Ich nutze Claude seit etwa einem Jahr täglich. Nicht als Spielzeug, nicht als Rechtschreib-Assistent. Als Arbeitspartner für zwei sehr unterschiedliche Kontexte: meinen Job als BGM-Referent bei einem ÖPNV-Unternehmen mit rund 3.000 Mitarbeitenden – und die Entwicklung eigener Health-Tech-Produkte nebenbei.
Über den Autor: Sven Springer ist Sport- und Gesundheitswissenschaftler (M.Sc.) mit 12+ Jahren Praxiserfahrung in BGM, Personal Training und Ernährungscoaching. Er baut Health-Tech-Tools mit KI – aus echter Praxis, nicht aus dem Labor.
Dieser Artikel zeigt, wie mein Setup konkret aussieht. Was ich täglich mache, welche Arbeitsweisen bei mir funktionieren, und wo die Grenzen liegen, die ich gelernt habe zu respektieren.
Zwei Kontexte, ein Werkzeug
Als BGM-Referent habe ich täglich mit Dokumenten, Konzepten, Datenauswertungen und Kommunikationsaufgaben zu tun. Kein Softwareentwickler im klassischen Sinn – aber jemand, der regelmäßig strukturierte Dokumente schreibt, Analysen baut und Konzepte durch mehrere Stakeholder-Schleifen bringen muss.
Parallel dazu entwickle ich mit Cursor und der Claude API eigene Health-Tech-Anwendungen. Mein aktuelles Projekt ist ein Trainingsplan-Generator für ambitionierte Läufer, der auf Daniels VDOT und Riegel-Formeln aufbaut. Andras Ng hat den Begriff „AI-native Software Development" geprägt – gemeint ist damit das Bauen von Anwendungen, bei dem AI nicht Hilfsmittel ist, sondern Kernbestandteil des Entwicklungsprozesses. So würde ich meine Arbeitsweise beschreiben.
Diese Doppelrolle formt, wie ich Claude nutze. Ich brauche ein Werkzeug, das sowohl im wissenschaftlich-analytischen Kontext als auch im technischen Kontext funktioniert – und das ich in verschiedene Systeme einbinden kann.
Das Setup
Modell: Ich nutze nicht ein festes Modell, sondern wähle je nach Aufgabe. Claude Sonnet für schnelle, iterative Arbeit im Alltag. Opus für komplexe Analysen, längere Dokumente oder Aufgaben, bei denen Tiefe wichtiger ist als Geschwindigkeit. Das Modell ist ein Parameter, kein Standard.
Interfaces: Direkt über claude.ai für explorative Arbeit, über die API für alles, was in einem System läuft. Mein Content-Workflow – von der Themenrecherche über LinkedIn-Posts bis zu Blog-Artikeln wie diesem – läuft über eine selbst gebaute Content Engine, die Claude API, Supabase und Next.js verbindet.
Notion als Kontext-Speicher: Ich schreibe für jedes größere Thema ein Kontext-Dokument in Notion, das ich zu Beginn jedes relevanten Chats lade. Das klingt aufwendig, ist es aber nicht – einmal geschrieben, aktualisiert man es nur, wenn sich etwas grundsätzlich ändert. Claude hat keine persistente Erinnerung an frühere Gespräche. Wer das ignoriert, läuft regelmäßig in Inkonsistenzen.
Cursor für Code: Für alles, was Code-Arbeit bedeutet, nutze ich Cursor mit Claude als Engine. claude.ai und Cursor ergänzen sich: claude.ai für konzeptionelle Arbeit, Cursor für die Implementierung.
Datenschutz – der Teil, den die meisten überspringen
Bevor ich zu den Workflows komme, ein Punkt, der mir wichtig ist: Claude ist kein internes System meines Arbeitgebers. Alles, was ich dort eingebe, verlässt die Organisation.
Das bedeutet für mich zwei Grundregeln. Erstens: Keine personenbezogenen Daten. Keine Namen von Mitarbeitenden, keine Fallbeschreibungen, die einer Person zugeordnet werden könnten, keine internen Kennzahlen mit direktem Personenbezug. Zweitens: Keine eindeutige Zuordnung zum Arbeitgeber. Ich arbeite mit abstrahierten Beschreibungen – „ein Unternehmen mit ca. 3.000 Mitarbeitenden im ÖPNV-Bereich" statt dem konkreten Namen.
Das schränkt die Nutzung kaum ein. Strukturarbeit, Formulierungen, Konzeptlogik, wissenschaftliche Einordnung – das alles funktioniert ohne sensible Daten. Wer im HR- oder BGM-Kontext arbeitet und Claude nutzt, sollte sich diese Grenze einmal bewusst setzen, bevor man anfängt.
