S13/E08 mit Anne Patzer und Linus Kameni (Vaarhaft) | AI KI Fraud Deep Fakes Betrugserkennung

Heute geht es um ein Thema, das durch generative KI gerade enorm an Bedeutung gewinnt. Gefälschte Bilder, manipulierte Dokumente und die Frage, wie Unternehmen digitale Inhalte überhaupt noch verlässlich prüfen können. Anne Pazza, Linus Camini und Paul Franken von Warhaft haben früherkannt, dass KI nicht nur neue Möglichkeiten schafft, sondern auch neue Formen von Betrug. Im Gespräch erzählen Sie, wie aus einer ersten Idee für eine abgesicherte Kamera-App, ein Fraudskerner für Versicherungen und andere Branchen wurde. Wir sprechen heute mit Ihnen im Podcast über die Gründung von Warhaft, die ersten Pilotkunden das Exist gründer Stippendium, ihre erste Finanzierungsrunde mit Business Angels. Und warum für sie messen als Vertriebskanal hervorragend funktioniert haben und darüber, warum Echtheit und Vertrauen im digitalen Raum künftig noch wichtiger werden. Viel Spaß also mit Anne und Linus von Warhaft. Wir haben heute zu Gast zwei Gründer bzw. eine Gründerin Anne Pazza und Linus Camini von Warhaft. Grüß euch. Hallo. Hallo. Ja, es geht heute mal um etwas, was wir vorher noch gar nicht so hatten und zwar um ein wichtiges Thema, nämlich Betrugserkennung für in der Regel so Bilder und andere Dokumente. Und wir hatten uns mal vor zwei Jahren einmal so ganz kurz getroffen und ich fand das damals sehr spannend, was ihr da auch gestartet habt und deswegen freue ich mich, dass ihr euch heute die Zeit nehmt. Und vielleicht fangen wir mal so mit euch als Person an und Anne, vielleicht erst mal mit dir so was hast du denn vorher gemacht und wie seid ihr dann auch zusammengekommen so mit dieser Idee und dem Projekt? Genau. Ja, sehr gerne. Ich kann ein bisschen was zu mir persönlich sagen. Ich habe BVL studiert ursprünglich mal, damals als dualer Studie bei Volkswagen im Bachelor, bin dann für den Master rausschuss Wolfsburg nach Wehl in den Nähe von Hamburg gezogen und habe dort mein Master in BVL mit Schwerpunkt-Ait-Team-Entagement gemacht, habe dann erst mal in der Rolle als Produktmanagerin oder auch Produkt-Ohnerin bei Otto unter anderem und dann Signifiko-Helfkerge arbeitet, dort war ich vor allem für verantwortlich so die Schnittstelle zu sein zwischen den Kunden, der bestimmte Anforderungen an ein Projekt stellt und dem Design und Entwicklungs-Team auf der anderen Seite und habe dort Software letztendlich entwickelt für unter anderem große Krankenkasten Software, die Hilfe rauben aufzuhören oder einen gesunderen Demstil zu entwickeln. Das war ursprünglich mein Job vorher vor Warrhaft und dann kam Linus mit der Idee zu Warrhaft um die Ecke, da kann er bestimmt gleich ein bisschen mehr zu erzählen und hat mir davon erzählt und ich habe das irgendwie so aus dieser BVL Perspektive natürlich sofort spannend gefunden und wir haben zusammen sehr viele Use-Case direkt in die Gebrainstorm und genau dann lief das erst mal so ein bisschen nebenbei, wir haben das irgendwie weiterentwickelt im Kopf jeder und dann haben wir noch den dritten im Bunde an Wort geholt, den Paul und den CTO, wir drehen das jetzt zusammen gegründet und den haben also Linus meint es so, wir brauchen jetzt nochmal irgendwie jemanden einen starken Informatik haben, mit dem wir darüber kratzen können und ich meine den einzig guten Programm über den ich kenne das Paul und dann haben wir sind wir letztendlich auf American festivals eigentlich ein ganz lustiges Story zusammen gekommen, dass Linus und Paul sich endlich mal austauschen konnten und das war letztendlich so dieser Auftakt danach sind wir immer irgendwie zu dritt, haben wir uns in unserer Zeit zusammengesetzt, haben am Warrhaft, also damals war es ja noch nicht Warrhaft, aber in der Idee weitergearbeitet und ja letztendlich dann gesagt okay, wenn wir das wirklich jetzt ernsthaft angehen wollen, dann müssen wir alle daran vollzeit arbeiten können und das ist also ein bisschen der Punkt, wo wir gesagt haben, wir werden uns auf das Exist Gründungstipendium vom Bundesministerium für Wirtschaft und wenn wir das bekommen und der Staat an die Idee glaubt, dann hängen wir den Job an Nagel und gehen alle direkt nach dem Studium da rein und das hat ja letztendlich auch geklappt. Und ihr kanntet euch vor Alinos und Du? Ja ich kenne Alinos aus dem Bachelor-Studium. Wir haben nicht zusammen studiert, aber Alinos hat im Braunchwerk studiert und ich in Wolfsburg und wir waren beide in der Studienstiftung, das ist ein Stipendiumsprogramm und wir waren in einer Regionalgruppe und dadurch kannten wir uns echt schon ziemlich lange und haben uns immer wieder ausgetauscht und Alinos hatte immer wieder immer schon coole Ideen für irgendwelche Lösungen oder Geschäftsideen und da haben wir uns immer schon so locker ausgetauscht und Du war ja gequatscht und so ist es dann auch gekommen als er mit der Idee zu wahrhaft um die Ecke kam. Wand und Linus, du bist in Braunchwerk gewesen an der TU, hast da glaub ich sogar auch irgendwas mit Luftfahrt und Ingenieurwissenschaften studiert und hast die Idee gehabt, wie kam das? Ja genau, also ich habe ursprünglich Maschine studiert mit Schwerpunkt auf Luftendraumfahrtechnik in Bachelor und dann habe ich im Masterluftendraumfahrtechnik studiert und mich da dann auf multidisipniere Systemoptimierung und halt Maschinelles spezialisiert und eigentlich ist mein Hintergrund der, dass ich immer in die Luftfahrt wollte. Deswegen hat auch das Luftendraumfahrtstudium. Also ich wollte seit der dritten Klasse Flugzeug Ingenieurwärder und eigentlich hat an einer nachhaltigen Luftfahrt arbeiten. So, das war schon immer so mein Ziel, habe ich alles drauf ausgelegt, Profilkose und Leistungskose und alles so gewählt und ich blüde dem auch und hab es dann relativ schnell geschafft, Bachelor zum Glück und dann halt reinzukommen und dann habe ich bei Airbus ein bisschen geschnippert bei der MTU, beim DLR, genau und habe mich dann sehr schnell da ziemlich tief reingegraben und dann halt relativ weit gesehen, dass dieses Konzern Setting in der Form, denn doch nicht das ist wo ich ihn möchte. Dann bin ich sehr dankbar darüber, dass ich das so früh dann rausgefunden hat für mich und dann habe ich mich halt im Master, denn so langsam angefangen so umzuorientieren, wie gesagt mein ich Fokus auf Maschinelles lernen gelegt und bin dann nach Toulouse gegangen für einen Ausstandsemester, sieben Monate und hab da IT und Autonomische Systeme vertieft und in dem Zuge bin ich so ein bisschen auf die Bremse getreten, dann mal so ein bisschen Sachen gemacht, neben dem Studium, die ich einfach spannend fand, weil ich ja im Ausstandsemester war, da konnte ich ja so ein bisschen entspannen und da habe ich mich dann in Generativen KI eingearbeitet, also habe ich einfach so ein Buch über generative KI gekauft damals und das gelesen. Und das war nicht ziemlich spannend, das war ja so noch vor JetGPT, das war ungefähr ein Dreiviertel, die habe ich vor JetGPT veröffentlicht wurde und ich fand damals einfach so die Idee total faszinierend, damit ging das Ursprünglich eigentlich auch los, quasi das was jetzt tun wir uns weiter machen, so quasi Musik zu erzeugen, das fand ich irgendwie spannend, ich wollte wissen wie das funktioniert, ob das geht und hab mich dementsprechend dann eingearbeitet und in dem Zuge ist dann so der Croschen gefallen, da habe ich dann verstanden, hey wow, letzten Endes ist es mit diesem Modell möglich, weder zu erzeugen, alle möglichen Inhalte zu erzeugen, das heißt wir sind ja am Anfang von etwas sehr großen, das wird immer immer heftiger werden und die man entsprechend muss damit auch eine neue Gefahrenquelle einhergehen und ich glaube das ist ein ziemlich großes Ding und das war so der Startpunkt. Da gab es da auch Medien, Event oder so, wo man was berichtet wurde, was du gesehen hast und dachte es so, dass es genau das was wir eigentlich erinnern können? Nein, das gab es zu dem Zeitpunkt noch nicht, also letztendlich sind wir angefangen damit zu arbeiten oder daran zu arbeiten, noch bevor es diese Events gegeben hat. Aber es gab bei YouTube schon so Sneak Peaks auf das damalige Dali-2 von OpenAI, genau, also das Bildgegnungsmedell, so einst der erste und das erste größere kommerzielle Generierungsmodell von OpenAI wie gesagt damals, da gab es schon sehr erste Sneak Peaks, aber auf YouTube wo man schon gesehen hat, okay so was wird möglich sein, das hat es natürlich total auch angefeuert und nachdem du dich jetzt damit beschäftigt hattest und die Idee jetzt hier oder diese Richtung zumindest kanntest, dann bist du als erstes zur Aner gegangen oder wie kann man sich das vorstellen? Ja ziemlich genau so, also wie Aner schon gesagt hat, habe ich relativ lange schon immer wieder Ideen, die ich hatte aufgeschrieben, ich habe da so meine Apps, wo ich meine ganz Ideen Eintrag und Verschlag wollte und das war den quasi eine davon und da habe ich aber selber das Gefühl gehabt, die ist da es mehr dahinter und dann habe ich eine davon erzählt und die Feedback hat es ziemlich befeuert, also ich meine dir dann auch Raun und das ist eigentlich ein ziemlich großzusache, das war dann so das erste Mal, dass ich sehr mal das Gefühl hatte, wow das ist wirklich