Warum tun sich Firmen so schwer mit KI?

Fritz, wir haben uns für heute was ziemlich großes vorgenommen. Ja, es wird die vielleicht größte Folge des KI-Podcasts bisher. Nein, das kann man nicht mal so sagen, weil wir schon viele große Folgen hatten, aber es wird schön, glaube ich. Ja, wir sprechen hier im Podcast meistens, würde ich sagen, darüber was KI mit Einzelpersonen macht oder wie wir als Einzelpersonen KI nutzen. Und heute soll es explizit mal um größere Konstruktionen geben, um Firmen, kleine Firmen, große Firmen, verschiedene Betriebe, größere Organisationen, wie können die von KI profitieren? Was machen die jetzt schon, was wir von denen lernen können? Und wo geht der KI-Einsatz da immer noch schief? Ziemlich großes Thema. Und deswegen dachten wir ja auch Fritz, wir nehmen das jetzt ernst und führische Erschezwecke schicken wir dich einfach mal eben ans andere Ende der Welt nach San Francisco. Denn von da meldest du dich gerade, oder? Ja, genau, ich sitze hier in San Francisco, in der Bay Area, geburt es Ort, wenn man so will, der aktuellen KI-Revolution. Ich bin hier für, tatsächlich nicht nur diese Folge, so ähnlich glaube ich könnte gegenüber unseren Hörern schon sein, sondern auch für paar andere Projekte, aber natürlich der KI-Podcast hält nie an und da haben wir uns gedacht, wir nutzen die Gelegenheit und machen auch nicht nur diese, sondern sogar auch nächste Folge, hier aus San Francisco, zumindest zu 50% aus San Francisco. Merkt man denn, wenn man in San Francisco ankommt, direkt ein Unterschied bei diesem Thema, also was Unternehmen mit KI machen? Ja, das ist selbstlich, weil ich habe mir diese Frage auch gestellt, vor euch ja angekommen bin und ich dachte so ein bisschen so, Ach ja, gut, also so im Alltag wird das halt einfach eine einigermaßen normale Stadt sein, da leben normale Leute, da ist jetzt nicht jeder Mensch ein KI-Entwickler oder eine KI-Entwicklerin und dann ist was lustiges passiert, weil jeder einzelne, also ich lüge hier nicht jeder einzelne dieser Busse, hatte Werbung für KI-Tools drauf, aber nicht irgendwie Werbung für Konsumenten, also für Chatchipity oder Kloat oder was irgendwie auch immer so normal los in ihrem Alltag benutzen, sondern es waren alles Werbungen für KI-Tools, die sich an Firmen gerichtet haben und oft sogar explizit an andere KI-Startups, ja wo dann irgendwie, also hier ist benutzt unser tolles Datenaufbereitungsassistententool oder hier ist irgendwie dieser agentic coding assistant und hier könnt ihr irgendwie doppelt so produktiv sein und eure KI ist schneller bauen, also das war dann schon sein, wo ich so gemerkt habe, ja doch irgendwie zumindest die Anbietesysa-Tools scheinen wohl im Gegensatz zu mir davon auszugehen, dass jeder Mensch in San Francisco einem KI-Startup arbeitet, anders kann ich mir das nicht erklären. Aber das, was die Startups in San Francisco machen, das ist wahrscheinlich näher dran, an dem wo sich die meisten KI-Anbieter ja wirklich am Ende auch die Profitabilität her versprechen, ja, also nur mit Chatchipity-Aboes wird man wahrscheinlich nicht dieses ganze Geld wieder reinspielen, dafür braucht man die großen Unternehmen und gerade die tun sich schwer trotz der ganzen Werbung und darüber wollen wir heute sprechen, also was bedeutet eigentlich KI-Innenunternehmen hineinzubringen, was ist daran anders als bei klassischer Software, was steht dem technisch im Weg und was steht dem menschlich im Weg? Wir haben dafür auch mit einer Experten und einem Experten gesprochen, die uns total wertvolle Hinweise dazu gegeben haben und ich freue mich sehr auf dieses Thema, weil es schon glaube ich von den Themen, die uns über die letzten drei Jahre hier beschäftigt haben, das ist was mit mittlerweile am meisten am Herzen liegt, irgendwie ist es total interessant und ich freue mich sehr darauf, mit dir einmal über der Atlantic zu diskutieren Fritz. Das ist der KI-Portcast, ich bin Gregor Schmalsried in München und in San Francisco, California bin ich Fritz Espenau. Ich muss sagen, da könnte ich mich dran gewöhnen, dass wir das jetzt so sagen und gelegentlich hier sind und von hier aus berichten, aber es ist natürlich auch immer schön, mit dir gemeinsam im Studio zu sitzen. Ja, ich freue mich auch darauf, wer du wieder da bist, aber ich glaube die großen Probleme, mit denen wir uns jetzt beschäftigen, das sind natürlich Probleme, die gerade da, wo du gerade bist, den Leuten mit am meisten schlaflose Nächte wahrscheinlich bereiten, weil es ist jetzt über drei Jahre seit ChatGyPT, ja, es ist ungefähr ein Jahr her, dass er im Altmann gesagt hat, 2025 wird das Jahr in dem KI-Agenten einfach ein ganz normaler Teil der Arbeitswelt werden und ehrlicherweise muss man ja sagen, ganz so ist es bislang nicht gekommen. Also, wir reden immer wieder darüber, was die KI alles für großartige Sachen anstellen kann. Es letzte Woche stichwort "Cloud Code", aber insgesamt hat sich die Welt dann vielleicht doch ein bisschen weniger verändert, als das vor drei Jahren noch viele gedacht hätten, zumindest in großen Unternehmen. Und eine mögliche Erklärung dafür ist halt, dass wenn wir über sowas wie KI-Innovation reden, dann reden wir eigentlich über zwei verschiedene Sachen, nämlich einmal so ein bisschen vertikale Innovation, so von oben herab quasi und horizontale Innovation, die eigentlich eher ein bisschen von unten anfängt oder halt zumindest bei jeder Person, die KI benutzt individuell. Also, das eine ist quasi der Chef oder das Unternehmen entscheidet für alle. Wir müssen jetzt innovativ sein. Wir müssen jetzt KI benutzen. Wir müssen jetzt irgendwas neues verenden, nur das andere ist. Die Leute von sich aus dezentral, wenn man so will, beginnen einfach eine neue Technologie zu nutzen, weil sie halt da ist, oder? Genau. Und dieser erste Ansatz, das das quasi mehr oder weniger von oben kommt, der muss ja auch gar nicht falsch sein. Es kommt einfach sehr darauf an, was man eigentlich mit der KI anstellt. Man so ein kleines Beispiel in der Radiologie, da spielt KI mittlerweile eine total wichtige Rolle, weil natürlich KI-Modelle sehr gut darin sind, bestimmte Muster zu erkennen, die ein menschlicher Radiologe überhaupt nicht sieht. Das heißt aber nicht, dass man einfach