Wie wir unser KI-Betriebssystem aufgebaut haben

Warum KI zum Betriebssystem Ihres Unternehmens werden muss Herzlich Willkommen zum AI First Podcast letzte Woche. Da habe ich meine Gedanken geteilt, warum KI eigentlich längst kein Tool mehr ist. Warum KI auch nicht mehr in die Form eines digitalen Mitarbeiters passt und warum KI eigentlich mit den Möglichkeiten, die jetzt in diesem Jahr gekommen sind, mit den neuen Fähigkeiten, die die Modelle entwickelt haben und im exponentiellen Wachstum, was wir sehen und wo wir gerade am Anfang stehen. Warum KI zum Betriebssystem des Unternehmens werden muss, hört da gerne noch mal rein. In die letzte Folge, denn das ist die Grundlage für diese Folge. Jetzt, ich hab euch gefragt, ob euch das interessiert und ob ihr da mehr drüber verstehen möchtet und ob ich mehr teilen soll, wie wir das bei uns aufgebaut haben und ich hab viele Nachrichten von euch bekommen, vielen vielen Dank dafür. Mit Rückfragen mit Feedback mit ein paar einwänden die auch von euch kamen aber der grundtenor war ja Felix erzähl mal wie habt ihr das jetzt gemacht und das mache ich jetzt in dieser Folge Ich habe mir ein paar Sachen vorgenommen und zwar gehe ich gleich einmal durch die Bausteine von unserem ki Betriebssystem was gehört da alles rein dann erkläre ich einmal wie wir jetzt gerade damit arbeiten und wie auch das System arbeitet. Danach besprechen wir, was die Voraussetzungen sind, also sowohl technische Voraussetzungen als auch organisatorische Voraussetzungen. Und dann hab ich noch n paar andere Gedanken aufgeschrieben, die ich abschließend mit euch teilen möchte. Der Operating System Agent: Steuerung des gesamten KI-Systems Dann steigen wir ein. Was sind die Bausteine vom KI Betriebssystem, stellt euch das einfach vor, wie verschiedene Schichten die aufeinander aufbauen und obendrauf auf dem. System sitzt etwas, das nennen wir OS Agent, also ein Operating System Agent. Andere nennen das Super Agent oder General Purpose Agent ist auch egal wie man das nennt, aber der Unterschied ist, dass ich keinen Chatbot mehr habe, mit dem ich irgendwie hin und her schreibe und. Sondern ich hab einen Agent, der auf dem System sitzt und das gesamte System benutzen und steuern kann und Aufgaben darin ausführen kann. Das ist ja auch das Versprechen, was Agents uns gegeben haben und den brauchen wir ja, also wenn wir einfach nur jetzt so n so n so n Chatbot haben, gibt es jetzt also viele viele Tools machen jetzt diesen Shift, ich komme auch gleich noch mal dazu, was da so für Möglichkeiten gibt. Dann wird es nicht funktionieren. Also wir brauchen einen Agent, der Aufgaben Aufgaben ausführen kann und wir müssen in die Anweisungen reinkommen von diesem Agent. Ja, da gibt es ja aktuell in vielen Tools, sei das irgendwie JGBT oder Germany, da kann man so im Hintergrund die persönlichen und Unternehmenseinstellungen anpassen als Kontext, aber wir brauchen da ein bisschen mehr Freiraum, um das Verhalten von diesem Agent genau steuern zu können. Ich mach mal ein Beispiel Wer mit Cloud arbeitet der hat da dieses Mark down file was er anpassen kann oder hat dieses Soul MD wo man dem Agent eine gewisse Seele geben oder ihm sich selbst geben lassen kann und darüber das Verhalten von dem Agent steuert das ist das was ich damit meine Baustein Nummer 2 ist sind Skills. Skills: Detaillierte Prozessdokumentationen für die KI Ich fass das zusammen unter alles, was die Organisation kann. Am Ende des Tages sind das detaillierte Prozessdokumentationen schaut auch gerne mal in den letzten Newsletter rein, da hab ich ein ganzes Skill Playbook veröffentlicht und genau beschrieben, was sind Skills, was sind die Unterschiede zu prompts und zu Agents und wie haben wir die aufgebaut, bei uns sind das im Kern. Arbeitsanweisungen wo aber auch definiert ist, welcher Kontext ist notwendig, um diese Aufgabe zu lösen? Welche Schritte müssen gegangen werden, welche Tools müssen wann wie benutzt werden, was gibt es für Regeln, was gibt es für Einschränkungen und wie sieht die Definition of dann aus, also wie soll das Ergebnis am Ende aussehen? Das ist am Ende. Einfach ne gute Prozessbeschreibung per Text runtergeschrieben wo referenziert wird auf andere Dinge, die in diesem Prozess genutzt werden müssen, wie das in der Prozessbeschreibung aber auch der Fall ist. Da sagt man ja auch so und jetzt öffnet Tool ABC und macht da XYZ und es ist jetzt nicht super weit weg von einer Anweisung, die wir auch sonst vorher einem Agent oder einem Assistenten gegeben haben. Das Baustein 2 die Skills. Die müssen wir einmal dokumentieren, runter dokumentieren er alles, was die Organisation kann, kann man durch alle Teams, alle Abteilungen gehen und Schritt für Schritt anfangen. Diese Dokumentation und dieses Skillset aufzubauen, denn natürlich kann jetzt der US Agent, der oben drauf sitzt, all diese Skills nutzen und all diese Prozesse damit steuern. Kontext: Alles, was die Organisation wissen muss Baustein Nummer 3 ist der Kontext, das fasse ich zusammen unter alles was die Organisation weiß. Also ein kontextlayer was haben wir gemacht Wir haben und auch da gibt es verschiedene Ansätze ja Es gibt jetzt so wissensgraphen kontextgraphen da kommt auch immer mehr tooling in dem Bereich weil total klar wird dass ich die tollsten Anweisungen schreiben kann aber wenn diesem Agent nicht klar ist was in der Vergangenheit passiert ist und wie verschiedene Daten zusammenhängen und miteinander ins Verhältnis gesetzt werden müssen und Wer was welche Priorität hat dann muss ich trotzdem die ganze Zeit nachschärfen. Also wir brauchen den Kontext, der der US Agent muss alles wissen, was die Organisation weiß, alles wissen was der CEO weiß eigentlich am Ende des Tages, dann kann er Aufgaben so ausführen, wie es die Leute im Unternehmen machen würden. Fehlt dort etwas, wird das wahrscheinlich schwierig werden, also was haben wir gemacht, wir haben eine Datenbank aufgebaut, die. In der wir alle anderen Datenquellen, also es ist wie eine Landkarte für den OS Agent, wo einmal alle Datenquellen beschrieben sind, was ist in welcher Datenquelle zu finden und wann soll die benutzt werden, für welche Skills sollen welche Datenquellen genutzt werden, das ist immer miteinander verlinkt und genau wie stehen auch verschiedene Datenquellen im Verhältnis zueinander, also. Das ist über unsere Version von einer Art