jetzt keine Quatsch-Sache, sondern da könnte man sogar wirklich was draus machen, noch weil Anerheit mit ihrem Blick, mit ihrer BVL Brille da noch mal schneller auch glaube ich die wirtschaftlichen Dimension hinterbegriffen hat, genau und dann war mir das halt auch voll klar und ich hatte ja eh ins Geheim eigentlich für mich und so ein bisschen diesen Luftfahrtfahrt abgeschlossen und dann was ziemlich klar, dass man da draus was machen kann und auch sollte und die dementsprechend war dann halt der nächste Schritt okay wie kann ich jetzt mal mit dem Webflashprechen, der das wirklich eine ohne kann, mit den ersten Prototypen für die damalige allererstige Idee, die hatte ich noch selber gebaut, also es ging ja los mit einer Idee und zwar mit dem Ansatz zu sagen, wir fotografieren alle Fotos und auch mit unserer abgesicherten App so dass wir sagen kann alle Fotos, die mit unserer App aufgenommen werden und mit unserem Bild aufnahme fahren, die sind garantiert echt und die kriegen ein echter Zertifikat, so das war ein Ursprungsidee damit ging es los und dafür habe ich den ersten Prototypen auch selber gebaut, damit es auch ein Python und mit Blockchain-Anbindung alles drum und dran, aber es war natürlich ein Prototypen, das war einfach nur, das war Far from MVP, das war kein richtiges Produkt, man hat halt gezeigt, wow das ganze funktioniert aber man war völlig klar auf dem Level, wenn man dabei kommen, braucht man jemanden der wirklich programmieren kann und die wir uns brechen, denn das Gespräch war Paul gesucht auf dem Harry Kane, lege an der Tag für mehrere Stunden mit ihm gequatscht und dann genau, war er auch feuren Flamm mit, damit er jetzt nehmen es ernst und bewerben uns auf Exister. Also an die Veranstaltung vom Harry Kane, so auf allen Festivals entstehen hier Unternehmen und bei dem ersten Prototypen der Roboter, also Ideen, Beirga, Beirga. Wenn das jetzt so weitergemacht worden wäre, hätte sich ein Kunde die App runtergeladen und hätte damit wirklich sicher stellen können, dass jetzt auch Bilder, die gemacht werden, da am Ende jetzt wirklich Bilder sind. Genau, da ging es darum, den Spieß umzudrehen und zu sagen, es ist natürlich immer den Hinterherlaufen, wenn man versucht, die Fakes zu erkennen, warum vornherein die echten Bilder als garantiert echt markieren. So, das war der Uschbungsgedanke, denn sind gereinstartet, haben auch einen Verfahren entwickelt, was wir auch zum Patent eingereicht haben, also einen Bildaufnahmeverfahren. Und die Idee ist auch nicht gestorben, die haben wir interessanterweise nachdem wir weg pivotiert, sind jetzt sogar wieder hervorgehüllt in ein bisschen anderen Gewand. Aber wie gesagt, das war die Uschbungsidee, können wir einen vielleicht später nochmal was zu erzählen, wie so, wie wir weg pivotiert sind. Aber die Idee ist nicht tot, die gibt es noch und die wird auch aktuell verkauft. Und als Paul jetzt dann dazu gekommen ist, gab es dann zweiten Prototypen, den er gebaut hat, alles danach hat Paul in die Hand genommen, klar, also Paul ist unser CTO, ich bin CEO und alles CEO und die Entwicklung dikt 100% bei Paul. Definitiv, also danach hat alles, worum es geht letztendens Paul gebaut, da gehen die Credits natürlich an ihn. Ja, Frage ist eher in die Richtung, wie sah der aus, was war jetzt diese zweite Version? Ach so, es ging erstmal nochmal weiter mit der Kamera App, genau, und dann ein bisschen auch angstüffend, das was du eingangs schon ein bisschen gefragt hast, ne, wie wir validiert haben. Es war zum Beispiel auch da, gehen die Credits 100% auch an alle. Anders hat sie gerade ein bisschen oder einen Tisch fallen lassen, hat der Master, ein bisschen so, also ihrer Masterarbeit hat sich ja viel beschäftigt mit die Linuprodukte Entwicklung. Quasi, die man quasi wirklich nicht nur nach Scrum arbeitet, sondern wie man wirklich Linuprodukte entwickelt und frühvalidiert. Und hat sich viel beschäftigt und deswegen sehr früh auch immer gesagt, Leute, wir müssen unbedingt immer den Painpoint validieren, unbedingt daraus finden, ist das wirklich ein Problem, was wir hier machen. Es war anfangs zugegender maßen immer wieder ein bisschen nervig, aber sehr gut, weil wir dadurch die Gespräche auf eine andere Art geführt haben. Und dann haben wir sehr schnell die Gespräche gesucht, mit den Kunden von Versicherungen über Juristen bis zur Polizei, alles Mögliche, Medien, Journalisten, Journalisten, Journalistinnen, abgeklappert und immer wieder quasi probiert den Pain an sich zu validieren. Dadurch haben wir dann rausgefunden, dass der Pain an sich existiert, in unterschiedlichen Branchen damals, unterschiedlich stark, weshalb wir uns auch für die Versicherungen als Einstiegsmark entschieden haben bewusst. Und wir haben auch rausgefunden, dass das Produkt, wie wir es damals gedacht haben, nämlich die Kamera-App eben nicht die Lösung ist, weil sie einfach nicht prozessual gut einbindbar ist. Und das ist im Eck pivotiert zum Fraudscanner und jetzt später mit dem Safecam im anderen Gewand wieder erfordert. Und habt ihr damals im Kopf gehabt, dass Versicherungen der wahrscheinlich beste Anwendungsfall sind? Nein, die gerade gesagt, wir haben letztes Gespräch geführt mit Versicherungen, mit der Polizei, mit Journalistinnen und so weiter und haben überall geschaut, wie groß ist die Resonanz? Also wie gut kommt das an, was wir hier sagen? Wie hoch ist das Problem? Und da kam dann einfach vor World Versicherungen, da ist der Pain am größten. Aber es ist schon so, dass wir uns relativ früh gefragt haben, was gibt es überhaupt für Use-Cases? Wo ist das ein Problem, wenn eingereichte damals ein Nobilder, wenn die manipuliert werden? Also wo kann ich überall damit betrug betreiben? Und haben wir erst mal nur brainstormt. Und dann kam auch Versicherungen dabei hervor, als potenzieller Case. Aber es musste mir erst mehr rausfinden, ob das wirklich ein Thema ist bei dem. Aber sag mal, einen Fall, so bei einer typischen Versicherung, was euch da jemand erzählt hat. In den Gespräch meinst du? Ja, genau. Ja. Also ist das eher so kleinen Betrugsfälle, wo jemand dann einfach ein Foto oder eingereicht hat oder so von etwas, was jetzt eigentlich an sich gar nicht so wertvoll ist oder dass es richtig teilweise Tausende von Euros um dies da geht? Tatsächlich beides. So wurde jetzt auch, sowohl als auch, wobei es natürlich schon so ist, dass besonders im Versicherungsbereich bei den größeren Beträgen, da gibt es gewisse Schwellwerte, die variieren auch ein bisschen von Versicherungen zur Versicherung, aber ab gewissen Summen, guckt sich das schon noch meinen Mensch an. Das heißt, wir brächen da eher über den sogenannten Frequenz Schaden oder Bagatellbereiche. Also wo quasi noch kleinere Summen, aber trotzdem an dem kannst du auch schon ein paar tausend Euro gehen dabei, die um die betrogen wird. Okay. Und ihr habt euch dann, wie du gesagt hast, für Exist beworben, in eine Natschel, wie lange hat das so gedauert und wie kam das dann, also dass die euch gesagt haben, so ihr bekommt das und was passiert dann? Das waren die längsten 20 Seiten, an die wir jemals gesessen haben. Also es war eine echt lange Ausarbeitungszeit. Also wir haben glaube ich eben Juni, Juli angefangen so langsam. Okay, was müssen wir dafür alles liefern? Und dafür braucht man ja schon wirklich ja auch ein Business Plan. Also da mussten wir unsere Idee wirklich auch, das war total gut, weil dadurch haben wir auch schon direkt angefangen, mein Marktpotenziale zu berechnen und Einsparungspotenziale für die Kunden und ein Financial Model aufzustellen. Das hätte man sonst wahrscheinlich alles erst viel später gemacht. Aber das war natürlich alles auch sehr neu für uns und da haben natürlich erstmal eine Weile dran gesessen. Und dann wussten wir natürlich auch, dass es super wichtig ist, weil wir gesagt haben, dass das brauchen wir wirklich vollzeit alle Staaten zu können. Und ich glaube wir hatten uns damals auch so eine Internet-Line für irgendwie Oktober- oder so gesetzt, die haben wir da noch mal ein bisschen verlängert. Und ich glaube wir haben da im Januar 2023 eingereicht. Und dann ging es aber verhältnismäßig schnell. Also ich glaube wir haben innerhalb von zwei Monaten die Rückmeldung bekommen und gestartet. Es ist dann auch mein 2023, genau. Und dann habt ihr eure Jobs an diesem Tag, wo ihr oder kurz danach, wo ihr diese Zusage bekommen habt, habt ihr das gekündigt. Genau, also Linus und Paul bei dem war das ganz smooth, die sind quasi direkt von ihren Studiengängen jeweils reingebrutscht. Also Linus hat dann gerade seine Bachelorarbeit, er sorry, Masterarbeit fertig geschrieben und hat dann angefangen. Paul war gerade kurz vor der Bachelorarbeit. Das war noch ganz cool, weil der konnte dann sein Pflicht-Praktikum und seine Bachelorarbeit bei Warhaft schreiben, weil wir über das Gründungszentrum der F.A. Wiesel damals die Möglichkeit hatten, dass er so eine Gründungsthesis schreibt. Das war natürlich mega gut. Da musst du ja nicht neu erst noch irgendwo anders hin. Genau. Und ich habe dann mit dem Zuwendungsbescheid mein Job gekündigt. Ich habe gesagt, ich kündige erst, wenn ich, wenn wir den haben, dass das sicher ist. Dann war dann schon noch dieser 3-Morantikensversatz