Herzlich willkommen zum AI First Podcast. Heute zu Gast ist wieder Stammgast Elisabeth Lorosh und wir haben wieder eine Doppelfolge für euch. Heute im AI First Podcast, morgen bei Tech and Tails bei Elisabeth. Und zwar sprechen wir jetzt über drei ganz konkrete Anwendungsfälle wie Elisabeth Kaii für sich nutzt. Und sie wird uns erzählen, wie sie sich das gebaut hat. Und morgen am Samstag bei Tech and Tails werde ich das gleiche von mir erzählen, also schaltet dort auch unbedingt ein und abonnieren. Elisabeth, schön, dass du da bist. Hi Felix, freut mich sehr, ja, die leisten des Schusses sind ja angeblich immer die schlechtesten. Deswegen müssen wir jetzt auch mal irgendwie für unsere Credibilität in der Szene sorgen und erzählen, wie wir tatsächlich Kaii anwenden. Und ich muss dazu sagen, dass noch vor, ich würde sagen, einigen Monaten, die Dinge, die ich mit AI gemacht habe, mit NWMAC.com oder mit anderen Okestratoren, wenn man so eine Rechte gebaut oder zusammengeschustert oder eben viel auf Azure, also Azure Foundry, weil das eben die technischen Voraussetzungen waren, die ich beim Kunden vorgefunden habe, beziehungsweise dann eben mit Mac.com bei mir selber. Und das heißt typischerweise habe ich in der Vergangenheit, wenn ich Sachen, wenn ich Prozesse sozusagen erstellt habe, die ganzen die einzelnen Schritte aneinander gereilt, wie so eine Perlenkette. Ich meine darüber haben wir jetzt auch schon zwei, drei mal gesprochen. Und dann halt, glaube ich, so das Problem dabei war, also für meinen Finden, dass die API immer wieder Probleme hatten. Das heißt, man brauchte sehr viel oder diese Prozessketten, brauchten immer sehr viel Zuwendung. Das waren immer Automatisierung, die sehr liebe Bedürchtung waren, da man so möchte. Und jetzt bin ich zu komplett zu Anthropic geswitched. Also ich habe keinerlei Mac.com oder ähnliches mehr. Und möchte heute euch quasi drei folgende drei Use-Cases erzählen oder erklären, uns vor der erste ist, tatsächlich ein Newsletter Summariser Tool oder ein Digest, glaube ich würde man auf Englisch sagen, das heißt ich bekommen wahnsinnig viele Newsletters während der Woche. Was in der Plural eigentlich Newsletter wahrscheinlich nicht Newsletters? Egal, aber wie immer, ich bekommen sehr viele Newsletter und die haben sehr vielen Content. Und das ist sehr, es ist, finde ich relativ schwer, das Signal vom Neues zu trennen. Also zu wissen, was es da wirklich wichtig ist. Und die Masse ist einfach ziemlich groß. Also das heißt, ich kann nicht 10 Newsletter lesen. Und da habe ich mir eine Art Automatisierung oder einen Tool, wenn man so ein Mädchen gebaut, dass mir einmal am Montag eine E-Mail schickt mit den wichtigsten Inhalten. Und quasi was ist so eine Woche passiert. Das kann man auch daily machen, aber ich habe es jetzt welchen nicht gemacht. Und das weiß ich auch, was ich euch vorstellen möchte, ist ein Markt, wo Obachtungstool. Das heißt, ich arbeite hier in eine Beratung. Und deswegen habe ich so ein Buch gebaut, was mir unter, was mit verschiedenen Parameter, der innerhalb des Consultings, also der Beratung und innerhalb der Big Four und MWB. Also Mackenziee, Ben und BD-Bout. Das heißt, ich schau, was die Ältem-Lithal machen. Und das Dritte Tool, was ich euch zeigen möchte, ist so ein ganz, es relativ spezifisch für den Podcast, aber zeigt relativ gut, wo man da quasi anknüpfen kann. So. Und. Bevor du los legs, habe ich noch eine Frage. Und zwar war ich letzte Woche auf so einer Konferenz. Und dann wurde ich noch mal im Vortrag gefragt, wie ich den Privat-Kain-Nutz, weil ich Frau Hannover über Business-Cases und Adoption zu gesprochen habe. Und dann habe ich kurz überlegt und habe gesagt, ich darf ich das die ganze Zeit mit KI-Arbente. Und nur darüber spreche, versuche ich eigentlich Privat zu. Nutzig das gar nicht. Also ich habe gar kein Newscase, irgendwie Privat, nutz du Privat-Kai. Ja, schon. Also, ähm. Alltäglich für alles Mögliche. Also ich bin uns das für. Ich habe das glaube ich auch in meinem vergangenen Podcast erzählt, zu der Diagnostik von allen möglichen Kinderkrankheiten, ich nutze es permanent für alles. Also ich nutze es wesentlich mehr als Google. Ich nutze es um Sachen zu recherchieren, ich nutze es um Sachen zu verstehen, ich nutze es um. um Rezepte zu generieren. Also ich nutze es tatsächlich. Stundenlang am Tag, würde ich sagen. Es war die drei. also ich nutze die drei großen Systeme, ich nutze Enzwebwick für eigentlich alles, aber vor allen Dingen die Code-Beinhalten, weil die ein sehr gutes Protokoll, die es MCP haben, mit den verschiedenen großen Anbietern wie Google, dann nutze ich OpenAI, weil dann