Das KI-Dilemma im Team: Warum digitaler Wildwuchs – Deinen Erfolg blockiert

Das KI-Dilemma im Team bezeichnet die paradoxe Situation, dass Teams gleichzeitig zu viel und zu wenig KI nutzen: Jeder prompt irgendwie für sich, mit privaten Accounts und ohne gemeinsame Systematik – während
die Organisation als Ganzes kaum profitiert. Das Ergebnis ist digitaler Wildwuchs: mehr Tools, mehr Abos, mehr Risiken, aber keine skalierbare Produktivität.

Noch nie war die Technik so leistungsfähig. Und selten war die Diskrepanz zwischen individueller Begeisterung
und organisationalem Nutzen so groß. In meiner Beratungspraxis sehe ich dasselbe Muster in fast jedem Marketing-Team: Ein paar Mitarbeitende ziehen mit ChatGPT, Claude oder Midjourney los und erzielen
beeindruckende Einzelergebnisse. Andere warten ab. Dazwischen: keine Regeln, keine gemeinsame
Wissensbasis, keine Prozesse. Und die Geschäftsführung wundert sich, warum trotz KI-Euphorie die
Produktivität nicht wirklich steigt.

In diesem Artikel zeige ich Dir die drei strukturellen Probleme, die fast jedes Team aktuell bremsen – und warum
die üblichen Lösungsansätze daran scheitern. Am Ende skizziere ich den Weg, der tatsächlich funktioniert.

Was ich mit „digitalem Wildwuchs“ meine

Digitaler Wildwuchs ist der unkontrollierte und unkoordinierte Einsatz von KI-Tools in Teams, bei dem jede
Person eigene Werkzeuge, Accounts und Arbeitsweisen nutzt – ohne gemeinsame Wissensbasis, ohne
dokumentierte Prozesse und ohne verbindliche Regeln. Wildwuchs entsteht nicht, weil Teams zu wenig KI
nutzen. Er entsteht, weil sie ohne Struktur nutzen.

Die Abgrenzung ist wichtig: Nicht jeder Tool-Einsatz ist problematisch. Wenn drei Leute im Marketing ChatGPT für unterschiedliche Aufgaben nutzen, ist das erstmal kein Drama. Kritisch wird es dort, wo die Organisation nicht weiß, was läuft. Wo Wissen nicht geteilt wird. Wo jeder Prompt ein Einzelschicksal ist. Und wo Kundendaten unkontrolliert durch Tools wandern, die niemand vertraglich abgesichert hat.

Warum das Problem gerade jetzt eskaliert? Die Einstiegshürde für KI-Tools liegt bei null. Jeder kann, also macht
jeder. Gleichzeitig hinken Unternehmen mit offiziellen KI-Strategien deutlich hinterher. In dieser Lücke zwischen „die Technik ist schon da“ und „wir haben dafür noch keinen Rahmen“ entsteht der Wildwuchs – fast
zwangsläufig.

Meine These: Das Problem ist nicht die KI. Das Problem ist die Organisation drumherum. Wer KI im Team
erfolgreich einsetzen will, löst keine Tool-Frage, sondern eine Strukturfrage.

Problem 1 – Schatten-KI: Das Compliance-Risiko, das niemand sehen
will

Schatten-KI bezeichnet den Einsatz von KI-Tools, die außerhalb offizieller IT- und Compliance-Strukturen genutztwerden – meist mit privaten Accounts, ohne Freigabe durch das Unternehmen und ohne Kenntnis der
Geschäftsführung.

Zu Beginn meiner Seminare frage ich bei den Teilnehmenden immer ab, wie sie aktuell KI im geschäftlichen
Umfeld nutzen. Das Bild ist relativ klar: Jeder promptet für sich. Jeder hat sein eigenes Tool, teilweise privat,
teilweise kostenlos. Das ist keine Ausnahme, das ist der Normalzustand – quer durch Branchen, quer durch
Teamgrößen. Und genau dieser Normalzustand ist das Problem.

