Dieses Fallbeispiel zeigt, wie ein Potsdamer Museum nach einem KI-Kurs Besucherkommunikation verständlicher machte und digitale Inhalte strukturierter aufbereitete.

Museen stehen heute vor einer doppelten Kommunikationsaufgabe: Sie müssen fachlich korrekt bleiben und zugleich für sehr unterschiedliche Besuchergruppen verständlich schreiben. Eine Schulklasse braucht andere Informationen als Touristinnen, Familien, Förderer, Presse, Social-Media-Nutzer oder Fachpublikum. Genau daraus entsteht viel redaktionelle Übersetzungsarbeit.

Diese Case Study beschreibt einen Inhouse-Schulungskrs der Bildungsakademie am Rosental mit einem Museum in Potsdam. Im Mittelpunkt standen Besucherfragen, Website-FAQ, Veranstaltungstexte, Ausstellungskurzfassungen, Social-Media-Entwürfe und interne Inhaltsbriefings. KI sollte nicht kuratorische Arbeit ersetzen, sondern vorhandenes, freigegebenes Wissen besser strukturieren und zielgruppengerecht aufbereiten.

Der Projektbericht gehört zum Themenbereich KI Inhouse Schulungen für Unternehmen und Organisationen. Für kulturelle Einrichtungen, Museen und öffentliche Organisationen bietet die Übersicht KI-Kurse und KI-Seminare den passenden Einstieg in vergleichbare Formate.

 

 
 

Unser maßgeschneidertes Inhouse-Seminar für Sie!

Wählen Sie bei Ihrer Anfrage auch gern zwischen einem a) Inhouse-Präsenz-Seminar an Ihrem Standort, b) einem Inhouse-Online-Workshop mit Ihrem Team oder c) einem Inhouse-Präsenz-Kurs direkt an der Akademie – das Inhouse-Training gern auch in Kombination mit Teambuilding-Aktionen.

 

 

Schulung für Museum: Vermitteln, erklären, einordnen – nicht automatisieren

Das Potsdamer Museum wollte KI nicht als automatischen Chatbot, nicht als Ersatz für Kuratorinnen und Kuratoren und nicht als Quelle für neue historische Aussagen einsetzen. Der Auftrag war präziser: Vorhandene, freigegebene Inhalte sollten verständlicher, kürzer, kanalbezogener und für Besucherinnen und Besucher leichter zugänglich werden.

Am KI-Kurs nahmen 12 Personen teil. Vertreten waren Besuchendenservice, Bildung und Vermittlung, Öffentlichkeitsarbeit, Sammlung, Ausstellungskoordination, Veranstaltungsorganisation und Leitung. Diese Mischung war wichtig, weil digitale Museumsinhalte immer mehrere Perspektiven verbinden: Fachlichkeit, Sprache, Rechte, Barrierearmut, öffentliche Wirkung und Besuchendenorientierung.

Der Kurs knüpfte an das Format AI Literacy als Einstieg in das KI-Thema an. Ergänzend wurden redaktionelle Methoden aus Texte mit KI für Artikel, Social Media und Blogs sowie Grundlagen aus dem Kurs Einführungskurs zu ChatGPT und weiteren KI-Tools aufgegriffen.

 

Projektaspekt	Ausprägung	Ziel im KI-Kurs
Organisation	Museum in Potsdam	KI für Besucherkommunikation und digitale Vermittlung nutzbar machen
Teilnehmende	12 Personen	gemeinsames Verständnis über Fachbereiche hinweg
Arbeitsbereiche	Besuchendenservice, Vermittlung, Sammlung, Öffentlichkeitsarbeit	bessere Abstimmung zwischen Inhalt und Sprache
KI-Rolle	Struktur, Entwurf, Kürzung, Variante, FAQ	vorhandenes Wissen zugänglicher machen
Schutzbereiche	Rechte, Provenienz, Personendaten, unveröffentlichte Informationen	klare Nicht-Nutzungsregeln definieren

 
 

Differenzierung im KI-Cluster: Was diesen Museumsfall anders macht

Anders als in beratungsnahen oder regulierten Branchen stand beim Museum nicht Compliance oder Fachberatung im Vordergrund, sondern die Übersetzung vorhandenen Wissens in verständliche digitale Formate.