der aktuelles Bildmodell, also das Tatsy-Bit-Bildmodell, ist einfach viel besser als alle anderen. An der Stelle, ich muss unbedingt mal mit Journey, aber wohl kündigen fällt mir gerade auf. Und dann nutze ich Google, und zwar weil diese Integration mit Gmail einfach uns faszbar gut ist. Das heißt, wenn man zum Beispiel Steuerabrechnung machen möchte und in seiner Cloud 100.000 Belege in einem Ordnerhand, kannst du relativ gut suchen. Also wenn du weißt, irgendwo muss dieser blöde Amazon-Belieck von 899 für den Kabel sein. Und du willst nicht 211-Tailpacks aufmachen, dann kannst du einfach das befragen. Und dann auch sagen, such mir alle anderen zusammen und so weiter. Also das ist schon, das löst für mich persönlich in meinem privaten Alltag schon sehr viel. Aber ich fühl's total, und es gibt ja auch, wir sprach darüber, glaube ich, beim letzten Mal auch, dass es ja dieses Symptom des Brain-Friess gibt. Das heißt, dass man je mehr man generative Tools nutzt, dass so mehr verblödet man. Und das ist anscheinend, also je mehr man auch einfach generiert. Und das ist wohl bei 3, wenn man mehr als 3 Tools zum Beispiel verwendet, dann findet deinem Gehirn das sehr schwierig und dann aufzudenken. Das möchte keiner. Daher schlage ich wohl nur ein Tool zu nutzen. Aber also meines 8.000 geht das halt mit Enthrobic und Clord am besten. Und dazu seid auch gesagt, die hat mir diese Wahnsinnig, also deren marketing-Kampagnen sind ja unfassbar gut. Dass das jetzt verboten worden sind, was besser es hätte, den gar nicht passieren können. Und ich glaube, das ist einfach wahnsinnig gut orchestriert aus deren Seils Perspektive oder von deren Seite, sagen wir mal so. Also ich glaube, dass man Waffenchein braucht für das Modell, so wie Trump das postulierte. Aber gut. Okay, dann gehen wir rein in deinen ersten Case-Din-Newsletter-Digest. Und wir wollen natürlich einmal wissen, wie funktioniert das? Also wie läuft das dann konkret ab? Und vor allem auch wie und wo hast du das aufgesetzt? Weil der Anspruch ist sehr zu wohl für diese also für die nächste Folge, dass alle die hier zuhören und sagen, okay, finde ich interessant und kann ich auf mich irgendwie adaptieren, auf etwas, was ich tue, dass sie sich das nachbauen können. Und wir gucken noch, dass wir euch die Templates und so irgendwie bereit geschält bekommen. Genau. Also, man braucht also grundsätzlich für alles, was e-mail ist, involviert. Kann ich persönlich stark dazu raten, sich eine eigene e-mail-Adresse für KI-Agenten anzulegen. Und einfach sind geht das, wie gesagt, mit Gmail, weil die Schnittstellen, also die MCPs mit den jeweiligen AI-Tools sehr gut funktionieren, also das heißt, die MCP-Server, das sind die Daten Banken sozusagen, dieser Hinter, dann beide Richtungen freigegeben werden. Und das geht mit Gmail sehr gut so. Das heißt, ich habe mir ein Gmail-Account angelegt, heißt irgendwie
[email protected] oder so. Und mit diesen Gmail-Account habe ich mich bei sämtlichen Newslettern, die ich gerne lese, angemeldet. Und ich kann ja mal ein paar nennen. Ich habe auch dabei sind einige Pay, also einige Bezahlte. Zum Beispiel, die Information, die Information ist relativ teuer. Das sind 299 Dollar im Jahr, kostet die einfache Version. Muss man nicht machen, man kann auch die ganzen unbezahlten nehmen. Ich werde die alle in den Schon uns auf jeden Fall verlinken. Aber meine absoluten Lieblings-Newsletter sind zum Beispiel von Mike Law @ai-Secret. Also @ai-Secret ist definitiv einer. Dann natürlich der doppelgegene Newsletter von Flipklocknars einer. Dann natürlich von Scott Galloway, die Newsletter. Also die er sind unter Prof.G Media, also Professor G, dann von A16C. Natürlich Felix Newsletter mit den absoluten, sehr, sehr handfesten Problems. Problems, die ich dabei immer so cool finde, ist die Evolution zu sehen. Bei dir ist nichts Monotones. Ich weiß, jede Woche was Neues hast, weil du ständig daran arbeitest. Dann gibt es noch Newsletter, der heißt Not Boring. Also sind in Summen ungefähr 10 Stück, die wir auf jeden Fall verlinken werden. Von diesen Newsletter, dann habe ich alle Abonnemons. Das heißt, die kommen dann in deren jeweiligen Rhythmus, kommen die dann in meine Inbox. Und was mache ich? Ich habe eine Claude Pro-Lizenz. Ich glaube, die kostet so 20 Euro. Kann man auch halten, wie man möchte. Aber ich denke, das. man das KI irgendwann infrastruktur wird. Das heißt, ich glaube eine Prolicenz in einem der Modelle-Obsitz-Germany, Obmei oder Claude oder in Swappi jetzt sollte man schon haben, weil das das Leben einfach viel also zu großen Teilen erleichtert. Und ich habe angefangen, indem ich als erstes