Kevin Köhler

Also ich würde mal sagen, ich war schon immer eigentlich ziemlich technikbegeistert. Als ich meinen ersten Computer hatte, habe ich dann auch schon ein bisschen mit HTML und so was rumgespielt. Allerdings war mein Interesse eigentlich oft weniger das Machen als das Ergebnis. Ich habe mich relativ früh, was heißt früh in Anführungsstrichen, für IT auch interessiert. Ich habe auch Abi mit Fachrichtung IT gemacht.

Bin dann allerdings ein bisschen abgewichen, habe dann erst mal angefangen, Wirtschaftsingenieurwesen zu studieren, und ich glaube, da war so der maßgebliche Punkt, wo ich dann gemerkt habe: Okay, ich bin eigentlich falsch hier. Wir hatten nämlich einen kleinen Ausflug gemacht, das war zu Mercedes-Benz, genau, in Sindelfingen, wo wir uns die Produktionshallen angeschaut haben. Und das war auch wahnsinnig faszinierend, also gerade was Robotik angeht und wie letzten Endes da auch die Produktionsstraßen aussehen.

Aber ich bin da dann durchgelaufen und dachte mir: Das könnte man schon automatisieren, das könnte man eigentlich auch automatisieren, das könnte man eigentlich auch automatisieren. Mist, ich studiere das Falsche. Und bin dann auch gewechselt auf Wirtschaftsinformatik.

Gerade auch währenddessen habe ich auch meine Liebe beziehungsweise mein Interesse für KI erst mal gefunden. Also, das war dann dieses Grundprinzip, etwas auf Basis von Daten optimiert zu bekommen, ohne dass man selbst alles ausprogrammieren muss. Und das war auch noch weit vor der Zeit von ChatGPT oder irgendwelchen größeren Sprachmodellen.

Ich habe dann auch angefangen, mit Python rumzuspielen. Wir hatten das leider nicht in der Hochschule, wo ich studiert habe. Hab dann aber schnell gemerkt, man braucht schon so ein paar Grundlagen, um irgendwas wirklich produzieren zu können. Habe mir dann halt auch intensivst Python beigebracht und dann auch erst kleine Projekte gemacht. Es hat mir immer mehr Spaß gemacht und dann bin ich auch irgendwann über den Bereich NLP gestolpert.

Ich weiß nicht, du bist ja auch ein bisschen IT-affin, denke ich. Ich habe halt früher ganz viele Games gespielt und ich war komplett schockiert, als ich dann zum ersten Mal ein Sprachmodell vor mir hatte, dass das halt tatsächlich Texte produzieren konnte. Gut, die waren noch ganz anders als das, was wir heute unter Sprachmodellen kennen, aber ich hatte dann auch vor sieben Jahren inzwischen mal ausprobiert, so einen kleinen NPC zu bauen.

Auf Basis von dem Sprachmodell musste man halt noch ganz, ganz anders prompten und es war wirklich schwierig, da saubere Ergebnisse rauszubekommen, aber ich war dann komplett begeistert, als es dann halt funktioniert hat. Und das war halt damals mit sehr, sehr kleinen Modellen, also das war so die GPT-2-Zeit beziehungsweise das Open-Source-Modell GPT-J. Ja, hat sich ganz schön entwickelt seitdem.

Aber gerade auch dieser Bereich Optimierung, dieses automatische Verbessern, fand ich schon immer sehr faszinierend. Ich habe mich da auch mit Operations Research und auch den mathematischen Modellen dahinter auseinandergesetzt. Wahnsinnig viel Potenzial, und heutzutage glauben mir die Leute das wenigstens auch.

Ja, wobei, also eigentlich ist ja KI wirklich kein neues Thema. Ich glaube, der Begriff kam das erste Mal so in den 50ern auf. Der einzige Unterschied, den wir jetzt haben, ist mehr Rechenleistung. Und du musst halt erst über diesen kritischen Punkt kommen, um damit wirklich was anfangen zu können. Aber auch schon vor 20, 30 Jahren wurden ja schon große Schritte in die richtige Richtung gemacht.

Also, der jetzige KI-Chef von Meta, Yann LeCun, hat ja damals, ich will jetzt hier nicht zu technisch werden, aber hat letzten Endes KI entwickelt, die halt Handschrifterkennung machen kann. Und auch allein das hat ja die ganze OCR-Sparte eigentlich erst mal zum Leben erweckt. Und ich finde halt, in Spielen kann man es wunderschön sehen, wie gut es dann doch tatsächlich lernt und auch wie es lernt.

Das gab ja, Gott, wann war das, 2015 oder so, als AlphaGo rauskam. Also Go ist ja dieses hochkomplexe chinesische Brettspiel, und man unterscheidet immer zwischen Problemen, die man brute-forcen kann, also die berechenbar viele Möglichkeiten bieten, und Problemen, die zu komplex sind, als dass das gehen würde. Und Go ist definitiv eins davon.

Und man hat aber in den verschiedenen Phasen des Lernens so schön gesehen, wie die KI eigentlich lernt, wie die verschiedenen Strategien sich auch über die Zeit entwickelt haben. Und am Ende war es halt wirklich von der Strategie her so, wie halt ein Go-Grandmaster spielt, ne? Dabei hat die KI halt die ganze Zeit nur gegen sich selbst gespielt und ihre eigenen Strategien weiter optimiert.

Und inzwischen, also es gibt richtige Go-Schulen in China, werden tatsächlich Moves von der KI an den Go-Schulen unterrichtet. Also finde ich einfach mega cool, dass wir jetzt inzwischen auch oft an diesen Punkt kommen, wo wir wieder von der KI lernen.

Soll ich ehrlich darauf antworten?

Also ich sehe grundsätzlich wahnsinnig viel Potenzial in dem Ganzen. Wegen dem KI-Doom-Szenario muss ich halt auch sagen: Man kann mit einem Hammer einen Nagel in die Wand schlagen oder man kann jemandem den Kopf einschlagen. Das ist immer die Frage, wie man seine Werkzeuge benutzt. Der große Unterschied bei KI ist halt, wie unfassbar divers und fähig dieses Werkzeug ist.

Und also ich bin mir absolut sicher, dass es wahnsinnig weitreichende Konsequenzen haben wird, dass wir so ein Werkzeug besitzen. Wir merken es ja jetzt schon, dass sich viele Jobs auch einfach verändern. Ein Kumpel von mir, der ist Übersetzer. Der ist definitiv ein viel besserer Übersetzer als jede KI aktuell, aber dadurch, dass halt KI so erreichbar und günstig ist, kriegt er trotzdem viel, viel weniger Aufträge.

Also oft braucht man halt jetzt nicht den studierten Philosophieprofessor, um einen technischen Text zu übersetzen, sondern oft reicht halt auch die Qualität, die die KI liefert. Und ich glaube, das werden wir jetzt in den nächsten Jahren in ganz, ganz vielen Bereichen sehen, dass die oberen 10 % der Menschen immer noch wahnsinnig wichtig sein werden, aber die unteren 80 %, 90 % immer weniger letzten Endes zum Zug kommen.