Wissensgraph. Ich glaub, wir haben das wahrscheinlich so n bisschen wahrscheinlich gibt es auch noch andere Methoden, aber für uns funktioniert das sehr gut da weil der US Agent, der kann jetzt immer sich orientieren an dieser Karte die er hat sagen Ah OK, hier finde ich folgende Informationen, aber wenn ich diese Daten benutze muss ich auch noch berücksichtigen, dass ich dann auch noch hier rein gucken muss, dann komme ich, weil das schließt sich dann natürlich an. Jetzt nur eine Landkarte aufzubauen, wie die Datenquellen im Unternehmen strukturiert sind und wo was zu finden ist, das ist ja nur der eine Teil. Tools: KI-Zugriff auf alle Unternehmenssysteme Der nächste Teil ist natürlich, dass dann auch Schnittstellen bereitgestellt werden müssen, das sind kann man dann zusammenfassen, also Tools, ja alle Systeme, die im Unternehmen genutzt werden und auch hier wieder. Natürlich kann der OS Agent erst dann wirklich. Sehr, sehr viel der anfallenden Arbeit erledigen, wenn er auch auf alle Tools Zugriff hat, die auch die Menschen nutzen. Weil wenn es hier kein auf bestimmte Tools keinen Zugriff gibt, dann kann er natürlich diese Aufgaben nicht ausführen und wir haben da nen Absprungpunkt zum Menschen, was OK sein kann, aber aber im Zielbild sollte KI auf alle Tools Zugriff haben. Das heißt ne wenn ihr verschiedene Daten also sowas wie n SharePoint oder so ja wo viel Dokumentation viel wissen hinterlegt ist alternativ confluence oder ne Google Drive Struktur oder so das ist natürlich n muss wenn ihr Projekte in einem asana managt oder in einem Motion oder in irgendeinem anderen Projektmanagement Tool sollte das auch da rein genauso wie NCRM total wichtige Datenquelle für alles was Marketing und Sales. Am Ende betrifft produktdokumentationen Marketing Cloud euer CMS System vielleicht für die Webseite. Also wichtig gibt KI Zugriff darauf, dass KI da nicht nur Daten rauslesen, sondern auch diese Tools benutzen, um Aufgaben benutzen kann, um Aufgaben auszuführen. Diese Schnittstellen müssen geschaffen werden, umso stärker natürlich diese Datenquellen konsolidiert werden können, also ein Daten. Plattform Data Lake House Strukturen wo man die KI draufsetzen lassen kann, umso besser, umso mehr Ansprachen von verschiedenen Daten, Quellen und Tools ne KI machen muss, umso höher natürlich auch das Risiko, dass da Fehler passieren, die aktuellen Modelle, gerade Opus 4.6 ist extrem gut darin geworden und das ist ja auch der Große, die große Veränderung, warum solche Sachen jetzt möglich werden ist extrem gut darin geworden. Über auch viele Schritte mit vielen Tool Calls mit vielen unterschiedlichen Daten, die geladen werden müssen, trotzdem akkurat zu arbeiten. Aber trotzdem würde ich immer versuchen die Friktion so stark es geht rauszunehmen und Daten an einem Ort zu konsolidieren, wo ne KI dann zentral drauf zugreift wie wir das gemacht haben, da komme ich gleich noch drauf. Governance: Regeln und Ampellogik für KI-Aktionen OK also wir haben jetzt. Den US Agent. Alles was die Organisation kann, alles was die Organisation weiß, alle Systeme die genutzt werden. Jetzt ist wichtig, wenn ich der KI Zugriff auf all diese Dinge gebe, bei einigen von euch stellen sich vielleicht schon die Nackenhaare auf, ist natürlich ist hat natürlich auch Risiken, Risiken die das mit sich bringt, deswegen ist der nächste Baustein alle Regeln die bei uns gelten im Unternehmen. Governance unter Governance lässt sich das zusammenfassen so und hier einmal ein denk Wechsel im denken den wir machen müssen die aktuellen KI Richtlinien die in den Unternehmen implementiert sind die sind vor allem für Menschen geschrieben da haben wir uns viel Mühe gegeben und viele Unternehmen sich monatelang hingesetzt mit anwälten und datenschützern und Compliance beauftragten und der IT und HR und was weiß ich wem nicht und haben. Dann 25 seitige Richtlinien geschrieben wo alles im Detail beschrieben ist welche Daten dürfen da rein und welche Tools dürfen benutzt werden und wie darf man mit den Ergebnissen weiter arbeiten oder auch nicht so und das ganze müssen wir jetzt auch für ki machen wir müssen jetzt dieses Regelwerk auch für eine ki schreiben weil das also bei uns Wir haben also ein Handbuch geschrieben ein Governance Handbuch da haben wir eine Ampel Logik mit eingebaut und haben. In diese Ampel Logik dann genau definiert grün, gelb, rot. Ja was ist grün, das kann die KI autonom machen, also beispielsweise ein Meeting was transkribiert wurde dokumentieren im im System ja weil da kann jetzt nicht so viel schief gehen, da brauche ich auch. Also ich persönlich brauch da keinen human in The Loop der das noch mal kontrolliert, sondern. Es gibt n zugrundeliegendes transkript das soll reingeschrieben werden in unseren kontextlayer in die Datenbank damit dieser Kontext für die KI die darauf arbeitet zugänglich ist und sie weiß was zuletzt passiert ist so das ist aber das ist aber das ist der autonome Player dann haben wir gelb das ist alles was KI zwar vorbereiten aber nicht Final ausführen oder rausschicken darf. Beispiel ein großer Blog ist alles, was nach draußen geht bei uns. Jede E Mail, jedes Dokument, das darf alles erstellt und vorbereitet werden, aber es braucht immer eine Freigabe durch einen Menschen, bevor dann die nächste Aktion, welche auch immer das ist von KI ausgeführt werden darf und dann gibt es noch rot, das sind zum Beispiel Personalentscheidungen oder solche Geschichten, ja, wenn so so was reinkommt und getriggert wird, dann wird es sofort abgeblockt und. Jede Aufgabe, jede Aktion von einer KI also basiert auf diesem Regelwerk. Das ist fest eingebaut in die Anweisung des Agents, das Handbuch muss immer auch als Kontext geladen werden, egal welche Aufgabe ausgeführt wird, es ist, es ist überall sind diese Regeln direkt systemisch mit integriert. Die 5-Agenten-Kette für automatisierte Aufgaben Und dann kommen wir noch zum letzten Punkt, denn jetzt ja, könnt ihr euch vielleicht vorstellen? OK, ich hab hier diesen Agent, der hockt auf meinem Betriebssystem und auf allem was die Organisation kann, allem was die Organisation weiß, welche Regeln bei uns gelten, welche Systeme wir nutzen, gegen den kann ich jetzt Aufgaben spielen und der hat dann eine Anweisung wo genau beschrieben ist. Also der hat jetzt keinen Charakter oder so. Ja das ist jetzt nicht der super Assistent mit. Hundertjähriger