#211 - Es war nie einfacher KI zu machen

01:00:00: Heute haben wir zu Gast Tristan Post, CEO

01:00:03: und Founder vom AI Strategy Institute.

01:00:06: Tristan schreibt auf LinkedIn als

01:00:08: Headline, es war nie einfacher KI zu

01:00:11: machen und gleichzeitig

01:00:13: hat er gerade ein Buch geschrieben mit

01:00:15: dem Titel 10 harte Wahrheiten über KI.

01:00:20: Wie passt das Tristan

01:00:22: eigentlich zusammen?

01:00:23: Darüber werden wir heute sprechen.

01:00:24: Genau, ich freue mich.

01:00:25: Ja, herzlich willkommen.

01:00:26: Bevor wir da tiefer reingehen wollen,

01:00:28: wollen wir aber ein

01:00:29: bisschen erfahren, wie bist du

01:00:30: eigentlich dazu gekommen?

01:00:31: Weil ich weiß, dass du schon mal so zehn

01:00:33: Jahre plus im Bereich KI unterwegs bist.

01:00:37: Nehmt uns mal mit an die Anfänge.

01:00:39: Sieht zwar nicht so aus, aber ich bin

01:00:42: doch ein bisschen älter

01:00:42: als ich aussehe, sagen

01:00:44: wir mal so.

01:00:45: Ich habe tatsächlich auf KI gekommen über

01:00:49: meine Ausbildung oder

01:00:52: als ich angefangen habe

01:00:53: zu studieren, war ich relativ frustriert.

01:00:56: Ich habe mich gefragt, ich hatte sehr

01:00:58: tolle Lehrer gehabt bei

01:00:59: mir in der Schule, die sehr

01:01:00: inspirierend waren und dann habe ich dann

01:01:02: irgendwie erst in

01:01:03: Italien studiert und fand

01:01:05: die Professorinnen sehr uninspirieren und

01:01:06: habe gemerkt, eigentlich

01:01:07: ist es irgendwie besser

01:01:08: nicht in die Vorlesung zu gehen, sondern

01:01:09: lieber das ganze Zuhause zu lernen.

01:01:11: Und ich bin so eine Person, ich beschwere

01:01:14: mich auf der einen Seite

01:01:15: ganz gerne, aber möchte

01:01:16: auf der anderen Seite auch wissen, ob ich

01:01:17: es besser machen kann.

01:01:18: Und hatte dann, als ich für mein Master

01:01:21: an die London School of

01:01:22: Economics gegangen bin,

01:01:23: die Möglichkeit selbst zu unterrichten

01:01:24: und habe dort sehr viel unterrichtet.

01:01:27: Also eigentlich bin ich

01:01:28: Wirtschaftswissenschaftler und habe dann

01:01:30: auch Philosophie mit dazu gemacht

01:01:32: als Kombination und habe dementsprechend

01:01:34: die ganzen

01:01:35: Wirtschaftsfächer unterrichtet.

01:01:37: Und mein Lieblingsfach zu unterrichten

01:01:39: war Statistik

01:01:40: beziehungsweise Ökonomitrie,

01:01:42: das ist ja Statistik für die

01:01:43: Wirtschaftswissenschaftler.

01:01:45: Und warum war es mein Lieblingsfach?

01:01:47: Weil das Expectation

01:01:49: Management so gut war.

01:01:50: Die Studenten sind nicht aus dem ersten

01:01:52: Jahr Statistik gekommen,

01:01:54: fanden das absolut fürchterlich, haben

01:01:56: das überhaupt nicht

01:01:56: verstanden und sind dann

01:01:58: in das härtere

01:01:59: Statistik also zu mir gekommen.

01:02:00: Und ich bin da so perfekt, weil

01:02:02: eigentlich, was den Leuten

01:02:04: gefehlt hat, Statistik ist

01:02:05: nichts anderes als

01:02:06: Geschichtenerzählen mit Daten.

01:02:08: Und wir sind es eigentlich gewohnt, als

01:02:09: Menschen uns gegenseitig Geschichten zu

01:02:11: erzählen und zuzuhören.

01:02:13: Die haben halt Statistik noch nie

01:02:15: irgendwie gut verpackt zu

01:02:17: Gesicht bekommen und konnte

01:02:19: die dann abholen und dann wollten meine

01:02:20: Studenten relativ schnell wissen.

01:02:22: Ich hatte da so eine

01:02:22: Klasse, die haben finals studiert.

01:02:27: Die wollten halt relativ schnell wissen,

01:02:28: okay, wie kann ich jetzt

01:02:29: irgendwie die statistischen

01:02:30: Methoden, die ich aus der Ökonomitrie

01:02:32: kenne, nutzen, um in

01:02:35: Ökonomitrie wollen wir immer

01:02:36: verstehen, warum hat was welchen Effekt.

01:02:38: Sie wollen eigentlich nicht wissen warum,

01:02:40: sondern wollen einfach

01:02:41: nur Sachen vorhersagen,

01:02:42: in dem Fall den Stock Market.

01:02:44: Und hat mich natürlich auch interessiert.

01:02:47: Ich wollte halt für meine Studenten auch,

01:02:49: ich wollte immer bestmöglich betreuen.

01:02:51: Deswegen bin ich da

01:02:52: auch tiefer reingegangen.

01:02:53: Und dann bist du ja

01:02:53: sofort im Data Science drin.

01:02:55: Hab dann selbst erst mal einen Kurs

01:02:56: gemacht in Applied Data

01:02:57: Science und hab dann auch

01:03:00: an der Uni dazu geforscht, bzw. hat jetzt

01:03:03: Glück, dass ein

01:03:04: ehemaliger Professor, der an

01:03:06: der Uni war, Lord Adder Turner, jemanden

01:03:09: gesucht hat für sein neues Buch.

01:03:10: Und das neue Buch hieß

01:03:12: Capitalism in the Age of Robots.

01:03:14: Also hat sich sehr mit den, ich sag mal,

01:03:17: wirtschaftlichen und sozialen

01:03:19: Impact von KI beschäftigt und

01:03:22: hat jemanden gesucht, weil er war jetzt

01:03:24: nicht der Technologoge,

01:03:26: sagen wir mal so, der den

01:03:28: er bezahlen kann, der sich damals so

01:03:30: diesen ganzen

01:03:31: Managementkanon an KI Büchern durchliest.