Claude geöffnet habe und ein Promt geschrieben habe. Mein Promt ver ganz einfach, ja. Ich habe geschrieben, "I want to create an automated newsletter tool that sends me a summary of all the newsletters I have and the news that are there." So, also auf Deutsch, ich möchte gerne ein automatisierten newsletter erstellen, der mir eine Zusammenfassung aller Newsletters, die ich habe und auch von den ganzen Neuigkeiten, die es unheim gibt. Und das erste, was er mich dann fragt, ist, ob ich einen Connector habe. Das ist der MCP, das diese Datenbank, die die Connecte wird von der Sprach. Und an der Stelle muss man dann seinen Gmail-Account mit dem Claude-Account connectieren. Das heißt, man kriegt dann immer einen Bedurntglatt, man kriegt auf Gmail und an der Stelle kann man dann verschiedene Zugriffe freigem. Und ich glaube, wenn man eine E-mail hat, den nur dafür, die digitiert ist, diese U-Delle quasi zu bedienen, dann kann man auch alles freiggeben. Also ich würde auf keinen Fall jemals Konfidential oder persönliche Dinge in diese E-Mails tun, aber so lang es eben nur für Newsletters oder nur für relativ keine Ahnung, für relativ eingeschränkte Dinge, dann kann man auch alles freigem, was ich getan habe. Okay, und das hilft natürlich, dass du diese eigene E-mail-Adresse hast, weil da ist sowieso nichts anderes drin als. - Korrekt. Aber es ist auch. - Korrekt, aber es ist auch. - Und wo auch immer die Leute dann deine E-mail-Adresse hinverkauft haben. - Korrekt. Aber ällicherweise auch wenn es auch meine ganz, wenn es meine normale private Adresse wäre, dann würde er genauso eine Lage sein, die Newslette rauszufiltern, weil sie die sind ja relativ. Also haben eine gewisse, wie gesagt, ein haptic, aber ein gewisses Logonviel und das ist für ein AI-Modell nicht so schwierig zu sehen. Aber wie gesagt, dass es jedem selbst überlassen ist, zu machen, ich würde es nicht empfehlen, aber bei einer E-mail-Adresse, die halt nur die Seite Thema hat, ist es einfach so. Und dann sage ich weiter oder spreche mit dem Modell, wie der Plan sein soll. So, das heißt, ich sage, die jeden Monat morgen möchte ich haben, dann sage ich, bitte suche in meinem Gmail für Newslette, die den letzten sieben Tagen angekommen sind, dann soll klord jedes Newsletter lesen und zusammenfassen und dabei gucken von weh, misskommt, was das Thema ist, was die Keyheadlines sind und was vorallekte Key-Tackaways sind. Ja, es sind vier Punkte. Dann sollen die von meinem eigenen Newsletter ein Draft in den E-Mails legen. Und dann kann man am Ende noch einstellen, dass es gleich draus schickt. Aber erst mal gesagt, so ein Draft machen so. Dann habe ich E-mail-Adresse kollektiert und dann das erste, was klord macht, attestet es. Das heißt, er guckt erst mal, ob er überhaupt die Newsletter in meiner inbox findet, so damit er überhaupt eine gewisse Logik entwickeln kann. Das hat ganz hart dann funktioniert. Hat sich dann eingelogt, hat die E-Mails alle gefunden, hat ein paar Sopsticks gefunden. Ich habe mir ganz am Anfang ein paar E-Mails von meiner privaten E-Mail weitergeleitet. Das heißt, auch das hat er gesehen. Das ist nicht von mir quasi war, sondern was eben in der E-Mail selber drin war. Und dann hat er gesehen, dass die der Body sozusagen bei vielen sehr HTML-Hebbi ist. Das heißt, er muss es verstehen, muss quasi verschiedene Newsletter verschiedenartig lesen. Was ich interessant finde, weil früher wär es so gewesen, dass man die anders hätte quasi anstollen müssen. Also die HTML-Artigen hätte man anders gelesen als quasi nur die Textlastigen. Und ich weiß noch, ich habe mir sowas vor zwei Jahren oder so mal aufgesetzt, relativ aufwendig über so ein Workflow. Ich weiß gar nicht mehr welches Tool, das damals rein geht, oder so. Und dann habe ich die ganzen RSS-Feed rausgezogen, damit ich das alles enttext hatte. Ja, ich weiß auch ja. Ja, und dann, ich glaube dann irgendwie über diese RSS-Feed, mir die Zusammenfassung und Struktur erstellen lassen. Aber ich weiß noch, dass das so gar nicht unlösbar war, aber auch nicht so flawless wie heute. Ja, genau. Und dann habe ich, habe ich das quasi so zusammengestellt, dann habe ich ihm einmal den Befege geben, run now, damit er das Ganze einmal testet. Dann habe ich gesehen, dass er hat an der Stelle 14 Svetz gefunden, das ist nicht nur 10 sozusagen. Hat dann noch zwei, drei Konformation-Events da wieder rausgefiltert und hat dann alle zusammengefasst. Und hier noch einmal um zu sehen, also welches, in dieser Woche waren, das war die Information. Dann war es Professor G. Markets, das ist von Professor Galway, dann die AI-Corner, Mike Law, Philipp