Erfahrung, sondern der ist einfach nur. Das ist quasi eine Hülle, die nur für die Ausführung der Skills da ist. Ja und alles was gemacht werden muss steht nicht in den Anweisungen von dem US Agenten, sondern in den ist in den Skills dokumentiert und je nach Aufgabe sucht er sich dann den passenden Skill raus und führt den aus. So, jetzt haben wir ja aber auch noch den Fall ne, das funktioniert auch super. Wenn ich jetzt, wenn alle Leute bei uns im Team können gegen den Aufgaben spielen und der führt die dann halt aus. Jetzt will ich ja aber auch ne noch ne höhere Automation reinbekommen in das System und dafür haben wir. So ein identic Layer wär das jetzt erstmal ganz cool ja also so n identic Layer gebaut der auf dem System arbeitet und dann Aufgaben automatisiert also Wir haben einmal ja diesen US Agenten ja nennen wir den mal es ist der super Assistent und Wir haben den identic Layer der läuft automatisch die ganze Zeit durch. Weil manchmal habe ich ja eine Aufgabe die automatisch entsteht zum Beispiel Meeting ist abgeschlossen und dann muss Was muss was gemacht werden und da ist unsere agentenkette folgende nämlich erstens haben wir die Dokumentation von. Allem was passiert ne also ne e Mail kommt rein, dann wird das dokumentiert. Im System Meeting wird gemacht, dann wird das dokumentiert im System. Ich mach mein weekly Review mit KI ja wo ich einmal reflektionsfragen bekomme und dann wird das was aus diesem Review rauskommt dokumentiert im System und daraus entsteht vielleicht auch noch Aufgaben, das ist dann nämlich Punkt 2 nach der Dokumentation. Kommt dann die Aufgaben Extraktion ja, also alles was da dokumentiert wird, da werden dann Aufgaben rausgezogen, guckt sich wieder, das ist einfach ein Agent, der hat nur die Aufgabe zu gucken, was ist denn da reingekommen an Dokumentationen, aus Meetings, Mails, Weekly Review und was sind denn da für Aufgaben entstanden, hat zum Beispiel der Kunde gesagt, Ja, schicken wir mal ein Angebot zu, dann ist das eine Aufgabe, die dann gemacht werden muss nach dem Kundentermin, und die wird, das wird dann in eine Aufgabendatenbank eingeschrieben. In dieser Aufgaben Datenbank bei jeder neuen Aufgabe die reinkommt wird dann ein neuer Agent ausgelöst das ist der Skill Scout der hat jetzt nur die Aufgabe in unserer Skill Datenbank wo wir alle unsere Skills dokumentiert haben zu gucken was habe ich denn da an möglichen Skills die ich nutzen kann um die Aufgaben zu erledigen die da reinkommen also zum Beispiel Angebot erstellen ist ein Skill bei uns. Und dann wird das zugewiesen zu dieser Aufgabe dann gibt es einen Skill executor das ist dann der nächste Agent der guckt dann ah okay hier wurde ein neuer Skill zugewiesen dann führe ich den jetzt aus der macht quasi das gleiche wie der us Agent aber der kann das jetzt halt automatisch machen so und der hat nur die Aufgabe diesen Skill und was da dokumentiert ist auszuführen der ist ansonsten total dumm und charakterlos und dann führt er den aus. Und manchmal funktioniert irgendwas nicht. Ja, weiß ich nicht, gibt n Fehler mit einer Schnittstelle oder in der Aufgabenbeschreibung scheint noch irgendwas drin wo der Agent nicht weiß wie er damit umgehen soll und dann dokumentiert der das ja und schreibt das auf und sagt Hey Pass auf, hier ist n Fehler passiert oder hier wurde etwas spezifisches angefragt und ich weiß anhand von der Skill Beschreibung nicht was ich damit wie ich damit umgehen soll. Und macht dann einen Vorschlag, was man im System anpassen könnte, also als Kontext benötigt wird, dass eine Schnittstelle benötigt wird, dass eine bestimmte Anpassung der Skillanweisung notwendig ist und dokumentiert das in einer Feedbackdatenbank. Ja, und da kommt so ein Nee, der dokumentiert das erst noch in der Aufgabe. Sorry, erst noch in der Aufgabe und dann kommt ein weiterer Agent, der nimmt dieses Feedback, guckt sich das an und schreibt das in eine Feedback Datenbank rein, die wir uns dann angucken und entscheiden was welches von diesem Feedback wollen wir einbauen. Also das ist ein Agentenlayer der in sich aber eigentlich so gesehen dumm ist. Ja also das sind jetzt nicht irgendwelche. KI Mitarbeiter Personas, sondern der eine dokumentiert einfach, der nächste extrahiert die Aufgaben, der Dritte sucht die Skills, der Vierte führt die Skills aus, der Fünfte lockt das Feedback und diese Kette, die kann die ganze Zeit immer wieder arbeiten, aber die müssen jetzt nicht extrem viel Kontext oder so mit sich rumschleppen, weil die sind eigentlich alle mega schlank gehalten, das sind auch nur n paar Zeilen System prompt die in den Agents drin sind, weil die bedienen sich ja dann immer. Die Lernschleife: Systemerweiterung und Feedback-Integration An den richtigen Skills an dem notwendigen Kontext an den notwendigen Tools und können trotzdem automatisch ablaufen und das ist so für uns ein ganz guter Weg gewesen um da eine gewisse Kontrolle drin zu haben weil wir verschiedene Schritte haben und nicht alles in einen Agent reinstopfen der dann irgendwelche Sachen automatisch im Hintergrund macht und genau gleichzeitig die Skalierbarkeit hinzubekommen weil dieser Layer auf allen Skills und im gesamten Kontext arbeiten kann und. Letzter Baustein ist dann diese ist dann eine Lernschleife, die wir im System eingebaut haben auf 2 Wege, also weg 1 ist es gibt so einen Silent Patch, nennen wir das also ich geb dem OS Agent ne Aufgabe, der führt die aus und ich geb dem Feedback ne sag dem. Schreiben linkedin Post und schreibt den Link im Post. Und dann sind da Hashtags unten drin und dann sage ich ihm, nimm die Hashtags raus. Das ist ein Feedback und was er dann direkt macht ist den Skill den er ausgeführt hat. Linkedin Post erstellen, das ist der Skill dort das Feedback einzuarbeiten was ich gegeben habe, das beim nächsten Mal ich nicht mehr sagen muss, nimm die Hashtags raus, so wird ganz einfach ja das ist sehr simpel und der zweite Punkt ist, dass wir Dass wir diese Feedback Datenbank haben und das ist aktuell noch ein Human in The Loop Prozess. Also da wird sämtliches Feedback was durch die gesamte durch die gesamte Ausführung im System erzeugt wird gespeichert und wir müssen dann aber freigeben was davon eingebaut werden soll. Wenn wir es aber freigeben, dann wird quasi was auch immer das Feedback ist. Von dem Agent genommen und dann wird der Skill angepasst oder es