drin. Genau. Ich bin dann 3-Morantisch später auch dazu. Ja. Und dann hast du dir quasi eine Finanzierung für ein Jahr gehälter, jeder von euch und wie habt ihr das Jahr genutzt? Also wie beidseiter davor angekommen? Wir haben es natürlich genutzt, um vor allem erst mal um das Produkt weiter zu entwickeln. Und das war letztendlich auch schon die Phase, wo wir wirklich intensiv mit dem Markt gesprochen haben und ganz viel Feedback eingesammelt haben, am Markt mitentwickelt haben, was wollen sie? Und derzeit ist auch die Tafrotzgerner entstanden. Also wir sind ja mit der Safecam ursprünglich in das Existprojekt reingekommen und haben dann immer mehr diese Frage gehört. Ja, das ist ja wunderbar mit dieser Kamera App. Finden wir auch super wichtig, aber könnte nicht auch nachträglich Bilder und Dokumente analysieren. Und das Wunde so oft gefragt, dass wir gesagt, okay, dann probieren wir, dass man ausdopp wird, dass können. Und der erste Prototyp dafür, den haben wir im Oktober 2023 dann direkt auch auf einer Messe präsentiert. Also wir sind dann vermerd, auch auf Messen gegangen. Wir verstanden haben, okay, das ist bei Versicherung irgendwie ein großes Ding. Und aus der Messe ist sogar unser erstes Pilotprojekt dann, unser erstes Bezahtes Pilotprojekt ausgefallen. Das war super, super der Meilenstein für uns damals. Und ja, haben letztendlich in diesem einen Jahr den Frotzgerner überhaupt entwickelt und ready gehabt haben. Welche Messe waren? Vielleicht nochmal ganz kurz an der Stelle. Ready hatten wir Ihnen jetzt noch nicht ganz am Ende, also nicht so, dass wir am Ende des Exist-Grundungstipendiums, denn schon mit einem fertigen Produkt da standen, so war es nicht, sondern quasi wir haben schon mal in den Großteil der Zeit erst mal echt genutzt und es unterscheidet uns auch von anderen Teams, wie ich jetzt rausgekommen hab, nach hinein rauszufinden, in welche Richtung wir uns überhaupt ausrichten sollten, bevor wir sozusagen Vollgas geben. Am Ende des Exist-Grundungstipendiums haben wir dann letzten Endes diese Angelrunde gestartet und dann hast wir nochmal Geld aufgenommen haben, um überhaupt erst weitermachen zu können und haben dann aber noch weiter entwickelt am Produkt, also das hat echt sehr lange gebraucht, um ein Produkt, das auch etwas, was wir gelernt haben, zum echten Projektmarketing zu führen. Das ist echt interessant, weil es dann plötzlich um ganz andere Themen geht, sowas die Positionierung, Kommunikation und natürlich ist die Tecken ganz großer Teil, aber wir stand am Ende des Exist-Grundungstipendiums noch nicht mit einem Finanprodukt da, das ist aber auch okay. Aber erzähle mal jetzt, wenn ihr die also erste Finanziehungsrunde dann so gemacht habt, wann habt ihr das so angeschlossen, diesen Prozess und war das dann quasi nahtlos, dass ihr nach Exist direkt auch euch weiterhin Geheizern konntet oder ist das auch mit so einer Übergangsphase dann gewesen. Das lief zum Glück sehr nahtlos, also das hat tatsächlich bei uns auch nicht lange gedauert, ich meine nur zwei Monate ungefähr, das ging echt schnell, wir haben viel zu spät eigentlich damit angefangen, es hieß auch immer, ihr müsst viel früher damit anfangen, quasi wenn ihr raisen wollt, aber wir haben es dann halt doch ein bisschen später, als ich gemacht habe, gesagt, zum damaligen Zeitpunkt, hatte das trotzdem gut funktioniert, die Nachfrage war da groß, auch von den Investoren und Investoren und das hat uns nicht lange gedauert, das geht ein zusammen. Habt da irgendwelche Tipps, die ihr so weitergeben können, wie ihr euch diese Investoren gesucht habt oder nach wen Kriterien ihr da auch jetzt ausgewählt habt? Moin, sicherlich. Es gibt definitiv so eine Netzwerke, so eine Business Engine Netzwerke, die kann man sich sicherlich nutzen, da waren wir auch auch auf jeden Fall auf einer Veranstaltung ist tatsächlich nichts draus geworden, aber trotzdem alle Dingen gibt es diesen Netzwerk und die würde ich auf jeden Fall empfehlen, einfach um sichbarkeit zu kriegen, dann gibt es auch coole Plattformen, wo man sich anmelden kann, um sein Pitch Deck irgendwie ein bisschen Challengen zu lassen und dann auch noch mal Interess zu kriegen, hat man dieses Edit-Well-I-O genutzt, das war auch cool, das hat sich auch auch auch sichbarkeit gegeben und das Pitch Deck verbessert. Am Ende des Tages waren es dann aber Netzwerk-Efekte, also bei der erste, dann gesagt hat ich finde das richtig cool, hat ja dieser Investor denn seine Zwerg geöffnet und doch weiteren Investoren zugenommen, dann ging das sehr schnell. Also es war am Ende des Tages so, dass sie über die ersten Investor, der wirklich gemittet war und Bock hatte und uns geglaubt hat, sich dann alles weitere eigentlich ergeben hat, deswegen ist glaube ich der Tipp der, dass man sich insbesondere die Angels vor allem strategisch zusammenstellen sollte. Also das ist wirklich sehr, sehr, sehr wichtig, wenn die Idee gut genug ist und das Team gut genug ist, denn es ist keine Frage, ob man das Geld kriegt, sondern nur eine Frage, wann von wem und zu welchen Konditionen, und dass man da wirklich gucken sollte, dass man sich die Investoren so auswählt, dass sie auch einen strategischen Mehrwert in ein und im halben bis einem Jahr dann hat auch entsprechend haben, also Netzwerke schließen können und dass man Menschen nicht auch mit den Kamen genug. Und so soll doch eine Sache vielleicht und zwar und dass man auch guckt, dass man sich die so zusammestellt, dass man da durchaus auch welche dabei hat, die so pushen. Wir haben zum Beispiel auch unser Netz, unsere Investoren, die wir aktuell im Bord haben, die haben unterschiedliche Rollen und unterschiedliche Charaktere. Manche pushen sehr, also stellen hohe Anforderungen und andere loben. Also es hört sich jetzt kumisch an, aber letzten Endes braucht es zweit ist, es muss aus Gewegen sein, ausgebogen sein. Und der Investor, der jetzt hier von dem du gesprochen hast, hat das auch schon parma gemacht gehabt, oder ist das etwas, was es zum ersten Mal dann mit euch gemacht hat? Sowohl als auch, also die, die jetzt alle erstes reingekommen sind, die machen das schon parma, also der hat ja schon im dreichtedigen Bereich runden hinter sich, also der macht es schon häufig, aber wir haben auch ein, zwei Angels bei uns am Bord, wie das zum ersten Mal mit uns eingemacht haben. Okay, und kannst du dann noch ein paar, oder könnte ein paar Ektaten verraten, wie viel ihr da aufgenommen hat? Zum damaligen Zeitpunkt war das noch halben Millionen, die wir eigentlich auch noch nicht haben. Ja, das habt ihr dann genutzt, also nachdem ihr dann, wie du das beschrieben hast, so das gefühlerte Product Marketfit ist auf jeden Fall sehr nah und ihr löst da halt wirklich einen Problem, dann habt ihr Gas gegeben, wie du das vorhin beschrieben hast, so erzähl mal was er dann, was er dann gemacht hat. Genau, dann haben wir letzten Endes des Produkt am Markt weiterentwickelt, also mit diesem ersten Pilotprojekt, was Anne jetzt gerade gesagt hat, hat es dann gestartet, das war natürlich auch für uns so eine Erkenntnis, dass wir herausfinden mussten, dass sind Produkte, nur weil es im Labor gut funktioniert, noch lange nicht in der Produktion, noch wirklich gut funktionieren mussten, das mussten wir erstmal lernen. Also wir dachten, wir werden schon viel weiter, also dieses erste Pilotprojekt gestartet haben, dann ging es mit diesen ganzen Problemen aus, also eine Fraud Detection sind halt falsch positive, besonders große Probleme, also Fehlalame, wenn es das Ding sagt, das stimmt was nicht, obwohl eigentlich alles stimmt. Und diese Themen, also falsch positive, Oberkonferenz, also wenn unsere KI, die wir selber gebaut haben, sich zu sicher ist, wenn sie den Fehler machen, also sagt, das ist garantiert ein Fake, ich bin mit zu 100 Prozent sicher und dabei ist es halt keiner. So eine Sache, das hat natürlich dann viel mit dem Trust gemacht und sogenannte Alarmvertie geführt, dass die Leute unseren Hinweisen dann nicht mehr nachgehen wollten. Es mussten wir alles lernen, wir mussten unser Produkt besser machen, wir mussten Feature entwickeln, wir mussten technologisch uns auch weiter entwickeln, einfach die Architekturen, noch wirklich weiter Research, die bauen ja wirklich die Modelle bis auf die Modellarchitektur selber, das ist ja wichtig zu verstehen, ist ja nicht so, dass wir einen Rapper sind auf LLM, auf Chatty oder so, sondern wir bauen ja die Architekturen selber und fangen sogar beim Data-Meining an, da mussten wir da einfach noch viel Zeit reinstecken und das haben wir über dann über 15 bezahlte Pilotprojekte mit unterschiedlichen Versicherungen, haben wir letzten Endes gebraucht, um dahin zu kommen, dass sie sagen, Konnuki, jetzt ist unser Produkt wirklich ready. Das heißt, das erste Pilotprojekt war auch mit einer Versicherung. Ja, genau, es war mit einer ganz kleinen Versicherung, total cooler Typ, da haben wir direkt mit dem Progeristen gesprochen, der hat gesagt, "Findergut schon, dann haben wir gestartet." Und die Pilotprojekte, welcher finanziellen Rahmen ist das so gewesen von bis? Insgesamt jetzt über den Gesamtenzeitprojekt? Nein, über den gesamten Zeitraum im Weg bis allererste war glaube ich, das war fast