Wenn wir das jetzt mal ein bisschen weiterspinnen: Ich bin ja auch ein großer Freund von Robotik. Das ist ja noch mal der Schritt, das auch mehr in die echte Welt zu bringen, also in die physische Welt. Und gerade wenn sich da halt auch mehr tut, werden zwangsläufig Jobs wegfallen. Also anders kann ich es mir leider nicht vorstellen, aber die Frage ist halt, wie man als Gesellschaft damit umgeht.

Und ich glaube, also das ist schon oft dieser Punkt gewesen, ob wir uns jetzt Richtung Utopia oder Dystopia bewegen. Ich glaube, man kann das wirklich sehr, sehr gut nutzen, um einfach den Menschen vielleicht mehr zu ermöglichen, wie der Mensch zu sein. Weil also viele wollen jetzt vielleicht auch nicht unbedingt immer fünf Tage die Woche acht Stunden arbeiten. Viele wollen vielleicht auch zwei Tage arbeiten oder vielleicht sogar gar nicht.

Aber gerade wenn wir so viel Automatisierung haben und so viel wirtschaftlichen Mehrwert, ohne so viele Arbeitsstunden reinstecken zu müssen, muss sich die Gesellschaft halt darauf einstellen. Und ich glaube, dann sprechen wir über Themen wie bedingungsloses Grundeinkommen, über Themen wie letzten Endes Totalversorgung, ohne dass jemand dafür aktiv was tun muss.

Und meine persönliche Hoffnung ist, dass sich Menschen dann wieder mehr Jobs zuwenden, wo Menschen mit Menschen interagieren, und das dann im Idealfall auch besser entlohnt wird. Dass ich so was wie Pflege und letzten Endes auch vielleicht psychologische Betreuung, was auch immer, da will ich gar keinen Roboter sitzen haben. Selbst wenn es technisch möglich ist, finde ich es dann trotzdem einfach schön, mit einem Menschen zu interagieren, mit einem Menschen zu reden.

Und da halt letzten Endes auch einfach hoffentlich auch mehr Menschen zu haben, weil momentan sind da definitiv zu wenige. Also, ich glaube, es gibt da nicht die eine Antwort. Wir müssen jetzt halt mal gucken, in welche Richtung das halt auch getrieben wird, und Staaten sind ja sehr träge Systeme. Müssen wir halt auch mal gucken, wie die das dann auch angehen werden. Aber ich bin ehrlich gesagt sehr, sehr positiv gestimmt. Ich freue mich drauf.

Ja, aber also die Menschen sind ja auch nicht ganz hilflos, und es ist immer noch Elektronik. Elektronik ist tatsächlich ziemlich anfällig für elektromagnetische Impulse. Also, wenn es wirklich mal richtig blöd läuft, kriegen wir die, glaube ich, auch wieder ausgeschaltet.

Ich glaube tatsächlich, was der äußere Eindruck ist und was dann tatsächlich geht, sind vielleicht zwei nicht so unterschiedliche Sachen. Also, ich würde mal sagen, es hat sich eigentlich nicht viel geändert an der Automatisierungstechnik, bis auf einen wichtigen Punkt. Und zwar konnten wir bisher vor allem halt Prozesse automatisieren, die hochstrukturiert waren, wo ein Schritt auf den anderen folgt und wir dabei auch im Idealfall mit strukturierten Daten arbeiten.

Und das wandelt sich halt aktuell so ein bisschen, weil wir jetzt halt auch so was wie Texte einfach als Automatisierungsinput nutzen können. Also ein einfaches Beispiel sind E-Mail-Automatisierungen. Wenn ein Kunde schreibt, dass er ein Statusupdate zu einem gewissen Projekt haben möchte, können wir inzwischen diese Information aus dem Text rausextrahieren, dann zum Beispiel gegen unser Projektmanagement-System laufen lassen, um dann auch wiederum eine Antwort zu verfassen, die dann direkt an den Kunden wieder weitergeschickt wird.

So kann man halt letzten Endes einfach schön sauber diese Schritte auch wiederum automatisieren, wo halt nur das Medium eigentlich das Problem war. Weil wir vorher halt mit Text nur mit sehr großem Aufwand letzten Endes arbeiten konnten, wo es sich dann halt oft nicht gelohnt hat, so was überhaupt zu automatisieren. Weil du hast dann so viele Extremfälle, wo das dann vielleicht nicht funktioniert, und dann hat man es halt oft einfach gelassen. Und gerade die Sprachmodelle machen das halt ziemlich gut.

Dann haben wir halt auch noch so Themen, wo KI, glaube ich, momentan mit am stärksten ist: Marketing, Vertrieb, wo es halt darum geht, auch einfach Content zu erstellen, weil das bisher ein sehr aufwendiger und kostenintensiver Prozess war, und jetzt auch gerade mit den neuen Bildmodellen. Ich glaube, der Durchbruch war so ein bisschen diese GPT-Bilderstellung, die jetzt auch in ChatGPT vorhanden ist, wo wir dann halt auch zum ersten Mal Texte, kreativ gestylte Marketingmaterialien erstellen konnten, Infografiken und was weiß ich noch alles.

Und jetzt halt gerade, wenn wir das noch ins Video bringen, was ja aktuell passiert. Ich weiß nicht, ob du Sora 2 gesehen hast, aber unfassbar faszinierend, wie gut diese Videos aussehen und wie physikalisch korrekt die inzwischen auch aussehen. Da ist es halt ein riesiger Mehrwert. Also, da können wir jetzt halt n-mal so schnell arbeiten wie halt zuvor.

Und ansonsten sind es halt, glaube ich, auch viele Prozesse, die man vorher einfach nicht angefasst hat, weil es zu aufwendig gewesen wäre, diese zu automatisieren, und die man jetzt halt auch automatisieren kann. Und dann haben wir halt noch diese ganze Welt von den autonomen Agenten. Es gibt jetzt auch in ChatGPT diesen Agent Mode. Und wenn man da mal einen kleinen Einblick haben will, was damit halt alles schon geht, ist das, glaube ich, eine ganz gute Möglichkeit, das halt auszuprobieren.

Weil da kann man halt sehr generalistisch eine Anfrage reinstellen und es sucht sich seinen eigenen Lösungsweg. Und ich glaube, das ist halt auch noch mal ein Punkt, gerade bei Prozessen oder Abläufen, die wir halt nicht immer hart definieren können, wo wir selbst nicht genau wissen, wir müssen jetzt da drauf klicken, da drauf klicken, da drauf klicken. Sondern wo wir zwar wissen: Okay, wir haben A, B, C zur Verfügung und wir müssen uns da irgendwie durchschleifen. In die Richtung kommen wir gerade.