Die Zahlen bestätigen dieses Bild. Laut einer repräsentativen Bitkom-Befragung von 604 Unternehmen ab 20
Beschäftigten aus dem Oktober 2025 ist die Nutzung privater KI-Tools in 8 Prozent der Unternehmen weit
verbreitet – eine Verdopplung gegenüber dem Vorjahr (4 Prozent). In weiteren 17 Prozent gibt es Einzelfälle, und
17 Prozent vermuten, dass Beschäftigte auf private KI-Tools zurückgreifen, ohne es mit Sicherheit bestätigen zu
können. Zusammengerechnet: In rund 42 Prozent der deutschen Unternehmen läuft KI-Nutzung vermutlich oder sicher an der Organisation vorbei.

Noch drastischer liest sich eine Ifo-Studie vom Januar 2026: Zwei Drittel aller KI-Anwendungen in Unternehmen werden von Mitarbeitenden eigeninitiativ genutzt – ohne offizielle Einführung oder Freigabe durch den Arbeitgeber. Nur in einem von drei Fällen hat das Unternehmen das Tool selbst eingeführt. Das ist keine Randerscheinung mehr. Das ist der Regelfall.

Was das in der Praxis bedeutet

Ein typisches Szenario aus dem Marketing-Alltag: Eine Mitarbeiterin bekommt von der Geschäftsführung den
Entwurf für ein größeres Angebot, inklusive Preisstaffeln und internen Kalkulationsdetails. Sie findet den Text zu trocken. Also kopiert sie das Dokument in ihren privaten ChatGPT-Account und bittet um einen „professionelleren Ton“. Das Angebot wird besser. Aber ein kompletter Kalkulationsauszug mit Kundendaten liegt jetzt auf den Servern eines US-Anbieters, ohne Auftragsverarbeitungsvertrag, ohne Kontrolle darüber, was damit passiert. Niemand im Unternehmen merkt etwas.

Dasselbe passiert mit E-Mail-Korrespondenzen, Projektbriefings, Bewerberdaten, Content-Entwürfen, internen
Strategiepapieren. Tag für Tag. Und nicht, weil die Mitarbeitenden böswillig wären – sondern weil sie
pragmatisch sind und das Unternehmen keine geprüfte Alternative bereitstellt.

Warum das mehr ist als ein IT-Problem

Die DSGVO-Dimension ist offensichtlich. Personenbezogene Daten in unkontrollierte Systeme zu geben, ist ein
potenziell meldepflichtiger Datenschutzverstoß. Hinzu kommen Haftungsfragen bei fehlerhaften KI-Ausgaben,
Urheberrechtsfragen bei KI-generiertem Content und schlicht die finanzielle Seite: Wenn fünf Leute im Team zehn verschiedene Abos über Firmen-Kreditkarten abschließen, entsteht ein Schatten-Budget, das niemand
kontrolliert.

Das Unbequeme daran: Die meisten Geschäftsführungen, mit denen ich spreche, halten Schatten-KI für ein
theoretisches Problem. Bis der erste Datenschutzbeauftragte nachfragt, bis der erste Kunde einen Vorfall
meldet, bis die erste Abmahnung kommt. Das ist nicht Innovation. Das ist unkontrolliertes Risiko mit
Produktivitäts-Deckmantel.

Problem 2 – Wissen klebt an Köpfen, nicht im System

Das zweite strukturelle Dilemma ist die Abhängigkeit von einzelnen KI-Versteher:innen im Team. Sie führt zu
einem Qualitätsgefälle, das mit jedem Urlaub und jedem Weggang zum Geschäftsrisiko wird – und zu einer
Brand Voice, die eher nach Zufall aussieht als nach Strategie.

In fast jedem Team, in das ich reinschaue, gibt es zwei oder drei Menschen, die früh mit KI angefangen haben
und daraus inoffizielle Gurus geworden sind. Die anderen warten auf deren Prompts, kopieren, was sie sehen,
oder bleiben bei der alten Arbeitsweise. So entstehen drei Klassen: die High Potentials, die mit KI wirklich
produktiv werden, die Nachahmenden, die solide Ergebnisse liefern, und die Abgehängten, die KI kaum nutzen.

Die Single-Source-of-Truth-Lücke

Der Kern des Problems liegt nicht bei den Menschen. Er liegt in der fehlenden Wissensbasis. Wenn es keine
zentrale, markenkonforme Sammlung gibt für Produktbeschreibungen, Tonalitätsregeln, Zielgruppen-Profile,
bewährte Prompts und dokumentierte Workflows – dann erfindet jede Person ihr eigenes Rad. Und jedes Rad
sieht ein bisschen anders aus.