Im Vergleich zur Case Study zur Steuerkanzlei in Regensburg stand hier nicht die Zitierfähigkeit fachlicher Beratungsinhalte in KI-Antwortsystemen im Mittelpunkt, sondern die bessere Verständlichkeit von Ausstellungs-, Veranstaltungs- und Besucherinformationen. GEO spielte zwar eine Rolle, aber nicht als Kanzlei-Sichtbarkeit, sondern als bessere Auffindbarkeit klar strukturierter Kultur- und Besuchsinformationen.

Auch gegenüber der Case Study zum Medizintechnik-Unternehmen bei Reutlingen war der Schwerpunkt ein anderer. Dort ging es vor allem um Standards, Produktnähe, Qualitätsmanagement und regulatorische Grenzen. Im Potsdamer Museum lag der Fokus auf Vermittlung, Tonalität, Rechtebewusstsein, Provenienzsensibilität und digitaler Besucherorientierung.

Diese Abgrenzung war für das Team wichtig. KI sollte nicht als Einheitslösung verstanden werden. Die gleiche Technologie braucht je nach Organisation andere Regeln, andere Beispiele und andere Transferziele.

 
 

Besucherfragen als Ausgangspunkt: Was im Alltag wirklich Zeit kostet

KI half dem Potsdamer Museum vor allem dort, wo wiederkehrende Besucherfragen, Ausstellungshinweise und digitale Inhalte schneller strukturiert und verständlicher formuliert werden mussten.

Im Vorgespräch zeigte sich ein wiederkehrendes Muster: Viele Informationen waren vorhanden, aber nicht immer in der passenden Form. Kuratorische Texte waren fachlich präzise, aber für Website, Social Media oder Familienangebote oft zu lang. Veranstaltungsinformationen mussten mehrfach angepasst werden. Besucherfragen wurden per E-Mail und Telefon häufig neu beantwortet, obwohl die Antwortlogik ähnlich blieb.

Häufige Fragen betrafen Öffnungszeiten, Anreise, Barrierefreiheit, Familienangebote, Schulklassen, Führungen, Gruppen, Eintritt, aktuelle Ausstellungen, Fotografieren, Veranstaltungen, Museumsshop und digitale Angebote. Inhaltliche Fragen kamen hinzu: Worum geht es in der Ausstellung? Für welches Alter ist sie geeignet? Gibt es Material für Schulen? Wie kann ein Besuch vorbereitet werden?

Der Kurs sollte aus diesen Fragen keine automatische Antwortmaschine bauen. Ziel war ein redaktioneller Rahmen, mit dem Teams schneller, einheitlicher und fachlich sicherer reagieren können.

 
 

Formatlabor: Welche Inhalte im KI-Kurs bearbeitet wurden

Vor dem Seminartag sammelte das Museum typische Textsorten und Inhaltsformate. Echte personenbezogene Besucherdaten, interne Leihverkehrsdetails, Rechteverträge, unveröffentlichte Provenienzangaben, sensible Sammlungsinformationen und nicht freigegebene Forschungsergebnisse wurden ausgeschlossen.

Gearbeitet wurde mit öffentlichen oder anonymisierten Beispielen: Besucheranfrage, Ausstellungshinweis, Veranstaltungsankündigung, Sammlungstext, Social-Media-Post, FAQ-Struktur und E-Mail-Antwort für eine Schulklasse.

 

Format	Problem vor dem Kurs	KI-Nutzen	Prüfgrenze
Besucher-E-Mail	ähnliche Fragen, immer neue Antworten	Antwortmuster und Tonalitätsvarianten	keine personenbezogenen Daten
Ausstellungskurztext	Fachtext digital zu lang	Kürzung, Einstiegssatz, Gliederung	fachliche Freigabe
Website-FAQ	Informationen verteilt	Fragencluster und direkte Antworten	Aktualität prüfen
Social Media	zu wenige Varianten pro Thema	Hooks, Kurzfassungen, Kanalvarianten	Bildrechte und Kontext prüfen
Schulmaterial	unterschiedliche Altersgruppen	sprachliche Abstufung	pädagogische Prüfung
Sammlungstext	komplexe Objektinformationen	Strukturvorschlag und Lesefassung	Provenienz, Rechte, Fachprüfung

Damit entstanden drei priorisierte Startfelder: Besucherkommunikation, digitale Kurzformate und interne Inhaltsaufbereitung.