Also das ist immer noch nicht so gut, als dass man das jetzt irgendwie sauber in Unternehmensprozesse einführen könnte. Da ist es dann doch besser, wenn man so ein bisschen die KI auf Schienen setzt. Aber gerade wenn es darum geht, auch den ersten Draft zu erstellen oder sich selbst ein bisschen das Leben vereinfachen zu können, ist das durchaus sinnvoll.

Also, ich bin fasziniert, wie schnell sich das jetzt auch entwickelt hat. Die ersten Versionen davon waren jetzt nicht so berauschend, aber inzwischen kann es auch wunderschöne, die so 90 % von der PowerPoint erstellen, wenn man einigermaßen gut vorgibt, was man eigentlich haben möchte. Und also ich denke, es gibt wenig, wenn man sich Zeit nimmt, was man aktuell nicht mehr automatisieren kann. Außer Sachen, die halt sehr, sehr viel Rahmenwissen brauchen.

Also, wenn ich so eine kleine KI-Schulung gebe, versuche ich das auch mal so zu erklären: KI ist wie ein Praktikant, der schon alles so ein bisschen studiert hat, der unfassbar fähig und wissbegierig ist. Aber der kennt halt weder die Firma, er kennt die Leute nicht, er weiß jetzt nicht, wie man jetzt mit diesem einen Kunden, der so ein bisschen schwierig ist, richtig kommunizieren sollte.

Das sind halt alles Sachen, über die wir uns gar nicht so viel Gedanken machen, die sich aber deswegen relativ natürlich für uns anfühlen, aber für eine KI dann extrem schwierig auch zu automatisieren sind, wenn man die richtigen Rahmeninformationen dafür nicht hat. Und ja, deswegen versuchen wir auch inzwischen, die Leute dazu anzuregen, halt möglichst viel auch irgendwo in Textform zu schreiben, einfach nur von ihren Eindrücken her, dass man damit dann halt auch wieder Prozesse automatisieren kann.

Also letzten Endes ist es halt immer eine Frage von: Haben wir die Informationen zusammen? Können wir uns das irgendwie erleichtern? Aber dass wir jetzt dieses vollkommene Organisationsautomatisierungsding haben, da sind wir, glaube ich, jetzt auch von der Technik her noch nicht.

Also tatsächlich auch wirklich solche einfachen Sachen von E-Mail-Automatisierung bis hin zu automatisierten Marketingabteilungen, würde ich es fast nennen. Wo halt eigentlich nur noch die ganzen Informationen zusammengetragen werden müssen, wo das dann alles in der Datenbank abgelegt wird und das Marketingmaterial dann über automatisierte Pipelines eigentlich komplett automatisiert auch erstellt wird. Also jetzt gerade, wenn es nur um so was wie Social-Media-Marketing geht. Das war auch eines unserer größeren Projekte.

Wir machen allerdings auch nicht nur reine KI-Projekte, also reine Gen-AI-Projekte, sondern teilweise auch Analytics, die wir halt dann auch in Prozessen verbinden. Wir hatten zum Beispiel auch eine Flugplanungssoftware gebaut für einen Helikopterbetrieb. So ein Helikopter kann halt nur abheben, wenn die Leute richtig verteilt sitzen, und wenn die Leute zu schwer sind, dann kann der Helikopter nur dann abheben, wenn der Tank schon ein bisschen leer ist.

Und du kannst dir vorstellen, dass das ziemlich viel Planungsaufwand ist, und das haben wir dann halt letzten Endes automatisiert. Dass man einfach nur noch eine Liste reinwirft, wer fliegen möchte und wie viele Flüge gemacht werden, und dann automatisiert der Flugplan erstellt wird. Also, da ist man inzwischen ziemlich breitflächig unterwegs.

Oder auch eher so klassische Themen wie Routenoptimierung, das haben wir auch für ein Heidelberger Start-up gebaut. Die haben halt wahnsinnig viele Termine vor Ort machen müssen und haben halt das Problem, dass Fahrer dann teilweise halt so eingeplant wurden, dass einer erst nach Stuttgart fährt und dann wieder nach Mannheim und dann wieder nach Stuttgart, also jetzt mal vereinfacht gesagt.

Und deswegen haben wir dann auch ein Programm entwickelt, was direkt vorschlägt, wann jetzt ein guter Termin wäre für den Fahrer, wo er eh schon in der Nähe ist. Und das wird dann halt auch einfach den Vertriebsspezialisten vorgeschlagen. Alles auch schön integriert im CRM-System, dass es auch nativ wirkt. Und ja, also auch eine massive Zeitersparnis.

Ich glaube, das, was mir jetzt auf Anhieb einfällt, ich habe es extra nicht genannt, weil ich es fast ein bisschen langweilig finde: Buchhaltung. Das sind so Prozesse, die oft, also echt oft, ich war schockiert, noch manuell gemacht werden. Dass sich da echt jemand hinsetzt und jede einzelne Buchungsposition einzeln zuordnet, und teilweise sogar wirklich, dass es noch von dem PDF abgeschrieben werden muss. Das sind halt so Sachen, die selbst mit OCR schon ganz gut gingen, aber jetzt mit KI halt sehr gut.

OCR, Optical Character Recognition heißt das. Das ist letzten Endes eine Methode, um aus Bildern oder auch so was wie PDFs den Text rauszulesen. Also, wenn wir jetzt einfach ein Foto von Text haben, dann wird OCR genutzt, also dasselbe wie bei Handschrifterkennung, um einfach den Text da in computerlesbaren Text umzuwandeln.

Und ja, also es sind vor allem halt solche manuellen Prozesse, die wahnsinnig viel Zeit brauchen. Und oft macht es den Mitarbeitern auch gar nicht mal so viel Spaß, da jetzt die Zahlen abzuschreiben. Es haben sich schon Leute bei uns dafür bedankt, dass wir das automatisiert haben, weil die teilweise auch komplett überfordert waren. Und ja, neue Planstellen werden natürlich eher ungern aufgebaut.

Aber dadurch läuft dann halt auch einfach die Arbeit ein bisschen einfacher und runder. Und ja, das freut mich dann auch immer zu sehen, wenn man halt auch merkt, dass die Leute da tatsächlich was von haben.

Jeder ist immer schwierig. Also, ich denke, man sollte sich halt vor allem immer darüber Gedanken machen: Wie manuell läuft meine Firma aktuell noch? Also, wenn wir jetzt mal von einem absoluten Idealfall ausgehen, dass alles automatisiert ist. Und wenn wir bei 50 sind, dann sind vielleicht zumindest mal alle Kernprozesse so, dass sie sauber mit dem Informationsflow laufen.

Ich glaube, viele müssen sich erst mal darüber Gedanken machen: Ist so, wie wir arbeiten, eigentlich der richtige Ansatz? Weil gerade wenn noch viel Zettelwirtschaft besteht, wenn keine Daten zusammengeführt werden, dann haben wir meistens halt andere Probleme. Oft ist jetzt KI nicht der erste richtige Schritt, sondern oft ist es halt erst mal, sich um die Grundlagen zu kümmern. Daran scheitern auch viele Projekte leider.