01:03:34: Gab's noch nicht so viel und dann immer

01:03:35: wieder so einmal in der

01:03:37: Woche dann wieder zu ihm

01:03:38: kommt und damit ihm das Ganze so ein

01:03:40: bisschen durchdiskutiert

01:03:41: und durchphilosophiert.

01:03:42: Einer der geisten Jobs, die ich überhaupt

01:03:44: hatte, weil ich wurde

01:03:46: einfach dafür bezahlt,

01:03:47: Bücher zu lesen, hat

01:03:48: sehr viel Spaß gemacht.

01:03:50: Und dadurch, dass KI auch immer wieder so

01:03:53: in meinem

01:03:53: Philosophiestudium tatsächlich immer

01:03:55: wieder angeschnitten wurde, so als Bass

01:03:57: wird, hat mich das

01:03:58: unglaublich interessiert und

01:03:59: ich hab ein paar Sachen für mich gelernt.

01:04:01: Ich hab erstens gemerkt, boah, KI wird ja

01:04:05: irgendwann richtig groß werden und zwar

01:04:07: in jedem Bereich reingehen.

01:04:09: Wann war das eigentlich so, ne?

01:04:10: Das war, ich glaube, ich

01:04:13: war an der LSI 2016, 2017.

01:04:15: Okay, weil ich eben zehn Jahre gesagt

01:04:16: hab, das war ja dann genau.

01:04:17: Ja, genau.

01:04:18: Du bist heute 36, ne?

01:04:20: Genau, 36.

01:04:21: Du bist immer so ausgebracht, nur 36.

01:04:22: Ja, 36.

01:04:23: Du bist seit sechs, sechs Jahren so.

01:04:25: Genau.

01:04:25: Also die Zeit, lange, lange,

01:04:27: lange vor, natürlich Gen.Ei.

01:04:28: Ja, aber Maschinenlearning hat gerade

01:04:30: angefangen, da gab's noch gar keine

01:04:32: GPT-Modelle oder so.

01:04:34: Wobei, es hat dann schon angefangen, aber

01:04:36: es war wirklich so

01:04:37: ein paar eingeschworene

01:04:40: Kanten des oder wussten des dann

01:04:41: irgendwie so ein OMEI gibt oder sowas.

01:04:44: Auf jeden Fall hab ich gemerkt, so, boah,

01:04:46: das ist ja unglaublich

01:04:47: spannend, dieses, diese Bereich,

01:04:49: weil der wirklich früher oder später in

01:04:51: alle Bereiche reingeht.

01:04:52: Und ich hab gemerkt, ich persönlich bin

01:04:54: jetzt nicht der beste Programmierer.

01:04:56: Und deswegen hab ich gemerkt, so, hey,

01:04:57: die Haupt- darauswohnungen werden gar

01:04:59: nicht immer so auf der

01:04:59: technischen Seite sein,

01:05:01: sondern eher auf der management- und

01:05:02: strategischen Seite.

01:05:04: Und ich hab damals im Studium unglaublich

01:05:09: eine Art von Leuten beneidet, und zwar

01:05:11: die, die schon sehr genau wussten,

01:05:13: was sie machen wollten.

01:05:15: Weil die konnten eigentlich sehr genau im

01:05:17: Voraus planen, wo muss ich

01:05:18: denn jetzt Praktika machen,

01:05:20: damit ich genau dahin

01:05:21: komme, wo ich später sein möchte.

01:05:23: Und ich hatte das nie, ich war immer so,

01:05:24: ich hab mich so ein bisschen so ein

01:05:25: Studium treiben lassen.

01:05:27: Ich war nie schlecht, ich

01:05:28: war sogar sehr gut im Studium.

01:05:30: Aber ich wusste nie

01:05:30: genau, wo ich hin wollte.

01:05:31: Aber wie bist du an die LSE gekommen?

01:05:33: Also wenn ich mir das so vorstelle, das

01:05:35: ist ja schon eine Elite-Institution, die

01:05:37: London School of Economics.

01:05:37: Da kommt nicht einfach so hin.

01:05:40: Einfach so passiert?

01:05:41: Sagen wir mal so, ich bin immer

01:05:44: Leistungssportler gewesen.

01:05:47: Ich bin immer sehr ehrgeizig gewesen.

01:05:48: Und wenn ich mich was irgendwie gepackt

01:05:49: habe, dann habe ich mich

01:05:50: da so voll reingefuchst.

01:05:52: Und ich wusste auch noch nicht

01:05:54: genau, was ich studieren will.

01:05:55: Ich hatte nur ungefähr eine Ahnung, wo

01:05:56: ich irgendwie später

01:05:57: international arbeiten können.

01:05:59: Ich will irgendwie Business machen.

01:06:00: Das klang damals cool.

01:06:02: Und habe dann drei Sprache, Deutsch,

01:06:04: Englisch, Italienisch in

01:06:05: Italien an der Uni Bootsen.

01:06:08: Habe ich Wirtschaftswissenschaften und

01:06:10: Management studiert.

01:06:12: Ich habe mich da halt einfach total

01:06:16: reingefuchst und habe dann tatsächlich

01:06:18: mit 09 mein Studium abgeschlossen.

01:06:21: Und ich war tatsächlich auch der erste

01:06:23: Student, der jemals ausgezeichnet wurde

01:06:25: für seinen Engagement an der Uni.

01:06:27: Weil ich habe ja gesagt, ich bin jemand,

01:06:29: der beschwert sich gerne, aber ich möchte

01:06:30: auch gerne wissen, ob

01:06:31: ich es anders machen kann.

01:06:32: Und ich bin damals, die Uni Bootsen ist

01:06:35: immer noch eine sehr junge Uni.

01:06:36: Ich glaube, die existiert

01:06:37: jetzt noch nicht mal 25 Jahre.

01:06:39: Und es gibt dann halt immer Sachen, die

01:06:40: nicht perfekt laufen.

01:06:41: Und bin dann eigentlich reingegangen,

01:06:44: habe mich aufstellen lassen, war im

01:06:45: Studentenboard, war im

01:06:47: Universitätsboard und alles Mögliche.

01:06:49: Und habe dann halt auch geguckt, wie ich

01:06:51: die Umstände für meine

01:06:53: Mitstudierenden verbessern kann.

01:06:56: Und war da halt immer sehr, sehr aktiv,

01:06:58: war auch immer sehr ambitioniert.

01:07:01: Auf der anderen Seite habe ich immer sehr

01:07:02: viel gerne gefeiert, war auch immer ein

01:07:03: ganz guter Netzwerker.

