Knowledge Bite 06 · 19. Oktober 2026

Interviews und
Synthese mit AI

Mit Semih Aridogan

15 Minuten Input + Q&A

Probleme bei Interviews und Auswertungen

Problem

Wir starten mit den falschen Hypothesen – oder ganz ohne Hypothesen.

Problem

Beim Mitschreiben gehen wichtige Aussagen verloren.

Problem

Bei der Synthese vergessen wir wichtige Aussagen und Zitate. Dadurch wird das Ergebnis schlechter.

Problem

Es ist schwer, Erkenntnisse zu vermitteln – besonders, wenn jemand beim Interview nicht dabei war.

0:15–1:15. Persönlicher Erfahrungsbericht mit vier konkreten Problemen: Wir starten mit den falschen Hypothesen – oder ganz ohne Hypothesen. Beim Mitschreiben gehen wichtige Aussagen verloren. Bei der Synthese vergessen wir wichtige Aussagen und Zitate. Dadurch wird das Ergebnis schlechter. Es ist schwer, Erkenntnisse zu vermitteln – besonders, wenn jemand beim Interview nicht dabei war. Den letzten Punkt erklären: Dem Kunden beziehungsweise Team fehlt der Gesprächskontext, aus dem wir unsere Erkenntnisse ableiten. Die Aussagen beschreiben die eigene Interviewpraxis und sind keine allgemeine Behauptung über alle Interviews. Jede Karte ist als Problem gekennzeichnet. Die bestehenden orangefarbenen Icons und die Papiercollage bleiben erhalten; die längeren Texte haben größere Textflächen. Icons aus der bestehenden Lucide-Bibliothek: CircleHelp, NotepadTextDashed, SearchX und MessageSquareOff.

Interviewprozess

Hypothesen
formulieren

Vorbereitung
und Akquise

Interviews
durchführen

Synthese
erstellen

Dem Kunden
präsentieren

1 · Hypothesen formulieren

Context Management

marathon-projekt/

briefings/
- projektbriefing.md
hypothesen/
- hypothesen.md
transkripte/
- projektpartner.md
- team.md
- interview-01.md
synthese/
- erkenntnisse.md
- entscheidungen.md

Agent liest
Projektkontext

Besseres
Hypothesen-
Sparring

Tipp: Briefings, Hypothesen und Transkripte als .md im Projekt sammeln.

1:45–2:15. Die Ordnerstruktur als Beispiel zeigen, nicht als Aufnahme eines realen Projektverzeichnisses. Im selben Projekt liegen Projektbriefing, aktuelle Hypothesen, Gesprächstranskripte sowie Erkenntnisse und Entscheidungen als Markdown-Dateien. Im Ordner transkripte liegen nicht nur Forschungsinterviews, sondern auch Gespräche mit Projektpartnern und dem Team. Diese Gespräche liefern Ziele, Rahmenbedingungen, Fachwissen, offene Fragen und frühere Entscheidungen als Kontext für das Hypothesen-Sparring. Annahmen und Einschätzungen von Interviewbelegen unterscheiden. Die Ordnernamen sind ein Vorschlag, keine technische Vorgabe. Markdown (.md) ist einfach lesbarer Text mit Überschriften; auch vorhandene Artefakte und Dokumente können genutzt werden, sofern der Agent sie lesen kann. Projektwissen laufend ergänzen und aktuell halten. Beispielauftrag: „Lies zuerst das Projektbriefing, die Hypothesen und die relevanten Transkripte aus den Gesprächen mit Projektpartnern und Team. Nutze sie als Kontext fürs Sparring und frage nach, wenn etwas fehlt.“ Dateien müssen tatsächlich zugänglich sein und vom Agenten gelesen werden; die bloße Ablage in einem Projekt bedeutet nicht, dass jede Datei automatisch im aktuellen Kontext liegt. Danach den konkreten Sparring-Prompt zeigen.