Wenn man das sehr, sehr methodisch machen möchte, also ich kann ja auch mal erklären, wie wir das in unseren Workshops machen.

Dann sollte man sich einfach mal wirklich zusammensetzen. Im Idealfall hat man natürlich eine Prozesslandkarte, an der man sich voranhangeln kann. Wenn das nicht vorhanden ist, dann sollte man im Idealfall auch einfach mal mit den Fachbereichen reden. Oder wenn man eine Einzelperson ist, sich wirklich einfach mal die Mühe machen, runterzuschreiben, was man eigentlich jeden Tag so tut.

Da fallen einem dann auch immer die Sachen auf, die halt sehr zeitintensiv sind, die vielleicht auch keinen Spaß machen. Übrigens: Sachen, die keinen Spaß machen, zu automatisieren, ist nicht immer der größte Mehrwertbringer. Aber es tut dem Kopf gut, dass man wieder mehr den Kopf frei bekommt, um sich auf wichtigere Dinge zu fokussieren und sich vielleicht auch wieder besser auf den Arbeitstag freuen zu können. Deswegen halte ich es immer für was Sinnvolles, sich mit den Sachen auseinanderzusetzen, die man nicht gerne macht.

Aber genau, erstmal wirklich sammeln: Was für Aufgaben gibt es, wie lange brauche ich für die, was sind die Sachen, die tatsächlich zeitintensiv sind, die vielleicht auch andere Prozesse betreffen? Um dann erstmal einen Überblick zu haben, was tatsächlich eigentlich die Punkte sind, wo man anfangen sollte.

Wir versuchen das dann eigentlich auch immer, von allen Use Cases ein bisschen in eine Matrix zu schreiben: Wie groß ist der Mehrwert, wenn wir das automatisieren würden, und wie groß ist der Aufwand, der tatsächlich gebracht werden muss? Oft ist es dann leider ein bisschen eine Gerade. Wir haben meistens Low Hanging Fruits, die auch relativ einfach zu machen sind, oder zum Beispiel auch einfach nur einen Chatbot an der richtigen Stelle bereitzustellen. Und das geht dann halt aber auch oft hoch in Sachen, wo man investieren könnte, die dann entsprechend hohen Mehrwert haben, aber dafür halt auch entsprechend hohen Aufwand.

Quick Wins, wo wir kaum Aufwand haben, aber dafür großen Mehrwert, gibt's leider eher selten, muss ich leider zugeben. Aus dem einfachen Grund: Sowas fällt normalerweise schon im Doing auf.

Ich denke auch, sich grundsätzlich vielleicht mit sowas wie ChatGPT mal zusammenzusetzen und sich ausfragen zu lassen, wo vielleicht noch Potenziale sind, kann wahnsinnig hilfreich sein. Weil gerade, wenn man jetzt nicht im IT- oder KI-Kontext lebt beziehungsweise nicht aus dem Kontext kommt, dann braucht man vielleicht auch einfach mal eine kleine Hilfe, um da eine andere Brille aufzusetzen. Und das hilft oft auch sehr vielen, um da ein bisschen Struktur reinzukriegen.

Ach ja, finde ich ein super tolles Thema, muss ich ehrlich sagen, weil es zum einen wahnsinnig Spaß macht und wahnsinnig schnell schiefgehen kann. Also erstmal vorweg die Definition: Letztendlich sagt man der KI, was sie programmieren soll, ohne selbst Code zu schreiben, und sie programmiert das dann und gibt letztendlich das Ergebnis aus. Und auch davon gibt es, finde ich, mehrere Ebenen.

Das, was jeder vielleicht zumindest schon mal gesehen hat: Wenn wir das in ChatGPT eingeben, dann können wir auch sagen: „Bau mir eine kleine App, wo ich ein Bild von mir machen kann und das dann in Schwarzweiß oder verschiedene Filter letztendlich anwenden kann.“ Das ist, finde ich, die unkritischste Variante davon, weil ChatGPT das dann auch meistens einfach macht. Wir können dann halt nicht auf diese App zugreifen oder sowas.

Dann haben wir die vollautomatisierten Agenten, die Vibe-Coding machen. Das ist ja auch gerade ein bisschen aufgekommen. Eins der wertvollsten Start-ups in Europa ist ja jetzt zum Beispiel Lovable. Deren Produkt ist eigentlich, dass man gar nicht mehr programmieren braucht, sondern du gibst einfach ein, was du machen möchtest, was für eine App du haben möchtest, und der KI-Agent erstellt dann die Applikation.

Und das ist sehr beeindruckend, aus dem einfachen Grund, dass es auch mehrere Dateien erstellen kann und wirklich ein bisschen architektonisch versucht zu denken. Und ebenfalls wird auch das Deployment, also wie wir das dann auch tatsächlich anderen bereitstellen, mitgedacht. Gibt's inzwischen auch ganz viele Plattformen. Lovable ist jetzt nur ein Beispiel, aber auch Replit war da sehr, sehr früh mit dabei.

Und dann gibt es noch die Zwischenform zwischen Programmieren und Vibe-Coding. Wir als Programmierer nutzen ja auch eine Programmierumgebung, wir nutzen zum Beispiel intern auch Cursor. Das ist eine Programmierumgebung, die tatsächlich auch darauf ausgelegt ist, mit KI bedient zu werden. Und ja, man muss sich da schon definitiv noch ein bisschen Gedanken machen. Allerdings kann Cursor auch über den KI-Agenten mehrere Files bearbeiten. Es guckt sich die Logik an und versucht halt möglichst gut zu unterstützen.

Der Unterschied da ist, dass man auch sowas wie Deployment sich noch selbst überlegen muss, dass man deutlich näher noch am Code ist und es halt nicht darauf ausgelegt ist, die KI alles machen zu lassen.

Vibe-Coding ist deswegen sehr witzig, weil man sehr schnell dann doch sieht, wer das benutzt hat. Dazu vielleicht ein, zwei kleine witzige Beispiele, was mal mit Vibe-Coding passiert ist. Zum einen hat jemand eine Personal-Finance-App gebaut, ich habe das über X mitbekommen oder Twitter. Er hat die dann veröffentlicht und halt erstmal eine Waitlist gemacht.

Und blöderweise hat die KI die Warteliste, wo man seine E-Mail einträgt, so gebaut, dass die Warteliste jedes Mal komplett abgerufen wird, wenn man reingeht. Und wenn man weiß, wie man sich das HTML von einer Webseite anschaut, hatte man dann die ganze Liste von den hunderten E-Mails von verschiedenen Leuten, die sich dafür angemeldet haben. Und das ist halt kritisch.

Also teilweise baut die KI halt genau Sachen ein, die man überhaupt nicht erwartet, wo man überhaupt keine Ahnung hat, was die da jetzt eigentlich gemacht hat. Und wenn man sich halt nicht technisch damit auskennt, dann kann man das halt auch nicht überprüfen.