Ein realistisches Beispiel: Ein mittelständisches B2B-Unternehmen produziert LinkedIn-Posts über drei
Mitarbeitende im Marketing. Alle drei nutzen ChatGPT. Alle drei haben eine ungefähre Vorstellung von „unserer Tonalität“. Das Ergebnis sind drei leicht unterschiedliche Markenstimmen, die sich auf LinkedIn abwechseln. Für Kunden wirkt das Unternehmen wie drei verschiedene Firmen. Die Geschäftsführung wundert sich, warum die Social-Media-Performance schwankt, ohne den eigentlichen Grund zu sehen.

Warum Schulungen allein das Problem nicht lösen

Viele Unternehmen reagieren auf dieses Qualitätsgefälle mit KI-Schulungen. Das ist nicht falsch – es greift nur
zu kurz. Schulungen befähigen einzelne Personen. Aber das Wissen bleibt im Kopf. Wer nach einem Seminar mit
15 guten Prompt-Ideen zurückkommt, hat sie in drei Wochen teilweise vergessen und nie irgendwo zentral
abgelegt. Die Kolleg:innen, die nicht im Seminar waren, profitieren gar nicht.

Hier trennt sich die Spreu vom Weizen: Solange Wissen an Personen hängt, skaliert KI nicht im Team. Sie bleibt
individuelle Superpower – und das Team bleibt fragmentiert. Genau das Gegenteil dessen, was eigentlich
gewünscht ist.

Problem 3 – Einweg-Prompts statt skalierbarer Systeme

Die dritte Schwachstelle ist das Einweg-Prompting. Jeder Prompt wird einmal geschrieben, erfüllt seinen Zweck
und verschwindet danach im digitalen Nirgendwo – im Chat-Verlauf, in einem vergessenen Notiz-Dokument, im Kopf der Person, die ihn geschrieben hat.

Das klingt nach einem kleinen Problem. Ist aber das teuerste der drei.

Das Rad wird täglich neu erfunden

Ein konkretes Szenario: Ein Team produziert monatlich einen Kunden-Newsletter. Im Januar schreibt Person A
einen Prompt, der gut funktioniert. Im Februar ist A im Urlaub. Person B setzt sich hin, beginnt bei null, probiert drei Varianten durch, kommt nach 45 Minuten zu einem brauchbaren Ergebnis. Im März macht Person A den Newsletter wieder, schreibt den Prompt erneut – leicht anders, weil der alte nicht mehr auffindbar ist. Im April verlässt Person A das Unternehmen. Das Newsletter-Prompting startet bei null.

Multipliziere das mit allen wiederkehrenden Marketing-Aufgaben: Produktbeschreibungen, Social-Media-Posts,
Ads-Varianten, Briefing-Erstellung, Wettbewerbsanalysen, Angebots-Texte. Du kommst schnell auf Dutzende
Stunden pro Monat, in denen dasselbe Rad neu erfunden wird. Nicht, weil es niemand besser wüsste – sondern
weil das System zum Sichern und Teilen fehlt.

Der Unterschied zwischen Prompt und Prompt-System

Ein guter Einzel-Prompt ist ein Werkzeug. Ein Prompt-System ist Infrastruktur. Der Unterschied: Ein System
besteht aus strukturierten Prompts mit klar definierten Variablen, aus dokumentierten Anwendungsfällen und
aus einer zentralen Bibliothek, auf die jede Person im Team Zugriff hat.

Konkret heißt das: Statt „ChatGPT, schreib mir einen LinkedIn-Post über unser neues Feature“ gibt es einen
System-Prompt mit der Tonalität, den Zielgruppen-Profilen und der Marken-DNA. Dazu einen
User-Prompt-Baustein, in den nur noch das konkrete Feature eingesetzt wird. Das Ergebnis: Auch eine
Werkstudentin kann Posts auf einem Niveau produzieren, das bisher nur Senior-Mitarbeitenden vorbehalten war. Reproduzierbar. Konsistent. Markentreu.

Die eigentliche Kraft von KI im Team liegt nicht im guten Prompt. Sie liegt im reproduzierbaren System.

Warum klassische Lösungsansätze hier nicht greifen

Wenn ich mit Geschäftsführungen über diese drei Probleme spreche, bekomme ich meistens drei
Standardantworten. Alle drei klingen plausibel. Keine davon löst das eigentliche Problem.