1 · Hypothesen formulieren

Interview-Sparring

Codexmarathon-projekt

projektbriefing.mdhypothesen.mdtranskripte/

Du bist UX Researcher und mein Sparringspartner.
Unser Projekt: ein Trainingsangebot für Marathonläufer.
Lies zuerst Briefing, Hypothesen und relevante Transkripte aus Partner- und Teamgesprächen.

Führe ein Interview mit mir.
Stelle immer nur eine Frage und warte auf meine Antwort. Frage nach und hinterfrage unklare Annahmen.
Formuliere erst danach prüfbare Hypothesen: „Wir glauben, dass …“.
Trenne Annahmen von vorhandenen Belegen und Gegenbelegen.

Beispiel-Output · Marathontraining

Hypothesen

Wir glauben, dass ambitionierte Marathonläufer …

… mit den Ergebnissen ihrer Sportuhr unzufrieden sind.

… ihre Leistungswerte nicht in konkrete Trainingsentscheidungen übersetzen können.

… für bessere Insights zahlen, wenn sie konkrete Handlungsempfehlungen erhalten.

Vor den Interviews · noch zu prüfen

2:15–3:15. An den Context-Management-Tipp anknüpfen: Der Agent liest zuerst Briefing, Hypothesen und bisherige Erkenntnisse aus dem Projekt. Für die Aufnahme den orange markierten Satz ausdrücklich hervorheben: Die AI interviewt mich, statt sofort eine fertige Hypothesenliste zu liefern. Immer eine Frage stellen, meine Antwort abwarten, unklare Annahmen durch Nachfragen schärfen und erst anschließend gemeinsam prüfbare Hypothesen formulieren. Dieses Interview ist das Sparring mit mir als Projektverantwortlichem; die späteren Forschungsinterviews mit Teilnehmenden sind ein eigener Schritt. Links den Sparring-Prompt in derselben schematischen dunklen Codex-Oberfläche wie beim Leitfaden und der Synthese zeigen; „Interview mit mir“ bleibt orange hervorgehoben, rechts gleichzeitig den gemockten Beispiel-Output für Marathontraining. Die drei Hypothesen wurden redaktionell aus den Annahmen des bereitgestellten Projekt-Boards formuliert, kein aufgezeichneter AI-Lauf. H1 entspricht der Annahme zur Unzufriedenheit mit Sportuhr-Ergebnissen, H2 der fehlenden Übersetzung von Werten in Handlungen, H3 der Zahlungsbereitschaft mit konkreten Handlungsempfehlungen. Hier stehen sie ohne Ergebnisstatus vor der Prüfung. Das spätere Board zeigt auch Gegenbelege: Die Unzufriedenheitsannahme ist dort widerlegt. Hypothesen sind Ausgangspunkte für Interviews, keine bestätigten Erkenntnisse. Das Projekt anonym halten. Die Satzformen sind unsere Arbeitsformulierungen, keine ISO-Zitate.

