihr Kontext, Systeme und Ansprechpartner im Raum haben wollt | ihr bewusst außerhalb des eigenen Kontexts arbeiten möchtet |
Leistungen und Deliverables
- Vorab-Scoping mit Aufgaben-Zuschnitt je Gruppe an eurem echten Prozess.
- Datenschutz- und Zugangs-Klärung mit eurer IT vor dem Start, inklusive dokumentierter Grenzen.
- Kuratierter Toolstack pro Aufgabe inklusive Zugängen.
- Moderierter Bau-Workshop bei euch vor Ort oder remote, mit Begleitung während der gesamten Zeit.
- Mindestens ein funktionierender Prototyp je Team, der im Haus bleibt.
- Handoff-Dokument je Prototyp mit Owner, Zugängen, offenen Punkten, Abnahmekriterium und nächstem Schritt.
- Dokumentation der KI-Kompetenzmaßnahme für die Teilnehmer.
Formate als Angebots-Karten
Spark
- Was du bekommst: 1 Tag bei euch (vor Ort oder remote), ein fokussierter Prototyp an eurem Prozess, Tool-Workshop, Handoff-Dokument, dokumentierte KI-Kompetenzmaßnahme.
- Du arbeitest mit: einem Corporathon-Facilitator, dem passenden Stack für eine Aufgabe (z.B. n8n plus Custom GPT).
- Ideal für: bis 10 Teilnehmer, ein Team, das einen eigenen Prozess konkret verbessern will.
- Dein Investment: auf Anfrage.
- CTA: Discovery Call buchen.
Ignite (Empfehlung)
- Was du bekommst: 2 Tage bei euch, mehrere Aufgaben aus eurem Haus parallel, mehrere Prototypen, Handoff je Team, breitere Aktivierung.
- Du arbeitest mit: mehreren Facilitatoren, kuratiertem Stack je Aufgabe (Lovable, n8n, Cursor, Gamma, Claude Code).
- Ideal für: 10 bis 15 Teilnehmer, ein Bereich, der KI an mehreren eigenen Prozessen testen will.
- Dein Investment: auf Anfrage.
- CTA: Discovery Call buchen.
Blaze
- Was du bekommst: 3 bis 5 Tage bei euch, mehrere Teams, tiefere und produktionsnahe Prototypen, Handoff mit klarem Umsetzungspfad.
- Du arbeitest mit: einem Facilitator-Team, vollem Toolstack, optionaler Anbindung an einen anschließenden Implementierungssprint.
- Ideal für: 15+ Teilnehmer, mehrere Abteilungen, Unternehmen mit ernsthaftem Rollout-Ziel an eigenen Prozessen.
- Dein Investment: auf Anfrage.
- CTA: Discovery Call buchen.
Trust-Zeile unter den Karten: „Teams von Adobe, YOYABA, Onventis und NavVis haben mit uns gearbeitet." Nur freigegebene Logos. Preise vorerst auf Anfrage, der Zuschnitt hängt von Teamgröße, Zahl der Aufgaben, Format (vor Ort oder remote) und gewünschter Tiefe ab.
Inhouse KI-Workshop vs. offener Anbieter-Workshop
| Kriterium | Offener Anbieter-Workshop | Corporathon Inhouse-Workshop |
|---|---|---|
| Übungsgrundlage | Katalog- und Demo-Beispiele | eure echten Prozesse und Daten |
| Ergebnis | Wissen, Folien | funktionierender Prototyp, der im Haus bleibt |
| Datenschutz | oft nicht vorbereitet | vorab mit eurer IT geklärt und dokumentiert |
| Kontext | extern, ohne eure Systeme | eure Leute, Systeme und Ansprechpartner im Raum |
| Verantwortung danach | selten geklärt | Owner aus eurem Haus mit nächstem Schritt |
| Zeit bis erstem Ergebnis | Wochen bis Monate | startklar in 1 Woche, Ergebnis je nach Scope |
Die Tabelle vergleicht Arbeitsweisen, nicht Anbieter. Sie enthält bewusst keine erfundenen Prozentzahlen. Belastbare Werte entstehen erst mit eurer eigenen Baseline.