nichts, was wir da verdient hatten, so nach hinein, aber es war trotzdem total cool, dass alle erst mal Geld selber zu verdienen, das war ein ganz besonderer Moment, das weiß ich noch, aber ich glaube, ich weiß ja nicht mehr, dass du das noch, was wir bekommen für das allererste Pilotprojekt? Das war ein einställiger Betrag oder so? Ja, genau, genau, genau. Und jetzt mittlerweile haben wir auch schon im 5-stelligen Bereich Pilotprojekte irgendwie verkauft, wie so 20, 40, 50, 60, 1000 Euro sind natürlich auch jetzt schon mittlerweile mit dabei gewesen, also von bis letztendem alles. Und der coole Typ jetzt hier ist dann auch euer Kunde? Er nee, der ist halt den hier unser Kunde, die hatten das Pilotprojekt mit uns gegen gesagt gestartet, ganz im Anfang, da hatten wir noch so viele Lücken, das sie dann davon gesagt haben, ja, gucken wir später noch mal, bis es tatsächlich einen Butterpunkt, den könnte ich noch mal einschreiben, haben wir tatsächlich seitdem jetzt gar nicht mehr gemacht. Also, den müssen wir jetzt hier in unserem Gespräch feiern, weil solche Leute, die können ich hochgelobt genug werden hier, wenn sie dann ein junges Start-up vertrauen, so guter Grund da noch mal anzurufen. Ja, genau, aber das ist auch interessant so, oder ich könnte vermuten, dass die natürlich natürlich alle ein paar Gemeinsamkeiten haben, wenn die meisten davon auch Versicherung waren, aber das trotzdem jeder so seine eigenen Probleme hat und euch sicherlich gefragt hat, könnt ihr das, könnt ihr das oder ist das schon sehr ähnlich gewesen mit den Anforderungen, die die jetzt alle hatten? Also, ich glaube, das Grundproblem ist bei allen ziemlich ähnlich, nämlich, ja, das Betrüge haben wir den irgendwie gefakte Smartphones, Fernseher, Kratze an Autos oder so einreichen. Klar, es ist immer ein bisschen spartenspezifisch, in manchen Sparten ist die Betuchskurte sicherlich höher als woanders, aber das Problem haben glaube ich alle gleich. Das Setup ist dann eher unterschiedlich, also je nachdem wie weit die Versicherung auch schon ist, in ihrer gesamten Prozessautomatisierung reden wir dann davon, dass unsere API wirklich direkt in deren Input-Management eingebunden wird und automatisch alle Fälle, die reinkommt, analysiert und austeuert oder wir reden von Fällen, wo wirklich manuell die Sachverarbeitung die Bilder Pet Dragon Drop über unsere Oberfläche analysiert und das macht dann eher den Unterschied und natürlich dann auch die Effekte, die unsere Lösung in der Produktivumgebung bei der Versicherung bringt. Aber das bedeutet, wenn ich jetzt eine Chance-Meldung hätte, dann reiche ich meine ganzen Sachen ein, lade Bilder hoch und dann könnte es sein, dass schon das geprüft wird in dem Moment. Das ist auf jeden Fall das Zielbild, also in den Pilotprojekten haben wir das manchmal noch nicht so, aber bei vielen jetzt auch im Livebetrieb sowieso und auch in vielen Pilotprojekten wird es so angebunden, dass alles, was bei der Versicherung eingereicht wird, an visuellem Material wird direkt in unserer API geschickt und wir schicken dann Analyseberichten, umfangreichend zurück, wo alles drinsteht, was wir auch völlig oder nicht auch völlig gefunden haben. Und meistens noch so eine Aussteuerungslogik angehängt, dass wenn wir, wir haben ja so ein Amprisystem gelb, Rot oder grün und bei Roten und gelben Fällen wird dann meistens im Mittelfall markiert, ausgesteuert, dass dann endlich das Betuchsteam oder zumindest die Sachverarbeitung nochmal ausschauen muss. Das bedeutet so, also auf eurer Website, da bin ich jetzt gerade, man kann da jetzt auch zum Beispiel bei euch da auf Produkte gehen und sieht man so ein Handy, was das Sprung ist und dann kriegt derjenige bei der Versicherung, der kriegt jetzt einfach ein Hinweis so eingerahmt, da ist irgendwas, was nicht normal ist oder kriegt er so eine Prozentangabe, wie wahrscheinlich dieses Bild gefägt ist? Ja, also Prozentangabe, nicht mehr direkt, also wir haben früher Prozentangaben rausgegeben, quasi das nennt man die Confidence, also so ein Klassifikationsmodell, also so eine KI, die darauf trainiert ist, zwischen Hunde und Katze zu unterscheiden oder zwischen Fake und nicht Fake, macht es ja auch bei Siehnt auf einer gewissen Wahrscheinlichkeit, die Sie selber erlernt, allerdings ist es ziemlich gefährlich, diese Wahrscheinlichkeit rauszugeben, weil die Wahrscheinlichkeit in der echten Welt eben nicht mehr zu der Wahrscheinlichkeitverteilung, sage ich mal, passt die, die KI gelernt hat, die KI lernt ja in der Welt, wo jedes zweite Bild Fake ist und nur in dieser Welt, wo jedes zweite Bild Fake ist, ist diese Wahrscheinlichkeit eben in der rauskommen, auch die echte Wahrscheinlichkeit, also in einer echten Welt sollte man nicht mit Wahrscheinlichkeiten arbeiten, sie sind einfach keine echten Werte, die machen mit mehr, aber wir geben quasi trotzdem den Scoring zurück, das machen wir schon, also wir geben schon den Scoring zurück, die stark quasi dieser Befund ist, das machen wir und es vielleicht noch mal als Ergänzung, weil das ganz schön die Story zum Beginn schließt, werden jetzt wirklich unter Systemen sagt, okay, wir haben ja etwas auffälliges gefunden und dieser Befund ist sogar sehr sehr sehr auffällig, also so wie tausend mal typischer für gefälschte Bilder als für echte Bilder, das ist nicht mehr so ein Treffen, dann sagen wir, dass die ganz dringende Empfehlung hier nochmal echte Bilder anzufordern oder weitere Bilder über unsere Safecam anzufordern und das ist quasi der, der schließt sich der Loop, aber mit der Safecam sind wir initial gestartet, damit der Kamera ab und die haben wir jetzt wie gesagt wieder rausgeholt, allerdings als Web App und das funktioniert dann so, dass nachdem wir den Hinweis gegeben haben, dem die Versicherung dieser Investition uns bekommen hat, kann denn entweder vollautomatisiert oder getrigert durch den Sachbearbeitet bei der Versicherung, unsere Safecam rausgeschickt werden, aber nur ein Link. Das heißt, es geht eine E-Mail raus mit dem QR-Code oder eine SMS und der SMS ist ein Link. Es wird einfach der Versicherungsnehmer gebeten, nochmal weitere Fotos aufzunehmen, indem er einfach auf den Link drückt oder einen QR-Code-Apps kennt und dann öffnet sich unsere abgesicherte Kamera-Web App direkt auf den Smartphone ohne Download, ohne Lock-In. Und dann müssen nochmal weitere Beweistbilder quasi für diesen Schaden aufgenommen werden. Und wenn der Schaden natürlich in der formlich existiert, können jetzt keine weitere Meter aufgenommen werden. Wenn man jetzt, wenn der Betrüger jetzt probiert irgendwie, gewief zu sein, auszutrexen und irgendwie einen manipuliertes Bild vom Bildschirm zum Beispiel abzufotografieren oder auszudrucken und abzufotografieren, dann erkennt unser System, das entsprechend auch und kann das dann auch blockieren. Also so schließt sich dann quasi der Luke. Das heißt, ihr macht das Betrügern einfach mega schwer zu betrügen. Genau, das ist die Idee. Und das ist in der über die Zeit wahrscheinlich nochmal viel schwerer für sie gewonnen, als es am Anfang weiter gestartet sei. Ja. Und ist das so? Also es gibt aber keine Rückkopplung, sonst von der Versicherung zu euch so manuell, dass die noch mal an euch jetzt herantreten und sagen, wir haben jetzt hier so einen Fall und wir sind uns ja, könnt ihr das mal so als Person nochmal überprüfen, sondern das ist alles voll automatisiert, was ihr dann als Produkt mit der Versicherung so so habt. Ich glaube, Anne, da kannst du es aus der Successbrille, glaube ich zu sagen. Ja, also wir werden das öfter mal, gibt es so einzelne Fälle, die uns geschickt werden. Aber klar, wir haben sicherlich mittlerweile sehr viele Fälle gesehen auch, weil man natürlich in den Flugprojekten sich die Fälle auch nochmal anguckt, das läuft zwar automatisiert, die Analyse, aber man guckt ja schon nochmal drauf, gerade am Anfang, um auch trotz zu lernen. Und da ist schon immer so die Hoffnung, dass wir als Menschen irgendwie nochmal drauf gucken können. Aber wir sagen auch immer, naja, wir können auch nicht mehr visuell mit unseren Augen sehen, vielleicht mit ein bisschen Erfahrungswerten noch dazu, als ihr auch seht und die Versicherung hat ja deutlich mehr Schadenkontext und auch Erfahrungen in denen bereichen. Halb, wir sagen, wir brauchen diese technische Lösung, weil wir allein können es eben auch mit menschlichen Augen nicht mehr sehen. Es gibt offene Fälle, wo wir auch sagen, ja, könnte jetzt so oder so sein, ne? Also das ist mittlerweile eigentlich nicht mehr möglich. Also die Hoffnung ist immer da, aber wir sagen, ihr müsst auf unsere Lösung vertrauen. Und wenn wir den Hinweis geben, dann fragt nochmal nach weiteren Bildern. Wir versuchen aber auch immer natürlich total für Erklärbarkeit in das Ergebnis zu bringen. Also Flieger ist gerade schön erzählt, da wir geben diesen Score zurück, wir geben bei Bearbeitungserkennung, also wenn das Bild irgendwie nachträglich bearbeitet wurde. Also keine vollständige Generierung ist, generehen wir auch Heatmaps, dass wir sagen, an der Stelle im Bild da ist irgendwas auffällig, auch für Dokumenten, wenn jetzt der Rechungsbetrag zum Beispiel geändert wurde oder bei für noch ein Interdruck wird, zum Glück durch, da