Klugner, AI-Secret, Bay Area Times. Und dann sind die anderen fünf Subscriptions, das war Nord-Boring, A16C und so weiter, die waren noch nicht in der Inbox. Ich habe ein Zeitversgültig, ach, Tomornges, und habe außerdem noch gesagt, dass bitte alle transaktionalen E-Mails automatisch rausgefiltert werden sollen. Also irgendwie so, als wir Konfirms-Subscription oder irgendwie Marketing-E-Mails und so weiter, falls ich irgendwo ausversehen, wie ich angemeldet habe, das soll ja als rausgehen. So, und dann habe ich meine erste E-Mail bekommen. So, diese erste E-Mail war natürlich ein sehr zusammengequetscher Text, der wenig Lesbava und so weiter. Das heißt, ich habe dann noch ein zweites, das habe diesen Prompt quasi oder diesen Workflow erwahlte darum, dass ich gebeten habe, das in HTML zu formatieren, dass ich verschiedene, dass jeder Newsletter quasi einen kleinen Block hat, mit einmal Summary, mit den Keyheadlines und den Background sozusagen. Und ich denke, man kann das beliebig erweitern, vor allem in dem man meinwegen, wenn es 5, 6 Firmen gibt, an dem man besonderes Interesse hat. Kann man an der Stelle total einfach, glaube ich, sagen, helfen sollten die Worte an "thropic", "open AI", "google" oder so. Erwehen werden dann "bit assert" gleichzeitig noch mal für "back one" Infos zu den Themen und füge sie der ganzen Summary hinzu. Und ich fand das sehr sinnvoll, weil an der Stelle natürlich, also ich wie gesagt, nicht so wie lesen kann und weil ich damit quasi die Essence, also was aus dem ganzen, außer Woche rausdistidiert wurde, auf einem Blick zu sehen habe. Und natürlich ist es noch schwieriger, relevanz an der Stelle festzuliegen. Ich habe selber, als ich mal so ein Workflow gebaut habe, mit "ages foundry", damit sehr gestruggelt, wie man dieses, genau diese Perierung von Signal und Neues macht. Das heißt, da muss man dem Modell dann kann man das auch wiederum erweitern und dem halt noch mal sehr genau als Routon eben, wie man genau das Signal und Neues definiert. Also man kann sagen, irgendwie Mac, Serven, Companies, Unternehmen von der gewissen Größe und wie man noch alles relevanz definiert. Aber auch für diese Definition würde ich immer das Modell fragen, was es als Defektion sieht und das dann selber mit den eigenen Gedanken ergänzen. Also, "wola", ja, das heißt, ich habe jeden Monat gemacht, habe ich in meinen eigenen Niesletter natürlich jetzt mit deinem zusammen, aber Deinem ist ohnehin der, der ich immer lese und sehe, aber Deinem kommt sonntags. Ja, sehr, genau, aber du hast weiß, was du gerade erklärt hast, das ist das wichtigste Prinzip, was wir auch jeder, jeder Person in den Kopf einpflanzen, mit der wir zusammenarbeiten und zwar KI zu nutzen, um KI besser zu nutzen. Also KI kann, wenn du weißt, was du willst und das erklären kannst, können die heutigen KI-Modelle mit den ganzen Schitstellen und so, die sie haben im Hintergrund, die Workflows so aufbauen, dass KI diese Workflows immer wieder ausführen kann. Und am Ende geht's nur darum, das zu iterieren und immer wieder Feedback zu geben, also genau das, was du beschrieben hast. Ja, genau. Und übrigens eine Anwendungsfall, den ich über den ich nachgedacht habe, aber den ich noch nicht gebaut habe, aber die nicht bauen würde, glaube ich, wäre diese ganzen Daily Wirtschafts-Pot-Cars so zusammen zu fassen, dass ich daraus Trading-Empehlung ableiten würde. Also das heißt, wenn du wirklich so die Smartes und Leute zusammendessen kündest und das Ganze ist ja auch nicht schwer, weil man es über die Show-Notes machen könnte. Das heißt, du kannst ja ganz einfach bei Apple zum Beispiel, bei Apple-Pot-Cars, also die Show-Notes, das heißt, ich habe es noch nicht probiert, aber irgendwie, oder das gibt dir noch andere Podcast-Plattformen, man müsse jetzt sehr möglich sein, sich die Show-Notes als Texte zu ziehen, ein Web-PAPI oder PASS-Gray-Bot-Core, keine Ahnung, was auch immer es gibt. Und dann daraus quasi direkte Trading-Empehlung ableiten. Also ich finde gerade nämlich diese Markt beobachten, eine Funktion von KI oder die Fähigkeit finde ich so interessant, weil eben diese riesen Datenmengen gleichzeitig beobachtet werden können. Und das ist eben, das ist auch mein zweiter Anwendungsfall, das heißt, was ich sagte, ich muss in meiner Industrie, es ist halt wahnsinnig mühsam, weil ich muss nicht nur die Sektoren quasi in denen ich arbeite und