jedem Touchy PT oder ein anderes Tool dieser Art in die Hand gibt und dann lädt man da irgendwelche Bilder rein, sondern das sind natürlich hochspezialisierte Systeme, die man gemeinsam mitten paar Experten ausrollt und fast ein bisschen halt wie klassische Software einfach einsetzt. Ja, also wenn man in einem Unternehmen eine neue Software bekommt, dann kennt man das, es betrifft eh nicht alle oft und selbst wenn es alle betrifft, dann geht man vielleicht in der kleine Schulung, lernt was die Köpfe sind, die man drücken muss und dann nutzt man halt diese Software. Aber dieses horizontale KI-Innovationsfeld, das ist ein bisschen ein anderes, da geht es dann darum, ach so, wir haben jetzt alle den Microsoft Co-Pilot oder wir haben alle Touchy PT oder irgendein anderes Tool und oft müssen die Leute dann erstmal selber rausfinden, was sie damit eigentlich anstellen sollen. Also auf der einen Seite kann ich schon auch sehen, bei dieser vertikalen Innovation, dass es ein Problem wird, wenn man einfach so von oben herab den Mitarbeitern irgendwas vorschreibt und niemand so wirklich eigentlich was damit anfangen kann, mit dem neuen Tool, dass man jetzt so ein bisschen benutzen muss in Anführungszeichen. Auf der anderen Seite beim horizontalen wiederum kann es ja auch passieren, dass dann ist das Tool zwar da, aber da hängt es eben davon ab, dass die Leute das halt auch von sich aus machen, ja und ich meine, dazu muss man ja auch vielleicht ein bestimmter Typus, Mensch oder Arbeitgeber sein, der wirklich vielleicht auch erst mal überhaupt die Zeit und die Energie hat in seinem Arbeitsalltag damit rum zu experimentieren. Es vermutlich am Ende, wenn es wirklich klappen soll, muss beides so ein bisschen zusammenkommen. Genau und das war es da eigentlich genau zusammenkommen muss, ich glaube, dass lernen wir auch immer noch ein Stück weit. Einer der Experten für dich mit dieser Folge gesprochen habe ist Alexander Tamm, das ist ein deutscher Unternehmer und ich würde mal sagen, so ein bisschen pionier im Bereich Data Science und KI und der ist schon eine Weile in dem Bereich, also seine Beratung hat er 2012 gegründet und eine der Sachen über die wir gesprochen haben, die ich total interessant fand, ist wie sich eigentlich sein Blick auf all diese lernenden Systeme, ob das jetzt KI ist oder Big Data oder Algorithmen, wie der sich in dieser Zeit verändert hat. Ich war sehr lange ein sehr großer Perfekt, also kennt man auch die RT vielleicht von diesem Uscase orientierten arbeiten, dass man sehr stark, wie es ja lustigerweise auch in der Wissenschaft der Fall ist, hat sich Problemstellungen anschaut, also ein Business putzfest, eine Fragestellung, deportieren, aufbaut, dann Daten sammelt oder Daten verwendet, die da sind, dann mit Algorithmen sozusagen in die Zukunft schaut oder diese Daten irgendwo verwertet, auf das Problem und dann eine Schrittstelle schafft und das ist dann oft Software, sei es irgendwie so ein Agent oder sei es irgendwie ein Tule App in der Sport, wo dann sozusagen der Mensch wieder mit diesem Insight, mit diesem Uscase, dann besser wird. Weil es ist aber ein bisschen was passiert mit den Sprachmodellen und auch mit der Verbesserung der Technologie, dass schon so eine gewisse breite Referendung oder so ein Denken in Archetypen, wenn man so will, ja, also z.B. ein Tool, ein Agent, der das Wissen der Firma hat, das funktioniert schon relativ gut, vielleicht nicht für das ganze Unternehmer für gewisse Bereiche, alle Bedienungsanleitung, die wir haben, also das heißt, so eine gewisse Generalisierung hat schon stattgefunden, ne? Also ich finde das total spannend, weil da ja eigentlich drinsteckt, dass wir weggehen von zumindest überall spezialisierten Systemen, ja konkreten Problemen, die mit konkreten Programmen irgendwie gelöst werden und hinzu hat es gerade gesagt, eine Generalisierung. Also Tools wie zum Beispiel GPT5, Cloud4.5, Gemini3 und so weiter, die viele verschiedene Aufgaben erledigen können und wo es vor allem darum geht es im richtigen Moment richtig einzusetzen, nur viele Unternehmen, das ist glaube ich mittlerweile die Erfahrung, überlassen das halt bisschen, einfach den Mitarbeitern und geben Ihnen nicht wirklich viel mit auf den Weg, um diese Umsetzung tatsächlich hinzubekommen. Da gibt's natürlich Leute, die mögen das total gerne, ich glaube sehr viele davon höheren diesen Podcast und halben sehr viel Freude daran, einfach Dinge auszuprobieren und zu testen, aber in der Praxis geht es halt nicht jedem so und die Leute tun sich halt schwer zu sagen, ja, wenn ich jetzt am Montag aufstehende fühle und ich will jetzt mehr mit KI machen, weil ein scheines Ditz ist sinnvoll, was ist denn das erste, was ich dann mache, um 8 um 9 um morgens. Und das ist das, wo die Leute sich ein schwer tun, also in diese konkreten implementierung oder der Verwendung dann von KI. Ja Fritz, bei dir ist es ja gerade 8 um morgens, wenn wir es später nachmittag, deswegen ich weiß nicht, wie es dir geht, ob du morgens aufwachst, aber ich habe diesen Impuls tatsächlich mittlerweile, also vor allem seitdem Cloud Code hier auf meinem Computer lebt, lege ich mir wirklich sehr auf den sehr vielen freien Minuten, was es denn jetzt das nächste, was ich damit anstellen kann, aber natürlich geht das nicht jedem so. Ich merke das auch immer wieder, ich bin auch in Workshops immer mal wieder gefragt geworden. Gibt es nicht so eine Schablone, gibt es nicht so eine Liste von Dingen, die ich in den Prompt hineingeben kann oder eine bestimmte Regel, die ich befolgen kann oder kann ich nicht irgendwo um einen Prompt zu erhalten, eine andere KI benutzen, die dann wieder wieder um einen Prompt baut. Also Leute suchen natürlich nach Abkürzungen, nach Vereinfachungen, nach irgendwie klaren Regeln in dieser komplizierten KI-Welt und fairerweise muss man sagen, wer wirklich tief drin ist mit diesen Tools arbeitet, der wird sagen, ja, es gibt diese Regeln eigentlich nicht. Es ist halt dieses Gefühl, dass man gewöhnt ist, also man kann das Abkürzungen nennen, man kann das irgendwie Gebrauchsanleitung nennen, dass man früher halt immer hatte. Also ich hatte eine ganz interessantes Erlebnis hier in San Francisco, ich habe vor zwei, drei Tagen einen frühen