Konkrete Workflows
BGM-Konzepte und Dokumentation
Der größte Hebel im BGM-Alltag ist nicht die Automatisierung – sondern die Beschleunigung von Strukturarbeit. Konzeptseiten, die ich früher in drei Stunden gebaut habe, entstehen jetzt in 45 Minuten. Das liegt daran, dass ich Claude nicht frage „Schreib mir ein BGM-Konzept", sondern mit ihm arbeite wie mit einem erfahrenen Kollegen, dem ich einen Kontext gebe und dann in Schleifen arbeite.
Ein Beispiel: Ich habe ein Konzept für ein MHFA-Follow-up-Programm entwickelt – für die rund 50 Mitarbeitenden, die eine Mental Health First Aid-Ausbildung abgeschlossen haben. Erste Iteration: roher Entwurf über mündliche Beschreibung. Zweite Iteration: Feedback auf konkrete Formulierungen. Dritte Iteration: Überprüfung gegen Betriebsrat-Anforderungen. Claude hat nicht das Konzept gebaut – ich habe es gebaut, mit Claude als kritischem Spiegel und Formulierungs-Helfer.
Wissenschaftliche Recherche und Einordnung
Als Sport- und Gesundheitswissenschaftler (M.Sc.) arbeite ich regelmäßig mit Studien. Claude ist dabei nützlich für Strukturierung, Zusammenfassung und Einordnung – nicht als Primärquelle. Ich nutze ihn, um schnell durch Abstracts zu navigieren, widersprüchliche Studienlagen einzuordnen und Transferfragen zu formulieren: Was bedeutet diese Metaanalyse für ein Unternehmen mit 3.000 Schichtarbeitenden?
Dabei gilt für mich eine Grundregel: Claude halluziniert bei Studien-Details systematisch, wenn er keine Quelle hat. Ich lasse mir keine Studien generieren, ich lasse mir Studien einordnen, die ich selbst gefunden habe.
Eigene Anwendungen bauen
Das ist der Teil, der mich am meisten überrascht hat. Ich bin kein Softwareentwickler. Ich habe angefangen, eigene Anwendungen zu bauen – weil Claude und Cursor es möglich machen, in kleinen Schritten zu arbeiten, jeden Schritt zu verstehen, und Fehler zu debuggen, ohne Stack-Overflow-Marathon.
Mein Stack: Next.js 15, Supabase (Frankfurt-Region), Vercel, TanStack Query, Brevo für Newsletter. Die svenspringer.com läuft komplett darauf, ist öffentlich und mit MDX-Blog. Der Trainingsplan-Generator ist im Bau.
Was ich gelernt habe: „Jeden Schritt verifizieren" ist keine Vorsichtsmaßnahme, sondern das eigentliche Arbeitsprinzip. Ich lasse Claude nie mehr als eine Funktion auf einmal implementieren. Bei jedem Schritt lasse ich ihn erklären, was er gemacht hat – nicht weil ich kontrolliere, sondern weil ich verstehen muss, was im System passiert.
Was nicht funktioniert
Lange Aufgaben ohne Zwischenschritte. „Bau mir das gesamte Authentifizierungssystem" führt zu Code, den ich nicht vollständig nachvollziehen kann und der bei der nächsten Iteration in Widerspruch gerät. Zehn kleine Schritte schlagen einen großen.
Prompts ohne Kontext-Injektion. Claude weiß nicht, in welchem organisationalen Umfeld ich arbeite, was meine Kernzielgruppe ist, oder welche Anforderungen mein Betriebsrat an Konzepte stellt. Das muss ich jedes Mal einbringen – oder über Notion-MCP automatisieren.
Fakten-Checks ohne Primärquellen. Claude ist kein Faktenchecker. Er kann plausibel klingende Dinge sagen, die falsch sind. Bei Zahlen, Studien und rechtlichen Details gehe ich immer zur Primärquelle.
Das Verhältnis zur eigenen Expertise
Es gibt eine Frage, die ich immer wieder höre: Wird die eigene Fachkompetenz durch AI-Nutzung entwertet?
Meine Erfahrung nach einem Jahr: Meine 12+ Jahre Praxiserfahrung über BGM, Personal Training, Ernährungscoaching und Sporttherapie sind der Grund, warum ich Claude sinnvoll nutzen kann. Ich erkenne, wenn eine Zusammenfassung fachlich schief liegt. Ich weiß, welche Fragen ich stellen muss. Ich kann einordnen, was plausibel ist und was nicht.
Mehr davon? Der Health Strategies Newsletter erscheint monatlich – Health-Tech & AI aus echter Praxis, kein Hype.