dass es überwiegend Energie und Chemie, die ich will sagen überwachen, aber zumindest muss ich verstehen, was da passiert. Ich mache viel EI oder überwiegend EI. Das heißt, ich muss immer auf dem absoluten letzten Stand sein in Hinblick EI. Aber dann ist Beratung ja selber noch ein Animal of its Own. Also das heißt, auch die Beratungsindustrie ist quasi ein kompletter Sektor. Das heißt, ich muss diese drei Sektoren quasi permanent im Auge behalten. Und das ist relativ Zeitaufwendig. Es ist nicht schwer, aber es ist halt Zeitaufwendig. Das heißt, mein nächster Prompt war, dass ich gesagt habe, "Now I would like to build a market watch tool for what the big four consultancies and MBB." Und das ist McKinsey, B, C, G, "are doing in Germany also in form of a newsletter." So, das heißt, und ich spreche mal mit dem Modellangesch, weil mein Gefühl ist, dass es wesentlich besser auf Englisch funktioniert. Das heißt, ich habe gesagt, ich möchte jetzt bitte einen Markt beobachtungstool gebaut bekommen für die Big Four. Also das ist KPMG, PVC, Deloitte und Y als Nährung und eben die anderen drei und auch dazu ein newsletter zu bekommen. Und dann hat das Modell auch netterweise gesagt, so "guarded, Monday is covering all angles." Ich finde, ich finde so klar, der man ziemlich wird es ist. Und dann haben wir halt überlegt, was könnten die, also welche, aus welchem Gesichtspunkt, aus welchem Blickwinkeln gucken wir uns das quasi an so. Und das heißt, wir haben dann, haben dann geguckt, was sind sozusagen, also was dann quasi die Hebel. Und da können wir sehen, dass die, was an persönlichen, also an Stärfs sozusagen quasi passiert ist. Das heißt, was die an neuen Projekten haben, also was öffentlich ist, ja. Dann was Sie sehen, welche Obis Layoffs gibt, also Restrukturierungstil sind momentan sehr, sehr in den Medien, dann das nächste, was wir geguckt haben oder was das Modell auch mit mir zusammen geguckt hat. Ich habe selber überlegt und dann wie das Modell überlegt, was wir halt in diesem Prompt selber, eine sehr langen Prompt an reinschreiben. Das heißt, wir haben geguckt, was gibt es für Partner-Enouncements, also gerade bei MBB, das sind die, also bei McKinsey-Bain. Und PCG. Wie sieht die, da sind immer die, da sind diese, haben die Partner-Enouncements sehr viel, sehr viel Trageweite. Und dann haben wir noch mal geguckt, was ist, was ist, also haben diese, diese Promz beziehungsweise, diese Unterkategorien quasi noch näher definiert, ja. Das heißt, wir sind, haben das runterkaskadiert, was genau heißt das für diese sechs Firmen sozusagen, bei den, bei den People move so. Das heißt, wir haben es noch runter und haben gesagt, es sind nicht nur Partner-Pointments, es sind Leadership-Changes, es sind Notable-Hiers in Exits so. Dann bei den Kunden und Diels und Projekten haben wir noch mal genau runter. Das ist ebenfalls in neue Mandate, in größere Projekte, in Kunden, Gewinne und so weiter so. Dann, das die nächste Kategorie war für mich Publications and Research, also das heißt für Öffentlichung und Forschung. Und das heißt, wir haben da geguckt, was gibt es für Reports, Studies, Forkass und so weiter so. Und dann eben noch die letzten zwei, das war einmal Strategie und Expansion. Das heißt, wir haben geguckt, was gibt es für Office-Opening, Restrukturierung, neue, neue Büros grundsätzlich oder ein New Practice-Arias. Und dann eben in dem Bereich Headcounts und Layoffs gab es irgendwelche Jobcuts, High-Rake Freezes. Also, das heißt, wo die Leute entlassen oder gab es oder hat man entschlossen, nicht neue Leute einzustellen. So und so haben wir das quasi das Hotel und ich. Wir geredet schon so, haben ja das gemeinsam uns erarbeitet und dann gemeinsam in diesem Prompt quasi geschrieben so. Und dann haben wir den ganzen noch Colored Text gegeben. Also haben diese einzelnen Headlines in verschiedene Farben kathönig und das Ganze ein bisschen übersichtlich jetzt zu machen. Und haben, weil ja Newsletter meistens noch so Art Call to Action am Ende haben, habe ich noch so eine Box gemacht mit Trends to Watch. Also was passiert gerade am Markt und dazu sollte jede Firma so ein bisschen die hauptsächlich oder da gab es gibt es halt Bo-Wachtungen zu den hauptsächlichben Trends bei den einzelnen Firmen. So und das Ganze wird wieder in Gmail quasi getraftet und dazu braucht das Modell des Gmail MCP Draft Tool. Also das heißt, da muss man selber nichts machen. Aber dieser MCP Server sozusagen die die Connections zwischen den beiden Firmen, Enthropic und die und Google, wenn man so möchte. Und das Ganze wird als HTML formatiert. Automatisch braucht man nichts für machen. Und man sagt so, run now, kann man dann noch mal reinschreiben in den Prompt und dann wird das Ganze getestet und voila. Also hat ebenfalls funktioniert alles super. Und das ist jetzt als eine, ich glaube bei Cloud heißt das ja Routine oder also so eine Routine, die dann