Mitarbeiter von Op May I interviewt hier, der genau zu der Zeit bei Op May I gearbeitet hat als eben Chatchipiti rauskam. Und er hat das dann ganz lustig erzählt, eben als Chatchipiti eben rauskam und er das dann auch so ein bisschen rumgezeigt hat in seiner Familie, in seinem Freundeskreis und immer mehr Interesse an diesem neuen Chatbot Tool auf einmal aufkam, war einmal bei seiner Familie und hat also die Familie spricht Hindi und hat einem Onkel, das eben gezeigt und eben auch gesagt zu, hey, du kannst auch auf Hindi mit dem Chatbot sprechen, wenn du möchtest. Und dieser Onkel meinte dann, wow, interessant, wo ist denn der Knopf, um die Sprache einzustellen? Also wo ist denn das Menü und hat das dann irgendwie gesucht und er meinte so, nein, du kannst es dem einfach sagen, wie, wie sagen, na ja, halt wie man ne Menschen halt, du kannst einfach Hindi mit dem sprechen. Und es war quasi so eben, es hat erst mal am Anfang, glaube ich, bei vielen Leuten eine totale, mentale Umstellung gebraucht, das so zu verstehen, dass ich einen Computer Tool habe, dem ich einfach die Dinge sagen kann, die ich von ihm will. Also dieses Problem in der Kommunikation, eigentlich, was wir haben mit der KI, dass das eine der Gründe dafür ist, warum wir immer noch in einer, ja, ich sag mal, Entdeckungsphase eigentlich sind und warum viele Unternehmen sich auch immer noch so schwer tun, damit KI einzusetzen. Es gab eine Studie, die haben wir schon mal im Podcast erwähnt oder zumindest ein Bericht, sage ich mal und viele unserer höheren und höherer werden, das auch schon gehört haben, nicht nur bei uns, sondern ich hab das gefühlt, es wird mittlerweile in jeder zweiten KI-Kinote, diese Zahl zitiert, nämlich das 95% der KI-Projekte in Unternehmen scheitern, das sei eine MIT-Studie gewesen, heißt es immer, also das Massachusetts Institute of Technology, so eines der, ja einer der eigentlich vertrauenswürdigsten Namen im Bereich Technologie. Das hat sich mittlerweile ein bisschen verselbstständig diese Zahl und wenn man das hört, dann denkt man, okay, also 95% der KI-Projekte sind Flops offensichtlich, ist es schwer, bis fast unmöglich irgendwie Profit rauszuziehen aus der KI. Ich glaube aber tatsächlich, aber und da muss ich jetzt das aber eben ansetzen, genauso wie wir uns schwer damit tun, die Fähigkeiten der KI richtig einzuschätzen, tun wir uns auch aktuell noch schwer den Impact davon einzuschätzen, den die KI aktuell jetzt schon hat. Also wenn man sich diese Studie anguckt, die wie gesagt überall zitiert wird, was die definitiv nicht sagt, ist, dass 95% der KI-Projekte Flops sind. Also die basiert auf Fragen mit tatsächlich 52 Interviews, also es ging nur um 52 Gespräche, was erst mal jetzt nicht viele Gespräche sind, also keine besonders große Datenlage und dann wurde erfolgt kein Data. Ja, genau, genau, genau, es ist eher so Small Data. Und dann ist es auch sehr interessant, wie die Erfolg definiert haben. Sie haben nämlich gesagt, Erfolg ist alles, was nach sechs Monaten messbar Profit erzeugt hat. Also wenn man nach sechs Monaten mit diesem konkreten Projekt Profitabel war, dann galt es als Erfolg und das galt eben innerhalb der sehr wenigen, es waren nur wenige Hundert-Projekte, die da abgefragt wurden als Erfolg. Und einmal ist natürlich sechs Monate eine sehr kurze Zeit. Das muss man schon einfach sagen. Und dann ist natürlich KI auch einfach oft sehr schwer messbar. Also wir haben ja erst letzte Woche über Clote Code gesprochen, Marie und ich. Und ich habe allein seit letzter Woche wieder so so wunderbare Sachen gemacht mit Clote Code. Ich habe mir Dateien analysieren lassen und ihm gesagt, bitte benennen die Dateien so um, dass es für mich Sinn macht. Ich weiß aber nicht, was mit das jetzt tatsächlich an Zeit messbar gespart hat. Also ich könnte jetzt wirklich nicht sagen mit verlässlicher Stimme. Ja, das sind jetzt so und so viele Euro, die ich deswegen rausgeholt habe, sondern viele KI-Projekte machen, die Arbeit besser machen, die Arbeit einfacher. Aber es ist gar nicht so leicht, das jetzt einer konkreten Zahl festzumachen. Und ich meine, als diese Studie entstanden ist, gab es ja auch, wenn ich das richtig sehe, Clote Code noch gar nicht. Ja, das heißt, das ist zum Beispiel jetzt ein Tool, das in dem Fall, das ist ja auf das Problem mit KI-Studien, das bis die dann rauskommen, sich die Technologie wieder so ein bisschen verändert hat und ein bisschen fortgeschritten ist. Und man das dann einfach mitdenken muss, wenn man die Ergebnisse hört. Und das bringt uns, glaube ich, so zweiten großen Punkt unserer Folge, nämlich welches Tool wird eigentlich benutzt und wie wird das integriert. Weil wir haben es hier leicht, wir haben leicht reden im KI-Podcast, da. Also wir können natürlich ein bisschen experimentieren, wenn wir Clote Code testen wollen, dann testen wir das einfach. Aber in den aller meisten Unternehmen geht das natürlich nicht einfach so. Aus gutem Grund. Das Datenschutz spielte eine Rolle, Kompliance spielte eine Runde, der Betriebsrat muss irgendwie mitreden, man kann nicht einfach jedes Tool reinholen. Und das bedeutet viele Unternehmen arbeiten, auch einfach ehrlich gesagt, nicht unbedingt mit dem besten, was der Markt gerade so hergibt. Das ist natürlich sehr schwer. Aber jetzt haben wir schon dieses Grundproblem, das einfach die KI an sich anders funktioniert als klassisches Software. Und da gibt es auch noch mal unterschiedliche Tools. Und Leute arbeiten zum Beispiel zu Hause mit Chatchy PT, geben eine Sache ein und es funktioniert super und dann gehen sie in die Arbeit, versuchen das gleiche und kriegen auf einmal eine andere Antwort von ihrem Co-Pilot oder von ihrem internen GPT-System. Und das macht das natürlich für viele sicherlich noch viel verwirrender und unangenehme auf einmal mit der KI zu arbeiten. Ja und das alles trifft eben auch noch mal ein bisschen auf das, dass man glaube ich an vielen Orten immer noch dann auch eine Mischung hat aus dem, was man von der Technologie realistisch erwarten kann, was man schon erlebt hat und dem, was man so ein bisschen sich wünscht oder was man gerne hätte. Also das ist eben zum Beispiel so, warum kann die KI nicht einfach jetzt reibungslos auf meine E-Mails