Andere KI-Tools: Bewertungen & Vergleiche

Du gehst wahrscheinlich davon aus, dass ein LLM in der Cloud laufen muss, doch 2026 ist es eine realistische Option, KI komplett im eigenen PC zu betreiben — ein „lokales LLM“. Ein lokales LLM bedeutet, ein Modell wie ChatGPT oder Claude direkt auf der eigenen Maschine statt in der Cloud laufen zu lassen. Die drei großen Reize sind Datenschutz (die Eingabe verlässt das Gerät nie), null Kosten (keine API-Gebühren) und Offline-Nutzung (funktioniert ohne Internet). Die Nachteile: Es ist nicht so klug wie die Spitzen-KI aus der Cloud, braucht einen einigermaßen leistungsfähigen PC, erfordert etwas Einrichtung und hat kein aktuelles Wissen. Dieser Einsteiger-Guide erklärt, was ein lokales LLM ist (mit einer Streaming-vs-Download-Analogie), die Vor- und Nachteile, die benötigten Specs und Quantisierung (das GGUF-Format, wobei Q4_K_M die bewährte Wahl ist, die Qualität behält und den Speicher auf rund ein Viertel senkt; etwa 0,5 GB Speicher pro 1B Parameter bei 4-Bit), den Einstieg (LM Studios GUI für Einsteiger, Ollamas CLI für Entwickler — 52 Millionen Downloads pro Monat im Q1 2026), empfohlene Modelle 2026 (Llama 3.2 7B, Google Gemma 4, Alibaba Qwen3.5 sowie DeepSeek und Mistral — alle offen) und wann man lokal vs. Cloud nutzt (lokal für vertrauliche, umfangreiche und Offline-Arbeit; Cloud für schwierige Probleme). Der schnellste erste Schritt: ein kleines Modell von 3B–7B in LM Studio laufen lassen.

Am 9. Juni 2026 veröffentlichte Anthropic Claude Fable 5 — und machte erstmals in einer Form, die normale Nutzer und Entwickler verwenden können, eine Leistungsfähigkeit auf dem Niveau von "Mythos" verfügbar, dem Frontier-Modell, das intern lange als das leistungsstärkste galt. Anthropic positioniert es als das leistungsstärkste Modell, das es allgemein anbietet, mit dem Slogan "gebaut für lange, komplexe Arbeit." Dieser Detailartikel, so geschrieben, dass Einsteiger folgen können, behandelt, was Fable 5 ist (eine öffentliche, sichere Form der Mythos-Klasse-Leistung, optimiert darauf, einen Marathon zu beenden statt eine einzelne Frage-Antwort; Modell-ID claude-fable-5), wie es sich von seinem Zwilling Mythos 5 unterscheidet (innen identisch, nur die Schutzmechanismen differieren; die Öffentlichkeit nutzt Fable), die Benchmarks (SWE-Bench Pro 80.3% vs. Opus 4.8 69.2 und GPT-5.5 58.6, erstmals 90%+ bei Hex Langlauf-Analyse, top bei Cognition FrontierCode und Hebbia Finanz, neuer SOTA bei Vision, das Pokémon ohne Hilfe spielt), seine wahre Stärke in langer Autonomie (Fokus über Millionen von Tokens, 12-stündige Läufe, Stripe schließt eine 50-Millionen-Zeilen-Ruby-Migration an einem Tag statt in über zwei Monaten von Hand ab, Datei-Memory steigert eine Spielaufgabe 3x stärker als Opus 4.8, GitHub berichtet hochautonomes langfristiges Coding), Preis und Verfügbarkeit ($10 Eingabe / $50 Ausgabe pro 1M Tokens, 1M Kontext und 128K Ausgabe, kostenlos im jeweiligen Plan vom 9.–22. Juni, danach Credits, API claude-fable-5 und GitHub Copilot), einen direkten Vergleich mit Opus 4.8 (Standard $5/$25 vs. $10/$50, +11.1 Punkte bei SWE-Bench Pro, gleicher 1M Kontext, Opus 4.8 Fast Mode zu $10/$50; schwere Arbeit an Fable 5 und den Alltag an Opus 4.8 Standard aufteilen), das Highlight-Sicherheitsdesign (Cyber-, Bio-Chemie- und Distillation-Klassifikatoren, die nur bei Gefahr auf Opus 4.8 zurückfallen, in unter 5% der Sitzungen auslösen, sodass 95%+ mit voller Leistung laufen, mit 30-tägiger Aufbewahrung des Mythos-Klasse-Traffics), den Kontext der Veröffentlichung Tage nach der Warnung, KI sei zu gefährlich (ein dritter Weg, der nur die gefährlichen Bereiche schließt), und wann man es einsetzt. Die Zahlen sind aus Anthropics Ankündigung und Berichten zitiert und können sich ändern.