geben wir eine Urell zurück. Also wir geben schon auch sehr viele Informationen mit, was helfen soll, das Ergebnis einzuordnen, um dann zu überlegen, okay, was ist der nächstes Schritt? Ja, super spannend. Und ihr habt also Bilder, das haut nochmal eine Frage, so wie das genau, dann von der Technik her funktioniert. Und du hattest gesagt, also es gibt auch die Möglichkeit mittlerweile Adios zu analysieren. Und das ganze Internet ist ja voll von AI-Slop. Und fast alle Plattformen sind nur noch so irgendwelche KI-generierten Bilder. Und das funktioniert dann quasi übergreifend auf mehrere unterschiedliche Teilformate und Dokumententüpen quasi. Genau. Genau, zur Technik kann ich glaube ich ich ganz gut was sagen. So ist es. Jetzt muss ich ganz kurz schauen, wie ich da den Bogen schlage. Also fangen wir erstmal mit Bildern an. Also wir haben unterschiedliche Analysen die wir durchführen. An hat ja schon gerade eigentlich fast alle aufgezählt. Und dahinter stecken zum Großteil unterschiedliche Basis-Modelle, die wir selber trainieren. Also wir haben auch ganz klassische hartgekordete Analysen. Also wenn wir uns wie die Metadaten zum Beispiel anschauen, machen wir natürlich auch, dass es hartgekordet ist, hat jetzt nicht so ein Machine Learning zu tun. Aber wenn jetzt über die richtigen Pix-Analysen sprechen, dann reden wir immer über Machine Learning-Modelle. Also in unserem Verdebelerning-Modelle, Kieferneurale Netze. Es sind unterschiedliche für die unterschiedlichen Analysen. Wenn wir jetzt über die Erkennung von Deepfakes sprechen, also ein Bild, wo du vollständig generiert, Bild ohne Dokument, wo du vollständig generiert, Text zu Image oder Image aber das wurde quasi als ganzes neu erstellt. Dann reden wir über den Deepfake und um das zu erkennen, haben wir einen Modell, was mit sehr vielen authentischen Bildern und sehr vielen komplett KI-Generierten-Bildern trainiert wurde. Und was das Modell letzten, das macht oder wozu wir das Modell zwingen, ist zu Predigten, wie Predicted-Bildepixel angeordnet sind. Also wie viel Plan steckt in der Anordnung dieser Pixel? Wenn einer KI natürlich ein Bild generiert, komplett neu erstellt, macht auch eine KI das ja nach einem gewissen Bauplan. Der ist natürlich extrem abstrakt. Dieser Bauplan, den verstehen wir nicht mehr als Menschen, am Ende des Tages steckt da trotzdem ein gewisser Plan dahinter, der wiederum davon abhängt mit wie vielen Bildern und welchen Bildern das System trainiert wurde. Dementsprechend kann man eigentlich immer herausfinden, welche spezifische Handschrift dieses beträgt, weil so wie jeder Maler, jeder Künstler, auch im Ende des Tages sein gewissen Stil hat, hat auch jede KI sein eigenen Stil. Und wir zwingen das System, dieses Stil zu extraieren und uns dann zu sagen zu welchem Stil das passt und darauf, den die Entscheidung zu fussen, ob das Ganze KI generiert oder nicht KI generiert wird. Das heißt, die Erklärung ist dann, wir sagen, dieses Bild weiß starke Merkmale für eine Verstände. KI generierung auf die Pixel-Anordnung in diesem Bild, beispielsweise sehen wir 10.000 mal so häufig bei Bildern, die mit Nano-Banana von Google generiert werden als bear-Tentischen Kameraaufnahmen. Das ist dann quasi so die Aussage. Das heißt, wir können noch den Generator zuordnen. Wenn wir über eine Bildbearbeitung sprechen, also das etwas geändert wird, ist es eine komplett andere Architektur. Da geht es nämlich darum, quasi die Nade im Häuhofen zu finden. Also, du musst herausfinden, was passt in diesem Einbild nicht zum gesamten Rest oder gibt es irgendetwas, was nicht zum Rest passt auf Pixel-Ebene. Also passt die Pixel-Textur in irgendeiner Stelle nicht zum gesamten Rest des Blades. Was dadurch passiert, dass irgendetwas nachträglich manipuliert wird, weil dann sozusagen die Konsistenz der Pixel an Ordnung gebrochen wird. Wenn ich ein Foto aufnehme, dann wird es in einem Zeitpunkt bei selben Lichtverhältnissen und so weiter aufgenommen und alles ist in sich Konsistenz. Wenn ich das jetzt mal durch Komprimierungen durch Jagel, durch Messenger, Komprimierungen, also durch WhatsApp oder bei Social Media-Hochladen und finden Degradierungen statt, aber am Ende des Tages ist trotzdem noch alles in sich Konsistenz. Und wenn ich jetzt aber eine Bearbeitung durchführen, irgendeiner Stelle, dann breche ich diese Konsistenz, ich führe eine Alomalie in dieses Bild ein. Und da haben wir ein Architektur für selber entwickelt, das hat auch sehr lange gedauert, das war mit des Anspruchsvollzern, wie 18 Monate dran gesessen, das dahin zu bekommen. Jender Lage ist diese Alomalien zu spotten und dann halt auch so präzise Heat Maps zu liefern wie Alomalite. Das ist letzten Endes vergleichbar mit der Erkennung von Tumorzellen in Rundgebädern oder generell in eine medizinischen Aufnahme. Das ist die Länden Endes, die selbe Herausforderung. Verstanden, jetzt nochmal letzter Part von meiner Seite, so ihr seid jetzt bei, ihr habt jetzt ja einige zahlende Kunden bzw. auch Pilotprojekte gewonnen. Wie habt ihr das so gemacht, dass ihr mit denen in Kontakt gekommen seid, ist das nur über Massen gewesen oder was habt ihr da noch so alles gemacht? Ich kann mal kurz anfangen, also Massen auf alle Fälle, genau und ansonsten haben wir dann auch natürlich Netzwerkefekte genutzt, also irgendwelche Acceleratoren eingestiegen, das ist zwar für uns auch sehr hilfreich. Zum Beispiel das Intellectual Germany, das ist so ein Accelerator da in Köln, der genau eigentlich Corporates und Startups miteinander verbindet und das ist ziemlich stark, da gibt es natürlich eine große Bühne, du sprichst auf einer Bühne und sprichst sehr schnell sehr viel Corporates auch einmal an, die alle gewählt sind mit Startups zusammen zu arbeiten oder die Versicherungs von Leipzig, auch so einen Hubplätzen in das. Also diese Strategie über Hubs zu gehen, um einen bestimmten Markt einzutreten, die ihr hat für uns sehr gut funktioniert. Und erzählt mal so mit Massen wie ihr das gemacht habt, habt ihr euch da irgendwie besonders präsentiert, seid ihr da mit irgendwelchen größeren Unternehmen zusammen aufmessen gegangen oder was habt ihr da gemacht, dass das funktioniert hat? Also zu Beginn war es vor allem, jede dieser Massen hatte eigentlich immer so ein Startup-Area oder ein Startup-Pitches, die dann irgendwie auf der Bühne abgehalten wurden und da haben uns immer beworben. Also wir waren nie auf einer Messe, wo nicht irgendwo gepilcht haben, wir haben dann schnell festgestellt, Kombinationen-Pitch unten stand haben, ist die beste, weil dann können alle nach dem Pitch auch noch mal irgendwie vorbeikommen. Und da haben wir echt wirklich ein Pitch-Wettbewerb und Teilgenommen zum Teil auch gewonnen, das ist natürlich das Auszug vor. Dann haben wir die Preise wiederum verwenden für Credibility und wurden letztendlich aber auch vor allem von diesen Hubs von den Ninos gesprochen hat auf die Massen auch teilweise mitgenommen oder haben vergünstigten Zutritt bekommen. So war super gut, weil dann ich konnte mir erstmal raus von welchen Massen funktionieren gut für uns und welche halt vielleicht auch nicht. Und dann haben wir die, die richtig gut gelaufen sind, dann auch in den nächsten Jahren, sind wir weiterhin hingegangen, dann als richtiges Unternehmen mit größerem Stand um sich dann halt gleich, äh, jetzt habe wir das Unternehmen präsentieren zu können. Und dann ist es natürlich super viel Netzwerken an den Tagen, das geht ja meistens über zwei Tage und jetzt in den letzten Jahren, wo wir dann auch Pilotprojekte hatten, wo da jetzt auch wichtige Kunden sind, wir mit diesen Kunden auch auf die Bühne gegangen, Also am gesagt hier wollen wir nicht mal von uns sagen. mit unseren Erkennissen richten, weil das ja auch immer schöne Best Practice ist für andere Kunden sind, die vielleicht noch zögern. Und das hat auch jetzt, das haben wir jetzt seit zwei Jahren gemacht und das fruchtet immer sehr gut, wenn man dann hier auch ein bisschen was zeigt und nicht nur redet. Super, und man kann auch sagen, das Thema ist ja so aktuell, dass ich glaube ich auch relativ viel in der Presse war, ne? Ja, also ich glaube, das Thema nimmt jetzt gerade erst so richtig fahrt auf. Also ich weiß nur in einer Anfangszeit, wir haben auch sehr viel Cold Outreach betrieben, wo wir wirklich so Bilder mitgeschickt haben. Und das Thema ist ja zum Glück sehr visuell, wir konnten dann irgendwie Fakes mit schicken. Und ich weiß, ob wir in den Gesprächen gefühlt fürs Problem erstmal sensibilisieren mussten. Weil da waren viele noch der Meinung, die Hand, die hat ja sechs Finger, das sehe ich ja mit bloßen Auge, das ist, wie generiert es. Und vielen, also es gab auch viele, die das schon gesehen haben, aber es gab auch einige, die gesagt haben, die konnten das so nicht so abschätzen, was in sechs Monaten sein würden, dass sich die Kain natürlich weiterentwickeln und besser wird. Und jetzt gerade so im letzten Jahr eigentlich haben wir auch gemerkt, dass die Welle jetzt erst eigentlich so richtig da ist, dass alle, dass in ihren Business-Prozessen merken, dass sie mehr betrogen werden, dass es mehr aufkommt, dass Internet wird, mehr dann geflutet. Also wenn ich jetzt sehe, was jeden Tag eigentlich