zugreifen und diese Informationen, die ich gerade von meinem Kunden geschickt bekommen habe, direkt in eine Datenbank übertragen? Das muss doch gehen. Und Microsoft bewirbt das ja teilweise auch so. Das macht es ja noch komplizierter. Also viel von dem, was die Anbieter versprechen, funktioniert vielleicht theoretisch, aber dann halt praktisch doch nicht. Also wenn man den Co-Pilot, den Microsoft Co-Pilot zum Beispiel, relativ simple Sachen frags mich, was ist die erste E-Mail, die ich jemals an jemanden geschickt habe, dann kommt sehr oft einfach nicht die richtige Antwort und dann führt das natürlich dazu, dass Leute auch denken, vielleicht bin ich das Problem. Vielleicht habe ich irgendwie falsch gepromptet oder habe ich irgendwas falsch gemacht, aber oft ist dann halt das Limit doch einfach wie die Technologie konkret aufgesetzt ist, wie integriert sie sich in das System, was irgendwie im Unternehmen da ist und dann sind wir ganz schnell bei IT Fragen, wir sind bei Compliance Fragen und nicht mehr wirklich bei der KI selber. Ich glaube, konkrete Co-Pilot selber macht da auch wirklich nicht immer die beste Figur. Also sogar Microsoft selbst hat da wohl Probleme, damit es gab im Dezember einen Bericht in den Formation, die in der Regel da sehr gut informiert sind, dieses Magazin, dem zufolge ist Microsoft CEO, es hat ja nicht zufrieden damit, wie der Microsoft Co-Pilot mittlerweile läuft und er sagt, wenn man das vergleicht, zum Beispiel mit der Konkurrenz, beziehungsweise eben nicht läuft. Ja, genau. Also natürlich verkaufen die eine Menge Lizenzen dafür einfach, weil es Microsoft ist, aber so ganz das Versprechen eingelöst, haben sie bislang nicht und das sorgt natürlich schon für Frust. Ich fand es dann besonders lustig, dass ein anderer Bericht jetzt vor kurzem, dass ich aus dieser Woche herauskam in the Word, dem zufolge hat Microsoft nämlich selber ein bisschen interne Probleme mit ihren eigenen Tools und was machen Sie jetzt? Sie nutzen Clote Code. Also ein Tool, weil Sie natürlich niemals irgendwie empfehlen würden bei ihren Kunden, aber intern wird's genutzt, weil es halt das Beste ist. Ich habe in der Vorbereitung für dieser Folge noch mit jemandem gesprochen, nämlich Elisabeth Lorange. Elisabeth Lorange ist auch Podcast Host, die hat einen Podcast namens Tech and Tails und ist AI Partnerin bei Deloitte. Und ich habe Sie gefragt, was ist denn Ihre Erfahrung nach so gerade, dass größte Hindernis in deutschen Unternehmen, um wirklich das Meiste aus der KI rauszuholen? Das größte Hindernis ist in den deutschen Unternehmen sicherlich Procurement oder Einkauf, das heißt, bevor die richtigen Tools eingekauft sind, sind Sie schon wieder veraltet. Dann ist compliance sicherlich in Hindernis, dann ist der Betriebsrat häufig in Hindernis. Das heißt, der gesamte Datenschutz steht häufig im Weg und es fehlen auch die klaren Verantwortlichkeiten. Also man weiß auch nie 100 Prozent bei wem es hängt, weil der Einkauf der Tools am Ende sind da die Finanzer dann auch häufig verantwortlich. Aber inhaltlich ist es natürlich eine Frage der Tief-Teck-Leute. Manchmal wird es eine Starbstelle richtet, das Tief AI-Offices. Der muss sich dann mit den Tech, mit den Tech-Esemunternehmen oder den IT-Lern darüber streiten, wer denn da genau den Hund aufhat. Das heißt, es fehlen momentan noch häufig klare Strukturen, es fehlen klare Strategien und da in dem Kontext eben auch klare Tools und die Tech eben am Ende. Also wir brauchen nicht nur Kenntnisse darüber, wie diese Tools funktionieren, wir brauchen auch die richtigen Tools und all das sind ja Entscheidungen, die getroffen werden müssen. Und an dem Punkt habe ich das Gefühl, ich habe ganz am Anfang der Folge gesagt, dass das Thema tatsächlich eins meiner Lieblings-Themen ist, moment, mit dem ich mich am liebsten beschäftige und jetzt gerade merk ich auch wieder warum, weil am Ende geht es halt gar nicht unbedingt um Tools und Technologie, sondern es geht eigentlich um Menschen. Es geht darum, treffen Menschen die richtige Entscheidungen und wie bekommt man Menschen dazu, die richtigen Entscheidungen zu treffen? Das ist eigentlich das, was, wenn man es mal runterbricht, in den meisten Unternehmen im Weg steht. Das ist ja so ein bisschen auch die große Frage bei fast allen gesellschaftlichen und sonstigen Menschheitsfragen mit den wir uns rumschlagen. So, warum, wie kriegt man das hin, dass die Leute gute Entscheidungen treffen? Ja, absolut. Lasst uns noch ein bisschen dabei bleiben, was alles so auf der Menschen-Ebene schiefgehen kann. Da hat er nämlich Elisabeth Laurentsch auch eine interessante Idee dazu. Ja, es gibt dazu mehrere Studien und die Harvard Business Review hat das sehr extensive beschrieben tatsächlich, dass wenn du als Mitarbeiter KI nutzt, wirst du tendenziell eher abgestraft und zwar von deinen Fogesetzten, das heißt, du bekommst tendenziell eher weniger Beförderung, du bekommst weniger Gehalt tatsächlich. Und vor allen Dingen deine Kollegen wissen das überhaupt nicht zu schätzen. Und das muss ich sicherlich ändern, aber momentan ist das noch stark so. Wir haben dazu schon von der Weile meine E-Mail bekommen von einem Hörer, nämlich von Marco, der hat eine total interessante Annik-Dote erzählt, er sagt, bei ihm in Job wird das eigentlich immer total empfohlen, KI zu benutzen und er hat auch KI schon benutzt, und zum Beispiel verschiedene Fachabteilungen, besser miteinander kommunizieren zu lassen. Also so eine Art KI-Doll-Metscher gebaut, aber in der Praxis sagt er, würde das nicht funktionieren, weil sobald Leute merken, dass das KI ist, trauen sie dem nicht mehr und sagen, dann kann es ja nichts wert sein. Also obwohl KI mittlerweile ja wirklich viel kann, wird es teilweise einfach nicht menschlich akzeptiert. Es ist super interessant, weil ich schauen auch das Gefühl habe, dass manchmal diese Vorbehalt auch vielleicht sogar gute Gründe haben kann. Absolut und teilweise muss man ja die KI nicht mal selber einsetzen, irgendwie enttäuscht davon zu sein. Das reicht ja schon, wie die Kollegen das machen. Genau das habe ich auch Elizabeth Lorange gefragt, was sie dazu meint. Ist das nicht manchmal auch berechtigt, dass man Vorbehalte haben kann gegenüber der KI im