Man tippt etwas Text, und in Sekunden entsteht ein Video mit Ton — was vor Kurzem noch Science-Fiction gewesen wäre, wurde 2026 Realität, und die Lage verändert sich in einem erschreckenden Tempo. OpenAIs Sora, das die Diskussion dominiert hatte, stellte App und Web im April 2026 ein (die API folgt im September); an seine Stelle traten Google Veo, Kling und Runway. Dieser aktuelle (Juni 2026), toolunabhängige Leitfaden behandelt, was KI-Videogenerierung ist (Erzeugen von bewegtem Bildmaterial aus Worten oder einem Bild, mit Tonsynchronisierung, 1080p–4K und Image-to-Video nun Standard), die Lage 2026 (die Sora-Einstellung — berichteter Hintergrund aus Druck bei Rechenleistung und Kosten sowie sinkenden Nutzerzahlen — und die aktuellen Spitzenreiter Google Veo 3.1, Kling 3.0 und Runway Gen-4.5, mit Abrechnung pro Sekunde als Norm), wie sie funktioniert (Diffusionsmodelle, erweitert um die Zeitdimension; Text-to-Video und Image-to-Video), den gemeinsamen 5-Schritte-Ablauf (Tool wählen, Prompt/Bild, Länge/Format/Ton festlegen, generieren und auswählen, im Schnitt zusammenfügen), die zentralen Video-Prompt-Tipps (Motiv + Bewegung + Kameraarbeit + Stil + Länge + Ton, mit Verben und Kamera als Schlüssel, ein Schnitt eine Aktion, Image-to-Video nutzen, mehrere laufen lassen), was sie heute kann und was noch nicht (lange Werke am Stück und volle Konsistenz bleiben schwer, und die Kosten pro Sekunde summieren sich) sowie die Grundlagen zu Rechten, Wasserzeichen und Ethik (SynthID und C2PA machen KI-Herkunft standardmäßig und unentfernbar, rein KI-erzeugte Ausgabe ist schwach geschützt mit Länderunterschieden, kommerzielle Nutzung hängt von den Bedingungen ab, und Deepfakes realer Personen sind tabu). Erstelle Schnitte und füge sie im Schnitt zusammen, statt ein langes Werk am Stück anzustreben. Da sich das Feld schnell bewegt, prüfe stets das Neueste offiziell.