wird irgendwie in einer Datenbank eine eine neue ein neuer datenpunkt eine neue Property mit aufgenommen die in Zukunft gepflegt wird oder was auch immer es ist ja das kann das kann sehr unterschiedlich sein was notwendig ist um in Zukunft damit der Agent in Zukunft besser arbeiten kann wir hatten das auch mal automatisiert also das. Jedes Feedback, was in der Feedbackdatenbank landet auch automatisch direkt wieder ins System eingebaut wird. Aber da haben wir gemerkt, dass das schon dann sehr schnell, also weil das sind ja dutzende bis hunderte Aktionen, die da die ganze Zeit laufen, also auch viel Feedback, was da rein läuft und das Gerät dann so n bisschen aus dem Ruder, weil dann irgendwann sehr schwer nachvollziehen nachzuvollziehen ist, was hat sich jetzt wann wirklich genau verändert. Und wir mussten dann hin und wieder schon eine Rolle rückwärts machen und deswegen haben wir gesagt, nee, komm, wir bauen da ein Gate ein, wo wir uns das anschauen und erst freigeben, bevor es ins System implementiert wird. Also das waren jetzt die Bausteine OS Agent mit einer Anweisung, die wir dem geben können, dann haben wir alles, was die Organisation weiß, weiß der Kontext, alles was die Organisation kann, der die Skills, welche Regeln gelten, die Governance. Dann welche Systeme genutzt werden, das sind die Tools. Wir haben diesen Identic Layer mit den 5 Agents, die in der Kette arbeiten und wir haben ne Lernschleife auf verschiedene Wege mit drin, das ist einfach auch nur ne ne Art systemisches Design was wir damit erreichen wollten. Zusammenfassung der Bausteine und Skalierbarkeit des Systems Das Grundprinzip ist, dass wir alles was wir vorher in unseren ganz vielen spezialisierten Agents hatten, vor allem in die Skills und in den Kontext geschoben haben, damit wir jetzt ne viel viel schlankere Struktur haben, die viel, viel skalierbarer ist und. Auf diesem gesamten System sämtlicher Aufgaben und Arbeit ausführen kann. Und wir müssen jetzt einfach einfach in Anführungszeichen Zeichen, müssen wir zusehen, dass wir alles, was bei uns passiert, alles was wir können, neue Prozesse sauber in die Skills reinbekommen. Dass wir den Kontext aktuell halten, also altes raus, Neues rein und dass wir unser Regelwerk fortlaufend erweitern, wenn wir merken, dass neue Regeln notwendig sind und die Tools bereitstellen, mit denen dieses System und die Agents darauf arbeiten müssen, dann, und das ist ja weiterhin meine These, kann ein immer größerer Anteil von digitaler Arbeit aus diesem System heraus. Erledigt werden und es wird die operative Grundlage des Unternehmens, deswegen auch der Name Betriebssystem. Wie das KI-Betriebssystem in der Praxis arbeitet So weiter geht's. Wie arbeitet jetzt dieses System und ich gehe da jetzt mal relativ flott durch, weil ich es schon in Teilen gesagt habe, also Input Weg 1 ist ähnlich wie wir das heute oft mit KI machen, das ist alles was augmentation ist. Also ich sitze hier. Ich muss was machen. Ich arbeite zum Beispiel gerade an einer Keynote, OK, und dann mach ich meinen OS Agent auf und sag pass auf, ich arbeite hier gerade an meiner Keynote, helf mir mal bitte hier die das den diesen Talk Track und die Folien zum Beispiel auszuarbeiten und dann gibt es das diese Aufgabe geb ich rein ne sprech da meistens einfach rein und erklär was ist das Ziel ich erklär auch viel mehr was das Ziel ist wo ich eigentlich hin will weil dann. Geht der Agent los und guckt natürlich, OK, was muss hier getan werden, welche Skills habe ich um das um das zu tun, welchen Kontext muss ich laden, um diesen Skill ausführen zu können, brauche ich noch irgendwelche Tools, die dafür notwendig sind und dann ja, wird entweder die Aufgabe direkt ausgeführt oder es geht halt in eine Konversation, in ein Sparring, je nachdem was das für eine Aufgabe sein soll so aber das ist. Quasi ich in der Zusammenarbeit mit diesem US Agenten, der auf dem System sitzt, das gesamte System steuern und nutzen kann. Zweiter Weg ist diese Agentenkette, also die Automation, die im Hintergrund abläuft. Ich habe es gerade eben schon gesagt, ich wiederhole es einfach jetzt noch mal ganz ganz kurz, ja, ich habe einen Kundentermin, der ist fertig dann. Wird dieser Kundentermin aus dem Transkript, wird eine Dokumentation erstellt, eine Datenbank reingeschrieben, dann kommt der nächste Agent, der guckt sich an. OK, was muss denn da jetzt getan werden und dann muss ich vielleicht ein Angebot erstellen, Referenzcase aufbereiten oder und und weiß ich nicht vielleicht noch irgendwas anderes tun, dann werden diese 3 Aufgaben werden in eine Datenbank in die Aufgaben Datenbank geschrieben, da guckt dann der nächste Agent drauf. OK super, hier sind 3 neue Aufgaben, was habe ich denn für Skills um diese Aufgaben erledigen zu können? Und Matcht die dann mit den Aufgaben. Und dann kommt der nächste Agent, der sagt, OK, hier wurden 3 neue Skills eingetragen, die muss ich jetzt ausführen und der füllt einfach alle parallel aus. Ja, ist ja nicht so, dass es nur ein Agent ist, sondern die können sich ja also unbegrenzt oft duplizieren und parallel arbeiten, also dann werden alle diese Aufgaben ausgeführt, wenn irgendwelche Fehler aufgetreten sind, werden diese dokumentiert und dann kommt der nächste Agent und lockt dieses Feedback. So, jetzt haben wir da noch was eingebaut, auch einfach systemisch so designed in den Anweisungen der Agents. Nämlich was ist denn jetzt, wenn der Skill Scout in der Aufgaben Datenbank keinen passenden Skill findet, dann könnte würde es ja nicht weitergehen und was sie da gemacht haben ist, dass der, wenn er keinen passenden findet, soll er den Skill Skill erstellen nutzen und. Und neuen Skill erstellen mit dem Kontext den Er hat und den Anweisungen wie wir neue Skills erstellen sondern einfach mal sein Best Gas raushauen wie würde er es machen und dann diesen neu erstellten Skill der dann natürlich auch in unserer Skill Datenbank landet der Aufgabe zuweisen weil das zu Gute ist vielleicht ist die aufgabenausführung nicht perfekt aber Wir haben ein System was sich jetzt schon mal erweitert hat. Ein Schritt also, es kann mehr und wir gucken uns ja dann das Ergebnis an, was daraus entstanden ist und können ja wieder Feedback geben und sagen, Pass auf ne und so und so, das und das muss noch geändert werden und dieses Feedback kann wieder direkt in den Skill Reinfließen, der