01:07:05: Und so ist es eigentlich gekommen.

01:07:07: Und dann hat es mich dann doch auch

01:07:09: gewurmt, mit dem Schnitt wollte ich

01:07:10: wissen, okay, hey, kann ich dann auch auf

01:07:13: eine richtig, richtig gute Uni gehen?

01:07:15: Auch vielleicht auf eine Uni, die ich mir

01:07:16: vielleicht so auch nie getraut hätte,

01:07:18: irgendwie selbst mal zu leisten.

01:07:20: Weil in London zu studieren ist ja auch

01:07:21: irgendwie recht teuer.

01:07:22: Und dann hat mich die LSI genommen.

01:07:24: Und dann habe ich mir gesagt, okay, ich

01:07:26: will da unbedingt hin.

01:07:27: Hat mir dann auch einen kleinen Kredit

01:07:28: aufgenommen, bin dann irgendwie einmal

01:07:30: bei der Family Hausieren

01:07:32: gegangen, habe gefragt,

01:07:32: so hey, könnt ihr mir irgendwie ein

01:07:34: bisschen Geld leihen,

01:07:35: weil ich da studieren möchte.

01:07:36: Und hatte dann auch die Chance gehabt,

01:07:38: deswegen habe ich auch

01:07:38: angefangen zu unterrichten.

01:07:40: Dann konnte ich mir einen Großteil vom

01:07:41: Studium oder von meinen

01:07:43: Lebensunterhaltungskosten

01:07:45: praktisch dann bezahlen.

01:07:48: Bin dann auch noch ein Jahr länger

01:07:49: geblieben an der LSI, hab dann noch so

01:07:51: eine Intensivausbildung gemacht, damit

01:07:53: ich an der Uni unterrichten kann.

01:07:56: Und so ging es halt los.

01:07:58: Und dann habe ich gemerkt, so hey, das

01:07:59: lässt mich nicht mehr los, dieses Fach.

01:08:01: Ich finde es super spannend.

01:08:02: Und das ist eigentlich das

01:08:03: Fach, wo ich hingehen möchte.

01:08:06: Und bin eigentlich jemand, wenn ich was

01:08:08: weiß, wenn ich was will, dann versetze

01:08:10: ich auch gerne Berge, um dahin zu kommen.

01:08:12: Und habe gemerkt, so hey, ich kann

01:08:16: eigentlich jetzt nicht an der LSI

01:08:17: bleiben, um irgendwie

01:08:18: ein Pistit zu machen.

01:08:19: Weil in diesem Bereich dieser

01:08:20: Intersektion zwischen Technologie und

01:08:23: Management, da gab es irgendwie noch

01:08:24: relativ wenig Forschung.

01:08:27: Und dann war einfach so in meinem Kopf,

01:08:28: dann habe ich irgendwie da auch nichts

01:08:29: verloren, sondern ich möchte da sein, wo

01:08:31: gehobelt wird und wo gefallt

01:08:35: wird, wo was auch passiert.

01:08:38: Aber es gab eigentlich noch keine Rollen

01:08:41: so als, ich mache ja das AI

01:08:44: Strategy-Institut, also diese klassische

01:08:46: KI-Strategie AI Strategies,

01:08:48: den du jetzt eigentlich überall in jedem

01:08:49: Unternehmen siehst, den

01:08:50: gab es damals noch nicht.

01:08:52: Also habe ich das gemacht,

01:08:53: was irgendwie am nächsten war.

01:08:55: Ich habe gesagt, ich will euch nie wieder

01:08:56: zurück nach Deutschland und nicht

01:08:57: irgendwie zurück nach München.

01:08:59: Ich weiß auch nicht, warum.

01:09:00: Und habe dann aber so ein Start-up

01:09:01: gesehen, das nannte sich oder nennt sich

01:09:03: immer noch Deepsea, die haben

01:09:05: KI in der Radiologie gemacht.

01:09:07: Und ich war Mitarbeiter Nummer 5 oder 6,

01:09:09: war die erste Person

01:09:10: auf der Business-Seite.

01:09:11: Dann habe ich gedacht, okay cool, dann

01:09:13: gehe ich einfach in den Start-up, die

01:09:15: halt einfach sehr früh KI machen, wo halt

01:09:18: nur Techies drin sind und versuch die

01:09:20: dann zu unterstützen.

01:09:21: Und habe dann...

01:09:22: Das war München dann, ne?

01:09:23: Genau, dann bin ich dann zurück nach

01:09:24: München, ich komme ja eigentlich auch aus

01:09:25: München, da kommt ja auch meine Familie

01:09:26: her, bin dann doch

01:09:27: irgendwie zurück nach München,

01:09:29: bin auch in München geblieben, weil da

01:09:30: ein Kurs danach Covid angefangen hat.

01:09:32: Und dann war das ein ganz netter Ort zu

01:09:34: sein für Covid, weil da auch Familie war

01:09:38: und es einfach relativ schön dort.

01:09:40: Und genau, habe da einfach so...

01:09:43: war ein bisschen verantwortlich dafür,

01:09:45: die Techies zu koordinieren in dem

01:09:46: Produkt, zu sagen, hey, die und die

01:09:48: Features braucht es.

01:09:49: Und war auch so involviert in dieser

01:09:51: ganzen Go-to-Market-Strategie, das

01:09:53: Produkt zu validieren, mit den Radiologen

01:09:55: zu sprechen, zu sehen, okay, passt es.

01:09:57: Ist da wirklich der

01:09:58: Mehrwert dahinter, den wir glauben.

01:10:01: Und so hat sich das dann

01:10:02: weggeht, das war meine erste Rolle.

01:10:05: Bin dann nach einhalb Jahren...

01:10:10: Mir wird dann auch sehr schnell, ich will

01:10:12: jetzt nicht sagen langweilig, aber ich

01:10:13: habe dann gemerkt, nach einhalb Jahren,

01:10:15: wenn man immer das

01:10:15: Gleiche irgendwie pitcht,

01:10:17: wiederholt sich das und ich will

01:10:18: irgendwie was Neues lernen, weil ich will

01:10:20: ja irgendwie ganz viele unterschiedliche

01:10:23: Blickwinkel auf KI haben.

01:10:25: Und bin dann zur Unternehmertum bzw. zu

01:10:28: einer Abteilung von der Unternehmertum,

01:10:30: die nennt sich Applied AI.