„Wir schaffen ChatGPT Business für alle an“

Das ist ein sinnvoller erster Schritt und löst einen Teil der Schatten-KI-Thematik – weil die Daten dann zumindest nicht mehr für Modell-Training verwendet werden. Aber ein Business-Abo ist kein System. Es ist ein Tool ohne Rahmen. Die drei strukturellen Probleme – fehlende Wissensbasis, fehlende Prompt-Architektur, fehlende Workflows – bleiben bestehen. Der Wildwuchs wird vielleicht etwas sicherer. Skalierbare Produktivität entsteht dadurch nicht.

„Wir machen mal ein KI-Seminar“

Seminare sind wichtig, um Menschen zu befähigen. Aber sie produzieren Einzelwissen, kein System. Ohne
strukturierte Nachbereitung, ohne zentrale Wissensbasis und ohne gemeinsame Arbeitsweise verpufft ein
großer Teil des Seminarwissens innerhalb weniger Wochen. Ich habe selbst genug Seminare gegeben, um das
mit einiger Bestimmtheit sagen zu können.

„Der Marketing-Leiter kümmert sich darum“

Diese Lösung sehe ich am häufigsten – und sie scheitert am regelmäßigsten. Der Marketing-Leiter ist meist
selbst im Tagesgeschäft voll ausgelastet, hat keine zusätzlichen Ressourcen für Systembau und auch nicht
zwingend die Expertise für KI-Architektur. Das ist keine Schwäche der Person, sondern eine falsche
Rollenzuweisung. KI-Strukturen aufzubauen ist eine eigene Disziplin, keine Nebenaufgabe.

Was alle drei Ansätze gemeinsam haben: Sie behandeln Symptome statt Ursachen. Sie denken in Tools, Wissen
oder Personen – aber nicht in Systemen.

Der Weg raus – drei Ebenen, die zusammen funktionieren müssen

Wer KI im Team wirklich nutzen will, braucht drei Ebenen, die ineinandergreifen. Keine davon funktioniert allein. Alle drei zusammen ergeben die Infrastruktur, die skalierbare Produktivität ermöglicht.

Ebene 1: Die Wissensbasis

Das Fundament ist eine strukturierte, zentrale Wissensbasis – eine Single Source of Truth, auf die sowohl
Menschen als auch KI-Systeme zugreifen können. Sie enthält, was die KI über Dein Unternehmen wissen muss,
um exzellente Ergebnisse zu liefern: Marken-DNA und Tonalität, Produkt- und Leistungsinformationen,
Zielgruppenprofile, Positionierung, typische Kundenfragen, bewährte Formulierungen, Do’s und Don’ts.
Das ist der Schritt, den fast alle unterschätzen. Die Qualität jeder KI-Ausgabe hängt direkt von der Qualität des
Kontextes ab, den Du mitgibst. Ohne strukturierte Wissensbasis bekommst Du generische KI-Antworten auf
Internet-Niveau. Mit strukturierter Wissensbasis bekommst Du Inhalte, die wirklich nach Deinem Unternehmen klingen.

Ebene 2: Die Prompt-Architektur

Auf dieser Basis entstehen standardisierte, variable Prompts, die jede Person im Team nutzen kann.
Master-Prompts mit Platzhaltern, die sich an den jeweiligen Anwendungsfall anpassen lassen. Eine zentrale
Bibliothek, in der Prompts dokumentiert, versioniert und bei Bedarf weiterentwickelt werden.

Der entscheidende Unterschied zum Wildwuchs: Prompts werden nicht mehr einzeln geschrieben und
vergessen. Sie werden als wiederverwendbare Werkzeuge behandelt. Das reduziert die Zeit pro Aufgabe massiv
und sorgt dafür, dass auch Junior-Mitarbeitende oder Auszubildende Ergebnisse liefern können, die bisher
Senior-Niveau voraussetzten.

Ebene 3: Die Workflow-Integration

Die dritte Ebene ist die, bei der viele Teams aufgeben, bevor sie angefangen haben – obwohl sie den größten
Produktivitätshebel liefert. Es geht darum, wiederkehrende Prozesse als Pipelines zu denken, nicht als tägliche
Einzelaktionen.