Anderer Fall: Da hat ein CEO von einem SaaS-Start-up einfach mal ein bisschen mit Vibe-Coding rumgespielt in Replit. Und ja, die KI hat aus Versehen die Produktionsdatenbank gelöscht, weil die halt was umbauen wollte und dann erstmal entschieden hat: „Ja, ich mache das jetzt so und muss dafür jetzt erstmal die alte Datenbank loswerden.“ Die hatten ein Backup. Aber als der Kollege die KI gefragt hat, ob sie die Datenbank wiederherstellen kann, hat sie gesagt: „Nee, kann ich nicht, ist doof gelaufen, aber ja, ist jetzt so.“

Also wenn jetzt halt auch solche Apps veröffentlicht werden, die von Non-Codern geschrieben werden, fehlt halt oft auch einfach das technische Know-how, um die abzusichern, um die wirklich auch produktionsreif zu machen. Da gehört ja auch noch mal ein bisschen mehr dazu, als einfach nur eine Webseite zu erstellen. Und ja, das halte ich für gefährlich, wenn man sich damit gar nicht auskennt.

Wir haben es auch bei uns selbst gemerkt: Wenn wir Praktikanten oder auch Werkstudenten die Möglichkeit geben, viel mit KI zu machen, dass dann irgendwann, wenn mal was nicht klappt, die Aussage kommt: „Ja, sorry, keine Ahnung, ich weiß jetzt auch nicht, was ich tun soll.“ Und das ist halt ein Problem. Also ich bin sehr, sehr froh, programmieren lernen zu können, bevor ich KI in die Hand bekommen habe. Ich glaube, man wird schnell faul dadurch, man beschäftigt sich nicht mit den komplexen Logiken, die da teilweise auch ablaufen.

Aber wenn man es richtig macht, kann es eine riesige Zeitersparnis sein, will ich auch mal auf der anderen Seite sagen. Wir nutzen tatsächlich auch Vibe-Coding für unsere Projekte. Allerdings haben wir einen eigenen Prozess dafür entworfen, wie wir damit arbeiten. Das Ganze nennt sich Spec-driven Development: dass man erst sehr, sehr klar die Anforderungen runterschreibt, auch die Testfälle dafür definiert und relativ viel mehr Zeit für Testen und Dokumentation benutzt, um das dann auch wieder für die KI zu benutzen.

Und wir machen halt auch noch händische Code Reviews. Es muss sich tatsächlich immer noch jemand die Zeit nehmen, um einfach mal alles durchzulesen und mal zu gucken, ob das so lief, wie es laufen soll. Auch Unit Tests werden größtenteils noch von uns selbst geschrieben, wo wir eigentlich eher überprüfen, ob die den Testfall komplett abdecken. Und ja, so kann man sich tatsächlich eine Menge Zeit sparen.

Gerade wenn man da Anforderungen sehr gut definiert hat, läuft das eigentlich inzwischen schon ziemlich gut. Und wir merken auch, je besser die Modelle werden, wir haben da ein paar Tests, die wir immer mal wieder laufen lassen, wie gut das dann am Ende funktioniert: Das verändert sich schon krass.

Ich hatte mal, ich glaub 2023 war das, als GPT-3.5 rauskam, einfach mal ausprobiert, mit denselben Anforderungen 50 Mal die gleiche Webseite zu programmieren. 40 Mal hat's überhaupt nicht hinbekommen, das zum Laufen zu kriegen. Sieben davon waren da, aber man hätte sie sich auch sparen können, und drei waren okay, aber ja, auch nicht unbedingt berauschend. Und wenn wir jetzt dieselbe Aufgabe in ein Modell wie GPT-5 reinwerfen, da kommen 50 super Webseiten raus, muss man ganz ehrlich sagen.

Und KI wird nie wieder so schlecht sein wie heute. Ich bin da ein großer Freund davon, sich damit auseinanderzusetzen, aber halt verantwortungsbewusst. Das sage ich auch immer meinen Studenten: Man muss sich erst mit den Fundamentals vertraut machen. Man muss wissen, wie Architekturen funktionieren. Man sollte schon wissen, was man da tut, bevor man sowas anwendet, weil man ansonsten, wenn was nicht funktioniert, komplett aufgeschmissen ist.

Ja, da gab's auch eine ganz interessante Studie von Stanford, dass viel ChatGPT-Einsatz tatsächlich messbar schlechte Auswirkungen auf kritisches Denken hat. Und ja, man macht es sich halt leicht. Der Mensch will ja auch immer den Weg des geringsten Widerstands gehen. Und wenn man dann halt nur noch alles die KI fragt, wie soll man dann überhaupt noch in diesen lösungsorientierten Modus reinkommen?

Also absolut muss man sich halt auch mal drüber Gedanken machen, wie man Leuten beibringt, richtig mit sowas zu arbeiten, ohne dass sie zu faul werden. Beziehungsweise vielleicht auch KI in einem Education Mode bauen, die keine Lösungen gibt, sondern nur anreizt, die richtigen Fragen zu stellen, und es dann letztendlich einem selbst überlässt. Also ich glaube, da haben wir noch einiges vor uns, bis wir da den richtigen Working Mode gefunden haben.

Definitiv.

Boah, ich muss ehrlich sagen, ich kann da nicht gut vorhersagen, wie sich das entwickeln wird. Und zwar aus dem einfachen Grund: Jedes Mal, wenn ich eine Prediction abgegeben habe, lag ich daneben. Ich muss halt dazu sagen, ich hätte auch gedacht, dass Sprachmodelle viel limitierter sind. Ich hätte gedacht, dass sowas wie Reasoning-Modelle gar nicht so gut funktionieren sollen dürfen.

Und jetzt gerade, wo auch so viel Fokus auf KI gesetzt wird, gehe ich eigentlich davon aus, dass wir relativ schnell große Schritte machen werden. Die Frage ist halt: Wo treffen wir Wände? Weil wir ja jetzt eh schon das gesamte Internet ausgesaugt haben. Wir kriegen jetzt nicht mehr so schnell neue Daten. Klar, die Daten werden immer besser kuratiert.

Ich bin allerdings auch immer noch kritisch gegenüber sowas wie Sprachmodellen. Also gut, man sollte sie vielleicht gar nicht mehr Sprachmodelle nennen, weil sie ja inzwischen auch Bilder erstellen können, Bilder verstehen können, Videos verstehen können, Videos erstellen können. Die Frage ist nur, ob dieser Baustein reicht. Wir haben ja da ein neuronales Netz drunter. Bei Sprachmodellen ist das normalerweise ein sogenanntes Transformer-Modell.

Das ist aber an sich immer noch ein ziemlich stupides System, in Anführungsstrichen. Sprachmodelle haben eigentlich genau eine einzige Funktion, und zwar das nächste Wort vorherzusagen. Auch jeder NLP-Wissenschaftler hätte vor 10 Jahren gesagt: „Ja, das wird jetzt nicht unbedingt möglich sein, damit irgendwelche mathematischen Aufgaben zu lösen.“ Ich weiß noch nicht so ganz genau, wo der Deckel ist.