01:10:31: Das waren so die... oder mit die ersten

01:10:35: Deutschland-Dissoil-Strategie-Beratung

01:10:36: gemacht haben für KI.

01:10:39: Das ist ja interessant

01:10:39: aus der Uni heraus, ne?

01:10:41: Ja, nee. Also die Unternehmertum gehört

01:10:44: zur Uni, aber es ist eigentlich so ein

01:10:45: Entrepreneurship-Institut.

01:10:46: Das ist mittlerweile das größte

01:10:47: Entrepreneurship-Center in Europa.

01:10:49: Das gibt und macht

01:10:49: halt ganz viel Innovation.

01:10:51: Damals war ja KI vor allem irgendwie so

01:10:53: ein Thema, das von Innovationsabteilungen

01:10:55: so ein bisschen angeschaut wurde.

01:10:57: Und das Spannende war, ich habe da als AI

01:10:59: Strategist sozusagen

01:11:00: gearbeitet, als KI-Strategie.

01:11:01: Also erstens mal so diese Rolle, die ich

01:11:03: ja eigentlich auch gesucht habe.

01:11:05: Und damals die einzigen Unternehmen, die

01:11:08: sich so wirklich leisten konnten, KI zu

01:11:10: machen, waren die DAX-Unternehmen.

01:11:12: Weil KI war einfach ein

01:11:13: sehr technisches Thema.

01:11:14: Das heißt, ich musste mir damals, wenn

01:11:17: ich gesagt habe, ich möchte KI machen,

01:11:19: musste ich richtig

01:11:19: Geld in die Hand nehmen.

01:11:20: Und dann musste, was wir viel gemacht

01:11:22: haben, war so Center of

01:11:23: Excellence für KI aufzubauen.

01:11:25: Also wirklich so ein Team aufzubauen, das

01:11:27: KI ins Unternehmen bringen kann.

01:11:29: Und die dann halt selbst

01:11:30: Sachen entwickeln können.

01:11:31: Und wir waren entweder

01:11:32: Entwicklungspartner oder haben halt sehr

01:11:34: viel Schulung gemacht.

01:11:36: Ja.

01:11:36: Kannst du Unternehmen nennen, mit denen

01:11:38: du damals gearbeitet hast?

01:11:39: Ja, ich meine, das sind ja, glaube ich,

01:11:41: offen auch auf der Webseite.

01:11:42: Da war dann so ein Rorsch,

01:11:44: so ein BMW, so ein Infinien.

01:11:47: Das war eine ganz große Unternehmen, so

01:11:50: ganz unterschiedliche.

01:11:51: Waren einfach da und das waren halt die

01:11:55: einzigen, wie gesagt, man musste richtig

01:11:56: Geld in die Hand nehmen.

01:11:57: Das zu machen war einfach

01:11:59: noch ein Tech-Thema damals.

01:12:01: Heutzutage ist es ja ganz was anderes.

01:12:03: Und ich würde mal sagen,

01:12:06: ich war unter den Nerds.

01:12:08: Ich bin ja gerne und

01:12:10: spreche gerne vor Leuten auch.

01:12:11: Das kam durch dieses Unterrichten.

01:12:13: Ich sag immer so ganz gerne unter den

01:12:15: Nerds, der sich ganz

01:12:17: gut ausdrücken konnte

01:12:17: und der dann halt immer irgendwie

01:12:19: rumlaufen durfte und auf

01:12:20: der Bühne sprechen durfte,

01:12:21: viel irgendwie Vorträge halten durfte.

01:12:24: Du hast dann ganz ein

01:12:25: Hörsaal da vollgemacht.

01:12:26: Genau, das kam später.

01:12:30: Aber davor bin ich dann

01:12:32: viel rumgeschickt worden.

01:12:34: Und zu der Zeit hat, in Halb-Bron gibt es

01:12:39: ja die Schwarzstiftung.

01:12:42: Da gibt es ja Gita Schwarz, das ist mit

01:12:44: Lidl, das ist das Riesenimperium.

01:12:46: Die bauen ja in Halb-Bron diesen

01:12:47: Riesen-Hub, dieses E-Pie für KI, dieses

01:12:53: absolute Leuchtturm in Europa.

01:12:55: Und die hatten damals auch

01:12:57: in Applied A.I. investiert.

01:12:58: Und ich war dann dort praktisch für das

01:13:00: KI-Festival, um dort

01:13:02: einen Vortrag zu halten.

01:13:03: Und wurde dort auf der Bühne

01:13:06: eigentlich direkt angesprochen

01:13:08: und wurde zur Seite genommen und dann

01:13:10: haben die Leute gesagt, hey Tristan,

01:13:12: du, wir bauen ja dieses

01:13:15: Riesen-Hub für KI auf.

01:13:17: Wir haben aber auch hier noch ein anderes

01:13:18: Entrepreneurship-Center

01:13:20: und wollen hier einen Start-up-Incubator

01:13:22: dazu noch hinstellen für KI-Start-ups.

01:13:25: Wir haben jetzt aber nicht so viele

01:13:26: Leute, die jetzt hier in Halb-Bron sind,

01:13:27: die sich mit KI auskennen.

01:13:29: Wie würdest du das denn machen?

01:13:31: Und das Spannende ist dieser Kurs.

01:13:33: Ich habe damals zu der

01:13:34: Zeit an der TU München,

01:13:36: meinen Traum war es immer, so einen

01:13:37: eigenen Kurs zu haben

01:13:39: und habe damals zusammen mit Applied A.I.

01:13:41: so einen Kurs dann

01:13:42: praktisch gepitscht an der TU

01:13:44: und habe gesagt, hey, ich habe mir die

01:13:46: ganze Kurse von denen angeschaut

01:13:47: und habe gesagt, alle Kurse, die ihr

01:13:48: habt, die sind

01:13:49: eigentlich super technisch.

01:13:51: Das ist jetzt nicht so den Skill, den wir

01:13:53: sehen oder den ich sehe, den

01:13:55: es oftmals im Markt braucht,

01:13:57: sondern viele der Herausforderungen, wie

01:13:59: ich schon eben gesagt, sind eigentlich

01:14:00: auf der Managementseite.

01:14:02: Was haltet ihr davon, wenn ich euch da so

01:14:03: ein Management-Kurs hinstelle?

01:14:05: Und dann haben die Leute gesagt so, ja,

01:14:07: du hier mach mal, da habe

01:14:09: ich so einen Raum bekommen,

01:14:10: am Anfang irgendwie so mit 40 Studenten

01:14:13: und musste mir da, musste ich mir

01:14:15: irgendwie so überlegen,

01:14:16: wie schaut denn das Curriculum aus?