Arbeitsumfeld? Ich denke ja, weil momentan ist es noch so, dass die Ergebnisse noch nicht da sind, wo sie eigentlich entweder hätten sein können oder wo sie zufrieden stellen sind. Das heißt, das Unternehmen, gerade groß Unternehmen zahlen jedes Jahr, momentan Millionen in der Reparatur der Ergebnisse zu zangen, also im AI-Slop. Und was häufig passiert ist, dass das Menschen KI verwenden und ohne das Ergebnis nochmal zu verbessern, so weiter schicken. Und das heißt, ganz viele bekommen eben sehr schlecht formulierte E-Mails, beziehungsweise Dinge, die nicht treffen sind oder Dokumente, die eben von der KI ausgearbeitet wurden, aber die eigentlich nochmal stundenlange Revisionen bräuchten und das wird nicht gemacht. Aber irgendwann am Ende der Kette muss es dann halt machen. Und ich glaube, deswegen sind Menschen so ein bisschen dem ganzen überdrüssig geworden, weil sie dann trotzdem nochmal so viel Zeit reinstecken müssen. Aber eben schon dieses sehr vorgefertigte Ergebnis haben. Ja, also KI hat schon manchmal ein Imageproblem. Das muss man schon sagen. Und zwar, und das klingt finde ich da auch mit, in dem, was sie sagt, eigentlich aus zwei völlig unterschiedlichen Richtungen, ist zumindest immer wieder meine Erfahrung. Man hat immer auf der einen Seite diejenigen, die natürlich Angst haben, vielleicht auch um ihren eigenen Job oder sich Sorgen machen darüber ist dieses Tool, dass es jetzt schon so gut, wie gut wird das in zwei Jahren sein, werde ich dann überhaupt noch gebraucht. Und auf der anderen Seite hat man Leute, die einfach mal was damit ausprobiert haben, festgestellt haben, das funktioniert eigentlich gar nicht so, wie sie sich das vorgestellt haben. Oder die immer mal wieder mittelmäßige KI-Selop-Imails von ihren Kollegen bekommen, die natürlich dann das Gefühl bekommen, KI ist eigentlich zu überhaupt nichts zu gebrauchen. Das heißt, die Leute verschwinden manchmal so an diese extremen Ränder, in dem sie KI entweder massiv überschätzen oder massiv unterschätzen. Und beides führt natürlich zu einer Blockade, weil niemand, der denkt, KI wird ihn morgen ersetzen, hat Lust auf KI und niemand, der denkt, dass KI eigentlich nur nutzlos ist, Zeug ist, was ihm zusätzliche Arbeit macht, hat Lust auf KI. Also wirklich Lust auf KI bekommt man eigentlich nur in so einer moderaten Position in der Mitte, indem man halt ehrlich mit sich selber auch ist. Das man sagt natürlich, gibt es Bereiche, da ist das wahnsinnig hilfreich und kann mir auch jetzt schon massiv Zeit sparen, wenn ich es richtig einsetze. Aber es gibt eben auch Bereiche, wo es ziemlich leicht versagen kann und das auseinanderzuhalten, das gibt ja auch gleich ein viel besseres Gefühl, der für wo wir eigentlich stehen. Da gibt es auch immer wieder Umfragen, letztes Jahr hat Jugoff zum Beispiel festgestellt, dass diejenigen, die KI häufig benutzen, ist viel weniger für eine Bedrohung halten. Also was ihr in eigenen Job angeht, als diejenigen, die es nie benutzen, die die es nie benutzen, die haben viel mehr Angst davor. Für mich ist das vergleichbar oft, wie mit eigentlich allem lernen oder jeder Handwerkskunst oder auch Sport, wenn man ins Gym geht. Dann ist es ja auch nicht so, dass ich am ersten Tag schon alle Übungen perfekt mache oder wenn ich irgendwie keine Ahnung als neues Hobby Holz schnitzen oder sowas mir an eigenen möchte, dann muss ich ja auch erst mal Fehler machen. Und ich muss auch erst mal eine gewisse Hartnäckigkeit mittenringen und mit Rückschlägen zurechtkommen und ein Gefühl dafür bekommen. Wie verhält sich das Holz, wenn ich das eben tatsächlich mit diesen verschiedenen Messerchen und so weiter bearate und ein paar Sachen werden nicht funktionieren und mit der Zeit merke ich dann aber ich habe jetzt irgendwie fünf Sachen geschnitzt, die mir alle nicht so gefallen haben. Aber jedes neue hat mir ein bisschen besser gefallen als das davor und so ähnlich ist das auch hier. Es ist halt wirklich, es ist halt was Neues und man muss das wirklich lernen und da muss man ein bisschen Geduld mitbringen. Das ist eine total schöne Metafer, aber das Problem damit ist halt, wenn du mich persönlich zwingen würdest einen Holzschnitzkurs zu machen, ich hätte überhaupt keinen Spaß dabei. Ich würde wahrscheinlich, ich würde irgendwie so das absolute Minimum an Arbeit, würde ich da reinstecken, weil das einfach weiß, dass ich persönlich keine Lust habe. Und genauso geht sicherlich vielen Leuten mit KI auch. Und das ist so ein Problem, das unterschätzen. Ja, habe ich immer noch viele, das unterschätzen auch viele Techies. Viele, die selber vielleicht total viel Lust auf KI haben, verstehen dann gar nicht, warum das ihren Kollegen nicht so geht. Und wenn man das lösen möchte, da habe ich jetzt noch einen kleinen Vorschlag, das ist jetzt nichts, was auf einer Studie basiert, das ist einfach nur meine persönliche Erfahrung so ein bisschen aus anecdoten zusammen gesucht. Und zwar, ich habe das Gefühl, dass wenn man Leuten, die vielleicht auch schon lange drin sind in ihrer Arbeit, die sich gut auskennen, die ihre eigene Expertise haben, die vielleicht auch ihre eigenen Prozesse haben. Wenn man den dann so KI hinsetzt und sagt, so, du bist vielleicht anwalt, du hast früher immer, wenn du was bearbeitet hast, so gearbeitet, hier ist jetzt eine KI, die arbeitet jetzt so. Und nutzt das mal. Natürlich haben dann viele Leute erst mal eine Abwehrreaktion dagegen, weil sie das Gefühl haben, da dringt auch, was ein in ihre Art zu arbeiten. Das Ding, was da jetzt kommt, das respektiert ihren Prozess nicht, das respektiert ihre Art mit Problemen umzugehen nicht. Und das beste, was man meiner Erfahrung nachmachen kann, ist es halt diesen Prozess zu respektieren. Also sagen, also wenn du so arbeiten möchtest, dann ist eigentlich das tolle an KI, dass sie dir wahnsinnig viel Freiheit gibt. Du musst das eben nicht so wie Excel oder SAP, so nutzen wir alle anderen, sondern wir können uns einen eigenen Workflow zusammenbauen, der für dich genau richtig ist. Und das ist natürlich eine Menge Mühe, das braucht am Anfang ein bisschen Zeit. Aber wenn man das investiert, wenn man sich da ein bisschen die Mühe nimmt, die Zeit nimmt und nicht einfach nur auf irgendein Prompting-Schablone