dadurch besser wird und dadurch haben wir n System was fortlaufend lernt sich erweitert und mit der Zeit immer besser und flexibler wird. Wir haben weniger blinde Flecken. Auch hier ist natürlich wichtig, dass es da wieder einen Human and Loop Prozess gibt. Da also der macht einmal diese Ausführung, aber danach gibt es eine Qualitätskontrolle von dem Skill und der muss weiter verbessert werden, bevor der das nächste Mal ausgeführt werden kann und muss freigegeben werden. So das ist also das sind die zweiten Putwege ich habe augmentation und ich habe Automation, ähnlich wie das heute auch in vielen KI Plattformen schon möglich ist. Warum General Purpose Agents spezialisierte KIs überflüssig machen Das. So, jetzt kam ein Einwand aus der Community. Den fand ich interessant und zwar hat jemand geschrieben, sie geht nicht so richtig oder eher sie geht nicht so richtig mit, dass wir in Zukunft diese Organisationsstrukturen für Agenten nicht mehr brauchen, weil in verschiedenen irgendwie Tests rauskamen, dass Open Claw. Mit spezialisierten Agents dass sie besser performen als wenn sie einen wenn sie spezialisierter Agent sind und einen orchestraitor haben weil sie nicht den gesamten Kontext laden müssen genau richtig also absolut ja wenn wir in einen Agent den gesamten Kontext und super viele systemanweisungen reinpressen dann musste diesen ganzen Kontext wieso n riesigen schweren Rucksack die ganze Zeit mit sich rumschleppen. Und wer mal wandern gegangen ist mit so einem riesigen, schweren Rucksack, der weiß, dass das irgendwann sehr anstrengend wird und man sich dann immer mal wieder hinsetzen muss oder einem die Puste ausgehen. Das ist bei den Agents nicht anders und deswegen ist eben Best Practice, so sagen Wir, bauen das eben möglichst modular und dynamisch auf, sodass immer nur dann der Kontext und die Skills gezogen werden müssen. Die in dem Moment notwendig sind für die Erledigung der Aufgabe und Ich glaube es sollte jetzt klar geworden sein so wie unser System aufgebaut haben es ist ein ganz ganz wichtiges designprinzip dass eben der das kontextfenster immer minimal belastet wird und wirklich immer nur die Dinge reingezogen werden die jetzt für die Erledigung dieser Aufgabe notwendig sind alright also das waren jetzt die Bausteine wie das System arbeitet. Notwendige technische Basis für ein KI-Betriebssystem Weiter geht es mit den Voraussetzungen was brauchen wir jetzt dafür wahrscheinlich fragt ihr euch OK gut jetzt klingt alles in der im Konzept hoffentlich schlüssig wie haben wir das jetzt gemacht also technische Voraussetzungen wir brauchen erstmal einen Agent der auf euren Daten und den Systemen sitzen kann wir brauchen diese Struktur von diesem wir nennen es OS Agent. Andere nennen es jetzt General Purpose Agent, Super Agent, whatever Agent. Die, die das, wo man das am besten sehen kann. Was das ist, ist Cloud, weil Cloud geht ja n ganz anderen Weg als die anderen Anbieter, ne, also sei das auch n Co Pilot und JGPTN Langdog und so, die sind ja sehr stark erstmal auf Agents gegangen ja also wir bauen ganz viele spezialisierte Agents ja und wir wir haben das, wir haben das auch gemacht ja fast 2 Jahre lang. Haben wir das mit unser KI Team aufgebaut Cloud geht ja einen ganz anderen Weg die sagen Wir bauen nur einen Agent und dieser Agent der kann aber alles machen und genau das ist aber Ich hoffe auch das ist jetzt klar geworden meiner Meinung nach ist das die überlegene Architektur die vor allem jetzt wo die darunter liegenden Modelle so leistungsfähig geworden sind die meisten spezialisierten Agents überflüssig machen wird. Beziehungsweise werden wir diese spezialisierten Agents einfach in Skills übertragen OK also Cloud kann das heute schon Chat GBT geht jetzt auch in diese Richtung in den Business Accounts kommt das jetzt schon die haben jetzt schon Skills eingefügt eingeführt und werden jetzt immer mehr dahin gehen dass Chat GBT kein chatbot mehr ist sondern dass das nen Agent wird ein ein einziger Agent und da kannst du dann deinen ganzen ganzen Daten ran. Anschließen. Du kannst dort deine Skills drin aufbauen und hoffentlich auch kommst du auch an die zugrundeliegende Anweisung von diesem allgemeinen Agent ran, um sein Verhalten bestimmen zu können. Langdock. Hat jetzt auch schon Skills eingeführt ne und wir sehen sehr wahrscheinlich wird das jetzt auch in diese Richtung gehen dass wir da bald so einen allgemeinen Agent sehen der alle möglichen Tools bedienen kann Skills nutzen kann indem wir Zugriff auf unsere Daten geben kann so you Name it copilot hat copilot cowork angekündigt und ist glaube ich Ich glaube geht jetzt in den USA wahrscheinlich schon los. Schaut mal nach copilot cowork da könnt ihr auch sehr sehr schön sehen das ist genau diese Logik dass wir nämlich diesen einen allgemeinen Agent haben der jetzt natürlich im Microsoft Universum sämtliche Apps die es dort gibt und nutzen und auch auf den Daten arbeiten kann ja also der kann jetzt nicht nur auf sharepoints sich irgendwas rausziehen sondern der kann dann auch ne SharePoint Datenbank erstellen und die befüllen mit irgendwelchen Sachen das ist genau die Logik über die wir hier sprechen so und. Braucht natürlich einmal dieses technische Konstrukt, da gehen jetzt alle hin. Das wird der neue Goldstandard sein in den nächsten Monaten ist das klar, ja, gibt keine Chatbots mehr, es gibt nur noch General Purpose Agents, die Skills ausführen können, Zugriff auf Daten haben, Zugriff auf Tools haben und gegen die kannst du dann alle möglichen Aufgaben spielen. So konfigurierbare Anweisungen sind natürlich wichtig weil ich muss dem Agent also ich kann schon noch sehr viel Steuern zum Beispiel was die Governance angeht wie verschiedene Skills und Daten gezogen werden sollen über die systemanweisung und da sehe ich aktuell also das wird wahrscheinlich aber wird wahrscheinlich auch kommen ja aber das brauchen wir auch aktuell im Cloud wäre das diese Agent MD die man konfigurieren kann oder eben dieses Soul MD so. Außerdem muss der Agent lesen und schreiben können. Habe ich jetzt auch schon gesagt, also Chatbot wäre cool, der kann sich irgendwie Dokumente durchlesen und mir dazu Fragen beantworten, aber eigentlich soll der nicht nur lesen, sondern der soll auch neue Dokumente erstellen und in Dokumente reinschreiben oder in Datenbanken oder in Tools um dort Aktionen ausführen