01:14:18: Und dann habe ich praktisch über diesen

01:14:20: Kurs, habe ich dann in

01:14:21: Halb-Bron den Leuten gesprochen

01:14:22: und dann war so, hey

01:14:23: Tristan, du, wie schaut es denn aus?

01:14:27: Möchtest du nicht den

01:14:28: Inkubatel für uns mit aufbauen?

01:14:30: Und ich habe mir das kurz angehört und

01:14:33: habe gedacht so, mega geil,

01:14:35: wann habe ich denn diese

01:14:36: Möglichkeit, das überhaupt zu haben?

01:14:37: Was genau meinten die mit aufbauen?

01:14:39: Also du solltest das dann sozusagen auf

01:14:41: einer Marketing-Ebene

01:14:42: sitzen oder was war da die...

01:14:44: Also man wusste, da gab es auch schon

01:14:47: ein, zwei Leute, die

01:14:48: daran gearbeitet haben,

01:14:48: dass man den Startup

01:14:49: Inkubatel für KI macht.

01:14:51: Und man möchte den ein bisschen mehr

01:14:53: mitgeben als nur Geld.

01:14:56: Und wie muss denn

01:14:57: dieses Programm ausschauen?

01:14:58: Was brauchen denn diese Startups, damit

01:15:00: das überhaupt interessant findet,

01:15:02: damit wenn die jetzt zum Beispiel drei

01:15:03: Wochen, ne, drei

01:15:05: Monate in Halb-Bron sind,

01:15:07: damit die auch wirklich ein Mehrwert

01:15:09: davon haben, der mehr

01:15:10: über das Geld haben kann,

01:15:12: weil Geld geht, weil dann kann ich mir

01:15:14: auch ein Investor suchen.

01:15:15: Und das auch die Startups dazu bringt,

01:15:18: nach Halb-Bron zu kommen.

01:15:19: Weil, muss ich sagen, Halb-Bron ist jetzt

01:15:21: nicht erstmal so, wenn

01:15:22: man an Deutschland denkt

01:15:23: und so an KI-Standorte jetzt nicht

01:15:25: erstmal der Standort, wo es viele Leute

01:15:27: hinverschlagen würde.

01:15:29: Und dieses ganze Hub für KI baut

01:15:31: natürlich darauf auf,

01:15:33: wenn ich dann irgendwie eine Stadt für KI

01:15:35: alleine aufbauen würde.

01:15:36: Also es ist echt toll, was

01:15:37: da passiert an Halb-Bron.

01:15:39: Basiert aber auch, dass ich

01:15:39: da auch die Talente hinbekomme.

01:15:41: Also muss ich dann überlegen, was kann

01:15:43: ich denn den Leuten geben,

01:15:45: damit die auch da sein wollen.

01:15:47: Und hab dann halt

01:15:48: basieren auch so auf meinen Kurs,

01:15:49: hab dann so ein bisschen mit dem

01:15:50: geprainstormt und dann überlegt,

01:15:51: wie kann denn so ein Programm

01:15:53: ausschauen für die Startups.

01:15:56: Also auf der inhaltlichen Ebene.

01:15:58: Genau, auf der inhaltlichen Ebene.

01:16:00: Head of Content, wenn du so willst, oder?

01:16:03: Genau, meine Rolle war auch Head of AI.

01:16:05: Was mich da auch dran gereizt hat, ist,

01:16:08: was ich da auch gemerkt habe,

01:16:10: so ein bisschen mit meiner Art und Weise.

01:16:12: Ich hatte auch erst mal

01:16:13: gerade Chess mehr gehabt,

01:16:14: sondern ich durfte halt, mir

01:16:15: wurde freier Hand gelassen,

01:16:16: weil es gab ja keinen,

01:16:18: der sich über KI auskannte.

01:16:19: Und ich durfte das halt aufbauen,

01:16:22: und man hat mir halt

01:16:22: dieses Vertrauen gegeben.

01:16:23: Und das war für mich

01:16:24: irgendwie eine sehr schöne Erfahrung,

01:16:27: weil ich das erste Mal

01:16:27: dann auch das machen konnte,

01:16:29: was ich, wie ich es auch planen wollte.

01:16:32: Und mir auch keiner irgendwie

01:16:33: im Nacken saß und gesagt hat,

01:16:35: nee, wir müssen es aber so machen, oder

01:16:36: so machen, oder so machen.

01:16:38: Und das hat...

01:16:39: Wie konntest du das

01:16:40: switchen, freu ich mich gerade.

01:16:41: Du warst jetzt

01:16:41: sozusagen auf diesem Festival.

01:16:43: Ja.

01:16:43: Inhalt-Bron, du wirst angesprochen.

01:16:45: Und sie wollen irgendwas aufbauen, du

01:16:47: kannst da inhaltlich mitwirken.

01:16:49: Du warst ja zu dem Zeitpunkt irgendwo.

01:16:51: Genau, ich war ja noch bei Applied AI.

01:16:53: So, und dann bist du auch einfach

01:16:54: gewachsen von Applied AI,

01:16:55: wo du es dann

01:16:56: abgeworben, wenn man so will.

01:16:57: Also du wurdest angesprochen, hast du

01:16:58: gesagt, okay, super Zeit gewesen,

01:17:00: hab ihr richtig was

01:17:00: aufgebaut, aber jetzt geht's rüber,

01:17:03: halbronen und ein

01:17:03: bisschen umgezogen auch.

01:17:05: Nee, ich bin dann gependelt.

01:17:06: Ich bin dann immer zwischen München und

01:17:07: Stückgern gependelt.

01:17:09: Und haben den halt...

01:17:11: Haben den aufgebaut, war

01:17:12: da echt so ein kleines Team,

01:17:13: wie so ein Schnellboot in diesem

01:17:16: Campus-Founder-Imperium.

01:17:18: Das ist ja das Gründerzentrum in halt,

01:17:20: mittlerweile auch echt

01:17:21: gewachsen und auch echt spannend,

01:17:23: was die da auch auf die Beine stellen.

01:17:25: Und jetzt gibt es nicht nur noch...

01:17:26: Wir haben unser

01:17:27: Programm, hieß AI Founders.

01:17:29: Und mittlerweile gibt es

01:17:30: nicht nur noch AI Founders,

01:17:31: sondern es gibt

01:17:31: natürlich viel mehr Programm

01:17:33: und viel mehr

01:17:33: Dienstleistungen um die Start-ups rum.