Wo wird jede Woche dasselbe gemacht? Content-Briefings erstellen, Social-Media-Posts freigeben, Produkttexte
für neue Artikel generieren, Newsletter zusammenstellen, Wettbewerber beobachten? Überall dort liegt Potenzial, mehrere Schritte miteinander zu verketten – teils automatisiert, teils mit Menschen im Review. Am Ende steht eine Workflow-Infrastruktur, die das Team massiv entlastet und gleichzeitig für Konsistenz sorgt.

Was diese drei Ebenen gemeinsam bewirken? Konsistente Qualität unabhängig von einzelnen Personen.
Nachvollziehbarer Datenfluss. Skalierbare Produktivität. Und: Operative Souveränität – Du machst Dich nicht von einzelnen Mitarbeitenden abhängig und auch nicht von externen Agenturen, die mit Deinem Budget lernen.

Praktischer Startpunkt – Was Du in den nächsten 14 Tagen tun
kannst

Du musst nicht alles auf einmal angehen. Aber Du solltest anfangen. Hier ist ein konkreter Plan für die nächsten
zwei Wochen, den Du ohne externe Hilfe umsetzen kannst.

1. KI-Inventur machen. Frage in einer internen Umfrage oder im Team-Meeting: Welche KI-Tools nutzt wer? Mit welchen Accounts (privat oder geschäftlich)? Für welche Aufgaben? Ziel ist kein Kontrollmodus, sondern Transparenz. Du wirst überrascht sein, was da zum Vorschein kommt.
   
2. Daten-Check durchführen. Welche Art von Informationen landet aktuell in welchen Tools? Kundendaten? Strategien? Angebote? Priorisiere die Risiken: Was wäre schlimm, wenn es nach außen dringt? Das ist Deine erste Compliance-Hausaufgabe – und die Grundlage für eine vernünftige Tool-Entscheidung.
   
3. Wissens-Audit starten. Welches Know-how hängt aktuell an einzelnen Personen im Team? Was würde
   passieren, wenn Deine beste KI-Anwenderin morgen kündigt? Identifiziere die Single Points of Failure – und beginne, das Wissen zu dokumentieren.
   
4. Prompt-Sammlung beginnen. Auch wenn es erst ein simples Dokument oder ein Notion-Page ist: Fang an, die besten Prompts zentral zu sammeln. Mit kurzer Erklärung, wofür sie gut sind. Das allein bringt sofort Wert – und ist die Basis für die spätere Prompt-Architektur.

5. Minimal-Governance festlegen. Schreibe drei bis fünf Sätze auf, welche Daten in welche Tools dürfen. Kein umfangreiches Compliance-Dokument – nur eine klare Hausregel. Die kannst Du später ausbauen. Aber ohne minimale Regel gibt es keinen Rahmen, auf den Du aufbauen kannst.

Diese fünf Schritte lösen das Problem noch nicht. Aber sie geben Dir innerhalb von zwei Wochen ein Bild, wo Dustehst. Und damit die Basis für alles, was danach kommt.

Fazit

Das KI-Dilemma im Team ist kein Tool-Problem. Es ist ein Organisationsproblem. Die drei strukturellen Fallen – Schatten-KI als Compliance-Risiko, fehlende Wissensbasis mit Personenabhängigkeit, Einweg-Prompting statt
skalierbarer Systeme – hängen miteinander zusammen und verstärken sich gegenseitig.

Wer jetzt nicht anfängt, Struktur zu bauen, produziert zwei Probleme gleichzeitig: ein Risiko, das mit jedem
Monat wächst, und eine Produktivitätslücke, die schwer aufzuholen ist, wenn Wettbewerber ihre KI-Infrastruktursystematisch entwickeln. Die gute Nachricht: Der Weg ist klar. Er führt nicht über das nächste Tool, sondern über drei Ebenen – Wissensbasis, Prompt-Architektur, Workflow-Integration – die sich in überschaubaren Schritten aufbauen lassen.

Die unbequeme Wahrheit: Das macht sich nicht nebenbei. Es ist Arbeit. Aber es ist die Arbeit, die den
Unterschied macht zwischen Teams, die KI haben – und Teams, die KI wirklich nutzen.

FAQ

F: Was bedeutet „Schatten-KI“ konkret und warum ist sie ein Problem für Unternehmen?