in der Presse, wo irgendwelche Fakes aufgedeckt werden oder wo um Fakes betrieben werden. Es war schon immer ein Thema, aber jetzt sind keine eigenen Bildern, das kommt, glaube ich, gerade erst so richtig. Und dementsprechend, ja, fangen wir natürlich dann auch mit gewissen Aufwänden dadurch. Aber das ist schon so bei der Presse, die fragen euch dann an oder macht ihr das auch aktiv, dass ihr das so vorschlagt, das Thema und sagt, ihr seid da Experten für und. Also bisher eigentlich schon nur durchgehend angefragt fordern. Also weil man dann doch mit Bookermard, wir setzen dem Jahr was entgegen, wir bieten Lösungen an, die irgendwie diesen Betug verhindern. Und dann wurden wir aktiv danach gefragt, wie macht ihr das, was bietet ihr an? Okay, aber dann kann man so zusammenfassen, ihr habt sehr aktiv übermessen, dann auch Kunden gewonnen. Presse hat euch sicherlich auch geholfen, ist dann noch irgendwas anderes, was ihr da gemacht habt. Code Outreach hast du erzählt, auch interessant mit den Bildern, glaube ich, hat man einen guten Gesprächsaufhänger. Also ich glaube im B2B-B-Bereich, gerade in so Märkten, wo sehr viele große Player unterwegs sind, ist natürlich dann auch viel so Netzwerk-Effekt und Word-of-Mouth. Also dann wir jetzt auch erfahren, dass dann irgendwie Kunden mit dem wir zum ersten Mal sprechen, aber schon von uns gehört haben, weil die sich natürlich auch in der bräumliche Austauschen, was du dagegen. Ja, ihr macht was mit wahrhaft. Ja, dann fragen wir über den auch mal an. Also das haben wir jetzt auch schon erlebt, dass es in letzter Zeit ganz gut klappt. Aber also für die Versicherungsbereich können wir sagen, wann messen und diese Accelerated-Hab-Programme und Hubs, somit die wirkungsvollsten Erhebe. Und neben Versicherungen, was ist also der zweite dritte Wörtwecke, den ihr habt? Also wir sind gerade auch im Pilotprojekt mit einer Behörde, also im Behördenbereich, das ist auf jeden Fall ein Thema, Dokumente, wie zum Beispiel Zettifikate oder Zeugnisse zu überprüfen. Und diese Zettifikate Zeugnisse geht natürlich jetzt auch allgemein in die ganze Herr-Errichtung. Also jedes größere Unternehmen, was sehr sensible Produkte oder Daten hat, also gerade auch im Diffensbereich, die aufpassen müssen, den stelle ich denn da eigentlich ein. Es müssen natürlich noch mal von März stärker prüfen, was ihre Bewerber in ihnen da auch senden. Das ist gerade ein Wörtwecke, den wir immer mehr reingehen. Genau, das sind natürlich aber auch mit den Medien im Austausch, und jetzt haben wir da auch eine Lösung bieten können. Super, mich ja dann gebe ich mal an dich hier, über KI noch mal, jetzt habe ich schon ein bisschen Vorwecke griffen mit meinen Fragen da, weil mich das wirklich in den Moment interessiert hat, aber ich bin mir sicher, du hast noch ein paar andere. Ja, vor allem würde ich mich interessieren, ihr habt ja so schön beschrieben, dass ihr nicht ein einfacher Brapper seid, um irgendwelche bestehenden Modelle, sondern selbst Modelle trainiert habt. Das ist ja, sollte ich mal zum einen Betbewerbsvorteil, vielleicht können wir darauf ein bisschen eingehen, zum anderen aber auch mal die Frage, wenn man so den Nachrichten ließ, hat man von großen Beträgen. Wie schafft man das mit einem Exist-Förderung oder nach halben Millionen von Angels dann Modelle zu trainieren? Ich nehm doch vielleicht mal den Leuten, die Angst oder schür sie. Okay, ja, wir fangen nicht da an, also, genau, wollen wir angefangen, also zu Exist-Zeiten haben wir gestartet, Modelle zu trainieren, da haben wir die Daten allerdings zum Großteil noch von öffentlichen Datenquellen bezogen. Also was wie Kaggle.com zum Beispiel. Also, wer jetzt eigene Modelle trainieren möchte, da kann zum Beispiel auf Kaggle.com gehen und sich da irgendwelche öffentlichen Daten setzen ziehen und damit dann probieren irgendwelche Endesthemen zu bauen. Und dann gibt es auch Anleitungen, wie man solche Modelle mennestags trainieren kann. Es kommen natürlich total auf das Problem an, was für eine Architektur den ganzen zugrunde gelegt wird und dann ist es jetzt ein endes relativ einfach, den einstieg zu finden. Und mittlerweile sind wir an einem anderen Punkt angekommen, wo das Geld, was dir von Exist bekommen, haben nicht mehr ausreicht. Also mittlerweile stecken wir extrem viel Geld auch ins Data-Mining, also der Vorsprung, den wir jetzt aktuell uns immer weiter ausbauen, liegt vor allem darin, dass wir unsere eigenen Daten beziehen und dass wir unsere Modelle wirklich direkt in the Riot vertesten und angreifen lassen. Also kontinuierlich probieren gerade Menschen unser eigenes System zu brechen und in dem man, wo sie das schaffen, nehmen wir die Daten und trainieren das System damit weiter. Also aktuell stecken wir deutlich mehr Geld ins Data-Mining, als damals noch zu Exist zeigen. Trotzdem ist es wichtig, hier keinen, sage ich mal, Apfelböhn vergleich zu ziehen, weil Modelle ist ja nicht gleich Modelle. Wenn wir jetzt über große Beträge sprechen und über irgendwelche Sprachmodelle, wo die mit Milliarden von Paramitern vielleicht sogar trainiert, die auf Milliarden von Paramitern fosen und mit extrem vielen Datenpunkt trainiert werden, um dieses abstrakte generative Wissen zu schaffen zu können, da sprechen wir über ganz andere Summen. Was wir bauen, sind ja keine generative Modelle, die fressen viel, viel Trainingspower sind extrem Daten hungrig, sondern wir trainieren Klassifikationsmodelle und die brauchen weniger Datenmenge. Das kommt auch immer da, so ein bisschen darauf an, was ist eigentlich der Case und was geht es hier konkret. Klassifikationsaufgaben kann man mit weniger Daten trainieren als Generationsaufgaben. Ja, aber vielleicht sagst du mal, was zum Thema Daten war, das ist ja auch ganz spannend, weil wir sagen immer, die große Modelle können wir hier vielleicht nicht trainieren. Aber jede Firma, jeder sitzt vielleicht auf einem sehr unigen Datensatz, den ihnen halt ermöglicht, daraus vielleicht Werte zu schöpfen. Aber woher kommen die Daten, kommen die heute schon von den Versicherern, nutzt ihr die Endkunden-Daten? Wie macht ihr das? Nee, also die Daten von den Versicherern nutzen wir nicht, das dürfen wir einfach aus Datenschutzgründen gar nicht. Und es wäre auch gar nicht so ohne weiteres einfach, die Daten fürs Training zu nutzen, weil wir selber nicht wissen, was was was ist. Also wenn wir jetzt binärklassifizieren wollen und das System, es gibt Möglichkeiten auch ohne Label zu trainieren, aber dadurch, dass wir bei den Daten, die ja bei uns reinkommen selber zu Beginn nicht wissen, ob es in Echtes oder eine manipuliertes Bild ist, können wir die Schwer-Direkt fürs Training verwenden. Aber wie gesagt, wir dürfen es auch überhaupt gar nicht. Deswegen müssen wir das so ein bisschen ein Koppeln und wir haben da quasi unterschiedliche Pipelines uns mittlerweile aufgebaut, die sag ich mal unter der Oberfläche laufen. Eine ganz große Pipelines, wirklich unsere Datenbeschaffungs-Pipeline, das sind so ein bisschen, wie nennt es, so infinite Loops, die die ganze Zeit laufen. Also auf der einen Seite kriegen wir neue kontrollierte, garantiert echte Bilder von Objekten und Dokumenten, aller möglichen Art aus, von überall aus der Welt, kontinuierlich. Woher wissen wir, dass die Echt sind, weil wir unsere eigenes Safecam dafür nutzen. Also die Menschen, die die Fotos damit aufnehmen, nehmen sie über unsere eigenes Safecam auf, das heißt wir wissen, diese Fotos sind garantiert echt. Und diese Daten kommen bei uns rein, werden dann gerutet, zu wiederum anderen Menschen, die diese Daten bearbeiten, mit Hilfe von KI oder ganz traditionell. Dann wird das Ganze gegen unseren Fortskerner geschossen, wenn der Fortskerner es nicht erkennt, dann wird es nochmal probiert und so haben wir quasi so eine Form von infinite Loops geschaffen, was natürlich sehr lange gebraucht hat, das Ganze aufzusetzen. Und so kriegen wir die ganze Zeit Daten. Also die Datenbeschaffung ist entkoppelt von den Trainings von den Produktionsdaten, die bei uns reinkommt. Und ist das dann, würdest du das dann als euren, wie so schön, neuderscheißen Mode bezeichnen, also euer USB, dass ihr halt auf diese Daten und dass ihr eigene Modelle trainiert, würdest du das jedem gründer erraten, das nicht direkt in die Ecke zu schieben, sondern mal in der Wählung zu ziehen, nie nach dem, was sie formen. Absolut, definitiv, klar, sondern es in der aktuellen Zeit, wo immer mehr Unternehmen letzten Endes, eine ARP zu Chat GPT verwenden und sich da halt AI-Start abnennen oder zu einem anderen LLM nutzen und sich da halt AI-Start abnennen, wird es halt sehr schwer zu unterscheiden, zwischen Unternehmen, die quasi eine echte Tech selber bauen und Unternehmen, die letzten Endes auf eine andere Tech aufsetzen und die Menschen sprechen auch schnell wegfallen können. Da ist es sehr gut, wenn man sich seinen eigenen Mode aufbauen kann und der liegt bei uns definitiv in den Daten und ich glaube, der wird auch zukünftig immer mehr in den Daten liegen, wenn man quasi wirklich eine bestimmte Form von Daten hat, die halt für den Wettbewerb sehr schwer ist zu bekommen, dann ist das definitiv ein Vorteil. Bei uns ist es die Kombination aus den Daten