zu können. Das ist alles, was die Augmentation ist. Das kommt jetzt. Dann brauchen wir noch diesen identic Layer. Ja, also spezialisierte Agents, die die Dinge machen können, und da bin ich mal gespannt, wie Clawed das machen wird, also in clawed Code kann man sich jetzt kann man sich schon auch so Agents Sub Agents bauen. In Cloud Cowork da gibt es jetzt immer mehr von diesen. Ich glaube, Loops nennen Sie das, also dass verschiedene Aktionen in wiederkehrenden Zeitschleifen, also alle 30 Minuten zum Beispiel ausgeführt werden, aber dann auch wieder von diesem allgemeinen Agent ne, also es ne nicht von irgendwelchen spezialisierten Agent, sondern von diesem allgemeinen Agent. In langdock gibt es natürlich auch schon Agents und Workflows in copilot auch also das ist super da ist genau die Basis da um zum Beispiel so eine agentenkette aufzubauen wie wir das gemacht haben Skills müssen definierbar sein kommt jetzt überall und natürlich müssen Schnittstellen da sein zu drittsystemen die genutzt werden ja weil wenn ki da nicht rankommt an die Daten oder die Tools nicht bedienen kann dann sind wir natürlich maximal begrenzt. Warum AI FIRST auf Notion als Kernsystem setzt So, wir haben uns da alles Mögliche angeschaut und vor allem lag bei uns die Entscheidung zwischen Cloud Code als Setup und einem nocean Setup. Ne so ich erklär das jetzt einmal kurz, also mit Cloud Code hat man die maximale Flexibilität, also weil ihr könnt genau alles so bauen wie ich das gerade gesagt habe, es kommt nur. Mit dem Nachteil geht es einher, dass man die gesamte Arbeitsweise vom Team relativ stark ändern muss, wie ich finde, weil Cloud Code eben aus dem Terminal bedient wird und weil vor allem auch die Ablagestruktur von Dokumenten und Daten. Am besten eben in diesen markdown Dateien passiert, die dann in Guitar Repositories organisiert werden. Das kann man machen, meiner Meinung nach ist das für und wir wachsen jetzt auch als Team schon ne relativ großer Change in der Art und Weise wie das gesamte Team arbeiten muss und meiner Meinung nach funktioniert das nur, wenn alle wirklich so und damit arbeiten. Trotzdem ist es das vielseitigste System. Der Vorteil von Cloud Code ist natürlich, dass Du in Cloud Code Dir selbstständig Applikationen coden kannst, also Kleintools die Cloud dann immer wieder ausführt und nutzt und damit hat. Ist natürlich super, super flexibel was was was was man damit machen kann. Also für insbesondere Wer und das machen auch gerade ganz viele solo Unternehmer oder wirklich sehr kleine Teams aus aus 23 Leuten geht wahrscheinlich auch bis 10 Leute noch ganz gut ich kenne jetzt noch nicht so viele die es in größeren setups machen trotzdem n total klarer Weg den man gehen kann wir hatten in den letzten Monaten schon immer mehr in Daten in Motion reingezogen und Motion. Quasi als unser kernsystem aufgebaut und da viel mehr konsolidiert also Wir haben dort unser CM aufgebaut unsere gesamte Dokumentation ist natürlich da drin unser gesamtes Projektmanagement ist da drin die ganze Organisation vom Unternehmen Wir haben dort unseren e Mail unsere e Mails und unseren Kalender Wir haben dort unseren Drive angeschlossen wo Dateien abgelegt werden wir machen darüber die projektorganisation mit unseren Kunden Wir haben dort. Alle Informationen die auf unserer Webseite sind da ist Motion die Datenbank die da liegt hinter liegt mit der dann die Website Inhalte synchronisiert werden all unser Content den wir erstellen ist in Ocean drin es ist alles in Ocean drin und Ocean das haben wir uns dann angeschaut weil die hatten eine KI und Ich fand die lange Zeit jetzt nicht besonders doll weil da konnte ich eigentlich ein paar Fragen stellen zu meinen. Informationen die ich da drin habe es hat mir nicht so weit geholfen deswegen haben wir auch komplett mit langdock gearbeitet da hatte ich auch schon mal drüber gesprochen das war war war immer unser KI Layer und wird es wahrscheinlich auch wieder auch ja da komme ich gleich doch mal drauf aber Wir haben dann uns noch mal die Motion KI angeschaut und die haben da richtig Gas gegeben mit der KI Integration und alles was ich jetzt vorhin erzählt habe lässt sich dort eben sehr sehr gut umsetzen sehr gut. Und deswegen war Motion für uns, weil wir haben eh die ganze Zeit damit gearbeitet, da waren all unsere Daten drin, die KI Funktionen waren mittlerweile auf einem Punkt, wo man alles was ich gesagt habe umsetzen kann, das war für uns der einfachste Weg um jetzt erstmal anzufangen und damit zu arbeiten und es funktioniert auch wunderbar mit einem kleinen aber und das aber ist, dass wir aus dem Motion. In Ocean relativ begrenzt sind, wie wir aus dem System rauskommen können. Alles was in Ocean passiert funktioniert wunderbar, da wir relativ viel in Ocean machen oder fast alles, ist das auch super für uns, ganz speziell. Ja ihr müsst jetzt bitte nicht alle auf Ncean wechseln, aber wir haben natürlich wir müssen natürlich brauchen natürlich noch so N-Weg nach außen. Und dadurch, dass Langdock ja jetzt eben auch weiter an neuen Funktionen arbeitet. Die Workflows, die wir dort auch schon aufgesetzt hatten, noch mehr Flexibilität bieten, um verschiedene andere Systeme miteinander zu verbinden und darauf zu arbeiten, es dort auch alle möglichen Agents Funktionen gibt es jetzt auch die Skill Funktion darauf darauf gibt, werden wir uns, wenn da jetzt mal die nächsten Wochen vergangen sind und wir sehen wie Langdock das. Thema auch technisch umgesetzt hat, werden wir uns noch mal anschauen, wie wir lang Dog da als AI Layer auf dieses System draufsetzen können. Was ich euch schon erzählt habe und natürlich Google wird da auch nicht tatenlos drauf zu sehen, wir sind auch im Google Workspace unterwegs, das könnte also auch eine Option sein, wichtig ist einfach, wir wissen ja alle nicht. Wie sich jetzt die Karten noch mal mischen, werden auch von den großen KI Anbietern. Wie sich die Produkte weiterentwickeln, wie gut sie es schaffen, die Fähigkeiten, die die Modelle mitbringen, in Produkte und Funktionen zu überführen. Und deswegen bin ich immer gar kein großer Fan davon, die ganze Zeit zwischen Tools hin und her zu hüpfen, weil da wird man nie mit fertig, immer wird irgendjemand die NASA ein bisschen weiter vorne haben. Das Wichtigste an diesem System ist die Struktur zu bauen. Die ich euch vorhin gesagt habe ja Wir haben den US Agent