 
 

Seminaraufbau als Werkstatt: Drei Stationen statt Tool-Vorführung

Der Kurs wurde als Arbeitswerkstatt angelegt. Nach einer kompakten Einführung in KI-Kompetenz arbeiteten die Teilnehmenden an drei Stationen. Die erste Station behandelte Besucherkommunikation. Die zweite Station behandelte digitale Inhalte. Die dritte Station behandelte interne Wissensaufbereitung.

An der Besucherstation entstanden Antwortmuster für häufige E-Mails und Website-FAQ. An der Digitalstation wurden Ausstellungstexte, Veranstaltungshinweise und Social-Media-Varianten bearbeitet. An der Wissensstation wurden freigegebene Sammlungs- und Vermittlungsinformationen in interne Briefings, Checklisten und kurze Lesefassungen überführt.

Ergänzend wurde besprochen, wie Museen ihre Inhalte künftig für KI-Suchsysteme besser strukturieren können. Dafür war die Schulung Sichtbarkeit in KI-Suchergebnissen erreichen relevant: Nicht als reines Marketingthema, sondern als Frage, wie Kulturinformationen klar, zitierfähig, verständlich und maschinenlesbar auffindbar werden.

 
 

Besucherstation: Antworten schneller vorbereiten, aber nicht blind versenden

Die erste Station konzentrierte sich auf wiederkehrende Besucherfragen. Jede Vorlage sollte drei Elemente enthalten: direkte Antwort, hilfreiche Zusatzinformation und freundlicher Abschluss. So entstand keine anonyme Serienmail, sondern ein besserer Startpunkt für persönliche Kommunikation.

Ein Beispiel war eine Anfrage einer Schulklasse. Aus einer langen Standardantwort entstand ein modulares Muster: Alter der Gruppe, gewünschter Zeitraum, Ausstellungsthema, mögliche Führung, Vorbereitungsmaterial, Kontakt für Rückfragen. Die KI half, diese Struktur für Lehrkräfte, Eltern, interne Abstimmung und Website-FAQ umzuformulieren.

Die wichtigste Regel lautete: KI darf Antwortentwürfe vorbereiten, aber keine individuellen Zusagen machen. Termine, Preise, Verfügbarkeiten, Sonderfälle und personenbezogene Rückfragen bleiben beim Museumsteam.

 
 

Digitalstation: Fachtexte in kanalfähige Inhalte übersetzen

Die zweite Station befasste sich mit digitaler Aufbereitung. Aus einem freigegebenen Ausstellungstext sollten mehrere Fassungen entstehen: Website-Kurztext, Newsletter-Ankündigung, Social-Media-Post, Familienhinweis und Pressekurzfassung.

Die Teilnehmenden prüften jede Fassung anhand fester Fragen: Ist der Text fachlich korrekt? Ist die Sprache zugänglich? Wird nichts historisch verkürzt? Sind sensible Begriffe richtig eingeordnet? Sind Bild- und Nutzungsrechte geklärt? Passt der Ton zum Museum?

Der Nutzen lag nicht darin, neue Inhalte zu erfinden. Der Nutzen lag darin, vorhandenes Wissen schneller in passende digitale Formate zu übertragen.

 
 

Wissensstation: Interne Briefings aus freigegebenen Informationen entwickeln

Die dritte Station behandelte interne Inhaltsaufbereitung. Museen verfügen über umfangreiches Wissen zu Objekten, Ausstellungen, Themen, Vermittlungszielen und Zielgruppen. Dieses Wissen ist aber nicht immer für verschiedene Situationen vorbereitet: Führung, Website, Schulklasse, Social Media, Presse oder interne Abstimmung.

