Skip to content
Artwork for Your Copilot - KI in der Microsoft 365 Welt verstehen und anwenden
Your Copilot - KI in der Microsoft 365 Welt verstehen und anwenden · January 19 · 25 min

YCP040 - Arbeiten mit Copilot Notebooks

Microsoft 365 Copilot Notebooks in der Praxis In dieser Episode teile ich meine praktischen Erfahrungen mit Microsoft 365 Copilot Notebooks. Nach meiner intensiven Arbeit mit NotebookLM habe ich mir das Microsoft-Pendant endlich genauer angesehen – nicht theoretisch, sondern im echten Einsatz. Ich erkläre, warum Copilot, Researcher und Notebooks keine Zauberwerkzeuge sind, sondern Werkzeugkästen, die man verstehen und aktiv steuern muss. Gute Ergebnisse entstehen nicht auf Knopfdruck, sondern durch Nachfragen, Fokussierung und redaktionelle Führung. Anhand eines konkreten Researcher-Beispiels zeige ich, warum ein beeindruckender Output allein nicht reicht – und weshalb Dialog und Nachsteuerung entscheidend sind. Beim Copilot Notebook spreche ich offen über Stärken wie die Arbeit mit kuratierten Quellen und verlinkten SharePoint-Dokumenten, aber auch über aktuelle Grenzen bei PDFs und unfertigen Features. Mein Fazit:Prompt Engineering ist nicht die Kernkompetenz – Delegation ist es.Wer KI produktiv nutzen will, muss Aufgaben klar formulieren, Ergebnisse bewerten und gezielt nachsteuern. Als Exkurs berichte ich kurz über ein lokales Small-Language-Model-Experiment mit MedGemma 1.5, das zeigt, wie stark spezialisierte Modelle sein können – auch komplett lokal und datenschutzfreundlich.

0:00-25:12

transcript

No transcript — this publisher did not publish one.

show notes

Microsoft 365 Copilot Notebooks in der Praxis
In dieser Episode teile ich meine praktischen Erfahrungen mit Microsoft 365 Copilot Notebooks. Nach meiner intensiven Arbeit mit NotebookLM habe ich mir das Microsoft-Pendant endlich genauer angesehen – nicht theoretisch, sondern im echten Einsatz.
Ich erkläre, warum Copilot, Researcher und Notebooks keine Zauberwerkzeuge sind, sondern Werkzeugkästen, die man verstehen und aktiv steuern muss. Gute Ergebnisse entstehen nicht auf Knopfdruck, sondern durch Nachfragen, Fokussierung und redaktionelle Führung.
Anhand eines konkreten Researcher-Beispiels zeige ich, warum ein beeindruckender Output allein nicht reicht – und weshalb Dialog und Nachsteuerung entscheidend sind. Beim Copilot Notebook spreche ich offen über Stärken wie die Arbeit mit kuratierten Quellen und verlinkten SharePoint-Dokumenten, aber auch über aktuelle Grenzen bei PDFs und unfertigen Features.
Mein Fazit:Prompt Engineering ist nicht die Kernkompetenz – Delegation ist es.Wer KI produktiv nutzen will, muss Aufgaben klar formulieren, Ergebnisse bewerten und gezielt nachsteuern.
Als Exkurs berichte ich kurz über ein lokales Small-Language-Model-Experiment mit MedGemma 1.5, das zeigt, wie stark spezialisierte Modelle sein können – auch komplett lokal und datenschutzfreundlich.