A: Schatten-KI bezeichnet den Einsatz von KI-Tools durch Mitarbeitende, die außerhalb offizieller IT- und Compliance-Strukturen genutzt werden – meist mit privaten Accounts und ohne Freigabe. Das Problem: Unternehmensdaten, Kundendaten oder interne Strategien können in Systeme gelangen, über die das Unternehmen keine Kontrolle hat. Das führt zu DSGVO-Risiken, Haftungsfragen und unkontrollierten Kosten durch Schatten-Abos. Laut Bitkom-Studie 2025 ist Schatten-KI in rund 42 Prozent der deutschen Unternehmen vermutlich oder sicher verbreitet.

F: Was muss ich beachten, wenn ich KI in meinem Marketing-Team einführen will?

A: Die wichtigste Erkenntnis vorweg: KI im Team ist keine Tool-Frage, sondern eine Strukturfrage. Du brauchst drei Ebenen: eine zentrale Wissensbasis mit Marken-DNA und Unternehmenswissen, eine Prompt-Architektur mit wiederverwendbaren Master-Prompts und eine Workflow-Integration für wiederkehrende Prozesse. Ohne diese drei Ebenen bleibt KI individuelle Superpower einzelner Mitarbeitender – und skaliert nie im Team. Beginne mit einer KI-Inventur und einem Daten-Check, bevor Du Tools anschaffst.

F: Reicht ein ChatGPT-Business-Abo für alle Mitarbeitenden aus, um Schatten-KI zu verhindern?

A: Ein Business-Abo löst einen Teil des Datenschutz-Problems, aber nicht die eigentliche Strukturfrage. Es verhindert, dass Deine Daten für Modell-Training verwendet werden – das ist wichtig. Aber ein Abo ist kein System: Fehlende Wissensbasis, fehlende Prompt-Architektur und fehlende Workflows bleiben bestehen. Du bekommst also eine sicherere Version des Wildwuchses, aber noch keine skalierbare Team-Produktivität.

F: Wie erkenne ich, ob mein Team bereits unter digitalem Wildwuchs leidet?

A: Die typischen Symptome sind ein großes Qualitätsgefälle zwischen Mitarbeitenden bei KI-Ergebnissen, inkonsistente Markenstimme in Content-Formaten, wiederholtes „Neu-Erfinden“ ähnlicher Prompts und Unsicherheit darüber, welche Tools mit welchen Accounts im Team im Einsatz sind. Wenn Du als Führungskraft nicht sicher beantworten kannst, wer welche KI-Tools für welche Daten nutzt, arbeitest Du mit hoher Wahrscheinlichkeit bereits im Wildwuchs.

F: Wie lange dauert der Aufbau einer strukturierten Team-KI-Infrastruktur?

A: Erste belastbare Ergebnisse sind in 8 bis 12 Wochen realistisch, wenn das Projekt mit klarer Struktur aufgesetzt wird. In den ersten zwei Wochen lässt sich bereits ein vollständiges Bild der aktuellen Situation erstellen (KI-Inventur, Daten-Check, Wissens-Audit). Die Wissensbasis und erste Prompt-Architekturen entstehen über vier bis sechs Wochen. Danach folgen die Workflow-Integrationen. Wichtig: Das ist kein einmaliges Projekt, sondern der Aufbau einer Infrastruktur, die dann kontinuierlich weiterentwickelt wird.

Quellen

• Bitkom e. V.: „Beschäftigte nutzen vermehrt Schatten-KI“ – Pressemitteilung vom 21. Oktober 2025,
  basierend auf einer repräsentativen Bitkom-Research-Befragung von 604 Unternehmen in Deutschland
  ab 20 Beschäftigten (Erhebungszeitraum KW 27–32 2025). URL:
  https://www.bitkom.org/Presse/Presseinformation/Beschaeftigte-nutzen-Schatten-KI
  
• Ifo-Institut: „Ifo-Studie: KI bleibt im deutschen Arbeitsalltag die Ausnahme“ – Studie veröffentlicht Januar
  2026, Zitat von Ifo-Experte Oliver Schlenker zur Graswurzel-Nutzung von KI in Unternehmen. URL:
  https://www.ad-hoc-news.de/boerse/news/ueberblick/ifo-studie-ki-bleibt-im-deutschen-arbeitsalltag-die-ausnahme/68461850