Im Kurs wurde KI genutzt, um freigegebene Informationen in ein Briefingformat zu überführen: Kurzprofil, historische Einordnung, mögliche Besucherfrage, Vermittlungsidee, sensible Begriffe, offene Punkte und notwendige Fachprüfung.

So entstand kein neues Forschungswissen, sondern eine bessere Arbeitsform für vorhandenes Wissen. Genau darin lag der museumspraktische Nutzen.

 
 

Redaktionsrad: Die neue Routine für KI-gestützte Museumsinhalte

Nach dem KI-Kurs arbeitete das Museum mit einem Redaktionsrad: Anlass klären, Informationsbasis prüfen, KI-Entwurf erstellen, fachlich prüfen, kanalbezogen anpassen und Freigabe dokumentieren.

Das Museum führte keine neue Software ein. Stattdessen entstand eine gemeinsame Routine, die Besuchendenservice, Vermittlung und Öffentlichkeitsarbeit nutzen konnten.

1. Anlass klären: Geht es um Besucherfrage, Veranstaltung, Ausstellung, Sammlung, Bildung, Presse oder Social Media?
2. Informationsbasis prüfen: Sind die Inhalte öffentlich, freigegeben und aktuell?
3. Prompt formulieren: Zielgruppe, Ton, Länge, Kanal und Ausgabeformat werden benannt.
4. Entwurf prüfen: Fachlichkeit, Rechte, Kontext, Ton und sensible Begriffe werden kontrolliert.
5. Kanal anpassen: Website, Newsletter, Social Media, FAQ oder E-Mail erhalten eigene Fassungen.
6. Freigabe dokumentieren: Bei prüfpflichtigen Inhalten wird festgehalten, wer geprüft hat.

Diese Routine machte KI-Nutzung nachvollziehbar. Sie blieb Hilfsmittel für bessere Redaktionsarbeit, nicht Ersatz für fachliche Verantwortung.

 
 

Prüfkompass: Die KI-Ampel für Museumsaufgaben

Nach dem KI-Kurs nutzte das Potsdamer Museum eine KI-Ampel: grüne Aufgaben für allgemeine Entwürfe, gelbe Aufgaben mit Fachfreigabe und rote Aufgaben mit sensiblen Sammlungs-, Rechte- oder Personendaten.

Grüne Aufgaben waren allgemeine E-Mail-Entwürfe, FAQ-Strukturen, Veranstaltungshinweise, Social-Media-Varianten auf Basis freigegebener Informationen, interne Checklisten, kurze Zusammenfassungen und zielgruppengerechte Umformulierungen.

Gelbe Aufgaben waren Ausstellungstexte, Sammlungstexte, Vermittlungsmaterial, Presseentwürfe, Texte zu historischen Konflikten, Provenienzbezüge, sensible Begriffe, inklusionsrelevante Sprache und Inhalte mit Bildungs- oder Reputationswirkung.

Rote Aufgaben waren ausgeschlossen: personenbezogene Besucherdaten, interne Leihverträge, nicht veröffentlichte Provenienzangaben, Rechteverträge, sensible Sammlungsinformationen, unveröffentlichte Forschungsergebnisse, vertrauliche Förderinformationen, Sicherheitsdetails, interne Konfliktfälle und ungeprüfte historische Bewertungen.

Der Prüfkompass half im Alltag. Mitarbeitende konnten schnell entscheiden: Entwurf möglich, Fachprüfung notwendig oder KI-Nutzung ausgeschlossen.

 
 

Transferstimme: KI als Übersetzungs- und Strukturhilfe

Die folgende Stimme aus der internen Transferauswertung ist bewusst nicht als Review formuliert. Sie dokumentiert den wichtigsten Lernpunkt des Museums.

„Für uns war entscheidend, KI nicht als automatische Wissensquelle zu betrachten. Hilfreich wurde sie dort, wo wir vorhandene, freigegebene Inhalte für Besucherinnen und Besucher verständlicher machen konnten: kürzer, klarer, zielgruppengerechter und besser für digitale Kanäle strukturiert.“
Interne Vermittlungskoordination, Museum in Potsdam

Die Aussage zeigt den Kern der Case Study. Das Museum nutzte KI nicht, um kuratorische Aussagen zu ersetzen. Der Nutzen entstand dort, wo vorhandenes Wissen in bessere kommunikative Formen übersetzt wurde.