01:17:37: Und ich glaube, der Start-up Hub ist

01:17:39: sicherlich mittlerweile

01:17:39: ein der spannendsten

01:17:41: Player in diesem ganzen

01:17:43: halbronen Ökosystem, das da passiert,

01:17:47: weil da einfach

01:17:47: unglaublich viel passiert.

01:17:49: Ich war natürlich auch sehr dankbar,

01:17:50: konnte da auch wieder sehr viel mitnehmen

01:17:52: und sehr viel lernen,

01:17:53: weil davor haben wir ja mit den

01:17:54: DAX-Unternehmen gearbeitet,

01:17:56: die brauchen halt sehr

01:17:58: lang, um was aufzubauen.

01:17:59: Und bei den Start-ups

01:18:01: geht's halt sehr schnell.

01:18:02: Und was hat immer an

01:18:04: der Innovation mit dabei,

01:18:05: und das war ja auch noch vor, bevor

01:18:07: Chatchi Biti rausgekommen ist,

01:18:09: und zum Beispiel dann auch in den Batch,

01:18:10: als Chatchi Biti rausgekommen ist, haben

01:18:12: wir auf jeden Fall gesehen,

01:18:13: die Start-ups haben auf jeden Fall ganz

01:18:15: andere Themen bespielt,

01:18:17: als wir vorher hatten.

01:18:18: Also, das war sehr nah

01:18:19: an diesen Puls der Zeit.

01:18:20: War das 22, oder so?

01:18:21: Ja, das war 22, 23, irgendwas.

01:18:26: Ja, und das war natürlich sehr spannend.

01:18:28: Und wir haben es auch geschafft,

01:18:30: den zu einem der größten Start-up

01:18:32: Inkubatoren für KI in Europa

01:18:34: damals aufzubauen.

01:18:35: Wir hatten, glaube ich, am Ende auf 10

01:18:38: Plätze über 500 Bewerbungen gehabt.

01:18:40: Und haben es dann auch

01:18:42: irgendwie ins Hannesblatt

01:18:43: immer mal wieder uns reinbekommen, weil

01:18:45: ich auch sehr smart das dann

01:18:47: irgendwie genutzt

01:18:47: habe und gemerkt habe so,

01:18:48: hey, wir sehen hier

01:18:49: schon sehr früh Trends,

01:18:50: alleine durch die

01:18:51: Bewerbung, die wir haben,

01:18:52: und haben dann, sind dann das Hannesblatt

01:18:54: oder so was gegangen,

01:18:54: haben gesagt, hey, wollt ihr nicht

01:18:56: irgendwie darüber schreiben?

01:18:57: Weil wir jetzt machen irgendwie alles da,

01:18:58: das machen jetzt auf einmal irgendwie,

01:19:00: machen Sprachmodelle.

01:19:01: Zwar, als dann Chatchi

01:19:02: Biti rausgekommen ist.

01:19:04: Gibt es aus dieser Batch noch

01:19:05: irgendwelche Start-ups,

01:19:05: die man heute so

01:19:06: kennen, die erfolgreich sind?

01:19:08: Weil Deep-C gibt es ja noch.

01:19:09: Genau, Deep-C gibt es.

01:19:10: Das ist Deep-Tech KI.

01:19:11: Ja.

01:19:12: Start-up gibt es ja noch unter dem.

01:19:13: Ja.

01:19:13: Und aus dieser Anfangszeit, wo du sagst,

01:19:15: dir diese 10 mit 500 Bewerbungen und so,

01:19:17: diese Farben ist da, ist da irgendwas

01:19:19: draus gekommen sozusagen?

01:19:20: Ja, ist also sehr spannend.

01:19:22: Also, ich glaube, also, Qus geht

01:19:24: vielleicht dann auch raus

01:19:25: an die Anna Spitznagel und ihr Team.

01:19:29: Die haben Trail ML gemacht.

01:19:30: Das war so eine

01:19:31: Governance-Plattform für KI

01:19:33: und zum Beispiel im

01:19:34: Unternehmen so ein bisschen AI-Act,

01:19:36: Konform praktisch zu

01:19:38: gucken, wie KI entwickelt wird

01:19:39: und das auch alles

01:19:39: schön zu dokumentieren.

01:19:41: Die wurden jetzt letzten Monat erst

01:19:42: von einem großen

01:19:43: amerikanischen Unternehmen

01:19:45: und wurden die aufgekauft.

01:19:46: Okay.

01:19:46: Also, es gibt ja schon auch

01:19:48: so ein paar Erfolgsgeschichten

01:19:50: und Erfolgsfaktoren.

01:19:52: Es dauert natürlich immer

01:19:54: ein bisschen und gucken,

01:19:54: wie es die Sachen spielen.

01:19:55: Aber es waren echt

01:19:56: spannende Start-ups dabei,

01:19:58: von denen ich immer

01:19:59: noch ganz gerne erzähle

01:19:59: und ich zähre immer noch,

01:20:01: oder ich zähre immer noch

01:20:02: von diesen Geschichten und von der Zeit,

01:20:04: die wir damals hatten

01:20:05: und einfach zu sehen,

01:20:06: was, wie divers Leute

01:20:09: da auch gedacht haben

01:20:10: und in den

01:20:11: unterschiedlichsten Bereichen Sachen

01:20:13: aufgebaut haben.

01:20:15: Und das war halt einfach

01:20:16: spannend, weil ich da einfach viel

01:20:19: gesehen habe und auch

01:20:20: für mich nutzen konnte.

01:20:22: Und genau, hatte dann parallel dazu,

01:20:24: hatte ich den Kurs an

01:20:24: der TUM mit erst mal

01:20:27: mit 40 Studenten gehabt.

01:20:29: Was war die Zitze von diesem Kurs?

01:20:30: Das war, das war, ich

01:20:34: glaube, irgendwie so,

01:20:35: irgendwas, da hatte ein cooleren Titel,

01:20:37: aber es war irgendwie so KI

01:20:38: Management oder Innovation

01:20:40: and Management for AI oder so.

01:20:43: Irgendwas in die Richtung,

01:20:44: den habe ich damals mit

01:20:45: Applied AI zusammen gemacht.

01:20:47: Die haben mich dann, die waren so,

01:20:51: die haben natürlich

01:20:51: verstanden, warum ich da,

01:20:52: warum ich da hingehen wollte.