2 · Vorbereitung und Akquise

Screener erstellen

Codex-Agent

MCP

Tally

↓ Screener erstellen
↑ Anmeldungen auswerten
→ E-Mails vorbereiten

Tally öffnen ↗

3:15–4:15. Eigene Arbeitsweise: Den Screener mit AI und Tally über MCP erstellen. Die Hypothesen und Zielgruppe geben vor, wen wir interviewen wollen und welche Screening-Fragen wir brauchen. Der AI-Agent kann das Formular über die MCP-Anbindung in Tally anlegen und bearbeiten. Den bereitgestellten Screenshot als konkretes Beispiel zeigen: Zielgruppe Radfahrende und Frage zum Trainingsumfang. Der Screenshot zeigt das Formular im Editor, nicht einen aufgezeichneten MCP-Aufruf. Die Grafik erläutert den vom Vortragenden beschriebenen Ablauf. Auch den Rückweg erklären: Antworten liegen in Tally. Auf Aufforderung liest der Codex-Agent sie über das Tally-MCP, vergleicht sie und gibt eine Übersicht aus. Die Pfeile zeigen beide Richtungen, keinen automatisch laufenden Prozess. Das Formular RGla2P ist am 19.10.2026 geschlossen und enthält fünf vollständige Anmeldungen. Die folgende Folie zeigt die tatsächliche Auswertung. Anschließend kann der Agent personalisierte Einladungen und Rückfragen als E-Mail-Entwürfe vorbereiten. Empfänger und konkrete Fassung prüfen; erst nach ausdrücklicher Versandbestätigung versenden. Das ist eine Darstellung des möglichen Ablaufs, kein eingerichteter E-Mail-Automatismus. Kriterien und Fragen prüfen und danach die passenden Teilnehmenden akquirieren. Terminorganisation über Google Meet und Kalender auf der Tonspur kurz erwähnen. Die 45 Minuten und der Gutschein gehören zu diesem Projektbeispiel und sind keine allgemeinen Vorgaben. Keine Kundennamen nennen. Bild vom Vortragenden am 13.10.2026 bereitgestellt.

2 · Vorbereitung und Akquise

Wen lade ich ein?

AI-Empfehlung

3 einladen · 2 Reserve

Beispielziel: unterschiedliche Trainingsweisen verstehen

Person	Profil	Vorschlag	Begründung der AI
P01	Über 10 Std. / Wochefester Plan · monatliche Ausgaben	Einladen	Hoher Umfang und klare Trainingsstruktur.
P03	3 bis 6 Std. / Wochegrobe Struktur · monatliche Ausgaben	Einladen	Weniger Struktur als Kontrast.
P05	6 bis 10 Std. / Wochefester Plan · keine Ausgaben	Einladen	Trainiert ohne bezahlte Angebote.
P04	Über 10 Std. / Wochefester Plan · monatliche Ausgaben	Reserve	Wie P01; als Ersatz vormerken.
P02	3 bis 6 Std. / Wochefester Plan · einmalige Ausgaben	Reserve	Ergänzende Sicht auf Einmalkäufe.

Du entscheidest → Agent erstellt E-Mail-Entwürfe → Freigabe → Versand

Beispiel einer AI-gestützten Auswahlentscheidung auf Grundlage der fünf am 19.10.2026 vollständig über Tally-MCP gelesenen Anmeldungen aus Formular RGla2P. Das für diese Folie gesetzte Beispielziel lautet: verschiedene Trainingsweisen und Erfahrungen mit bestehenden Angeboten abdecken, zunächst drei Gespräche führen. Dieses Ziel ist eine didaktische Annahme, kein aus dem Fragebogen ermitteltes Auswahlkriterium. Der AI-Agent empfiehlt P01, P03 und P05: P01 als Person mit hohem Umfang, festem Plan und monatlichen Ausgaben; P03 mit grober Struktur und 3 bis 6 Stunden als andere Trainingsweise; P05 mit festem Plan und ohne aktuelle Ausgaben als Kontrast bei der Angebotsnutzung. P04 hat in den hier gezeigten Merkmalen dasselbe Profil wie P01; die beiden sind für dieses Beispiel austauschbar, es gibt keinen Beleg für eine höhere persönliche Eignung von P01. P02 bringt die zusätzliche Perspektive einmaliger Ausgaben und bleibt als Reserve. Es handelt sich um begründete AI-Vorschläge für ein vielfältiges Gesprächssample, nicht um eine objektive Rangliste, feste Eignungsscores oder bereits bestätigte Einladungen. Die Übersicht hilft der verantwortlichen Person bei der Entscheidung. Keine Namen, E-Mail-Adressen oder weiteren personenbezogenen Merkmale anzeigen. Ausgaben beziehen sich auf Coaching, Trainingsplan oder Trainingstools; sie belegen keine Zahlungsbereitschaft für ein neues Angebot. Die Quelldaten bleiben in assets/tally-anmeldungen-anonymisiert.json dokumentiert. Der MCP-Datenweg ist auf der vorherigen Folie erklärt. Nach Auswahl kann der Agent personalisierte E-Mail-Entwürfe vorbereiten; erst nach ausdrücklicher Bestätigung von Empfängern und konkreter Fassung versenden. Es wurde keine Kontaktaufnahme und keine E-Mail-Automation durchgeführt. Quelle: https://tally.so/forms/RGla2P/edit .