Ich bin immer noch davon überzeugt, dass es wahrscheinlich bessere Methoden gibt als sowas wie Sprachmodelle. Da auch zwei Beispiele zu. Es kam jetzt gerade diese Woche sogar ein sehr, sehr interessantes Paper von Samsung raus. Die haben ein Modell gebaut, das ein bisschen einen inneren Loop hat, um Probleme zu lösen. Also architektonisch, nicht dadurch, dass halt immer mehr Wörter erzeugt werden und dadurch mehr Richtung Lösung gedacht werden kann.

Und es gibt diesen einen Benchmark, ARC-AGI heißt der. Das sind letztendlich Puzzlespiele, die hochkompliziert sind und wo auch die besten Modelle ziemlich schlecht abschneiden. Und dieses Modell, das Samsung gebaut hat, ist verhältnismäßig unfassbar klein. Die Größe von KI misst man in Parametern. Das sind die kleinen Einstellungsschrauben, die wir bedienen können, um so ein Modell einzustellen. Man kann sich das vorstellen wie die Anzahl der Neuronen.

Große Sprachmodelle haben ja normalerweise mehr als 100 Milliarden Parameter. Es gibt auch kleinere mit 10 Milliarden, 7 Milliarden, aber das Modell von Samsung hat 7 Millionen. Es ist wirklich Faktor 1.000 kleiner als die ganzen großen Modelle, und trotzdem konnte es in diesem sehr, sehr schwierigen Benchmark besser abschneiden als das Topmodell von Google. Wo man halt auch einfach sieht: Durch kleine Änderungen ganz unten können wir unfassbar viel rausholen.

Außerdem, was ich ein sehr, sehr interessantes Experiment finde: Das heißt V-JEPA, das wird von Meta entwickelt und versucht einen anderen Ansatz, und zwar weg von Sprachmodellen hin zu Weltmodellen. Es trainiert da nicht durch Text, sondern rein durch Videoinput und versucht halt wirklich ein bisschen, die Welt zu observieren. Das halte ich auch für einen viel, viel besseren Ansatz als jetzt dieses stupide „Wir trainieren nur auf Sprache“.

Es ist halt deutlich schwieriger, weil wir gar nicht so viele Videodaten haben, als dass man das alles lernen könnte. Und auch, dass es das lernen kann, ist definitiv keine einfache Geschichte. Allerdings halte ich gerade solche Ansätze für durchaus sinnvoll.

Und ja, jetzt noch mal, um auf die Frage zurückzukommen: Es wird wahrscheinlich schneller gehen, als wir denken, dass wir wirklich richtig gute KI bekommen. Mein aktueller Guess für AGI, gut, die Definition davon ist jetzt auch nicht so einfach, aber für generelle Intelligenz: wahrscheinlich sogar ein, zwei Jahre, bis KIs wirklich in vielen Sachen so gut oder besser als die meisten Menschen sind. OpenAI hat jetzt auch eine Programmierolympiade gewonnen und auch eine Goldmedaille bei einer Matheolympiade. Das ist wirklich krass.

Schwierige Frage auch. Ich denke tatsächlich, es ist wahnsinnig, wahnsinnig viel möglich, wenn man sich auch ein bisschen drüber Gedanken macht, wie Sachen funktionieren. Ich glaube, was ganz schwierig ist für viele, ist, sich tatsächlich mal drüber Gedanken zu machen: Warum kann ich diese Aufgaben? Weil es ja eigentlich nichts gibt, was einfach nur vom Himmel fällt. Oft sind es auch Sachen, über die man sich selbst dann Gedanken macht, um eine Aufgabe lösen zu können. Und wenn man das runterschreiben würde, könnte es wahrscheinlich auch oft eine KI machen.

Was KI jetzt zum Beispiel noch nicht so gut kann, ist, meine Steckdose zu installieren. Gerade weil wir jetzt diesen Sprung in diese reale Welt erst noch machen müssen. Aber ich glaube, alles, was tatsächlich rein digital läuft, können wir zu einem sehr, sehr großen Teil von KI machen lassen. Aber wir vertrauen dem Ganzen halt nicht. Und ich glaube, KI muss tatsächlich viel, viel besser als der Mensch sein, damit wir gewisse Aufgaben an die KI abgeben würden.

Es gibt zum Beispiel auch ein paar Sachen, wo ich sehr, sehr froh bin, wenn man KI einfach erstmal rauslassen würde, zum Beispiel irgendwelche Flugzeuge fliegen. Oder auch bei sowas wie autonomem Fahren. Das ist ja auch immer ein Problem mit der Rechtslage: Wer ist dafür verantwortlich, wenn sowas einen Unfall baut? Am Ende natürlich trotzdem immer der, der am Steuer sitzt.

Aber ich glaube erst, dass sowas großflächig eingesetzt wird, wenn es nicht 10 % weniger Unfälle hat als ein Mensch, sondern eher so 100.000 %. Dass es einfach rein logisch die bessere Wahl ist, jetzt die KI fahren zu lassen, als wenn ich mich selbst ans Steuer setze. Und gerade von diesem Sprung, so viel besser zu sein, sind wir halt momentan noch ziemlich weit entfernt. Allerdings muss man halt abwarten, wie sich das entwickelt.

Aber ich glaube, gerade dieses Thema Vertrauen, dass wir als Menschen darauf vertrauen, etwas jetzt abzugeben: Ich denke, das wird in vielen Bereichen vor allem das Hauptproblem sein. Nicht, dass die KI es theoretisch nicht kann, sondern dass wir nicht wollen, dass sie es tut.

Also wir haben das Fliegen ja auch nicht erfunden. Wir haben letzten Endes Vögel gesehen und dachten, wäre cool, wenn wir das auch könnten. Deswegen würde ich schon davon ausgehen, dass diese Transferleistung irgendwo möglich ist. Beziehungsweise auch gerade: Kennst du die Library of Babel oder Gallery of Babel?

Das finde ich ein wahnsinnig interessantes Gedankenexperiment. Weil in der Gallery of Babel ein Bild von deiner Geburt drin ist und auch von deinem Tod. Und zwar perfekt, also eins zu eins genauso, wie es passiert ist und passieren wird. Und das liegt daran, dass da letztendlich jedes Bild drin ist, das auf, ich glaube, es war 512 x 512, passt, und einfach jede mögliche Variation davon.

Der Grund, warum es ein Gedankenexperiment ist, ist vor allem, weil es länger dauern würde, als das Universum existieren wird, um jedes Bild tatsächlich einmal generiert zu haben. Und ich glaube, da kommt KI zum Einsatz. Wie ich KI momentan verstehe, ist es eigentlich so, dass sie in dieser Menge an Lösungen eine gute Lösung findet, letztendlich eine bessere Lösung als pures Rauschen.