zurückgreift, dann kommt man vielleicht am Ende zu jemandem, der nicht nur die Technologie richtig gut versteht, sondern auch wirklich Spaß daran hat, mit KI zu arbeiten. Das ist dann halt auch einfach wirklich eine Hausaufgabe für alle Leute, die eben zum Beispiel in Unternehmen Entscheidungen treffen und es reicht dann nicht zu sagen, alle Mitarbeiter sollen jetzt einfach mit KI arbeiten, sondern man muss auch diese Spielwiese schaffen. Ja, man muss Freiräume geben den Leuten, dass sie tatsächlich anfangen und experimentieren und eben in dieses Wissen kommen, dass man erstmal aufbauen muss, man muss anreiz zu schaffen, dass die Leute das auch miteinander teilen, also das muss irgendwie sich für den Mitarbeiter auch lohnen sein, KI wissen zu teilen, mit der Firma und weiter zu geben. Das bedeutet vielleicht konkret, dass es nicht einfach dazu führt, dass er dann mehr Arbeit bekommt und die Leute sagen, das ist ja super, dass du jetzt irgendwie doppelt so schnell bist, dann kannst du hier quasi doppelt so viele Dinge für uns tun, sondern dass man dann irgendwie sagt, okay, hier ist eine Wertschätzung da für die Leute, die sich mit dieser Technologie fassen und die das in unser Unternehmen reinbringen und die eben konkret auch unsere Workflow verstehen und übersetzen in diese Tools hinein. Und das ist schon was, da glaube ich, da muss auch eine Firmenkultur dann auch irgendwo da sein, die das trägt sowas. Ja, und ich glaube, wir sind auch immer noch am Anfang davon rauszufinden, was eigentlich Firmenkulturen alles damit machen können, wenn sie einmal losgelegt haben, wirklich tief greifen, KI zu integrieren. Oft habe ich das Gefühl, KI-Transformationen im Unternehmen, das ist eben nicht einfach eine Software einzukaufen, das ist eher wie ein kleineres Unternehmen einzukaufen und all diese Leute auf einmal zu integrieren. Und es gibt auf einmal Kränkungen, es gibt Leute, die unsicher sind, ob sie in Zukunft noch gebraucht werden, es gibt komische Doppelstrukturen, all das muss man mit berücksichtigen. Also es ist am Ende dann irgendwie wieder eine Pipelfrage, eine kulturelle Frage, aber die Chancen sind natürlich gigantisch, vor allem wenn man einmal über die jetzigen Prozesse vielleicht hinausdenkt. Es gibt so eine Unterscheidung, die wird heutzutage gar nicht mehr so viel gemacht, aber ich finde die immer noch ganz hilfreich und zwar zwischen Digitalisierung und digitaler Transformation. Digitalisierung ist nämlich eigentlich das, dass ich ein Prozess nehme und einfach den gleichen Prozess mache, aber halt digital, ja, früher habe ich vielleicht einen Fax geschickt, jetzt schick ich eine E-Mail. Digital Transformation bedeutet, ich baue den Prozess so um, dass dieses Fax oder diese E-Mail gar nicht mehr nötig ist, zum Beispiel bei der Information automatisch übertragen wird. Und was jetzt KI Transformation sein könnte, ist eben auch mehr als KI-Fizierung. Wir machen gerade total viel KI-Fizierung, wir machen Meetings wie früher, aber wir haben vielleicht eine KI laufen, die am Schluss die Notizen zusammenfasst oder so. Ist ja auch schon mal was, aber eigentlich wollen wir doch zum nächsten Schritt, würde ich sagen, eigentlich wollen wir doch dahin, dass vielleicht eine KI vorher abgleicht. Ja, was hat diese Person gemacht, was hat diese Person gemacht und dann automatisch feststellt, das sind die Informationen, die ich jetzt weiter schicken muss. Und dadurch wird das Meeting überflüssig und die Leute müssen sich gar nicht erst treffen und sparen sich die Zeit. Das wäre eigentlich eine KI-Transformation und da sind wir immer noch so weit von entfernt, weil wir eben all diese Hürden noch -- Also ich hätte gerne diese Transformation, glaube ich, in meinem Leben, ich bin ja extremer Meetings. Ich habe große Abneigung gegen so viele Meetings. Also ich finde, dieses Meeting hätte auch eine KI sein können, während gutes T-Shirt. Also wir haben gelernt, es gibt wirklich eine ganze Menge, was es braucht, um KI in Unternehmen sinnvoll einzusetzen. Wir konnten natürlich auch nur eingeschränkt eingehen auf so Sachen, wie spezialisierte Tools, die ganzen Tagstack der notwendig ist, auf Tartenschutz und so weiter. Aber es sind halt viele verschiedene Faktoren, die man mitnehmen kann und deswegen wollte ich zum Schluss nochmal Alexander Tam zu Wort kommen lassen, der das ganz gut zusammengefasst hat. Es gibt dann immer so eine art strategische Komponente, wo erst mal klar sein muss, wie ich gerade auch angedeutet hatte, wo wir die Firma eigentlich hin. Wo sind die Problemstellungen, was sind die Themen, wie sind die Machtverhältnisse in der Firma. Dann gibt es natürlich diese sehr spannende Umsetzungskomponente. Also was wurde denn schon gemacht? Was will man machen? Also diese Newscase ist es, die so eine Art Produktentwicklung, also viele von diesen Firmen müssen auch lehren, noch ein bisschen mehr in so ein Produktlebenszüchlus auch zu denken, für viele Dinge, die sind halt auch sehr funktional organisiert. Dann gibt es die technologische Komponente, die schon irgendwo immer noch spannende ist. Also es habt ihr für eine Architektur, was musst du denn für Tools, wo sind die Daten. Und dann gibt es halt so immer ein bisschen Change-Komponente, die immer mit dabei sind, die immer irgendwie durchschlägt, dass man halt auch die Dinge erklärt, die Leute schuld, den Leuten auch so ein bisschen so ein paar Gimmicks irgendwie an die Hand gibt und das so spielerisch macht. Und was ich wirklich sagen kann, wenn man eine Dimension davon vergisst, dann klappst nicht. Ja, finde ich auf jeden Fall gut, alles im Kopf behalten, an alles denken, an alle Dimensionen vielleicht hilft uns ja, die KI der Zukunft dabei, all diese Dimension im Kopf zu behalten. Alles im Kopf behalten ist ein gutes Stichwort-Geräger für unsere Schloss-Rubrik. Und zwar wird das gleich Sinn machen, wenn ich sage, was ich mit KI gemacht habe diese Woche. Ja, also du bist natürlich jetzt auf einmal in der KI Hauptstadt, deswegen erwarte ich große Dinge von dir, Fritz, heute. Was hast du denn mit KI gemacht, seitdem du gelandet bist? Ich habe eine Sache wirklich sehr viel mehr gemacht als ich gedacht hatte. Das ist so ein bisschen vielleicht auch die nahe Liegenste Sache, die man