immer zu einem bestimmten Zeitpunkt wiederholt abläuft. Ja, es ist ein Schedule Task. Also bei mir ist das Schedule Task, Playhouse für die Routine. Also ich habe so der Co-Work sozusagen. Kann sein, das ist aber ja. Also weekly consulting, weekly consulting market what is for me a few for you as task scheduled. So kurz in eigener Sache. Wenn dir der AI First Podcast gefällt und du mehr spannende Inhalte und hochkarriere die gegeste hören möchtest, dann freue ich mich über deine Unterstützung. Mit einer 5 sternen Bewertung und einem Abo für den Podcast Hilfs zu uns sichtbarer zu werden und AI First weiterzuentwickeln. Für dich und die gesamte Community. Ich danke dir. Ich meine das ist ja schon sehr spannend. Da werden wir mal überlegen, weil auch nur 12 Monate zurück wie aufwendig das teilweise noch war. Sich solche Workflows zusammenzubauen. Man musste die ganzen Datenfelder mappen. Du musst es halt ein Tool haben, was die ganzen Schildstellen hatte. Wenn sie schnitstellen, ich hatte, musst du irgendwelche Webpokes oder API selbst einrichten und und und. Ich meine, gute nutze relativ viele Standardtooling, aber trotzdem ist total faszinierend wie KI diese ganze Komplexität wegabstrahiert hat, in dem KI einfach um draufgesetzt wird und du nur noch mit natürlicher Sprache beschreiben musst, was du haben willst und alles was dann technisch zusammen geknüpft werden musst, damit das funktioniert. Das wird ja wahrscheinlich bei allen möglichen Interfaces so sein. Ja und vor allem was ich besonders begrüße ist eben der wegfall der Schnitzstellen, wie du gesagt hast, also jede API ist immer anfällig für Probleme. Also API ist und wie so die ich glaube da beim Clampnern sagt man die Muffen oder also zumindest die Verteidigung sind diese kleinen wenn du so möchtest diese kleinen Ringe die zwei Rohre zusammenbringen und und aus dem Einruhe kommen quasi die Daten der der Einseite und am anderen die anderen Seite und die wollen entweder durchfließen oder was was mitnehmen wir auch immer auf jeden Fall ist das der Zugang und wie so eine Schlüssel und Schlüssel auch und da es gibt immer Probleme und Theater mit den APIs und den Schnitzstellen und es irgendwas hat und nicht funktioniert und das ganze diese MCP-Protokolle machen das wirklich viel einfacher und dadurch dass die Verantwortung für das funktionieren dieser dieser Städtstellen eben bei den jeweiligen Modellen bzw. Google liegt ist das natürlich funktioniert es dann reibungslos so und meine mein dritte Anwendungsfall war für meine Show notes bei Podcast weil ich muss sagen ich verbrauche wirklich also wenn ich mehr wenn ich realistisch bin brauche ich für ein Podcast bestimmt also ich brauche immer anderthalb Stunden so was im Aufnehmen in den Summe das dann brauche ich bestimmt anderthalb schon nachbereitungen bestimmt anderthalb schon vorbereitungen also wenn ich die Socials und so weiter mit einberechner und den LinkedIn post und so weiter dazu das heißt ich komme also mit viel übel auf 5 6 Stunden Arbeit pro Podcast würde ich sagen 5 6 7 schon also fast ein Tag Arbeit und ich habe natürlich überlegt was kann ich der automatisieren und ich finde man kann wenig automatisieren endlich gesagt außer jetzt eben die show notes und wie mache ich das so in dem in dem kontext war so wir nehmen immer bei Riverside auf und Riverside hat unter settings haben die den API key ist das das was ich eben sagt das heißt ist die dokumentation wie man diese beiden systeme konjunktiert und ich habe ebenfalls bei in swappik eben den prompt gegeben dass ich bitte meine show mein dass ich bitte show uns generieren möchte und zwar mit einmal der den titel dann dem untertitel dann den beschreiben dann den time marks also den timestamps das steht ja unter jedem podcast steht dann irgendwie bei keine ano minute 2 30 Felix sagt das und dann eben mit den entsprechenden links und den kvellen so und das heißt es sind man muss auch das relativ gut ausdefinieren was man was man sehen möchte und ich habe dann den ip alki konectet mit mit klord und sie mir darüber die den text file also das heißt man der text file ist bei die transription ist bei Riverside hinter der