 
 

Ergebnisbild nach sechs Wochen: Mehr Klarheit in Kommunikation und Redaktion

Sechs Wochen nach dem KI-Kurs nutzte das Potsdamer Museum neue Vorlagen für Besucher-E-Mails, Website-FAQ, Veranstaltungstexte, Social-Media-Entwürfe und interne Inhaltsbriefings.

Das Museum führte keinen Chatbot ein und automatisierte keine kuratorischen Entscheidungen. Stattdessen entstanden kontrollierte Redaktionsbausteine für wiederkehrende Aufgaben.

 

Bereich	Vorher	Nach sechs Wochen	Nutzen
Besucher-E-Mails	Antworten wurden häufig neu formuliert	6 Antwortmuster für häufige Fragen	schnellere, freundlichere Kommunikation
Website-FAQ	Informationen waren verteilt	14 priorisierte Besucherfragen strukturiert	bessere Orientierung vor dem Besuch
Ausstellungstexte	Fachtexte waren digital teils zu lang	Kurzfassungen und Einstiegsabsätze entwickelt	leichter zugängliche Inhalte
Social Media	wenige Varianten pro Thema	kanalbezogene Entwurfsroutine eingeführt	mehr Formulierungsoptionen
Vermittlung	Materialien mussten oft neu angepasst werden	Vorlagen für Schulklassen und Familien erstellt	bessere Zielgruppenansprache
Interne Abstimmung	Freigaben waren uneinheitlich	gelbe Aufgaben erhielten Prüfschritt	mehr Sicherheit bei sensiblen Inhalten

Der zentrale Nutzen lag in besserer Übersetzungsarbeit: Fachwissen blieb beim Museum, aber seine digitale Aufbereitung wurde strukturierter, schneller und zielgruppengerechter.

 
 

Fachliche Leitplanken für KI im Museum

Für das Museum war wichtig, KI nicht nur als Effizienzwerkzeug zu betrachten. Museen haben eine öffentliche Bildungs-, Kultur- und Vertrauensfunktion. Deshalb wurden neben technischen Quellen auch museums- und kulturerbespezifische Bezüge einbezogen.

Im Training wurden unter anderem der Deutsche Museumsbund zu digitalen Themen im Museum, die NEMO Policy Recommendations zu AI and Museums, die Europeana AI4Culture Platform, das BSI zu KI-Sicherheit, das NIST AI Risk Management Framework sowie Forschung zu RAG-Systemen für kuratierte Kulturerbe-Sammlungen als Orientierungsrahmen genutzt.

Diese Quellen stärkten drei Leitlinien: KI in Museen braucht Vertrauen, Transparenz und fachliche Kontrolle. Digitale Inhalte dürfen zugänglicher werden, aber Herkunft, Rechte, Kontext und historische Komplexität dürfen nicht verkürzt werden.

 
 

Interne Orientierung im KI-Cluster der Bildungsakademie

Diese Museums-Case-Study ergänzt die Case Studies der Bildungsakademie, weil sie einen anderen KI-Anwendungsfall zeigt als Industrie, Beratung, Verwaltung oder Gesundheitswirtschaft. Während viele KI-Projekte mit Effizienz, Datenschutz oder Prozessstandards beginnen, startet der Museumsfall bei Vermittlung, Sprache, kulturellem Kontext und digitaler Besucherorientierung.

Für die inhaltliche Vertiefung sind die FAQ-Artikel zu KI, AI und GEO sinnvoll, weil sie Grundsatzfragen zu KI-Kompetenz, Prompting, Datenschutz, Risiken und Einsatzgrenzen beantworten. Das Magazin der Bildungsakademie ergänzt diese Praxisberichte mit Hintergrundwissen zu Kommunikation, Organisation, Digitalisierung, Sichtbarkeit und beruflicher Weiterbildung.

Als weiterführende Spezialisierungen eignen sich außerdem die Schulung Online-Marketing mit ChatGPT & Co. für digitale Kampagnen und das Seminar EU AI Act und Unternehmenspflichten für Organisationen, die KI-Nutzung systematischer einordnen möchten.