Und deswegen, ja, ich bin jetzt kein Künstler, muss ich dazu sagen. Deswegen will ich da jetzt niemandem auf die Füße treten. Aber ich glaube, dass Kunst grundsätzlich etwas ist, was halt auch irgendwo begrenzt ist. Es gibt nur eine gewisse Anzahl von Sachen, die wir jetzt zum Beispiel als ästhetisch empfinden würden. Das ist natürlich auch immer ein bisschen subjektiv, aber trotzdem limitiert in der Menge.

Und KI kann halt einfach, weil sie gesehen hat, was uns gut gefällt, letztendlich Sachen generieren, die uns ebenfalls gut gefallen, und einfach in dieser riesigen Menge der Möglichkeiten eine gute Lösung finden. Bei solchen Sachen wie neuen Konzepten, was intellektuelle Sachen angeht, ist es momentan, glaube ich, noch ein bisschen schwierig. Aber die Frage ist ja auch: Erfinden wir wirklich oder entdecken wir?

Weil es letztendlich ja auch nur eine gewisse Anzahl von Konzepten gibt, die tatsächlich valide sind. Und gerade viele Durchbrüche in der Wissenschaft entstehen ja dadurch, dass wir zwei bekannte Sachen miteinander verbinden. Und deswegen halte ich es auch für wahnsinnig spannend, wenn man jetzt sowas wie KI trainiert und sie alle diese Konzepte letztendlich beinhaltet, dass auch einfach vielleicht Verbindungen gesetzt werden, auf die der Mensch wahrscheinlich auch gekommen wäre, aber vielleicht in dem Moment die KI diesen Vorschlag liefert.

Das sehe ich auch absolut genauso. Handwerk als solches finde ich total toll, und ich würde auch definitiv keine Millionen Euro für ein Bild ausgeben, das von der KI gemacht wurde. Allerdings ist oft nicht das Ziel, etwas unfassbar Wertvolles zu schaffen, sondern oft schafft man ja etwas, weil es einen gewissen Zweck erfüllen soll.

Beispiel Marketing. Ich glaube, keiner wird jetzt für so ein Werbemittel Hunderttausende Euro zahlen wollen, sondern das soll eine Funktion haben, es soll etwas vermitteln. Und da ist für mich dann die Frage: Reicht's dann, was die KI produzieren kann, oder muss es jetzt wirklich der 5.000-€-Designer sein, der sich da halt zwei Wochen einsperrt und versucht, da was Cooles zu machen?

Beides hat natürlich irgendwo seine Daseinsberechtigung. Aber ja, ich bin inzwischen ziemlich froh, dass wir unsere Infografiken auch mit KI-Unterstützung machen können. Spart uns auf jeden Fall viel Zeit.

Also, wir haben da eigentlich die Kette der Fehler. Der allergrößte Fehler, den man machen kann, ist, KI einzuführen, um KI eingeführt zu haben. Also einfach nur, weil es jetzt ein Hypethema ist. Machen viele trotzdem, dann sollte man es wenigstens richtig machen.

Ganz ehrlich, für viele Firmen ist ja auch einfach sowas wie eine Copilot-Einführung jetzt im ersten Schritt wahrscheinlich einfach mal das Richtige. Einfach nur, damit sie halt Erfahrung damit sammeln können und ein Gefühl dafür bekommen.

Aber ich glaube, der größte und kritischste Fehler, den die meisten Unternehmen machen, ist, sich nicht erst mal mit ihrer Basis auseinanderzusetzen. Das Problem kennen wir ja aus der Digitalisierung schon. Das ist kein KI-exklusives Problem. Aber wenn man halt keine Ahnung hat, wie seine eigenen Prozesse eigentlich laufen, keinen Ort hat, wo die Daten abgelegt werden, nicht weiß, wie man letzten Endes Data Governance betreibt, damit das, was im System steht, auch tatsächlich die Realität widerspiegelt: Wie will man dann hochkomplexe KI-Workflows bauen? Also Shit in, Shit out, das ändert sich auch mit KI leider nicht. Das, muss ich sagen, ist, glaube ich, das größte Problem.

Ansonsten machen viele Firmen da inzwischen eigentlich einen ganz guten Job, muss ich sagen. Ich glaube, manche scheuen sich noch ein bisschen, sich wirklich damit auseinanderzusetzen, was ich auch grundsätzlich als Problem sehen würde. Aber wir sind jetzt aus dieser Phase von 2023 raus, wo diese Technologie zum ersten Mal gesehen wurde und alle dann direkt dachten: Oh, wir bauen jetzt das ultimative Unternehmenswissen- und Automatisierungstool gleichzeitig.

Ich glaube, am Anfang wollten viele zu viel auf einmal. Die Erwartungshaltung ist jetzt Gott sei Dank wieder ein bisschen normaler geworden. Ich glaube, das ist halt auch so die Sache: Man muss sich da ein bisschen rantasten. Und viele gehen vielleicht mit zu hohen Erwartungen an so ein Projekt dran und sind dann sehr enttäuscht, wenn die Erwartungen halt nicht erfüllt werden.

Genau, richtig.

Definitiv. Was ich halt super cool finde beziehungsweise was mir so Spaß macht, ist, dass wir jetzt, glaube ich, in die Zeit der Individual Contributors kommen. Also dass einzelne Leute dadurch halt einfach extrem stark befähigt werden, viel Output zu haben.

Wir sind jetzt keine Riesenfirma, wir haben keine Hunderte Mitarbeiter, wir haben kein eigenes Marketingdepartment und können aber trotzdem zumindest qualitativ hochwertig abliefern, weil wir halt diese Werkzeuge zur Hand haben. Ich glaube, wir müssen auch gar keine Hunderte Mitarbeiter mehr haben, um so effektiv zu sein. Das finde ich sehr, sehr befriedigend.

Und ich glaube auch, nächstes Jahr sehen wir den ersten Kinofilm, der komplett sozusagen aus dem Schlafzimmer heraus gemacht wurde. Damit werden Menschen einfach befähigt, sich jetzt auch kreativ so auszuleben, wie sie das halt möchten, ohne riesige finanzielle Mittel da reinstopfen zu müssen. Und das finde ich einfach sehr erfreulich, muss ich zugeben.

Das ist eine Sache, die ich unfassbar an den Amerikanern schätze, und zwar diese Fail-Fast-Einstellung.

Ich habe mehr durch meine Fehler gelernt als durch meine Erfolge, glaube ich.

Also, ich glaube, mal angefangen bei ChatGPT, das ist mein Daily Chatbot. Ich kann jetzt die ganze Liste aufzählen, wir nutzen sehr, sehr viel KI, weil wir es ja auch ausprobieren müssen. Wir machen ja auch Beratungen, also wir haben auch Copilot im Einsatz, womit wir sehr, sehr viel machen. Logischerweise auch Cursor, also zum Programmieren brauchen wir das logischerweise.