und die Anweisung alles was die Organisation kann als Skills alles was die Organisation weiß als Kontext wir brauchen ne klare Governance n Handbuch wie KI was KI darf und was nicht wir müssen Schnittstellen zu unseren Systemen schaffen Wir haben diesen identic Layer und so n paar designprinzipien mit eingebaut und das lässt sich am Ende überall hin übertragen und überführen wenn wir das einmal aufgebaut haben und deswegen immer schauen. Was nutzt ihr heute wo steht ihr da wo steht ihr da jetzt und wie lassen sich die ki Funktionen von dem was ihr habt da gut drauf aufsetzen ja und glaube jeder jeder der da jetzt von den spielern die ich gerade schon genannt habe den unterwegs ist und auch andere Start ups arbeiten daran und gehen stärker in die Richtung einfach noch ein bisschen Ruhe bewahren und es kommen jetzt die technischen Möglichkeiten immer mehr um das was ich euch bisher erzählt habe umzusetzen? Technik ist Enabler, nicht der entscheidende Differentiator Genau. Ja, es muss jetzt auch nicht jede Firma irgendwie auf n komplettes Cloud Code Setup wechseln oder sich da nervös machen lassen. Wichtig ist eh am Ende vollkommen, also der Wert entsteht sowieso dadurch, wie gut ihr darin seid eure Daten im Griff zu haben und wie gut ihr darin seid eure Prozesse zu bauen, damit KI das ausführen kann, das ist und ihr braucht Kompetenzen im Team, dass eure Leute verstehen. Wie sie mit KI arbeiten müssen, das sind I die aller allerwichtigsten Punkte und die die Technik macht das dann am Ende nur möglich, aber wird keinen Differentiator darstellen. Das Unternehmen für optimale KI-Arbeit umbauen So jetzt hatten wir die technischen Voraussetzungen, jetzt kommen wir noch mal zu den organisatorischen Voraussetzungen, da hab ich mir mal 3 Punkte aufgeschrieben, erstens wir müssen organisatorisch. Anfangen, unser Unternehmen so umzubauen, dass KI darin optimal arbeiten kann und nicht mehr, dass Menschen darin nur Menschen darin optimal arbeiten können. Das ist ein wichtiger Mindset. Shift, weil KI einen immer größeren Anteil der digitalen Arbeit übernehmen wird, das verschiebt sich dahin, deswegen müssen wir es mitdenken, was heißt das für mich, für mich bedeutet das, dass wir alles, was wir machen, für KI demokratisieren. Und ich wiederhol es noch mal, weil es einfach so wichtig ist. Alles was wir können, alles, was wir wissen, alle Systeme, die wir nutzen, alle regeln, die gelten, muss KI kennen und genauso darauf zugriff haben wie Menschen so, weil KI nicht unbedingt schöne bunte powerpoint Folien lesen muss, um Dinge zu verstehen. Oder überzeugt zu werden, heißt das zum Beispiel auch alles sauber als markdown Texte zu dokumentieren? Wenn wir jetzt anfangen, ja irgendwie Datenbanken aufzubauen, wo Prozessdokumentationen drin sind, dann haben wir da keine BPMN Flowcharts zum Beispiel, wir haben das einfach per Text runtergeschrieben, wo natürlich auch alle Sonderfälle, Abzweigungen und so trotzdem drin sind, die Dokumentation lassen wir uns natürlich auch von KI schreiben und haben mit KI einen Standard erarbeitet wie wir. Das LM gerecht optimiert diese Dokumentation aufbauen können. So also Punkt 1 ist, gibt KI alles was sein Unternehmen hat. Punkt 2 ist dann entscheide was KI darf und was nicht. Das ist diese Governance, weil wenn KI natürlich auf all diese Dinge zugriff hat, muss ganz müssen ganz klare Regeln gelten was Ki darf und was nicht. Wo gibt es menschliche Qualitätstore? Was sind vielleicht auch Daten auf, mit denen KI nicht arbeiten darf, wenn ihr im weiß ich nicht medizinischen Sektor oder so unterwegs seid, dann würde ich da immer noch mal so ein Sternchen dran machen und das wären dann vielleicht Daten, wo KI nicht dran darf und dann muss man da eben sich so organisieren, dass das eben weiterhin Prozesse sind, die stark von Menschen ausgeführt werden, so entscheiden was Ki darf und was nicht drittes und. Der wichtigste Mindset-Shift: Am System arbeiten, nicht im System Und das ist der wichtigste Punkt meiner Meinung nach und der Schwierigste zur gleichen Zeit. Und zwar müssen wir am System arbeiten und nicht im System, wenn wir jetzt so ein tolles KI Betriebssystem aufbauen, wo wir unsere Agentenkette haben, die diese ganzen Aufgaben findet, Skills findet, Skills ausführt und parallel setze ich mich nach meinem Meeting trotzdem hin und. Und schreibt dieses Angebot für den Kunden und glaubt mir ja, das passiert mir auch gerade noch tagtäglich, dass ich Sachen mache und danach in meine Aufgaben Datenbank gucke, wo die KI das Ergebnis schon dokumentiert hat, weil sie es ja auch gemacht hat. So also dieses Umdenken von ich mache die Arbeit hinzu, ich baue das System, das die Arbeit macht, das ist echt nicht einfach, das ist ein Riesenchange, aber es ist so so wichtig, weil nur so. Kommen wir dahin, dass wir das Potenzial, was dadurch entsteht, auch gehoben bekommen. Ich jetzt hier die ganze Zeit noch weiterhin so arbeite wie wie vorher, dann dann wird es immer dann, dann wird das ja nichts okay ja, also ich habe mir jetzt einen Zettel an meinen Bildschirm geklebt, arbeite am System und nicht im System und. Mein Fokus muss viel stärker dahin gehen, Skills zu kontrollieren und zu verbessern. Die Ergebnisse von KI zu kontrollieren und zu verbessern, anstatt das selbst zu machen. Kontexte entsteht, wenn ich irgendwo unterwegs bin, ins System wieder zu bringen, indem ich, weiß ich nicht, eine lange Sprachnachricht aufnehme, die wieder als Kontext Artefakt hinterlegt wird, indem ich ja, indem ich vor allem vor allem die. Die Skills und den Kontext aktuell halte und erweitere und b mir die Outputs von der KI anschaue und Feedback, so dass die Skills dann wieder verbessert werden können oder was auch immer im System verbessert werden muss, damit das in Zukunft nicht mehr passiert. Und wenn jede Person im Team das Macht und so arbeitet, dann wird das System die ganze Zeit besser, kann einen immer größeren Anteil der Arbeit erledigen und wir haben immer mehr Kapazität, die wir für andere Dinge einsetzen können. So und dieses ne wofür setzen wir das ein? Natürlich alles was menschlich ist, Kunden alles was auf unsere Produktqualität einzahlt, Innovation mehr Gas geben können um die besten Produkte, besten Services für unsere Kunden zum besten Preis anbieten zu können und ich glaube, dass durch beschleunigende KI immer auch fortgeschrittene KI