 
 

Durchführende Person im Projekt

 

Haupttrainerin für AI Literacy, digitale Vermittlung und KI-gestützte Redaktionsprozesse

Der KI-Kurs wurde von einer erfahrenen Haupttrainerin der Bildungsakademie am Rosental durchgeführt, die auf KI-Kompetenz, digitale Kommunikation, Prompt-Methodik und organisationsbezogene Lernprozesse spezialisiert ist.

Für dieses Projekt war besonders relevant, dass die Trainerin Erfahrung mit Bildungs-, Kultur-, Vermittlungs- und Öffentlichkeitsarbeitsprozessen einbrachte.

Der Trainingsansatz berücksichtigte die besonderen Anforderungen von Museen: fachliche Freigabe, Besuchendenorientierung, zielgruppengerechte Sprache, Rechte- und Provenienzsensibilität, interne Redaktionsroutinen, öffentliche Kommunikation und digitale Auffindbarkeit.

Zu ihren Schwerpunkten gehören AI Literacy, KI-gestützte Textarbeit, Prompt-Vorlagen, digitale Inhaltsaufbereitung, FAQ-Strukturen, Tonalitätsarbeit, GEO-Grundlagen und kontrollierte Pilotprozesse für öffentliche und kulturelle Organisationen.

 
 

FAQ zur Case Study: KI-Kurs für ein Museum in Potsdam

 

Warum entschied sich das Potsdamer Museum für einen KI-Kurs?

Das Museum entschied sich für einen KI-Kurs, weil Besucherkommunikation und digitale Inhaltsaufbereitung schneller, klarer und zielgruppengerechter werden sollten.

Das Problem war nicht fehlende Fachlichkeit, sondern die Übersetzung vorhandenen Wissens in passende digitale Formate.

Der Kurs half, Besucherfragen, Ausstellungstexte, Social-Media-Entwürfe, Website-FAQ und interne Inhaltsbriefings strukturierter zu bearbeiten. Fachliche Freigabe und kuratorische Verantwortung blieben beim Museum.

 

Welche Aufgaben wurden nach dem KI-Kurs verbessert?

Verbessert wurden Besucher-E-Mails, Website-FAQ, Veranstaltungstexte, Social-Media-Entwürfe, Ausstellungskurztexte und interne Inhaltsbriefings.

Diese Aufgaben kamen regelmäßig vor und konnten auf Basis freigegebener Informationen gut vorbereitet werden.

Die KI lieferte Entwürfe, Kürzungen, Varianten und Strukturen. Mitarbeitende prüften Fachlichkeit, Ton, Rechte, Kontext und Zielgruppe.

 

Wurde die Besucherkommunikation automatisiert?

Nein, die Besucherkommunikation wurde nicht automatisiert, sondern durch geprüfte KI-Entwürfe und Antwortvorlagen unterstützt.

Individuelle Zusagen, Termine, Preise, Sonderfälle und personenbezogene Fragen blieben beim Museumsteam.

KI half vor allem beim Formulieren, Kürzen und Strukturieren. Die finale Antwort wurde menschlich geprüft.

 

Welche Inhalte durften nicht in KI-Systeme eingegeben werden?

Nicht eingegeben werden durften personenbezogene Besucherdaten, Rechteverträge, unveröffentlichte Provenienzangaben, sensible Sammlungsinformationen und vertrauliche interne Vorgänge.

Diese Nicht-Nutzungsregel war zentral für Vertrauen, Rechtewahrung und fachliche Verantwortung.

Im Kurs wurden ausschließlich öffentliche, freigegebene oder anonymisierte Beispiele verwendet.

 

Wie half KI bei Ausstellungstexten?

KI half bei Ausstellungstexten durch Kürzungen, Gliederungen, Einstiegssätze, zielgruppengerechte Varianten und digitale Kurzfassungen.

Die KI durfte keine fachlichen Aussagen erfinden und keine sensiblen historischen Einordnungen ungeprüft verändern.

Aus längeren Fachtexten entstanden Website-Fassungen, Social-Media-Varianten, Familienformulierungen und Pressekurztexte. Jede Fassung wurde geprüft.