01:20:54: Und dann habe ich

01:20:54: praktisch die irgendwie noch

01:20:56: so ein paar Stunden dann

01:20:57: auch als Fee Lancer gearbeitet

01:20:58: und mit denen dann halt auch mit den Kurs

01:21:02: dann zusammen gemacht,

01:21:03: dass der dann brandet war.

01:21:04: Später war der dann dann praktisch erst

01:21:07: mal alleine gemacht.

01:21:08: Aber das war super

01:21:10: cool, weil die Studenten,

01:21:11: die haben gesagt so, hey, ich hatte am

01:21:13: Anfang 40 Studenten gehabt,

01:21:14: die haben gesagt, das war

01:21:15: ihr absoluter Lieblingskurs,

01:21:16: den sie je hatten.

01:21:18: Kurs heißt wirklich, das sind mehrere

01:21:20: Stunden dann gewesen?

01:21:21: Genau, das waren, das waren,

01:21:22: glaube ich, über 12 Stunden, das war ein

01:21:23: richtiger ECTS-Kurs.

01:21:26: Und dann, dann ist was

01:21:28: spannend, was passiert,

01:21:29: dann praktisch war das erste Jahr vorbei

01:21:32: und ich hatte super

01:21:33: Feedback gehabt für den Kurs.

01:21:35: Und ich habe ein paar

01:21:37: Sachen dann gemacht.

01:21:38: Ich hatte dann natürlich einmal diese

01:21:39: Stellung als Head of AI

01:21:41: für diesen Inkubator

01:21:42: und durfte, hatte aber

01:21:43: relativ viele Möglichkeiten,

01:21:45: weil ich da eigentlich als

01:21:45: Fee Lancer angestellt war

01:21:47: und hatte deswegen auch sehr viel

01:21:48: Freiheit dann gehabt.

01:21:49: Und dann hatte ich dieses Feedback

01:21:50: genommen von dem Kurs,

01:21:51: das ist so ein toller Kurs,

01:21:53: und dann ging es gerade

01:21:53: erst so los mit Chatchivity

01:21:55: und habe die Bewertungen genommen

01:21:57: und habe dann irgendwie damals,

01:21:59: ging ja der Ukraine Krieg los

01:22:01: und wurde sehr viel Geld investiert

01:22:03: in das ganze Defense

01:22:05: Thema und in die Bundeswehr

01:22:06: und dann einfach das

01:22:08: Feedback genommen vom Kurs

01:22:09: und habe dann gemeint so, hey, schaut

01:22:10: mal, ich unterrichte an der TUM,

01:22:12: so ein KI-Management-Kurs,

01:22:13: habt ihr nicht irgendwie Lust, eure Leute

01:22:17: auch weiterzubilden,

01:22:17: weil ihr habt ja auch eine

01:22:18: Innovationsabteilung,

01:22:19: da wollt ihr ja auch was machen.

01:22:21: Und das war eigentlich so,

01:22:23: die haben dann sozusagen

01:22:23: so, herklingt auch mega gut

01:22:25: und dann habe ich dann

01:22:26: im Cyber Innovation hab,

01:22:28: habe ich für die dann so ein Intensivkurs

01:22:32: in der Woche aufgebaut.

01:22:33: Und das war irgendwie

01:22:34: eine coole Möglichkeit.

01:22:36: Und da flinkt in angeschrieben oder wie?

01:22:38: Ja, ich habe geguckt, wer da

01:22:40: irgendwie verantwortlich ist

01:22:42: und habe dann einfach direkt geschrieben

01:22:45: und das war mein erster Cold Outreach,

01:22:47: den ich irgendwie über

01:22:48: meinem Leben gemacht habe

01:22:49: und dann auch auf den Markt.

01:22:50: Und das war dann für mich

01:22:52: so ein bisschen so gemerkt,

01:22:53: dass das vielleicht so der Start

01:22:55: von diesem AI Strategy Institute gewesen,

01:22:57: dass ich mich dann auch mehr

01:23:00: und mehr selbstständig mache

01:23:01: und dann irgendwann auch so

01:23:02: eine Boutique berat im Gründe.

01:23:04: Kommen wir sicherlich später noch dazu.

01:23:08: Aber auf jeden Fall war

01:23:09: dann der Semester vorbei

01:23:11: und dann ging das neue Semester los

01:23:13: und dann habe ich halt gesagt an der Uni,

01:23:15: ich würde den Kurs gerne größer machen.

01:23:17: Ich kann aber nur montags,

01:23:18: weil ich jetzt zwischen München und

01:23:19: Halb-Bronnen pendle.

01:23:20: Und dann habe ich die gefragt,

01:23:21: naja, welche Räume gibt es denn?

01:23:25: Und dann gab es verschiedene Optionen.

01:23:26: Ich hatte da vor 40 Studenten gehabt.

01:23:28: Und dann war eine Option davon.

01:23:29: Dann gab es so mit 200

01:23:30: Studenten, 300 Studenten

01:23:31: und dann war so eine Option.

01:23:33: Na ja, montagabends ist

01:23:34: aber auch das Audimax frei.

01:23:36: Und das Audimax hat irgendwie 1200 Sitze.

01:23:40: Und dann habe ich mir so gedacht,

01:23:41: so eigentlich so, ich

01:23:42: habe ja schon so ein bisschen

01:23:43: in so ein entrepreneurial Mindset.

01:23:44: Und dann habe ich gedacht, so,

01:23:46: wow, also wenn ich jetzt schon gleich

01:23:48: die große Vorlesung haben kann

01:23:50: und den großen Raum raumrahmen kann,

01:23:51: dann möchte ich die auch haben.

01:23:53: Und dann habe ich dann

01:23:56: diesen Kurs genommen,

01:23:56: hat dann gewusst, okay, wie kriege ich

01:23:59: denn jetzt diesen Raum voll?

01:24:01: Und ich habe angefangen beim ersten Mal,

01:24:03: habe ich mir so ein paar

01:24:04: Guest Speaker zu holen.

01:24:05: Und dann habe ich gedacht, okay, Guest

01:24:06: Speaker einerseits cool,

01:24:08: weil es auch immer wieder Leute zieht,

01:24:09: aber andererseits ist es

01:24:10: immer so eine Wundertüte

01:24:11: bei einem Guest Speaker.

01:24:12: Und ich weiß nicht, ob es vom Content

01:24:14: dann wirklich gut ist.