und den proprietären Modellarchitekturen, also wir haben ja auch wirklich lange braucht, überhaupt diese Modellarchitekturen erst mal zu entwickeln, die uns definitiv ein Vorsprung geben. Weil wir wissen jeder, der jetzt anfängt, der wird auf genau die sehr Probleme stoßen und wird halt einfach Zeit brauchen, sie zu lösen. Also ich würde es definitiv empfehlen, wenn man jetzt gerade an dem Punkt ist, dass man sich denkt, ich habe eine Idee, ein gewisses Problem zu lösen und dieses Problem würde es notwendig machen, dafür ein eigenes Modell zu trainieren. Dafür wäre dieses Modell aber besser, als wenn ich einem VWLM die Frage stelle, es wäre günstiger und präziser und deterministisch, dann würde ich da auf jeden Fall zu raten, das auszuprobieren. Ja, du hast eben so schön gesagt. Es ist so schwierig wie Tumorzellen und Anna hat eben auch erwähnt, dass ihr euch auch andere Wölte kürz, oder sich nach Themenbereiche anschaut wie H.A. Was ist da noch so, was vielleicht gerade durch die KI oder durch so Situationen wie Anna eben sagt, dass Sicherheitsindustrie irgendwie aufblüht und Leute sucht, wo vielleicht den Nächsteuereuratechnologie noch zum Einsatz kommt. Also wenn es jetzt noch weitere Wölte gibt es überall, die die an jetzt gerade aufgezählt hat den Weg. Genau, gibt es vielleicht noch mehr, wo wir gar nicht dran denken. Wir denken immer an Versicherungsbetrug, wenn ich die Zahlen richtig gelesen habe, irgendwie 10% der Schadensmeldungen sind irgendwie auffällig, ja. Da ist ja eigentlich in diesem Markt, aber ja schaublich auch andere Sachen ein. Voll. Definitiv. Letztes Endes kann man das mit einer Frage beantworten. Du kannst dich fragen, welches Unternehmen oder bei welchen Unternehmen es möglich ist mit Hilfe von in irgendeiner Form gefälschen Bildern oder Dokumenten. Betrug zu betreiben. Und das ist unsere Zielgruppe. Das ist fast jedes Unternehmen auf die einen oder andere Art und Weise. Insbesondere, wenn wir jetzt noch über CEO-Fraud sprechen, also diese Audi Spurabsicherung von der Andere vorhin sprach, quasi überprüfen ist der Anruf überhaupt echt. Das CEO-Fraud tagitiert letzten, dann ist auch fast jedes Unternehmen. Also da geht es ja darum, dass man jemanden anruft mit der Stimme einer anderen Person. Und dann pro Bezahlungen zum Beispiel auszulösen, also sensibler Informationen herauszufischen. So was zum Beispiel ist auch für fast jedes Unternehmen relevant. Und jemand sprechen auch bei uns CEO-Gruppe. Also das ist, es geht sehr weit, es hat fast kein Ende. Aber was zum Beispiel ein schönes Beispiel ist, wo wir selber niemals dran gedacht hätten. Es ist Fute-Livery-Fraud, das fand ich total verrückt. Also der Case ist, man bestellt sich über Uber-Eats zum Beispiel in Burger. Beißt einmal rein, macht ein Foto davon. Und gibt dann dieses Foto Nano-Banana oder Chatty-BT und sagt hier, lasst es mal bitte so aussehen, als wäre das ein bisschen hoch. Als wäre der Burger nicht ganz durch. Und dann nehme ich dieses Foto, reicht das entsprechend bei Uber-Eats ein, sag guck mal, euer Burger war nicht richtig durch und kriegt dann quasi den Burger wieder erstattet. Selbst sowas ist mittlerweile möglich und wird schon gemacht. Also das zeigt ein bisschen greifbar, wie weit das letzten Endes geht. Ja, Anne hat eben auch gesagt, sechs Fingerzeiten sind vorbei. Also dieser klassische KI-Feeler, den man auch den Bildern erkennt, wird es denn jetzt mit diesen ganzen neuen Modellen eher schwieriger oder eher leicht dabei, vielleicht auch die Leute plumpar betrügen und gar nicht wissen, dass die Modelle vielleicht schon Wasserzeichen einbauen. Also das Wasserzeichen existieren in den Modellen immer mehr. Das stimmt, aber Wasserzeichen kannst du ja easy entfernen, teilweise reichen Screenshots. Oder du gibst einfach Synth-Idry-Moveer bei Google ein und nimmst den erstbesten Synth-Idry-Moveer und entfernt das Wasserzeichen wieder. Also die Wasserzeichen sind natürlich nicht die Lösung für das Problem, aber ein guter erster Schritt. Ich würde sagen, es wird erschlierig als einfacher, weil die Technologie natürlich exponentiell besser wird. Und das ist ja auch das, was wir erleben. Ein Modell, was wir vor sechs Monaten trainiert haben, ist heute nicht mehr das wert, was es vor sechs Monaten wert gewesen ist. Unser System lebt letzte Endes nicht von den Modellen, die wir gebaut haben, sondern von der Maschine, die wir gebaut haben, die uns unsere Modelle baut. Also es ist quasi diese Meter eben, um dies letzten Endes geht. Ein System zu bauen, was sich sehr schnell selbst adaptieren kann, um mit der fortschreitenden Technologie Schritte halten zu können. Und das haben wir aufgesetzt und es ist auch notwendig, weil es natürlich immer einfacher wird, sehr überzeugend zu fälschen. Also es ist ein Problem, das wächst definitiv. Das wird nicht kleiner, sonst wird größer. Wenn man jetzt an KI denken, denken wir auch ganz viele Firmen, wenn man Automatisierungs- oder Automatisierung Möglichkeiten, die man jetzt hat, indem die KI gewisse Rollen übernimmt. Und Anna hat ja eben auch gesagt, ihr seid ja schon teilweise integriert. Das ist dann immer das Ziel, dass ihr auch so in die Prozesse direkt integriert seid. Und wenn ich jetzt sage ich mal beim Versicherung, jetzt mein kaputtes iPhone-Aplode, das ist vielleicht demnächst schon automatisch erkannt wird, zumindest im Sachbaharbeiter. Also wir sagen immer, wir ersetzen hier keine Sachbaharbeiter mit unserer Lösung. Also wir sind ein weiteres Tool, was der Sachbaharbeitung hilft, eben kritische Fälle zu bearbeiten. Und natürlich haben viele Versicherungen die Bestrebungen letztendlich möglichst viel automatisch durchlaufen zu lassen. Das betrifft dann aber vor allem die Fälle, die eh grün und in Ordnung sind, weil natürlich auch die Versicherung Fachkräftemangel haben. Der Trend geht gerade bei den Versichungen dahin einen Schadenverinnerheit von einer Minute zu prozessieren. Also, dass man als Versicherter sehr schnell sein Geld auf dem Konto hat. Und dafür muss natürlich dann auch, wenn der Prozess automatisiert werden, also wird auch natürlich die Betruckserkennung automatisiert laufen, weil sonst könnten sich Betrugier auf Knopfdruck Geld auszahlen. Und da sind wir ein Baustein, das wir sagen, wir prüfen automatisiert diese Bilder. Und wenn alles in Ordnung ist, dann wird dieser Fall auch in den kleineren Bereichen, dann zielbild automatisiert durchgeschleust, reguliert. Aber natürlich, da, wo wir ein Hinweis werfen, da guckt immer noch mal eine Sachbaharbeitung aktuell drauf. Und wir ersetzen die ob nicht, sondern wir helfen hier einfach nur eine weitere Befund mitzugeben, um dann ihre Entscheidung für das ist Betrug oder hier muss ich noch mal weiter nachhaken, vielleicht schneller zu treffen. Und sich wirklich mehr auf diese kritischen Fälle, wo nicht alles stimmt, konzentrieren zu können. Weil es ja schon so ist, dass die Sachbaharbeitung aktuell geflutet wird, mit Fällen, gerade wenn solche große Ereignisse wie Hagel oder Fluten kommen, dann ist das natürlich eine enorme Erleichterung. Aber es ist nicht so, dass dort aktiv Sachbaharbeitung komplett ersetzt werden mit unserer Lösung. Genau, ihr seid kein Sachbaharbeiter, ihr seid ein Technologieunternehmen, vielleicht kannst du mal ein bisschen erzählen, wie ihr dann die KI Technologie, also jetzt nicht eure. Ich hoffe, ich meine nicht, dass ihr das braucht, aber KI Technologieintern einsetzt. Also was, was, was, was nutzt ihr, was haben die Mitarbeiter im Zugriff? Ja, erzählen wir ein bisschen darüber. Fanfekt in der Stelle, aber auch wir haben unseren Fortsgener schon verwendet, um bewerber Zeugnisse zu prüfen. Also benutzen Sie tatsächlich auch Interver uns. Aber ja, ansonsten klar. Was war das Ergebnis? Alles grün oder? Nein, also ja, klar, benutzen wir auch KI. Ich mein, wir müssen ja auch super schnell diesen Tempo und wir mithalten zu können und bei uns ist KI-Kompetenzen ein wichtiges Einstellungskriterium. Also jeder sollte irgendwie schon mal damit gearbeitet haben oder zumindest Interesse daran haben. Wir nutzen alle verschiedenste Sprachmodelle, um wirklich alltägliche Aufgaben von E-Mail formulieren. Bis hin zu, in welchen größeren Rechercheaufgaben zu erledigen. Wir nutzen KI um zum Beispiel auch zu koden. Also natürlich nicht komplett alles durchkoden. Also da guckt auch immer noch mal Mensch drauf. Aber um so erste Ansätze zu haben und zu bauen, das ist ein extremer Beschleuniger an der Stelle. Genau, vielleicht auch noch mal an der Stelle noch mal eine Ergänzung. Also insbesondere Kloat. Habt ihr sicherlich auch schon häufiger als in einem Podcast gehört. Also Kloatcoat nutzen wir sehr radikal, weil es einfach wirklich extrem stark ist. Es muss man schon sagen. Und also das ist auch etwas, was ich irgendwie einen spannenden Entwicklung finde, dass man mitbekommt, dass es immer mehr darum geht, Systeme zu orchestrieren. Das finde ich auch immer mehr so der Skill, der man sich irgendwie aneignen muss. Und wenn ich jetzt auf der Suche wäre, nach Zukunft, Ausdicht oder Zukunftsperspektive, würde ich auch immer Richtung orchestrierungen gehen. Weil das letzten Endes, das ist, warum es jetzt geht. Die Herausforderung ist nicht mehr wie andere