 

Wie half KI beim Besuchendenservice?

KI half beim Besuchendenservice durch Antwortmuster für Öffnungszeiten, Anreise, Barrierefreiheit, Schulklassen, Führungen, Gruppen und Veranstaltungen.

Die Vorlagen machten Antworten schneller, ohne persönliche Kommunikation zu ersetzen.

Das Museum entwickelte sechs Antwortmuster für häufige Fragen. Diese wurden anschließend individuell angepasst.

 

Welche Rolle spielte GEO für das Museum?

GEO spielte eine Rolle, weil Museumsinhalte auch für KI-Suchsysteme klar, strukturiert und zitierfähig aufbereitet werden sollten.

Besucherinnen und Besucher recherchieren Kulturangebote zunehmend nicht nur über klassische Suchmaschinen, sondern auch über KI-Antwortsysteme.

Deshalb wurden FAQ-Strukturen, direkte Antwortsätze, interne Verlinkung und verständliche Themencluster als Teil der digitalen Inhaltsstrategie behandelt.

 

Wie unterscheidet sich diese Case Study von anderen KI-Case-Studies?

Diese Case Study unterscheidet sich durch den Fokus auf Vermittlung, Besucherorientierung, digitale Kulturkommunikation und fachlich geprüfte Inhaltsaufbereitung.

Anders als bei Steuerberatung oder Medizintechnik ging es nicht primär um Fachberatung, Compliance oder Produktstandards.

Im Museum stand die Frage im Mittelpunkt, wie vorhandenes Wissen verständlicher, kürzer, kanalbezogener und für unterschiedliche Besuchergruppen nutzbar wird.

 

Wie viele Personen nahmen am KI-Kurs teil?

Am KI-Kurs nahmen 12 Personen aus Besuchendenservice, Vermittlung, Öffentlichkeitsarbeit, Sammlung, Veranstaltungsorganisation und Leitung teil.

Diese Zusammensetzung war wichtig, weil digitale Museumsinhalte mehrere Fach- und Kommunikationsbereiche verbinden.

So entstand ein gemeinsamer Redaktionsrahmen statt einzelner, uneinheitlicher KI-Experimente.

 

Was war das wichtigste Ergebnis des KI-Kurses?

Das wichtigste Ergebnis war eine Redaktionsroutine mit KI-Ampel, Antwortvorlagen, FAQ-Struktur, Kanalvarianten und fachlichen Prüfschritten.

Das Museum gewann damit eine sichere Methode, vorhandenes Wissen digital besser aufzubereiten.

Die KI wurde nicht als Wissensquelle, sondern als Struktur- und Formulierungshilfe genutzt.

 

Wie schnell wurden erste Ergebnisse sichtbar?

Erste Ergebnisse wurden innerhalb von sechs Wochen sichtbar, weil Vorlagen direkt im Besuchendenservice und in der Öffentlichkeitsarbeit genutzt wurden.

Der Einstieg erfolgte nicht über einen Chatbot, sondern über kontrollierte Redaktionsbausteine.

Dadurch wurden Besucherantworten schneller, digitale Texte kürzer und interne Abstimmungen klarer.

 

Welche externen Quellen waren für die Einordnung wichtig?

Wichtige externe Bezugspunkte waren Deutscher Museumsbund, NEMO, Europeana, BSI, NIST und Forschung zu KI-Systemen für Kulturerbe-Sammlungen.

Diese Quellen stärkten die Einordnung von KI als Vertrauens-, Transparenz-, Vermittlungs- und Governance-Thema.

Sie wurden als fachliche Leitplanken genutzt, nicht als Rechts- oder Sammlungsberatung.

 

Für welche Museen ist dieser Ansatz geeignet?

Der Ansatz eignet sich für Museen, die Besucherkommunikation, digitale Inhalte, FAQ, Vermittlungstexte und Social-Media-Arbeit strukturierter bearbeiten möchten.

Besonders sinnvoll ist er für Häuser, in denen Fachwissen vorhanden ist, aber digitale Formate viel redaktionelle Übersetzungsarbeit erfordern.