liegt, ich sehe mir den Textfall und mache daraus dann relativ einfach die Schone und so. Aber und jetzt muss sagen, das hat nur bedingt gut funktioniert. Ich hab's probiert und wann sie mir begeistert. Wo mir das aber gut funktioniert hat und das war auch ein großes Learning für mich, war das wenn ich mir einfach selber diese Scheiß Textfall da teil runterlade und die einmal kopiere und bei Gemini rein kopiere. Das heißt, dass ihr das Fenster was eh schon offen ist neben meinem eigentlichen Vorbereitung schiebt, dann das da einmal nur copy paste zu machen mit meinem existierenden Prompt, es ist viel schneller, das so zu machen als wenn ich das Ganze über die API mir ziehe. Und da das ist auch eines der großen Learnings grundsätzlich und um KI fand ich immer, dass man viele Dinge gar nicht automatisieren muss, weil wir unhehensisch schnell sind. Ich muss keine dreistische Kunden-E-Mail mit einem mit einem anderen halbstündigen irgendwie set-up automatisieren. Verstehst du? Das heißt, da hab ich zwei verschiedene Wege zur Automatisierung probiert, gesucht, befunden, automatisiert, aber eigentlich völlig unnötig, weil so geht's am Schnetzen. Ja, meine Workaround ist so. Was sagst du? Ja, also was ich vor allem interessant finde, ist, dass die eingebauten KI-Funktionen in selblichen Produkten, wie jetzt zum Beispiel so eine Podcast-Nachbereitung, wo du ja auch Show Notes und so weiter rausbekommen könntest aus Podcast Tools. Also in meinem zum Beispiel sind immer wieder so unfassbar schlecht gemacht. Ja, ich weiß. Weißt du, weil eigentlich würde ich erwarten, das ist ja genau das Tool, nämlich als die ganze Zeit das Wache. Und ich hab da meinen Transcripten nicht will eigentlich das automatisch, da der Workflow weiter gedacht wird und die Essetsrausput sind, die man normalerweise nach so einem Video-Au-Dio-Aufnahme, was doch mal ist, ist benötigt. Und dass ich das vielleicht noch da drinnen direkt so ein bisschen Kaste meisen kann. Aber es ist halt immer wieder in extrem vielen Produkten so schlecht gemacht, diese KI-Integration, dass sie fast nicht brauchbar ist. Und auch wenn man sich das dann woanders nicht automatisieren muss, aber zumindest die Notwendigkeit, dass man es woanders sich nochmal bauen muss, das finde ich schon immer wieder verrückt. Es ist auch verrückt, aber es ist teuer Felix. Also wenn wir, ich will gar nicht wissen, die haben einfach das, ich glaube die Marge auch gerade bei Riverside und so weiter gibt es nicht her, dass jeder User dann irgendwie 20 verschiedene Schonauts-Variationen, ich will es ja gerendert, aber generiert. Und dann am Ende kommt, du kommst vielleicht doch nichts probates raus. Also ich glaube, das einfach diese kleinere Unternehmen wie Riverside und so weiter, die können das gar nicht leisten, mit diesen großen Modellen zu konkurrieren, weil die vorgängigen, die am Hintergrund passieren, sind ja auch relativ komplex. Und man braucht schon, also es hat sich ja auch wahnsinnig verbessert. Ich meine, erinnert dich mal in die ersten Variationen vor allem, ja konnten wir es nicht machen. Also da hat es nicht funktioniert. Inzwischen kannst du bei Gemini die gesamte, alle Legens, alles, was bei alles worüber man gesprochen hat, werden automatisch rausgesucht, werden die Kanzler-Rots HTM-Lex-Porn exportieren. Also es ist ziemlich gut geworden für dich, nur. Man muss eben wissen, wie man es am besten einsetzt sozusagen, an welchen Stellen lohnt es sich, an welchen Stellen lohnt es sich nicht. Im Prinzip finde ich muss KI so sein, dass du sie gar nicht merkst. Das eben Hintergrund irgendwie, auch die volle Automatisch funktioniert, dass du sie kaum siehst, dass alle möglichen Prozesse die nervig sind, dass die automatisiert werden. Aber an sich nicht, dass du dich damit irgendwie groß rum ärgern musst. Das ist meine, meine, meine, finde. Wenn man sich rum ärgern mit der KI, also wenn die Modelle nicht funktionieren, dann sollte man es sehr schnell sein lassen, weil es wird nicht besser. Also der zweite Prompt wird nichts Besseres rausbringen. Also rein statistisch ist es so, dass also die Wissenschaft sagt, wenn es am Anfang nicht funktioniert, dann wird es von dort aus nur noch stechter. So können wir auch gerne verlinkt. Auf jeden Fall. Mein Learning. Ich würde nicht mal sagen. Ne, nee, nee. Die Wahrscheinlichkeit des Modell halluziniert, steigt ab dem zweiten Prompt. Ich glaube, ich habe das in deinem letzten Portgas auch gesagt. Können wir auch verlinkten. Also man kann es positiv frasen, dass die Zuverlässigkeit der Modelle immer weiter steigt. Aber es ist immer noch so, dass der zweite Prompt einer, ich glaube, 112%ige, wahrscheinlich höhere Wahrscheinlichkeit hat, zu halluziniert als der erste. Aber. Ja, das hat uns mal. Irgendwie mit fünf Wörtern da, irgendwas hin rotze. Und ich bekomme nicht das raus, was ich rauswaben möchte. Und dann reflektiere ich vielleicht. Vielleicht ist das Problem ja nicht die KI, sondern doch das, was da vorsitzt. Und ich schreibe einen besseren Prompt, wo ich etwas mehr Kontext gebe und vielleicht meine Anweisung spezifiziere. Dann ist doch die