schon meinte, irgendwie schön kurz zu schreiben, weil das kann ein KI natürlich besser als wir Menschen. Und das ist, glaube ich, wichtig, das möglichst früh einzugestehen, um dann nicht zu probieren, besser zu koden als ein KI, weil das ist quasi im Wettrenn, das kann man nur verlieren. Und jetzt ein Endes geht bei uns darum, dieses Thema wirklich smart zu orchestrieren, also unser CTO, zum Beispiel ein System gebaut. Es nennt der intern Omni-Trace, also wir hoffen, weil sie internen Tools gebaut. Einst davon heißt es, wie Omni-Trace. Und es macht es immer wirklich möglich, über unterschiedlichste Agenden, die ja da parallel orchestriert, wirklich sein Output dermaßen zu hebeln, dermaßen zu vervielfältigen. Dass wir nur deswegen letztendlich in der Lage sind, dazu stehen, wo wir jetzt aktuell stehen. Also ich würde auch sagen, ein wichtiges Ketierung ist für uns, dass die Personen, die bei uns letztendlich reinkommen, dass sie dieses Mindset auch mitbringen, dass sie akzeptiert haben, dass eine KI auf die einzelne Aufgabe runtergebrochen in der Regel natürlich besser ist und dass die Herausforderung darin besteht, den Output vernünftig zu bewerten und vernünftig die Systemen so zu orchestrieren, dass möglichst wie am Ende auch berum kommt. Und herauszufinden, und das glaube ich, die wichtige Sache, dass man unterscheiden kann, was sind Sachen, die es Sinn macht zu automatisieren und was sind vor allem die Punkte, wo es Sinn macht selber drüber zu gucken. Und da dann halt wirklich mit Vollaufgleichsamkeit drüber zu gucken. Und das ist so ein bisschen das, was wir uns selber auch immer mehr beibringen und was wir so gelernt haben. Ja, ihr seid, glaube ich, gerade acht Mann habt ihr im Vorgespräch verraten, ja, wie hat so die kaliert Einfluss auf euer Hiring, also sucht ihr jetzt andere Leute, mehr Leute weniger? Ich würde sagen, das ist eine ziemlich tiefe Frage, auch ein bisschen erschütternd die Antwort, weil ich damit selber nicht gerechnet hätte, aber definitiv heiern wir anders und ich würde auch sagen absolut gesehen weniger. Als wir es in Vor-KI-Zeiten getan hätten. Ich ja gerade meinte, der Output, den wir aktuell liefern, der wäre nicht denkbar ohne die Unterstützung der ganzen KI-Systeme, den ich jetzt einfach mal, die wir auch intern natürlich nutzen. Es wäre einfach nicht möglich, die Faktor. Und, die man sprechen, verheiern wir auf jeden Fall weniger als das Vorker-I-Zeit. getan hätten. Das würde ich schon sagen und halt auch anders, also wie wir andere schon meinte, ist es super wichtig, dass die Leute von mindset her auch dazu passen, dass die da entsprechend da da da da entsprechend auch so so ein Growth Hacking mindset mitbringen. Das heißt man guckt schon noch mal auf andere Fertigkeiten, Programmierer, bis ein heutzutage nicht unbedingt extrem gut eine spezifische Sprache coden können, weil sie müssen verstehen, wie die Code funktioniert, die Codeying funktioniert, aber dann vor allem auch in der Lage sein, mit einer KI zusammen sehr guten Output zu produzieren. Also das verschiebt sich einfach das, worauf's letzten Endes ankommt. Wir merken, wir haben hier ein Bedarf an weiteren Mitarbeitern. Stellen muss ich sich immer öfter nochmal die Frage, okay, wie sehr filters jetzt eine Stelle brauchen, oder wirklich jemanden kann das. Also das ist immer so eine erste Frage, auch kann das irgendwie durch KI gemacht werden. Ja nein und wenn nein, dann fängt man halt eben an, entsprechend die Leute dann dafür zu kommen. Also das ist auch so eine Frage, wie immer vorab noch mal kommt. Ja, so Entwicklungsbereich und Cloth Code haben wir gerade gehört, sagt man, das ist sehr, sehr offensichtlich und sehr weit verbreitelt. Aber wo seht ihr das noch, wo ihr sagt, da konntet ihr wirklich mehr, mehr mit weniger machen, also in welchen, ja, Stellen hat es noch massiv Alphospol. Es sind halt natürlich ein Tech Coup, sorry, sagt euch alle. Nicht jetzt, sonst gesagt, auf jeden Fall natürlich im Marketing- und Outreach-Bereich. Sei es jetzt irgendwie, dass man hinsichtlich anderer Unternehmen, die man recherchiert, der Kunden unternehmen, die man recherchiert. Marktrescherchen gehen viel viel schneller, aber auch natürlich die Content Production ist davon, ist deutlich einfacher. Also, die Seins gehen jetzt wie viel schneller, schicke Auswässungsberichtigen viel schneller. Also, da nutzen wir das auch extrem. Also, also wird eure Software bei euren Output auch anschlagen und sagen, hier, da war die Kerien im Spiel. Bei vielen Post-Idefinitiv, ja, so dann, da. Wobei es kein Betrug ist, das soll er erwähnt werden. Sag mal, ihr seid ja dann sehr, sehr Tech-Affine-Campany und auch wahrscheinlich gut vernetzt, mit dem anderen oder anderen. Was ist so das, sag ich mal, neben dem coding-Bereich, wie die muss gerade schon gesagt hat, wo Power-Sich-Internetool-Bars oder ihr euch vielleicht auch zu, so die Hex, die in letzter Zeit über euren Schreibtisch gegen und jetzt vielleicht sogar auch einzug in eurer Arbeitsweise gehalten haben, wo ihr sagt, und das hatte ich nicht gedacht. Das bringt mir jetzt gerade ganz viel. Gibt's da irgendwas? Spannendest. Was, also was can only Mainz mit Hex, dass du da vielleicht ein Beispiel, dass ich das ein bisschen. Da gibt es immer die Leute, die sagen, ich hätte ja nicht gedacht, dass ich, ne, oder wir haben gerade das Beispiel Autorage, dass ich so was komplett automatisieren kann, oder dass ich jetzt irgendwie keine Ahnung, ne, Meetings zusammenfassen, macht irgendwie jeder, da hat das irgendwie komplett Entferent automatisieren, wagt's noch keiner an. Ja, ja, also bei mir kann ich direkt sagen, was für mir der neuste Heck ist, ist das irgendwie, das ist echt krass, das ist wie gut, das Thema Design auch geht, also die Designverschläge bekommen, aber vor allem halt Präsentation. Also ich muss auch sehr viele Präsentationen, man mal wiederhalten oder welche Präse sich rüber schicken und so und das ist krass, wie gut das mittlerweile geht, mit Hilfe von KI, sich da wirklich sehr solide Powerprint Präsentations, mit einer richtig guten CI extrem gut auf das entsprechende Unternehmen gebrandet und so weiter sich zu erstellen, also das ist schon eine Beschleunigung, um fast schon Größenordnung. Weil ich immer wieder gefragt werde, wie wir das heute am besten löst und auch auf dem Verdacht sind, dass die Informationen in vier Wochen absolut veraltet ist, was nutzt du dafür, gerade jetzt? Ach der klot, also ich nutze am allermeisten Klot, die haben jetzt gerade meiner Meinung und auch schon die Nase voren. Von ChatGbT sind wir so ein bisschen weggegangen, nach der Pentagon Nummer und Gemini finde ich an sich auch sehr gut, allerdings eher so fürs Revy und von Sachen für schnell mal quasi eine Einschatzung bekommen, aber wirklich um Sachen zu bauen ist gerade für mich der Vorreiter Klot. Klot, Klot, Klot, bzw. da einfach nur Klot. Immer, danke erstmal an dieser Stelle für diese Innenzeit. Ja, wirklich tolles Thema. Das letzte, was ich euch fragen würde, ist, wie es euer Blick in die Zukunft auf dieses Thema und wie werden Leute und auch was können wir uns freuen, auch was können wir uns gefasst machen, so was die nächsten Jahre mit sich bringen werden. Woher? Es meint jetzt aufs Thema generell, also Deepfakes und Acidity. Ja, gut, da gibt es unterschiedliche Szenarien, die eintreten können. Ich gehe mal stark davon aus, dass die Art und Weise, wie wir Medien konsumieren, besonders in sensiblen Bereichen, dass sie sich ändern wird. Also, dass wir da einfach eine andere, eine anderen Umgang mit erlernen, müssen gesamtgesellschaftlich, denn auch wenn wir solche Technologie bauen, um diese drüge rein einzug, die so ein bisschen einzuschränken, wissen wir ja ganz genau, dass auch das Grenzen hat. Jedes Klassifikationssystem hat seine Grenzen. Wir können niemals mit reiner Technologie, diese Gefahren komplett in den Gefahren, komplett in den Griff bekommen. Das heißt, das letzte bisschen wird immer auch eine Form von Medienkompetenz sein und wir werden jetzt gesellschaftlich einfach lernen, müssen damit auch umzugehen. Also das glaube ich, wird auf jeden Fall passieren. Ich gehe stark davon aus, dass das immer mehr auch, besonders in sensiblen Bereichen, so eine Form von echterz certifikaten, angefragt und gefordert werden. Ich glaube da können wir uns auf jeden Fall schon mal drauf einstellen und generell, was die ganze generat KI-Dissruption betrifft. Einfach auf eine Änderung des Arbeitsmarkters. Das glaube ich ist auch klar. Also das haben wir jetzt auch festgestellt. Es werden sich einfach die Skills ändern, nach dem gesucht wird. Und ich glaube, es ist sehr wichtig, dass man da möglichst schnell und möglichst früh sich das einfach eingesteht. Damit man dann letztendend sicher auch genau dieses Gehtsinnen beginn kann und dies letzten Endes geben. Band, also bei mir ist übrigens gerade ein echtes Bild umgefallen, als du das gesagt hast, irgendwie passt das zusammen hier gerade. Und ich fand es ganz toll, dass ihr euch die Zeit genommen habt und dass man so ein bisschen zu erzählen euch Geschichte sehr beeindruckend. Wünsche euch weiterhin da alles Gute und hoffentlich können wir irgendwann noch mal sprechen. Danke. Dankeschön.