2 · Vorbereitung und Akquise

Interviewleitfaden

Codexmarathon-projekt

projektbriefing.mdhypothesen.md

Du bist ein professioneller UX Researcher.
Erstelle einen Interviewleitfaden für unser Projekt.
Nutze den vorhandenen Projektkontext, die Zielgruppe und unsere Hypothesen. Kläre fehlenden Kontext zuerst mit mir.
Plane Einstieg, offene Fragen zu konkreten vergangenen Situationen und passende Nachfragen. Vermeide suggestive Fragen.
Ordne jeder Frage die untersuchte Hypothese zu.
Dauer: 30 Minuten. Ziel: Annahmen prüfen, auch Gegenbelege finden.

Beispiel-Output · Marathontraining

Interviewleitfaden

Wie hast du bei deiner letzten Einheit entschieden, was du trainierst?
Was hast du nach dem letzten Blick auf deine Sportuhr-Daten gemacht?
Wie hast du deinen Trainingsplan in der letzten Marathonvorbereitung angepasst?
Wofür hast du bei deiner Trainingsplanung zuletzt Geld ausgegeben?

Nachfragen: Was genau? Warum? Was ist dann passiert?

Harness: Problem, Zielgruppe und Hypothesen als Kontext

4:15–5:00. Links der eigene Leitfaden-Prompt in einer schematischen dunklen Codex-Oberfläche mit Projektkontext und Eingabefeld, rechts ein gemockter Auszug aus einem Interviewleitfaden für Marathontraining. Vier Fragen zu konkreten vergangenen Situationen, Nutzung der Sportuhr, Anpassungen in der Marathonvorbereitung und bisherigem Kaufverhalten. Kein ausgeführter AI-Lauf und keine Interviewantworten. Bei Frage vier nach Anlass, Entscheidung und tatsächlicher Nutzung fragen, nicht bloß hypothetische Zahlungsbereitschaft erheben. Nachfragen mündlich ergänzen. Harness erklären: Problem, Zielgruppe, Hypothesen und bisherige Erkenntnisse als tatsächlich verfügbaren Projektkontext bereitstellen. Den Leitfaden im Sparring auf Neutralität und Hypothesenbezug prüfen. Die 30 Minuten sind eine Demo-Vorgabe.

3 · Interviews durchführen

Jamie

3 · Interviews durchführen

Jamie: Zusammenfassung

Eigenes Gesprächsbeispiel · zum Vergrößern klicken

3 · Interviews durchführen

Jamie: Transkript

Eigenes Gesprächsbeispiel · zum Vergrößern klicken

3 · Interviews durchführen

Transkriptionstools

Tool	Wann sinnvoll?	Mac	Windows	Transkript / AI-Zugriff
Google Meet	Im bestehenden Google-Workspace-Team	Browser	Browser	Drive / Docs Connector oder API
Zoom	Wenn eure Interviews in Zoom stattfinden	App	App	TXT / VTT MCP / Connector
Microsoft Teams	Im bestehenden Microsoft-365-Team	App	App	DOCX / VTT Microsoft Graph API
Jamie	Wechselnde Plattformen oder Interviews vor Ort	App macOS 14.4+	App	Transkript MCP ab Pro
Wispr Flow Notetaker	Botfreie Interviews mit AI-Auswertung	App macOS 13+	App Win 10/11¹	Transkript Meeting-MCP

Passende Pläne und Freigaben erforderlich · Stand: 13.10.2026

¹ Wispr auf Windows: x64, 16 GB RAM und 2 GB freier Speicher.