Steigtoch-Dewahrscheinlichkeit, dass im Besseres Ergebnis rauskommt oder nicht. Ja, wahrscheinlich bei dir, das ist ein bisschen kompaktiv. Aber der Standard Nutzer hat wahrscheinlich nicht die Fähigkeit im zweiten Prompt, das weiss ich besser zu machen, weil sonst hat der erstes Beschuldige. Die Content-Types-Better. Ja, na ja, aber wir werden sehen. Wir werden sehen, wie sich das entwickelt. Abhinfall. Das sind meine Hauptanwendungsfälle. Und wie gesagt, überlege Spiele mit dem Gedanken eines, für eine wirtschaftliche Marktbeobachtung zu machen. Und das ist von den Sort-Liedern sozusagen, die Empfehlung machen lassen. Es gibt einen anderen guten Anwendungsfall. Es ist natürlich, dass man sich zum Beispiel so Berater-Bord zusammenschustet, indem man verschiedene Personers ein Beraten, das mache ich auch, dass ich sage, "Nehmen, an du bist so und so." Was würdest du dazu sagen? Und es ist ein bisschen so, je nachdem, wenn man auswählt, weiß man schon eigentlich, welchen Meinung man bekommt. Aber es ist so ein bisschen um den eigenen, den eigenen Gerüst oder auch den Doktus zu bestätigen. Das hat man in die richtige Richtung läuft. Aber ich denke auch, das ist eine super sinnvolle Anwendung. Sehr cool. Also, wir hatten den Newsletter-Digest, die Wettbewerbs- oder Marktbeobachtung und dann am Ende die Podcast-Nachbereitung. Ich meine, alle haben gemeinsam, dass du große Mengen an unstrukturierten Daten für dich so aufbereiten lässt, dass du daraus schneller Schlüsse ziehen und Entscheidungen treffen kannst oder ich meinen Podcast. Es ist vor allem utine Nachbearbeitung, dass auf das Wesentliche zusammenfassen. Der weiß aber nichts dabei, wo du dir irgendwie große neue Sachen generieren willst. Nee, weil auch da, da sehe ich, habe ich einige Probleme wie Alleran an auch, dass ich die Stabilität relativ schwer finde. Also mit den Kommerziell verfügbaren, zum Beispiel Video-Modellen oder bzw. Bildmodellen. Es ist sehr schwer, immer wieder das Gleiche zu bekommen. Auch wenn es in Nanobanana und so weiter. Es gibt da schon kleine Tipps und Tricks in der Stabilität. Aber dann muss man wirklich die sehr teuren Modelle einkaufen. Und das geht dann irgendwann finde ich ins Geld. Also ich gebe jetzt schon 100-Jeden-Monat für ein IO-Modelle und Newsletter-Subscription aus. Subscriptions aus. Also irgendwann ist der Mehrwert auch nicht mehr da, wenn man das selber dann auch einfach schnell fixen kann. Lies, vielen Dank. War sehr spannend, dir zuzuhören. Und ich will es noch mal einsagen, die sich solche Sachen noch nicht gebaut haben. Ihr habt es jetzt gerade von Liss gehört. Es geht vor allem darum, die KI seines Vertrauens aufzumachen, der zu erklären, was man bauen möchte. Dann durch den ganzen Prozess sich durchführen zu lassen, immer wieder zu testen und Feedback zu geben, was man angepasst haben möchte. Und die KI nimmt die ganze technische Komplexität und Arbeit mittlerweile von euch ab. Also es gibt keine Ausrede mehr, sich so was nicht zu bauen. Vielen Dank, dass du da warst und uns einmal Einblicke gegeben hast. Jetzt noch zu Tech and Tails, Rübergene, einmal auf Abonnieren klicken, denn am Samstag morgen, wenn du jetzt heute am Freitag diesen Podcast hier hörst, werde ich dort noch drei Geheimen anwendungsfälle geben. Ich hoffe, dass dir so ein bisschen mehr exciting sind als meine. Meine ist dann schon sehr basic. Aber ich glaube, es ist auch wichtig, einfach in dieses, einfach in das Selbstverständnis zu kommen und in den Alltag, das zu integrieren. Also ich glaube, dass du es selbstverständlich zu kommen, also ich hoffe, dass deine Hörer nicht zu viel erwartet haben oder nicht zu komplexer Reuscases erwartet haben. Ich glaube, nur dass das so viel Reuskässe zu tun, und auch die Schöne in der Einfachheit liegt. Ja, und ganz ehrlich, es wird immer, also über diese, ich bin ja da auch Weltmeister drin, über so große Begriffe zu nutzen, wie KII-Betriebssystem, das spreche ich ständig drüber. Und die Frage ist, was ist das eigentlich, wie kann ich das so tun, was hilft mir das jetzt ganz konkret? Und das waren drei ganz konkrete Anwendungsfälle. Und ich habe mich auch auf ein paar Ideen gebracht, weil ich nutze das zum Beispiel noch gar nicht. Ich lese mir keine KII-News mehr durch, weil ich so viel geworden ist. Und gleichzeitig denke ich manchmal, ja, jetzt hier und da doch mal einen Überblick zu bekommen, was so abgeht, wer doch nicht verkehrt. Also ich werde mir sowas wahrscheinlich jetzt auch mal aufsetzen. Ja, sehr basic. Okay, mag du es mal? Ich krieg dich nur Fumo. Ja, Fumo. Also hat mich sehr gefreut. Vielen Dank und bis bald. Bis zum nächsten Mal.
PodcastTranscript AI