mit KI macht, wenn man in der Bay Area sich aufhält oder hier gerade gelandet ist und zwar bin ich mit KI Auto gefahren. Also konkret bin ich in den WAMOS hier sehr viel rumgefahren, in den selbstfahnten Taxis, die es hier gibt. WAMO erkennen ja wahrscheinlich viele, das ist ein Startup, gerade zu Google mittlerweile, die eben selbstfahrende Autos bauen. Und dann habe ich mir natürlich die App geholt, dann stellt man sich da so ein Autos, kostet jetzt nicht viel mehr als ein Uber, ein bisschen mehr schon. Also ich glaube, sie verstehen auch, dass es diesen novelty Faktor gibt, also dass die Leute auch gerne damit fahren. Und dann kommt das an und man setzt sich rein und dann kommt so eine kleine KI-Stimme und sagt, "Hallo Fritz, irgendwie schön, dass du da bist." Und erklärt einem einmal kurz, dass man das Lenkrat nicht anfassen soll und auch so Sachen so. Diese Erfahrung mag zwar futuristisch wirken, aber keine Sorge hier ist irgendwie alles unter Kontrolle und aber schon so nach fünf oder zehn Minuten dachte ich mir so, ja fühlt sich ziemlich normal, also kann ich mich dran gewöhnen. Und ich habe mich dann auch sehr schnell dran gewöhnt und das interessante ist, dass ich auch gemerkt habe, dass ich hier eigentlich alle Leute schon ziemlich dran gewöhnt zu haben scheinen. Diese Ramos, die sind wirklich, das sind viele unterwegs, also ich würde jetzt mal so schätzen, sehen bis 20% der Autos, die ich jetzt hier so sehe im Straßenverkehr sind Ramos. Und es ist gar nichts außergewöhnliches, dass man irgendwie so sagt, oh mein Gott, da ist Ramos, sondern es fährt halt ständig ein Ramos an dir vorbei. Das heißt so, ein Auto, das einfach ohne Insassen an dir vorbei fährt, ist nichts, wo dann man noch groß dem Hinterher guckt und auch niemand schaut dahin. Und das ist wirklich total, Teil des normalen Stadtbilds. Und ich fand das dann erst mal cool, aber dann ist mir so ein Gedanke gekommenen Krieger und da würde mich interessieren, was du da von denkst. Und zwar, ich habe mein Leben lang immer gedacht, dass sich eigentlich, dass der technologische Fortschritt so ist, dass sich Stück für Stück die ganzen verschiedenen Welt gegen einander anpassen. Und das ist eines Tages dann, also so war auch immer meine Wahrnehmung, die letzten Jahrzehnte, wenn ich in den USA war, dann klar, paar Sachen sind anders, aber im Großen und Ganzen ist es halt so, wie bei uns in Europa. Und mit den Ramos habe ich jetzt zum ersten Mal selber am eigenen Leib, so wirklich das Gefühl gehabt, hier ist was, was für die Leute hier total normal ist, aber noch undenkbar in Europa. Oder niemand zumindest dort kennt, also man kennt das irgendwie vielleicht auch so Clips, die man im Internet sieht, aber es gibt es halt noch nicht bei uns. Und es ist halt auch wirklich die Frage, wie schnell das tatsächlich zu uns kommen wird. Und es gibt so eine kleine Stimme in meinem Kopf, die manchmal so ein bisschen Angst hat, dass wir jetzt an so einem Punkt sind, wo sich so das aufsplittet, ja, wo auf der einen Seite in manchen Ländern und Juristikionen zunehmend vielleicht selbstfahrende Autos unterwegs sind und alles sich irgendwie auf eine andere Art und Weise immer mehr automatisiert. Und auf allen Bussen ist dann Werbung für KI-Tools und anderswo ist es irgendwie, kommt das sehr sehr viel langsamer oder vielleicht am Ende sogar gar nicht. Also vielleicht ist das nur so ein bisschen so eine irrationale Angst vor mir, aber das war so ein Gedanke, den ich hatte beim Wollmuffern. Ja, ich glaube, ich kann den Nachvollziehenden Gedanken, ich weiß nicht, ob ich mir so große Sorgen mache darüber, weil ich denke mir, dass das ja einfach mehr damit zu tun hat, dass eben diese Autos halt da mehr oder weniger erfunden wurden, deswegen fängt man da damit an, breitet sich Stück vor Stück aus und das natürlich in Großstädten. Also London bekommt das vor den meisten ländlichen Gegenden in den USA zum Beispiel. Und ich würde auch mal davon ausgehen, dass auch europäische Großstädte das bekommen werden, bevor man keine Ahnung irgendwo auf dem Land in Kentucky damit rumfahren kann. Also es gibt glaube ich verschiedene Achsen, wie das verteilt ist. Und dann es gibt ja schon auch die Frage, ob überhaupt diese WAMOS, die Zukunftsautonomen fahren sind. Also das Tesla-Modell ist ja wohl so, dass Tesla verspricht zwar seit Jahren oder Elon Musk verspricht seit Jahren, dass es jeden Moment soweit ist, dass die Tesla einfach vollkommen autonom fahren können. Es passiert immer nicht, aber das hat wohl auch damit zu tun, dass so wie das Tesla-Auto-Nome-Fahren funktioniert. Ist das weniger spezialisiert, also die WAMOS, die du in San Francisco fährst, die können ja noch wirklich nur in San Francisco fahren und nicht irgendwo anders, die können nicht auch mal aufs flacher Land raus. Und das voran Tesla baut, das sollte ja ein bisschen anders funktionieren, das hat eben nicht so ein Leider drin, sondern da sieht eigentlich nur auf Kameras oder fast nur auf Kameras. Das hätte den Vorteil sobald das einmal funktioniert, will das auf einmal wirklich überall funktionieren und nicht nur in ein paar Großstädten. Also ich würde die Hoffnung noch nicht aufgeben, dass wenn wir in ein paar Jahren Autonomis fahren, mehr sehen, dass das dann auch überall der Fall sein könnte. Gregor, was hast du gemacht mit KI-Se-Woche? Also, ich war ja gezwungen hierzu bleiben in good old Germany. Ich halte weiter die KI-Flage hoch bei uns und war deswegen digital unterwegs. Und zwar, ich hatte ein interessantes Problem, ich hab nämlich ein Hotel umgebucht, also Frau und ich haben uns einen Hotel gebucht für den Gardersee dieses Jahr irgendwann im Sommer. Und dann haben wir das umgebucht von einer Woche in die nächste und dann haben wir festgestellt, dass die zweite Woche sehr viel günstiger war als die erste. Also, wir haben daran gar nicht gedacht, aber wir haben einfach nur gemerkt, okay, das neue Datum, was wir haben, das war wirklich deutlich billiger. Und dann habe ich einen Screen-Shot gemacht von dieser Buchung, wo man dann links den alten Preis gesehen hat und rechts den neuen. Und hab das erst Chatchipiti gegeben und gefragt, warum ist das Hotel in der zweiten Woche billiger? Gregor, du weißt ja, ich bin Ökonom, reißt