30 Stakeholder-Interviews zu einer belastbaren Synthese verdichten
Laden Sie die Transkripte hoch. Sie erhalten Themen mit zugeordneten Zitaten – und separat die Stellen, an denen zwei Modelle dieselben Interviews unterschiedlich gelesen haben. In dieser zweiten Liste steckt meist die eigentliche Erkenntnis: Ein Modell hörte Konsens heraus, das andere drei Personen, die mit denselben Worten über verschiedene Probleme sprachen.
Mit einer KIEine KI liefert Ihnen eine einzige Lesart von 30 Interviews.
Mit MultipleChatDrei Modelle lesen sie unabhängig voneinander, und ein viertes listet jede Stelle auf, an der sie etwas anderes herausgehört haben. Diese Liste ist meist die Erkenntnis.
Probieren Sie diesen Prompt
Anbei findest du [N] Transkripte von Stakeholder-Interviews aus einem [Art]-Projekt bei [Unternehmenstyp]. Erstelle: (1) fünf dominierende Themen, jeweils mit zwei wörtlichen Zitaten und der Rolle der sprechenden Person; (2) drei Widersprüche zwischen den Aussagen verschiedener Ebenen der Organisation; (3) alles, was nur einmal von einer Person gesagt wurde und die Empfehlung ändern würde, falls es zutrifft; (4) die Frage, die ich hätte stellen sollen und nicht gestellt habe. Glätte keine Meinungsverschiedenheiten zwischen den Befragten – mach sie sichtbar. Gib für jedes Zitat Transkript und Zeile an.
Einen Markt so schätzen, dass die Zahl im Meeting standhält
Fragen Sie nach beiden Methoden, nicht nur nach einer. Top-down aus Branchenberichten und bottom-up aus Kundenzahlen stimmen fast nie überein – und genau die Lücke ist das Gesprächsthema. Je ein Modell rechnet auf eine Weise, ein drittes berichtet, wo sie auseinanderliegen, und der Prüfdurchlauf zeigt Ihnen, welche Zahlen eine Quelle haben und welche nicht.
Mit einer KIEine KI liefert Ihnen eine Zahl – und keine Möglichkeit, sie zu prüfen.
Mit MultipleChatSie erhalten beide Methoden, und jede Zahl ohne Quelle wird markiert, bevor sie auf Folie 4 landet.
Probieren Sie diesen Prompt
Schätze die Größe von [Markt] in [Region] für ein Kunden-Deck. Rechne zweimal: top-down aus veröffentlichten Branchenzahlen und bottom-up aus einer Schätzung adressierbarer Kunden × realistischer Ausgaben. Zeige beide Zahlen und die jeweiligen Annahmen. Wo sie voneinander abweichen, sage, welche Annahme den Unterschied ausmacht. Markiere jede Zahl, der du keine aktuelle Quelle zuordnen kannst – schätze nicht stillschweigend.
Die Empfehlung angreifen lassen, bevor es der Lenkungsausschuss tut
Debate-Modus, bei dem zwei Modelle gegensätzliche Positionen zugewiesen bekommen. Heraus kommt kein allgemeiner Widerspruch, sondern die konkrete Bedingung, von der Ihre Empfehlung abhängt und die niemand ausgesprochen hat – die Abwanderungsrate, das Segment, die Annahme, dass sich der Pilot verallgemeinern lässt.
Mit einer KIEine KI stimmt Ihnen zu. Fragen Sie, ob sie sicher ist, stimmt sie noch nachdrücklicher zu.
Mit MultipleChatZwei Modelle vertreten bewusst gegensätzliche Positionen, sodass die Bedingung, von der Ihre Empfehlung abhängt, offen ausgesprochen wird.
Probieren Sie diesen Prompt
Hier ist meine Empfehlung samt Begründung: [einfügen]. Vertritt als CFO des Kunden, der schon drei Beratungsprojekte scheitern sah, die stärkste Gegenposition. Beantworte dann separat: Was müsste zutreffen, damit diese Empfehlung richtig ist? Liste diese Bedingungen ausdrücklich auf und gib an, für welche wir Belege haben und welche wir nur angenommen haben.
Eine Executive Summary, die eine 90-Sekunden-Lektüre übersteht
Die Version, die ein Partner nicht umschreiben muss. Danach liest ein zweites Modell sie unvoreingenommen und sagt Ihnen, an welchem Satz ein Kunde hängen bleibt – meist eine Aussage, die Sie vor drei Wochen aus der Analyse übernommen und nie erneut geprüft haben.
Mit einer KIEine KI schreibt eine saubere Zusammenfassung. Sauber ist aber nicht dasselbe wie wahr.
Mit MultipleChatEin anderes Modell prüft jede Aussage am Quelldokument und markiert die, die es nicht stützt.
Probieren Sie diesen Prompt
Schreibe eine einseitige Executive Summary des angehängten Berichts. Ein CEO liest sie in 90 Sekunden: zuerst die Empfehlung, dann die drei Gründe, dann die zwei Risiken, dann die konkrete Bitte. Keine Floskeln, kein ‚in der sich rasant wandelnden Landschaft von heute‘. Liste anschließend jede Tatsachenbehauptung deiner Zusammenfassung auf und markiere, ob das Quelldokument sie tatsächlich stützt.
Die Ergebnisse in ein Deck verwandeln, nicht in Chattext
Presentation Studio erstellt das Deck aus der Analyse, die Sie bereits im Projekt durchgeführt haben. So sind die Zahlen auf den Folien genau die, die geprüft wurden – statt um 11 Uhr nachts aus einem Chatfenster abgetippt.
Mit einer KIEine KI liefert Ihnen Chattext, den Sie um 11 Uhr nachts in PowerPoint nachbauen.
Mit MultipleChatSie erhalten das Deck, erstellt aus der Analyse in Ihrem Projekt – die Zahlen auf den Folien sind also genau die, die geprüft wurden.
Probieren Sie diesen Prompt
Erstelle aus der Analyse in diesem Projekt ein Ergebnis-Deck mit 12 Folien für [Zielgruppe]: aussagekräftige Folientitel mit Verb, eine Botschaft pro Folie, die Belege für jede Erkenntnis in den Sprechernotizen statt auf der Folie und eine letzte Seite, die jede Annahme auflistet, von der die Empfehlung abhängt.