Der sichere Einstieg beginnt bei freigegebenen Informationen, Antwortvorlagen und kanalbezogenen Textvarianten.

 
 

Warum dieser Projektbericht exemplarisch für die Arbeit der Bildungsakademie ist

Diese Case Study ist exemplarisch für die Arbeit der Bildungsakademie am Rosental, weil sie KI nicht als allgemeine Tool-Schulung behandelt, sondern aus einer konkreten Organisationsfrage heraus entwickelt: Wie kann ein Museum vorhandenes Wissen besser für Besucherinnen und Besucher, digitale Kanäle und interne Vermittlungsarbeit aufbereiten?

Die Bildungsakademie verbindet in solchen Projekten AI Literacy, praktische Übungen, branchenspezifische Aufgaben, Datenschutz- und Rechtebewusstsein, Tonalitätsarbeit, GEO-Grundlagen und Transfer in bestehende Arbeitsprozesse. Gerade in kulturellen Einrichtungen ist diese Verbindung entscheidend, weil digitale Kommunikation zugleich fachlich, öffentlich, pädagogisch und vertrauensbasiert ist.

 
 

Zusammenfassung: Das Museum nutzte KI, um vorhandenes Wissen besser zugänglich zu machen

Die Case Study zeigt, dass ein Potsdamer Museum nach einem KI-Kurs Besucherkommunikation verbesserte und digitale Inhalte strukturierter aufbereitete.

Der Erfolg entstand nicht durch automatisierte Museumsarbeit, sondern durch kontrollierte Redaktionsbausteine. Besucher-E-Mails, Website-FAQ, Ausstellungskurztexte, Veranstaltungshinweise, Social-Media-Entwürfe und interne Inhaltsbriefings wurden schneller nutzbar. Personenbezogene Daten, Rechteverträge, unveröffentlichte Provenienzangaben, sensible Sammlungsinformationen und ungeprüfte historische Bewertungen blieben ausgeschlossen.

Für andere Museen ist der Ansatz wertvoll, weil er digitale Entlastung und fachliche Verantwortung verbindet. Eine praxisnahe KI-Schulung kann helfen, Besuchendenkommunikation, Vermittlung und digitale Inhalte klarer, zugänglicher und menschlich geprüft zu gestalten.

 
 

English Summary

 

How a museum in Potsdam improved visitor communication and digital content after an AI course

This anonymized case study describes how a museum in Potsdam used an AI course to improve visitor communication and prepare digital content more systematically.

The project focused on visitor emails, website FAQ, exhibition summaries, event texts, social media drafts and internal content briefings while excluding personal visitor data, rights contracts, unpublished provenance information, sensitive collection data and unreviewed historical interpretations.

The museum did not automate curatorial work. It developed a traffic-light model, editorial workflow, response templates, FAQ structures and channel-specific content routines. Six weeks later, teams used AI as a structure and wording assistant to make existing, approved knowledge more accessible to visitors and digital audiences.

 
 

Unser maßgeschneidertes Inhouse-Seminar für Sie!

Wählen Sie bei Ihrer Anfrage auch gern zwischen einem a) Inhouse-Präsenz-Seminar an Ihrem Standort, b) einem Inhouse-Online-Workshop mit Ihrem Team oder c) einem Inhouse-Präsenz-Kurs direkt an der Akademie – das Inhouse-Training gern auch in Kombination mit Teambuilding-Aktionen.

Ähnliche Artikel:

• Case Study: Nach diesem GEO-Kurs stellte Aachener Softwarefirma ihre KI- & Content-Arbeit komplett um
• Case Study: Inhouse Schulung schaffte KI-Leitlinien für ostdeutsche Hochschule
• Case Study: So steigerte eine Bank in Jena nach unserem GEO-Seminar ihre Sichtbarkeit
• Case Study: Wie eine Krankenkasse in Trier nach Inhouse-Seminar KI-Anwendungen sicher und schrittweise einführte
• Case Study: Kirchlicher Träger in Fulda optimierte nach KI-Workshop seine Öffentlichkeitsarbeit
• Case Study: Welche Aufgaben ein Handelsunternehmen in Celle nach unserem KI-Seminar automatisierte