6:15–8:00. Alle fünf Tools sind auf Mac und Windows nutzbar. Einsatzempfehlungen aus Herstellerfunktionen abgeleitet, kein eigener Qualitätstest. Bei festem Meet-/Zoom-/Teams-Setup zuerst die native Transkription prüfen. Jamie oder Wispr für einen eigenen Bestand über mehrere Plattformen und für AI-Auswertung. Meet: geeignete Workspace-Edition; Dokument in Drive/Docs, AI-Zugriff über berechtigten Connector oder API. Zoom: Meeting transcripts benötigen Pro/Business/Enterprise und Freischaltung; TXT während des Meetings, VTT je nach Nachbereitungsweg. Offizieller Zoom-MCP-/Claude-Connector vorhanden, mit eigenen Lizenz-, Admin- und Inhaltsbedingungen; ein lokales TXT wird nicht automatisch dort auffindbar. Teams: Desktop-App auf Mac und Windows. Sinnvoll im bestehenden Microsoft-365-Team. Transkription benötigt passende Teams-Berechtigung und aktivierte Organisator-/Nutzerrichtlinien; bloße Live-Untertitel werden nicht gespeichert. Transkript enthält Sprecher und Zeitstempel. Organisatoren und Mitorganisatoren können standardmäßig DOCX/VTT herunterladen; externe Interviewgäste haben nicht automatisch Zugriff nach dem Meeting. Automatisierter Zugriff über Microsoft Graph mit Entra-Berechtigungen und Adminfreigaben. Copilot ist eine separate AI-Funktion mit eigenen Voraussetzungen, kein pauschaler Ersatz für Transkriptexport. Jamie: macOS 14.4+, Windows-App; MCP auf Pro/Team/Enterprise. Audio wird nach Verarbeitung gelöscht, für späteres Anhören gesonderte Aufnahme nötig. Wispr: ausdrücklich Notetaker, nicht Diktat. macOS 13+, Windows 10/11 x64 mit 16 GB RAM und 2 GB freiem Speicher; Windows ARM nicht unterstützt. Aktuelle MCP-Anleitung vom 11.10.2026 bestätigt Mac und Windows und hat Vorrang vor älterem Beta-Hinweis. MCP liest Meeting-Inhalte, keine Diktierhistorie; Kontofreigaben und Rechte beachten. Vollständige Recherche mit Primärquellen: recherche-transkriptionstools.md. Quellen: https://support.microsoft.com/en-us/teams/meetings/start-stop-and-download-live-transcripts-in-microsoft-teams-meetings ; https://learn.microsoft.com/en-us/microsoftteams/meeting-transcription-captions ; https://learn.microsoft.com/en-us/microsoftteams/teams-client-system-requirements ; https://learn.microsoft.com/en-us/microsoftteams/platform/graph-api/meeting-transcripts/overview-transcripts ; https://support.google.com/meet/answer/12849897?hl=en ; https://support.zoom.com/hc/en/article?id=zm_kb&sysparm_article=KB0085682 ; https://support.zoom.com/hc/en/article?id=zm_kb&sysparm_article=KB0085675 ; https://developers.zoom.us/docs/mcp/plug-ins-and-connectors/claude-connector/ ; https://docs.meetjamie.ai/getting-started/quickstart ; https://docs.meetjamie.ai/integrations/mcp ; https://docs.wisprflow.ai/articles/1036674442-Supported-devices-and-system-requirements ; https://docs.wisprflow.ai/articles/9551372685-connect-an-mcp-client-to-wispr-flow-remote-mcp-server .