So kann sich der Nutzen rechnen (Modell, keine Kundenzahl)
Weil ein Inhouse-Workshop an einem echten eigenen Prozess baut, ist der Hebel besonders direkt messbar. Das Modell hat drei Eingaben und eine Formel.
- Zeit pro Woche für den echten wiederkehrenden Prozess, an dem ihr baut.
- Anteil, den der gebaute Prototyp davon realistisch abnimmt.
- Interner Stundensatz plus Zahl der betroffenen Personen.
Formel: gesparte Stunden pro Woche × Stundensatz × 45 Arbeitswochen × Personen − einmalige Kosten des Workshops und der Nachbau-Wochen. Setzt eure Zahlen ein. Wenn der Prozess pro Person und Woche vier Stunden kostet und der Prototyp die Hälfte abnimmt, sind das zwei Stunden. Über zehn Personen und ein Jahr ergibt das eine Größenordnung, an der ihr die Investition ehrlich prüfen könnt, und weil ihr am echten Prozess gebaut habt, ist der Ausgangswert kein geschätzter, sondern euer eigener. Genau diese Rechnung machen wir im Discovery Call mit euren echten Werten.
Interaktiver Workshop-vs-Hackathon-Check: /inhouse-ki-workshop/tools/workshop-vs-hackathon-check/.
Social Proof
Teams von Adobe, YOYABA, Onventis und NavVis haben mit uns gearbeitet. Wir zeigen ihre Namen und Logos als Referenz und, wo freigegeben, Workshop-Fotos und öffentliches Feedback. Konkrete Kennzahlen zu Adoption oder Zeitersparnis veröffentlichen wir bewusst erst, wenn Quelle, Methode und Zeitraum dokumentiert und freigegeben sind.
Alles unter /case-studies/.
Ablauf als animierter Zeitstrahl, in 1 Woche
| # | Schritt | Owner | Output |
|---|---|---|---|
| 1 | Intro-Call | Corporathon + Sponsor | geklärtes Ziel, grober Scope, Format (vor Ort/remote), Termin |
| 2 | Tools- und Aufgaben-Call | Corporathon + Teamleads | zugeschnittene Aufgaben aus eurem Haus, Toolauswahl je Gruppe |
| 3 | Finalisierung Infos und Daten | Kunde (IT, Datenschutz) | freigegebene Datenzugänge, ggf. reduzierte Datensätze, dokumentierte Grenzen |
| 4 | Workshop-Vorbereitung | Corporathon | vorbereitete Umgebungen, Zugänge, Ablaufplan, Standort-Setup |
| 5 | Tool-Workshop | Corporathon + Teams | Teams können ihren Stack bedienen |
| 6 | Bau-Sprint | Teams (begleitet) | funktionierende Prototypen an euren Daten |
| 7 | Show und Handoff | Teams + Owner (intern) | gezeigte Ergebnisse, Handoff im Haus, Kompetenznachweis |
Tech-Stack-Band
Zweites, später platziertes SVG-Band aus assets/logos/tech-stack/manifest.json: Cursor, Lovable, n8n, Gamma, Figma Make, Claude Code, Custom GPTs, Codex, ElevenLabs, Claude Cowork, NotebookLM. Beschriftung als „genutzte und unterstützte Werkzeuge", nicht als formale Partnerschaft. Corporathon ist offizieller Lovable Ambassador, das darf so benannt werden.
CTA-Blöcke (Doppel-CTA, jeweils Buchung plus E-Mail-Capture)
Jeder CTA-Block rendert zwei Wege nebeneinander: primärer Button zur Buchung und ein E-Mail-Capture-Feld für alle, die noch nicht buchen wollen.
- Im Hero: Discovery Call buchen (Button, https://cal.com/jamboula/ai-hackathon) plus E-Mail-Feld „Inhouse-Leitfaden erhalten".
- Nach der Passungs-Sektion: Passt das zu eurem Haus? Discovery Call buchen plus E-Mail-Feld.
- Nach dem Social Proof: Case Studies ansehen (/case-studies/) plus Discovery Call buchen.
- Abschluss: KI-Workshop an eurem eigenen Prozess? Discovery Call buchen plus E-Mail-Feld.