„Ich kann nicht zeichnen, also ist das nichts für mich“ — dieses Vorurteil gegenüber der KI-Bildgenerierung ist verkehrt herum. Geben Sie einfach Anweisungen in Worten, und Sekunden später haben Sie Bilder auf Profi-Niveau. Dieser toolübergreifende Leitfaden behandelt, was KI-Bildgenerierung ist (Bilder von Grund auf aus Worten erzeugen — die Fähigkeit zu kommunizieren, nicht zu zeichnen; die Bild-Version des Prompt Engineering), wie sie funktioniert (Diffusionsmodelle schälen mit Ihrem Prompt als Hinweis ein Bild aus zufälligem Rauschen heraus und zeichnen jedes Mal von Grund auf, sodass die Ergebnisse wackeln), den gemeinsamen 4-Schritte-Workflow, der in jedem Tool funktioniert (Tool wählen, Prompt schreiben, generieren und auswählen, verfeinern und fertigstellen — Iteration ist die Voraussetzung), den zentralen 6-teiligen Aufbau des Bild-Prompts (Motiv, Szene/Schauplatz, Stil, Licht/Farbe, Komposition/Ansicht, technische Angaben) plus Negativ-Prompts und Seitenverhältnis — wobei GPT Image und Imagen schlichte Sätze bevorzugen, während Tools der Stable-Diffusion-Familie Wortlisten und Negativangaben mögen, 7 Tipps zum Meistern (an der Menge drehen, Stück für Stück ergänzen, Referenzbilder, Inpainting, Seed fixieren, hochskalieren, gute Prompts speichern), womit KI sich schwertut (Hände, Text, Konsistenz, feine Genauigkeit) und Abhilfen, sowie die Grundlagen zu Rechten, kommerzieller Nutzung und Ethik für die Arbeit (reine KI-Ausgabe ist laut US Copyright Office und dem Thaler-Urteil von 2025 schwach geschützt, mit Unterschieden je nach Land; kommerzielle Nutzung hängt von den Bedingungen des jeweiligen Tools ab; Deepfakes und unerlaubtes Nachahmen von Stilen sind tabu; Herkunftsangaben wie die C2PA-Metadaten von DALL-E verbreiten sich). Welches Tool zu wählen ist und tool-spezifische Anleitungen verlinken auf den Vergleich sowie die Artikel zu Midjourney und Stable Diffusion. Den Aufbau kennen, an der Menge drehen, Worte Stück für Stück ergänzen — jeder kann sich der gewünschten Aufnahme annähern.

Sie fragen dieselbe KI dasselbe, und doch nennt die eine Person sie nutzlos, während die andere staunt, wie fähig sie ist — und die wahre Ursache dieser Kluft ist oft nicht die Leistung der KI, sondern wie der Prompt formuliert ist. Dies ist ein praktisches Kompendium genau dieser Fähigkeit, des Prompt-Engineerings, so aufbereitet, dass Einsteiger es sofort anwenden können. Es behandelt, was Prompt-Engineering ist (die Fähigkeit, Ihre Anweisung an KI zu gestalten und zu verbessern — kein Code, sondern die Kunst, wie man Dinge sagt), die drei Prinzipien, die Ihre Ergebnisse verändern (konkret sein, Kontext geben, die Ausgabe festlegen, dazu „tu X“ statt „tu nicht Y“), die zentralen 6 Bestandteile eines guten Prompts (Rolle, Kontext, Anweisung, Beispiele, Format, Einschränkungen — die Elemente, die große Frameworks wie COSTAR und RCOF gemeinsam aufführen; Sie brauchen nicht jedes Mal alle sechs), 7 praxistaugliche Techniken (eine Rolle geben, ein Muster/few-shot zeigen, Schritt für Schritt schließen, das Ausgabeformat festlegen, mit Trennzeichen strukturieren, nicht zu viel auf einmal verlangen und iterieren — am stärksten ist das Iterieren), ein Vorher/Nachher-Beispiel, Techniken für Fortgeschrittene (Chain of Thought, Self-Consistency, Prompt Chaining, ReAct — wobei Reasoning-Modelle wie die o-Reihe und Claudes Extended Thinking CoT intern ausführen, sodass das Nennen des Ziels besser funktioniert), 7 häufige Fehler sowie modellspezifische Tipps und Eingabesicherheit. Mit internen Links zu Prompt-Tipps für die App-Entwicklung und zu Eingabe-Vorsichtsmaßnahmen. Aus vage wird konkret, aus Hinwerfen wird Dialog — jeder kann sich ab heute verbessern.