Transformation und KI Integration in Unternehmen einfach ne enorme Beschleunigung in unsere Welt kommen wird. Dinge wir werden, wenn wir vorher 4 Produkte im Jahr auf den Markt gebracht haben, dann werden das jetzt halt 12, weil es halt alle machen. Ja, und es wird immer personalisierter werden und es wird einfach ein Neues normal an Geschwindigkeit geben. Ich glaube auch, dass diese Entwicklung kommen wird, ich kann jetzt nur in die Glaskugel gucken, das sind mal so die ersten Gedanken und Erkenntnisse, die ich auch dazu habe, aber ich glaube es sind erst erstmal eine riesengroße Chance, dass dass wir eigentlich damit die Chance haben, wieder viel menschlicher zu arbeiten, weil wir unsere Zeit, die wir haben, für das einsetzen können, wofür wir unseren Job mal angetreten sind, ja sonst noch abschließend ein paar Gedanken, die ich teilen möchte. KI-Adaption im Unternehmen durch besseres Delegieren lernen Ich glaube, dass KI als Betriebssystem aufzubauen ein Riesenhebel für die Adaption im Unternehmen ist, weil ein Großteil der Leute muss einfach nicht mehr lernen, da die super Prompts zu schreiben, wir müssen stattdessen. Was noch wichtiger wird, delegieren lernen, Aufgaben wirklich abzugeben, das ist wieder dieses ne. Ich arbeite am System oder mit dem System anstatt im System zu arbeiten. Aber um es zu erklären wenn es ein paar Leute gibt die die Skills sauber aufbauen und dokumentieren aktuell halten da kann Großteil der Leute im Unternehmen ohne zu wissen dass ich jetzt hier einen Agent oder einen Assistenten oder so benutzen muss einfach in diesen allgemeinen Agent die Aufgabe reingeben der sucht sich den Skill führt den aus wie es vorgegeben ist lädt den Kontext der notwendig ist und ein Großteil der Menschen bekommt viel viel viel bessere Ergebnisse raus als es vorher der Fall war ohne. Eine große Prompting Skills zu haben. Trotzdem muss man natürlich erst mal daran denken, das zu benutzen und das verstehen, was da passiert. Die Bedeutung systemischen Denkens für KI-Integration Ja also grundlegende KI Kompetenz, Offenheit dafür und natürlich diese Verhaltensänderung bleibt weiterhin enorm wichtig, systemisches Denken wird noch mal extrem viel wichtiger zu verstehen, wie hängen denn einzelne Punkte? Miteinander zusammen und die alle mitzudenken, damit ich nicht nur an einem Teil des Systems Schraube und den anderen vergesse. Wir haben bei uns auch in jedem Skill hinterlegt, wenn wir an diesem Skill was verändern, was sind alle Punkte im System, die wir mit ändern müssen beziehungsweise machen wir das dann nicht selbst, sondern es macht dann die KI. Ja, aber wenn ich am Skill was verändere, dann muss ich vielleicht bei einem anderen Skill auch was verändern, der damit zusammenhängt. Und ich muss wahrscheinlich auch in der im Kontext was verändern und vielleicht muss ich auch in einer Datenbank was verändern, auf die dann zugegriffen wird und vielleicht muss ich auch noch irgendwo anders Anpassungen vornehmen, damit er nichts vergessen wird. Aber dieses systemische denken, wie hängen Dinge zusammen, das das wird wichtiger werden und auch ja einfach Systeme aufzubauen, die in sich geschlossen sind. Nicht in 100%-Lösungen denken, sondern iterativ starten Weil diese mit KI dann ja noch mal viel, viel stärker gehebelt werden können. Weiterer Gedanke, bloß jetzt nicht in 100% Lösung denken. Ja, das ist sowieso immer der Tod, ich erlebe aber dieses Verhalten im KI Bereich so oft. Das immer direkt versucht wird. Wie können wir jetzt hier diesen gesamten Prozess AI First aufbauen? Wie können wir unser gesamtes AI First Unternehmen entwickeln, wie können wir jetzt das perfekte KI Betriebssystem aufbauen mit allen Daten dran allen Skills da drin allen und das läuft perfekt vollautomatisiert automatisiert ist mein ganzes Unternehmen, ich überspitze das jetzt. Aber das funktioniert natürlich nicht, also vor allem, wenn ihr in gewachsenen Strukturen arbeitet. Fangt da an, wo ihr heute seid und nutzt das, was ihr jetzt habt. Das ist auch das Beste, was ihr machen könnt und dann fangt ihr damit an, eine einfache Struktur aufzubauen. Wir gehen oft in größeren Unternehmen in eine Abteilung, einfach erstmal rein und bauen das da mal auf und machen ein Proof of Concept, zeigen Pass auf, so funktioniert das, das ist die Struktur und lernen auf dem Weg und gucken dann wie wir es Schritt für Schritt sukzessive erweitern können also. Ja, better done, denn Perfect loslegen. Auf dem Weg lernen. Wir sind jetzt auch ja seit, wir haben jetzt von unserem KI Agenten Setup auf dieses KI Betriebssystem Setup umgestellt seit einigen Wochen, wir lernen jede Woche dazu uns wir haben einen riesen backlog schon was wir in die V 2 Version aufnehmen wollen und wir haben wir haben vor allem auch gemerkt wir brauchen einen Owner der nichts anderes macht als dieses System. Zu verwalten und vor allem auch weiterzuentwickeln und haben dafür auch jemanden eingestellt der das jetzt ab April bei uns komplett verantworten Steuern und weiterentwickeln wird weil das ist einfach nichts was irgendjemand mal nebenbei mitmacht genau ja das waren jetzt auch so n paar abschließende Gedanken die wir jetzt schon gelernt haben was aufgekommen ist in der Zwischenzeit und Ich hoffe dass. Abschließende Gedanken, Feedback und zukünftige Themen Hat ein bisschen Licht ins Dunkel gebracht. Das war jetzt mal ein Überblick über unser KI Betriebssystem, was die Bausteine sind, wie das arbeitet, welche Voraussetzung technisch und organisatorisch geschaffen werden müssen und ein paar andere Gedanken, was wir auf dem Weg gelernt haben und. Bin gespannt auf euer Feedback dazu schreibt mir einfach wieder gern ihr erreicht mich super bei LinkedIn hier auch unter dem Podcast in den Kommentaren oder unter Felix at AI minus First Punkt AI und je nachdem was ihr jetzt sagt was auch so für Fragen auch aufkommen mache ich gerne noch mal eine weitere Episode dazu ansonsten gibt es natürlich hier auch wieder ordentlich gute Interviews mit den KI. Chefs und chefinnen dieses Landes und Ich habe auch mir vorgenommen dass ich jetzt in den kommenden Monaten wirklich schauen möchte was gibt es für wirklich sehr progressive Stories von ai First und ai native Unternehmen die ganz traditionelle Geschäftsmodelle auf den Kopf stellen und da aus ki Perspektive anders rangehen freue ich mich schon drauf und ja bis zum nächsten Mal.