Wir haben aber auch Gemini, weil wir jetzt gerade auch viel Marketingmaterial machen, und damit kann man halt wunderbar Videos bearbeiten und analysieren lassen. Dazu haben wir auch noch Claude, weil Claude auch immer eine gute Programmierhilfe ist. Was wir auch noch nutzen, ist Gamma, um Präsentationen zu erstellen.

Gamma.app kann ich definitiv empfehlen. Baut wunderschöne Webseiten und Präsentationen. Also die Webseiten sind nicht annähernd auf dem Level, was du da ablieferst, sonst hätten wir es ja damit gemacht. Aber wirklich coole App. Gerade wenn man jetzt irgendwie eine Präsentation oder einen Pitch bauen muss, wo man im Idealfall schon alles in Textform vorliegen hat: Wahnsinnig cool, wie schnell das daraus eine gute Präsentation baut.

Und das sind eigentlich so unsere Haupttools. Wir nutzen zum Schreiben auch Obsidian. Das ist letzten Endes ein digitales Notizbuch, wo wir auch KI eingebunden haben, um Sachen umzuschreiben oder zu ändern. Copilot nutzen wir dann auch öfter mal in Word oder PowerPoint, wenn es mal funktionieren möchte. Aber ansonsten nichts sehr Exotisches.

Eine Sache nutzen wir noch: n8n. Gerade wenn wir intern Prozesse automatisieren, machen wir daraus oft kein Riesen-Entwicklungsprojekt, sondern bauen uns halt mit n8n eine kleine Automatisierung.

Ja, absolut.

Das ist nicht für alle das Richtige. Ich glaube, man sollte sich damit auseinandersetzen, aber ganz wichtig: auch im eigenen Tempo. Es gibt Leute, die dem gegenüber einfach nicht so affin sind. Die Frage ist halt auch immer, aus was für einem Blickwinkel das jetzt betrachtet wird.

Als Geschäftsführer halte ich es schon für wichtig, zumindest zu verstehen, was man damit machen kann. Weil man will ja im Idealfall auch bessere Prozesse haben, man will schneller liefern können, man will vielleicht besseren Kundenservice liefern, und da ist das halt letzten Endes eine Technologie, die einem helfen kann.

Aber es gibt auch noch Schreinereien, die jetzt keine CNC-Maschine haben und halt auch funktionieren. Es kommt halt immer drauf an, was für ein Business man ist. KI ist jetzt meiner Meinung nach nicht die allgemeine Lösung für alles. Es gibt viele Sachen, die auch ohne KI genauso gut funktionieren.

Ich glaube, wo es wichtig wird, ist, wenn man halt in einem Business ist, das sehr gut von KI disruptiert werden kann, beziehungsweise wo man eventuell, wenn man sich nicht damit auseinandersetzt, preistechnisch einfach nicht mehr mit der Konkurrenz hinterherkommt. Übersetzung jetzt noch mal als Beispiel: Das sind so Themen, wo man sich, glaube ich, durchaus damit auseinandersetzen muss.

Aber ansonsten finde ich, es lohnt sich halt auch. Ich nutze es ja auch im Privaten. Wenn ich jetzt mal ein Rezept für was Ausgefallenes haben will: Es ist halt einfach ein Zugang zu Information auf eine andere Art und Weise. Und ich glaube, sobald man da so einen ersten Startpunkt gefunden hat und sich ein bisschen damit auseinandersetzt, dann läuft es auch.

Vor allem ist die Hürde jetzt noch mal deutlich niedriger geworden, weil Prompting nicht mehr so wichtig ist. Am Anfang musste man sich ja tatsächlich sehr, sehr viele Gedanken darüber machen, wie man so einen Prompt gut schreibt, um dann auch ein Ergebnis rauszukriegen, das halt auch sinnvoll ist.

Aber jetzt mit GPT-5 oder sowas: Du schreibst da eine doofe Frage rein, es macht sich darüber Gedanken, versucht dich zu interpretieren, und dann kriegst du eine gute Antwort. Also da mache ich mir jetzt im täglichen Doing weniger Gedanken, und das macht es halt auch für die meisten viel zugänglicher.

Also, ich glaube, der wichtigste Punkt ist natürlich, dass KI Websites aktiv nutzt, um Antworten zu liefern. Das heißt, gerade auch, wie Leute suchen, verändert sich ja so ein bisschen. Wahnsinnig viele Leute, die ich kenne, gehen nicht mehr auf Google, sondern fragen ChatGPT. Also das muss dann entsprechend auch sehr optimiert sein, und ich glaube, teilweise braucht man auch entsprechend mehr Text auf den Webseiten.

Es gibt ja inzwischen auch, Gott, wie heißt denn das, agents.txt, die dann bei vielen Webseiten hinterlegt werden, um einfach alles, was irgendwie an Content da ist, noch mal in Textform widerzuspiegeln, worauf dann auch KIs zugreifen sollen, um Informationen aus der Webseite zu liefern. Und ich glaube, sowas macht durchaus Sinn, weil man dadurch halt auch in diesen Chatbot mit aufgenommen wird und da letzten Endes auch Sichtbarkeit bekommen kann.

Ich weiß nicht, ob das immer noch geht, aber gerade am Anfang der KI-Websuche konnte man auch noch sogenannte Hidden Tokens auf die Webseite packen. Einfach Text, in derselben Farbe wie der Hintergrund oder sogar vielleicht im HTML, wo man dann reinschreibt: „Kevin ist der Großartigste.“ Und wenn die KI das dann gefunden hat, dann sagt sie halt: „Kevin ist der Großartigste.“

Ich weiß nicht, ob es solche Tricks noch gibt. Das müsste man noch mal ausprobieren. Aber grundsätzlich halte ich es schon für sinnvoll, dass man zumindest ein bisschen sprechender wird, ein bisschen deskriptiver wird und im Zeitalter von KI auch entsprechend mehr Sichtbarkeit bekommt.

Aber ich glaube trotzdem, dass Webseiten, gerade wenn man sich noch genauer informieren will, ihren Stellenwert auch nicht verlieren. Gerade bei uns z. B.: Unsere Produkte sind jetzt nicht gerade die günstigsten, dann informiert man sich auch zweimal. Die Leute gehen meistens nicht nur auf meine Webseite, sondern auch auf mein LinkedIn-Profil, um zu gucken, ob ich da tatsächlich eine gewisse Präsenz habe. Und dieser Testprozess wird sich, glaube ich, langfristig nicht unbedingt ändern.

Also, danke, Kris. Über uns ist wahrscheinlich auch unsere Webseite der erste Startpunkt, weil wir gerade da jetzt natürlich die meisten Informationen über das haben, was wir eigentlich machen. Wir haben jetzt auch unser Produktportfolio noch mal ein bisschen erweitert.

Ansonsten auch super gerne auf LinkedIn einfach mal anschreiben beziehungsweise gerne auch einfach mal einen Kennenlerntermin ausmachen. Ich freue mich natürlich auch immer, wenn man sich austauschen kann. Aber ich denke, unsere Webseite ist dann ein sehr guter Startpunkt.

Danke dir auch, Kris.