Im Juni 2025 schrieb Sam Altman von OpenAI in seinem Blog: „Wir haben den Ereignishorizont überschritten; der Takeoff hat begonnen“ („The Gentle Singularity“). Andere Forscher hingegen weisen die Idee schlichtweg als etwas zurück, das nie eintreten wird. Dieser Einsteigerleitfaden erklärt, dass die Singularität (technologische Singularität) „der Kipppunkt ist, an dem die KI die menschliche Intelligenz übertrifft und beginnt, sich selbst zu verbessern, sodass der Fortschritt explosionsartig schnell wird und nicht mehr vorhergesagt oder kontrolliert werden kann“ (eine Hypothese, Stand 2026 nicht verwirklicht). Er behandelt den Kern — die Intelligenzexplosion = rekursive Selbstverbesserung, bei der kluge KI noch klügere KI baut und der Verbessernde vom Menschen zur KI wechselt; wie sie sich von AGI und ASI unterscheidet (AGI/ASI sind „Zustände“ der Intelligenz, die Singularität ist das „Ereignis“ des Unvorhersehbarwerdens; AGI → Selbstverbesserung → der plötzliche Sprung zur ASI = die Singularität); die Geschichte des Begriffs (I. J. Goods „Intelligenzexplosion“ von 1965 → Vinge macht den Namen 1993 populär → Kurzweil macht sie mit „2045“ salonfähig); die weite Streuung der Prognosen (Kurzweil 2045, Altman „bereits begonnen“, Vinge sowie Skeptiker wie Gary Marcus und die „Komplexitätsbremse“ des verstorbenen Paul Allen); plötzlicher Hard Takeoff vs. allmählicher Soft Takeoff; die Hoffnungen (Durchbrüche bei Krankheiten und in der Wissenschaft) und Risiken (Kontrollverlust, das Alignment-Problem); die tiefe Skepsis (Komplexitätsbremse, physikalische Grenzen, etwas völlig anderes); und häufige Mythen wie „herrschende Roboter“, „sofort, sobald AGI eintrifft“ und „fest für 2045“. Sie weder übermäßig zu fürchten noch zu sehr von ihr zu träumen — die KI von heute bestmöglich nutzen und dabei ruhig beobachten, was als Nächstes kommen mag.

2023 wurde ein Anwalt mit Sanktionen belegt, nachdem ein mit ChatGPT verfasster Schriftsatz ausschließlich von der KI erfundene Fälle zitierte — und dieser Vorfall verbreitete weltweit Misstrauen gegenüber Recht und KI. Doch binnen weniger Jahre explodierte die Nutzung, und über 90 % der Anwälte sollen KI in der täglichen Arbeit einsetzen. Als nächster Beitrag unserer Serie zu KI-Auswirkungen nach Branche nach #068 (Handel), #094 (Marketing) und #097 (Beratung) betrachtet dieser die freien Berufe. Der aktuelle Stand in Zahlen (62 % der Anwälte berichten 6–20 % wöchentliche Zeitersparnis; Harvey und CoCounsel von Thomson Reuters verarbeiteten im 1. Quartal 2026 über 10 Mio. Rechtsdokumente; generative KI bei Steuer-/Buchhaltungs-/Prüfungskanzleien stieg von 8 % 2024 auf 21 % 2025; eine Stanford-Studie zeigt einen Rückgang der Einsteigerstellen in Feldern wie dem Rechnungswesen um 13 % gegenüber 2022, Wirtschaftsprüfer +5 % und Buchhalter -5 %), welche Arbeit KI je Beruf verändert (Anwälte = Fallrecherche, Vertragsprüfung, Pflichtenextraktion; Wirtschaftsprüfer = Buchführung, Belegprüfung, Stichproben, Risikoidentifikation; Steuerberater = Dateneingabe, Entwürfe von Steuererklärungen, Gesetzesrecherche — KI erledigt die Vorarbeit, Menschen fällen die Entscheidung), die größte Falle der Halluzination (Erfinden nicht existierender Fälle/Gesetze — mit Sanktionen und Vertrauensverlust; Harvey wirbt mit 99,7 % geprüfter Zitatgenauigkeit und markiert den Rest, CoCounsel verankert Zitate in einer Falldatenbank und zitiert nur reale Fälle), der unveränderliche wesentliche Wert (endgültiges Urteil, professionelle Skepsis, Ethik, graue steuerliche Beurteilungen und — entscheidend — Unterschrift und rechtliche Haftung, die sich nicht an die KI delegieren lässt), die Einsteigerkrise (Automatisierung der Lehrjahre-Routine) und neue Rollen (KI-Compliance-Beauftragte, Steuer-Prompt-Engineers) sowie Ratschläge nach Rolle für Praktiker, Angehende und Mandanten (Zitate und Zahlen anhand der Primärquellen überprüfen; den Umgang mit Vertraulichkeit klären). Regulierung und Haftung unterscheiden sich von Land zu Land; in Japan sind KI-Funktionen in Buchhaltungssoftware ebenfalls verbreitet. Die Frage, die KI stellt: Ist das, was Sie verkaufen, die Arbeit oder das Urteil und die Verantwortung?

Ein einstündiges Video von Hand zu untertiteln, hat früher einen ganzen Tag verschlungen – zuhören, pausieren, tippen, den Timecode ausrichten. 2026 erledigt sich diese Hölle durch "das Video hineinwerfen und ein paar Minuten warten". Mit Fokus auf das Untertiteln/Transkribieren von Video- und Audioinhalten (Meeting-Protokolle gehen zu #086, Bild-OCR zu #091) behandelt dieser Leitfaden die vier Stufen, die KI automatisiert (Audio-Extraktion → Transkription mit Diarisierung → Timecoding in SRT/VTT → Übersetzung und Gestaltung), den Unterschied zwischen Untertiteln (SRT/VTT) und Transkripten und wann man was nutzt, einen Tool-Vergleich (kostenlos-und-privat Whisper, alles-bearbeiten Descript, hochgenau-mehrsprachig Sonix und Happy Scribe, einsteigerfreundlich Notta, mobil CapCut, am einfachsten YouTube-Auto-Untertitel – viele mit Spracherkennung der Whisper-Familie unter der Haube), den am besten wiederholbaren 4-Schritte-Workflow (vorbereiten → transkribieren → korrekturlesen → SRT/VTT exportieren/einbinden), Empfehlungen nach Einsatzzweck (YouTube, Podcasts, Vorlesungen, Interviews, vertraulich, mehrsprachig), sechs Genauigkeits-Tipps mit der Audioqualität als 80 % des Ergebnisses (Qualität, Spracheinstellung, Eigennamenliste, Suchen-und-Ersetzen, Diarisierung, Zeilenlänge), den Königsweg-Workflow für Mehrsprachigkeit (Ausgangssprache perfektionieren → per KI übersetzen → native Prüfung) und die Stolperfallen – Übervertrauen in die Genauigkeit, Schwäche bei Rauschen und Fachjargon, Urheberrecht, vertrauliche Uploads und Timecode-Drift. Bei sauberem Ton liegt die Genauigkeit bei 90–96 % (veröffentlicht, bedingungsabhängig) und die Arbeit sinkt um 80–90 %. Die Arbeit der KI; den Feinschliff – Eigennamen prüfen und durchsehen – dir.