4 · Synthese erstellen

Vom Transkript zur Einschätzung

Transkript

Interview-AufnahmeTranskript

interview-01.md · fiktives Beispiel

TTeilnehmerBeleg A

„Mit den Daten meiner Uhr bin ich zufrieden.“

TTeilnehmerBeleg B

„Ich weiß nur oft nicht, was ich damit beim nächsten Training anders machen soll.“

Prompt in Codex

Codexmarathon-projekt

interview-01.mdhypothesen.md

Prüfe unsere Hypothesen anhand der Transkripte.

Status: gestützt, widersprochen oder offen.

Begründe mit Fundstellen. Fehlen Belege, bleibt die Hypothese offen.

Hypothesen

Widersprochen · H1

Mit der Sportuhr unzufrieden.

A: Uhrdaten werden positiv bewertet.

Gestützt · H2

Werte schwer in Training übersetzen.

B: Konkrete Trainingsentscheidung fehlt.

Offen · H3

Für Empfehlungen bezahlen.

Keine Belege im Ausschnitt.

Aufnahme → Transkript → AI-Auswertung → Einschätzung am Original prüfen

8:00–11:00. Die Synthese jetzt chronologisch von links nach rechts erklären: Erst entsteht aus der Aufnahme ein Transkript. Anschließend werden Transkript und die vorher formulierten Hypothesen dem AI-Tool zugänglich gemacht. Links verdeutlichen eine stilisierte Audiospur, ein Mikrofon und Sprecherzeilen, dass die Quelle ein Interview-Transkript aus einer Aufnahme ist. In der Mitte steht der kurze Arbeitsauftrag als schematisches dunkles Codex-Fenster mit Projektkontext und Eingabefeld. Das ist eine Illustration, kein Screenshot einer konkreten Codex-Version und kein abspielbarer Audioplayer. Rechts folgen die Einschätzungen mit Bezug auf die Aussagen im Transkript. Die beiden hier gezeigten Aussagen A und B sind ausdrücklich fiktives Lehrmaterial, kein Transkript aus dem Kundenprojekt und keine Ausgabe eines ausgeführten AI-Laufs. A beschreibt Zufriedenheit mit den Uhrdaten und widerspricht damit H1. B beschreibt Schwierigkeiten, aus den Daten konkrete Trainingsentscheidungen abzuleiten, und stützt H2. Für H3, Zahlungsbereitschaft für Empfehlungen, enthält dieser Ausschnitt keine Belege; deshalb bleibt sie offen. Diese Demo-Einschätzungen gelten nur für das gezeigte Material. Ein einzelner Ausschnitt validiert keine Hypothese für die gesamte Zielgruppe. Im echten Projekt mehrere Interviews, Gegenbelege und den Kontext prüfen. Keine Quellen oder Zitate erfinden. Der folgende echte Board-Screenshot bleibt ein separates Projektbeispiel; die fiktiven Aussagen werden ihm nicht als Originalbelege zugeordnet. Die finalen Einschätzungen am ursprünglichen Material prüfen.

5 · Dem Kunden präsentieren

Hypothesen-Board

Hypothesen und Insights im gemeinsamen Board · anonymisierter Ausschnitt

11:00–13:30. An diesem Projektbeispiel erklären, wie sich Hypothesen, aktuelle Einschätzungen und neue Insights an einem Ort zeigen lassen. Die Oberfläche nennt die Zustände „Validiert“, „Widerlegt“ und „Offen“. Auf der Tonspur als gestützt, widersprochen und offen einordnen. „Validiert“ bezeichnet die aktuelle Einschätzung im Projekt und ist kein allgemeiner Beweis. Die vier Hypothesen und die daraus getrennt dargestellten Insights erläutern. Gegenbelege und Grenzen benennen. Die Verbindung zu Originalzitaten als Arbeitsweise erklären: Der anonymisierte Board-Ausschnitt zeigt keine geöffneten Quellen oder Zitate. Für eine Live-Demo die passende Originalquelle im Projekt vorher auswählen. Klick auf das Bild öffnet den anonymisierten Board-Ausschnitt. Die letzte Insight-Karte ist ausgeblendet. Keine fiktiven Zitate mit diesem Projektbeispiel verbinden und den Kunden nicht nennen.