es immer Angebot und Nachfrage, vermutlich war sehr viel weniger Nachfrage in dieser zweiten Woche. Das heißt, weniger Leute, die in Hotelzimmer haben wollten. Ja, Fritz, das ist ja toll, dass du dir sagst und ziemlich genau auch das ist, was Chatchipiti mir gesagt hat, hat mir deine Kreaten. Na ja, jede Nacht hat ihren eigenen Tagespreis und das nennt man dynamische Preisgestaltung und so weiter. Ja, aber Fritz, das war doch nicht, was ich wissen wollte. Ich weiß doch, dass Hotelz unterschiedlich viel kosten, wenn man so unterschiedlichen Tagen bucht, was ich wissen wollte, ist, ist denn irgendwas in der Stadt? Ist irgendein Feiertag, gibts irgendein bestimmten Grund, warum denn die erste Woche teurer war? Ja, das wollte ich wissen und ich musste Chatchipiti dreimal nach prompten, bis er diese Frage beantwortet hat und wirklich recherchiert hat. Aber siehst du, ich wäre ein super Chatbot. Ja, du hast das gleiche Problem und Kloth hat das gleiche Problem und Löscher hat auch das gleiche Problem. Die haben ja alle nur erklärt, was irgendwie es könnte daran liegen und das ist nicht das, was ich möchte. Und wer hat es dann hinbekommen? Tatsächlich Google Gemini, Google Gemini ist, da haben wir ja auch in der großen Google Gemini-Folge mit Christian, habe ich darüber geredet. Von all den KI-Modellen gerade das, was würde ich sagen, so eine interessante Alltagsweisheit irgendwie hat Google Gemini, war das einzige Modell, was von alleine auf die Idee kam. Ich guck mal nach, was könnte denn da los sein und hat mich darüber informiert, dass an meinem ursprünglichen Datum in der Stadt, wo ich bin, eine große Schumesse stattfindet. Und das höchst wahrscheinlich, da deswegen die Auslastung besonders hoch ist, aber es könnte auch an diesen anderen Events liegen. Also das war von vornherein genau da, wo ich war im Kopf, es war sogar besser als du Fritz gerade in deiner Antwort. Und das finde ich spannend. Ich finde es auch spannend, weil jetzt vor kurzem gern Bericht rauskam, das Google mit Apple zusammen daran arbeitet, Siri endlich gut zu machen und Apple Intelligence und so weiter. Also dieses Modell scheint vielleicht dann doch das Richtige dafür zu sein, weil es so ein ganz gutes Gefühl, einfachen Anführungszeichen dafür hat, was Leute wissen wollen oder zumindest, was ich wissen möchte. Deswegen, wie in Ver so was, finde ich, Gemini gerade sehr stark. Aber die wichtige Frage ist doch bei dieser ganzen Sache gereguer, warum bist du nicht auf diese Schumesse gegangen? Warum hast du dir das entgehen lassen? Das ist ja, also wirklich dramatisch. Ja, das hat ja auch gesagt, wenn ich die unbedingt haben möchte, dann sollte ich nicht umbuchen, aber ich hab gesagt, das ist glaube ich, das ist glaube ich hier noch zu spät, barfußurlauber. Wir haben noch eine E-Mail natürlich bekommen, wir haben eine ganze Menge E-Mails bekommen mal wieder und eine möchte ich kurz erwähnen und zwar, was ihr mit KI gemacht habt, nämlich Killian. Killian hat uns einfach einen kleinen Workflow beschrieben, den er gebaut hat, er sagt nämlich, er nutzt KI unter anderem um sich zu politischen, gesellschaftlichen und persönlichen Themen effizient zu informieren und was er macht ist, er hat so eine kleine Pipeline gebaut, er fängt an mit Deep Research in Chat-GPT, lässt sich daraus dann eine kleine Recherche generieren, macht dann auch zusätzlich noch eine Recherche in Google Gemini. Er sagt, seine Erfahrungen nach, setzen die oft unterschiedliche Schwerpunkte und das ergänzt sich ganz gut, das stimmt, so habe ich auch schon öfter gemacht, diese Erfahrung. Und dann packt er beides, in Notebook LM, Notebook LM haben wir auch schon ein paar mal drüber gesprochen, so eine andere Recherche-Programme, in das ich halt Texte reinladen kann und dann kann ich einmal Fragen stellen zu diesen Texten, aber ich kann halt auch, und das macht Killian auch hier, sich einen kleinen Kurzpodcast, generieren lassen. Und jetzt hört er halt auf dem Weg zur Arbeit, immer so 15 Minuten Podcast, die genau auf den zugeschnitten sind, genau auf die Sachen, die ihn persönlich interessieren und er sagt, das sei wirklich eine der effizientesten Methoden, um komplexe Themen schnell zu verstehen. Also finde ich ein schönes Beispiel, weil es auch eigentlich nur vorhandenes nimmt, aber halt schlau neu kombiniert. Ich finde das ein superinteressantes Beispiel, es passt auch ein bisschen nochmal zu unserer Folge heute, weil das wieder genau so ein Prozess ist, der einen klaren Vorteil bietet, aber vermutlich sehr, sehr schwer abzubilden wäre, was das jetzt wirklich dann für einen Unternehmen oder für ein Arbeitnehmer an Effizienz gewinnen oder Produktivitäts- oder Return on Investment am Ende bedeutet, weil wo ist der KI-Prozess und wo ist quasi der eigene Lernprozess und wie trennt man das voneinander? Und ich glaube, diese Art von Prozesse und Dynamiken gibt es halt super viel gerade. Wenn ihr euch interessiert, dafür mehr zu lernen, dann geht das aber nicht nur mit synthetischen Podcast, es geht natürlich auch mit uns und wir freuen uns, wenn ihr auch dieses Jahr wieder bei uns dabei bleibt, du bist ja nächste Woche immer noch im Silicon Valley, der Wendel ein bisschen detailliert ersprechen über das, was da alles so abgeht. Aber wenn ihr die Zeit bis dahin irgendwie rumkriegen wollt, dann haben wir eine ganz tolle Empfehlung für euch, nämlich, wie man lernen kann, kuratiert von richtigen Wissenschaftsjournalisten und zwar ist unsere Podcastempfehlung der Woche von unseren Kollegen im BR, IQ, Wissenschaft und Forschung. Lust auf noch mehr Wissen und vor allem auf die spannende Forschung aus Naturwissenschaft und Technik? Da haben wir etwas, den Podcast von IQ, Wissenschaft und Forschung. Wir fragen nach, wie reisen wir künftig ins All? Wie speichern wir neue Energie? Und was bedeuten die Fortschritte der künstlichen Intelligenz? Begleitet uns auf abenteuerliche Expeditionen, grabt euch mit uns durch aktuelle Studien, schaut mit uns kritisch hin. Wir tauchen tief ein und machen auch vor komplexen Themen nicht halt. Denn Wissenschaft geht uns alle an, sie prägt unsere Gegenwart und entscheidet über unsere Zukunft. IQ, Wissenschaft und Forschung, weil eure Neugier zählt. Copyright WDR 2020