Der Initiationsritus für Junior-Berater — durchgemachte Nächte über Foliensätzen, endlose Recherche von Hand — knirscht. McKinseys „Lilli“ durchforstet über 100.000 Dokumente in Sekunden und entwirft Foliensätze; BCGs „Deckster“ poliert Folien im Handumdrehen; einer Analyse zufolge ließen sich ~80 % der Recherche- und Folienarbeit eines Junior-Analysten in Sekunden ersetzen. Als nächster Beitrag unserer Reihe „KI-Auswirkungen nach Branche“ nach #068 (Handelsunternehmen) und #094 (Marketing) zeichnet dieser Artikel die Beratung nach: den Status quo in Zahlen (Big Four und Strategiehäuser steckten seit 2023 über 10 Mrd. Dollar in KI, PwC 1 Mrd. über drei Jahre, BCG ~25 % von 14,4 Mrd. Dollar Umsatz 2025 = ~3,6 Mrd. Dollar aus KI, eine HBS-Studie mit 758 BCG-Beratern zeigt, dass KI-Nutzer 12,2 % mehr Aufgaben erledigten, 25,1 % schneller, mit 40 %+ höherer Qualität), die fünf Bereiche, die KI verändert (Recherche, Folien, Analyse, Protokolle und neue KI-Strategiedienste — derzeit ein Nettoschaffer von Arbeitsplätzen bei großen Firmen), den Zusammenbruch des Pyramidenmodells (Routinearbeit der Juniors, einer Schätzung zufolge ~80 %, in Sekunden automatisiert; hin zu schlanken Teams aus wenigen Menschen plus KI mit Sorgen um die Ausbildungspipeline), den Erdrutsch bei der Preisgestaltung (das Produktivitätsparadox — schneller fertig bedeutet bei Stundensätzen weniger abrechnen — und 73 % der Klienten bevorzugen ergebnisbasierte Preise, was den Wechsel zu ergebnisbasiert und Festpreis vorantreibt), den unveränderlichen wesentlichen Wert (Frage rahmen, Interpretation, Urteil, Vertrauen, Umsetzung — der Berater, der das System steuert, zählt mehr als das System), die Aufspaltung in Giganten als Tanker gegen Boutiquen als Schnellboote (Wachstum kleinerer Firmen bis zu 50 % laut Schätzungen) und rollenspezifischen Rat für Anwärter, Praktiker und Klientenunternehmen. Die Frage, die KI stellt: Ist Ihr Wert die Arbeit oder das Urteil?

In Davos im Januar 2026 prallten die führenden Köpfe des Fachs über „AGI steht unmittelbar bevor“ vs. „der Kern ist noch weit entfernt“ aufeinander — und die Lunte war AGI (Artificial General Intelligence). Dieser einsteigerfreundliche Artikel beginnt damit, was AGI ist — „eine Allzweck-KI, die wie ein Mensch sogar völlig neue Dinge eigenständig über jedes Feld hinweg erlernen und lösen kann“ (wenngleich Stand 2026 ein noch nicht verwirklichtes Ziel) — und behandelt dann den entscheidenden Unterschied zur heutigen KI im ChatGPT-Stil (kann sie Wissen auf ein anderes Feld „transferieren“; Generalisierung und autonomer Fähigkeitserwerb), die Drei-Stufen-Gliederung Narrow AI → AGI → ASI (Superintelligenz), die weite Streuung der Experten-Zeithorizonte (Anthropics Amodei optimistisch mit innerhalb weniger Jahre/um 2027, DeepMinds Hassabis vorsichtig mit ~50 % bis 2030, ein Forscher-Umfrage-Median von 2047, Skeptiker wie Marcus, die sagen, es sei fern oder komme nicht — die Streuung entspringt unterschiedlichen Definitionen), wie nah die heutige KI ist (unter der menschlichen Grundlinie bei ARC-AGI, aber via Multimodal und Agenten an der Schwelle), die Hoffnungen (Beschleunigung von Krankheit und Wissenschaft) und Risiken (Jobs, Missbrauch, das Alignment-Problem — von Anthropic und UK AISI als kritischer Entscheidungspunkt verortet) sowie gängige Mythen wie „ChatGPT ist bereits AGI“ und „AGI = hat Bewusstsein“. Weder übermäßig ängstlich noch übermäßig träumend, meistern Sie die Narrow AI in der Hand, während Sie ruhig beobachten, was als Nächstes kommt.