Interviewprozess

Hypothesen
formulieren

Vorbereitung
und Akquise

Interviews
durchführen

Synthese
erstellen

Dem Kunden
präsentieren

Wie möchtest du weiterlernen?

Selbst lernen &
Knowledge Bites

Kostenlose Guides und Knowledge Bites: kurze Impulse, Aufzeichnungen und praktische Beispiele zum Lernen im eigenen Tempo.

Guides Knowledge Bites

Zweitägiger
offener Kurs

Baue dein eigenes Projekt mit AI. Zwei Tage Praxis, direktes Feedback und Austausch mit anderen Teilnehmenden.

Termine & Kurs

Inhouse-
Schulungen

Schulungen für euer Team an euren Anwendungsfällen. Zum Einstieg könnt ihr einen kostenlosen Inspiration Talk anfragen.

Formate ansehen Talk anfragen

Drei Lernwege anbieten: Autodidakten und Knowledge Bites gehören zusammen. Die erste Box führt zu kostenlosen Guides und kurzen Webinar-Impulsen mit Aufzeichnungen. Im offenen Kurs bauen die Teilnehmenden zwei Tage an ihrem eigenen Projekt und bekommen direktes Feedback. Für Unternehmen bieten wir Inhouse-Schulungen an eigenen Anwendungsfällen an; der kostenlose Inspiration Talk ist ein Einstieg und kann separat per E-Mail angefragt werden. Grundlage: die im Chat mitgeteilte Meeting-Entscheidung und Semihs Präzisierung auf drei Boxen mit Bild, Überschrift und Absatz am 05.10.2026. Die drei Bilder stammen unverändert aus den vorhandenen Website-Assets: intro-vibe-coding-thumbnail.jpg, workshop-bvw-ai-room-7499.webp, firmen-ai-sprint-hero.webp. Das erste Bild ist ein historischer Webinar-Mitschnitt. Die Angebotsmotive sind keine Zusage eines bestimmten Orts, Termins oder einer bestimmten Teilnehmergruppe. Quellen: https://www.buildwithvibe.io/vibe-coding-lernen, https://www.buildwithvibe.io/knowledge-bites, https://www.buildwithvibe.io/vibe-coding-workshop-berlin, https://www.buildwithvibe.io/vibe-coding-fuer-firmen. Keine unbestätigten Talk-Konditionen ergänzen. CTA-Angebotslinks am 13.10.2026 geprüft. Der kostenlose Inspiration Talk beruht auf der Nutzerfreigabe vom 05.10.2026, nicht auf einer gleichlautenden Zusage der aktuellen Firmen-Webseite. Als nächsten Versuch auf der Tonspur vorschlagen: Eine eigene Hypothese mit AI schärfen, ein Interview führen und die Einschätzung mit einem Originalbeleg dokumentieren. Danach zur Fragerunde wechseln.

Interviews undSynthese mit AI

Probleme bei Interviews und Auswertungen

Interviewprozess

1 · Hypothesen formulieren

1 · Hypothesen formulieren

Hypothesen

2 · Vorbereitung und Akquise

2 · Vorbereitung und Akquise

AI-Empfehlung

2 · Vorbereitung und Akquise

Interviewleitfaden

3 · Interviews durchführen

3 · Interviews durchführen

3 · Interviews durchführen

3 · Interviews durchführen

4 · Synthese erstellen

Transkript

Prompt in Codex

Hypothesen

5 · Dem Kunden präsentieren

Interviewprozess

Wie möchtest du weiterlernen?

Interviews und
Synthese mit AI