Als Coca-Colas Weihnachtsspot mit generativer KI Ende 2024 als „seelenlos“ verrissen wurde, symbolisierte das KIs Tauziehen im Marketing: „Effizienz und Wirkung“ gegen „Vertrauen und Emotion“. Dieser Artikel beleuchtet das Thema und misst zunächst den Status quo in Zahlen (rund 87 % der Marketer nutzen generative KI, gegenüber 51 % im Jahr 2024; über 71 % der Werbeausgaben algorithmisch gesteuert; Google erstellte allein in Q4 2025 rund 70 Millionen Creative-Assets mit Gemini; die Ausgaben für Marketing-KI-Tools haben sich in 18 Monaten in etwa verdreifacht). Er behandelt die fünf Bereiche, die KI verändert (① Content-Erstellung ② Werbe-Creatives ③ Targeting & Auslieferung / Programmatic ④ Personalisierung / DCO ⑤ Analyse & Messung) und berichtete Effekte (DCO mit ~32 % höherer CTR und ~56 % niedrigerer CPC, KI-Copy mit 3,2× ROI, First-Party-/kontextbezogenes Targeting bis zu 2× ROAS — alle veröffentlicht, bedingungsabhängig); den Kern, der sich nicht ändert (Strategie, Marke, Vertrauen, bahnbrechende Kreativität bleiben beim Menschen — KI ist ein Verstärker, ist die Basis null, ist es auch die Antwort); den seismischen SEO/AEO/LLMO-Umbruch (mit internen Links); Risiken (die Wahrnehmungslücke von 82 % Verantwortlichen vs. 45 % Verbrauchern bei KI-Anzeigen, plausible Erfindung, Brand Safety, Rechte/Regulierung, außer Kontrolle geratener unbeaufsichtigter Betrieb); wie sich der Job der Marketer verschiebt (Aufgaben übernommen, Urteilen schwerer; vom Produzenten zum Chefredakteur und Strategen); und einen Fünf-Schritte-Praxisplan für heute. KIs größter Einfluss ist, menschliche Zeit vom Tun zum Entscheiden zu befreien.

Deine Präsentation steht gleich morgen früh an und deine Folien sind immer noch leer — doch tippe eine Zeile Thema ein und wenige Minuten später sind 20 Entwurfsfolien aufgereiht. Das sind KI-Folien 2026. Dieser Leitfaden teilt die Folienerstellung in drei Phasen (Struktur, Skript, Design) und stellt zwei Ansätze vor: Generierung aus einer Hand (Thema werfen, alles bekommen) vs. Arbeitsteilung (Struktur und Skript in ChatGPT/Claude/Gemini festzurren, dann ein spezialisiertes Tool gestalten lassen). Er vergleicht die wichtigsten Tools (schnell generierendes Gamma, natives .pptx-und-kein-Bruch-Copilot in PowerPoint, kollaborationsstarkes Gemini für Google Slides, am besten aussehendes Beautiful.ai, vorlagenreiches Canva, das im Mai 2026 gestartete ChatGPT-PowerPoint-Add-in — kein absoluter Champion; wähle nach dem Ausgang), den am besten wiederholbaren 5-Schritte-Workflow (Struktur → Skript → in ein Design-Tool gießen → Zahlen und Quellen prüfen → Export nach .pptx/Slides), drei Prompts zum Kopieren und Einfügen (Gliederung, Folie ausarbeiten mit Sprechernotizen, für ein Design-Tool umformatieren), sechs Tipps für Folien, die ankommen (eine Botschaft pro Folie, Text halbieren und mehr), und Fallstricke — .pptx-Layout-Bruch, ein überladener erster Entwurf, plausibel erfundene Daten, das Senden von Vertraulichem und Tool-Einstellungen (Tomes Folien-Aus im April 2025 als Lektion). KI ist der Partner, der in einem Augenblick einen Entwurf liefert; das Kürzen und Prüfen ist die Aufgabe des Menschen.