01:24:15: Und dann habe ich noch

01:24:16: ein Konzept ausgedacht,

01:24:17: wo ich praktisch ich die Theorie mache.

01:24:18: Und dann in die letzte halbe Stunde

01:24:19: spricht dann so ein Guest Speaker.

01:24:21: Was waren da so Guest Speaker Beispiele?

01:24:23: Das war, ich erzähle es

01:24:25: sofort, weil ich immer gedacht habe,

01:24:27: okay, dann machen wir es

01:24:29: nämlich genau anders rum.

01:24:30: Und dann habe ich

01:24:31: wirklich Google angesprochen.

01:24:33: Ich habe Palantir angesprochen.

01:24:35: Ich habe die deutsche Fußball

01:24:36: Nationalmannschaft angesprochen.

01:24:37: Okay, du wolltest so ...

01:24:39: Genau, ich wollte wirklich so,

01:24:41: wie wahrscheinlich bei

01:24:42: euch später an den Plakten,

01:24:43: ich wollte gucken, hey,

01:24:44: was sind denn so Sachen,

01:24:45: Namen, die irgendwie Leute ziehen?

01:24:47: Weil ich wusste ja, ich muss

01:24:48: ja diesen Kurs voll bekommen.

01:24:49: Und habe die einfach

01:24:50: angeschrieben, habe gesagt,

01:24:51: hey, schaut mal, ich habe

01:24:52: hier einen Kurs im Audimax,

01:24:54: da passen 1000 Studenten rein.

01:24:56: Da wollte ich doch sicherlich gerne

01:24:58: irgendwie darüber sprechen über KI.

01:25:00: Und dann habe ich anders rum, habe ich

01:25:01: den Kurs beworben an die Studenten.

01:25:03: Und dann habe ich

01:25:03: gesagt, hey, schaut mal,

01:25:04: das war das Feedback vom letzten Jahr und

01:25:06: schaut mal das und das und das.

01:25:07: Und das sind die Speaker.

01:25:08: Ja, wie viele Studenten

01:25:09: gibt es denn da überhaupt?

01:25:11: Also, Fanfism?

01:25:11: Ach, da gibt es ...

01:25:13: Also, wir reden über 10.000, oder?

01:25:15: Wir reden, glaube ich, über ...

01:25:16: Du wirst eine ganze Stadt nur mit

01:25:17: Studenten füllen können,

01:25:18: ganz ehrlich gesagt.

01:25:19: Das heißt, also du hattest

01:25:20: eigentlich den Aschur von diesem

01:25:21: vom gesamten TUM-Universum zu ziehen.

01:25:25: So, das ist eigentlich ...

01:25:26: Du hattest nicht irgendwie Applied

01:25:28: AI-Universum und irgendwo da,

01:25:30: sondern das ging um das

01:25:31: gesamte TUM-Universum.

01:25:33: Genau, das ging um das gesamte ...

01:25:34: Das ist natürlich riesig.

01:25:35: Das ging um das gesamte TUM-Universum.

01:25:38: Ja.

01:25:38: Und hatte da die Vorlesung, die zwei ...

01:25:41: Und dann, ja, die zweite war

01:25:42: dann sofort 1.000 Studenten

01:25:43: und dann hat auch gerade ChatGbt

01:25:44: angefangen, so groß zu werden.

01:25:46: Und dann wurde es

01:25:48: auch komplett überrannt.

01:25:49: Und das war auch total toll für mich.

01:25:52: Aber nur Studenten, ne?

01:25:54: Also, es war schon jetzt so ...

01:25:55: Nur Studenten, aber ich

01:25:57: habe auch immer gesagt so,

01:25:58: na ja, ich werde jetzt keine

01:26:00: Türsteher an die Tür stellen.

01:26:02: Und da wird jetzt auch

01:26:03: keiner kontrollieren.

01:26:03: So, was haben sich

01:26:04: welche mit reingesetzt?

01:26:05: Und das schönste Feedback, glaube ich,

01:26:07: dass ich so je bekommen habe,

01:26:08: da waren dann so ein Pärchen, so ein

01:26:10: Kappel, so ein älteres Pärchen.

01:26:12: Ich habe mir zu mir gesagt,

01:26:13: soll ich tristan, weil

01:26:14: es war immer Montagabend,

01:26:15: von 18 Uhr bis 21 Uhr,

01:26:17: versuch damals Studenten, um diese

01:26:19: Uhrzeit in eine Vorlesung

01:26:20: überhaupt reinzubekommen.

01:26:22: Und die haben zu mir gesagt,

01:26:23: hey, tristan, wir holen

01:26:24: uns sogar ein Babysitter,

01:26:26: um in eine Vorlesung reinzukommen.

01:26:28: Und wir hatten eigentlich

01:26:28: nicht viel mit der TUM zu tun.

01:26:30: Das heißt, die haben irgendwo ...

01:26:31: Die haben es irgendwo

01:26:31: in der LinkedIn gehört.

01:26:34: Weil damals hat auch angefangen, was als

01:26:36: ChatGbt angefangen hat,

01:26:38: hat mich das so ein bisschen gestört.

01:26:40: Auf einmal sind die ganzen Cryptopros und

01:26:41: die ganzen Marketingleute

01:26:42: sind halt voll an dieses

01:26:43: KI-Schiene reingegangen.

01:26:45: Haben alle über KI gesprochen,

01:26:47: als wären sie jetzt die größten KI-Gurus.

01:26:50: Und ich hatte dann mit dem Sascha,

01:26:54: mit dem Sascha, da habe ich zusammen

01:26:55: damals den Start-up-Incubator

01:26:57: in Halbronn gemacht,

01:26:58: hatte ich dann so eine kleine Wette am

01:26:59: Laufen, um es zu motivieren.

01:27:01: Und dann haben wir drüber gewettet,

01:27:02: wer schafft es denn bis Ende des Jahres,

01:27:05: am meisten, Follower

01:27:06: auf LinkedIn zu bekommen?

01:27:08: Und der gewinnt dann einen Koffer.

01:27:10: Vielleicht gleich, ich

01:27:12: habe den Koffer gewonnen.

01:27:13: Auf jeden Fall habe ich

01:27:14: dann sehr viel angefangen,

01:27:15: auf LinkedIn zu posten, auch über den

01:27:17: Kurs und alles Mögliche.

01:27:18: Und so habe ich dann

01:27:20: die Leute auch bekommen.

01:27:24: Mehr als 1.000 Menschen

01:27:26: dann, nicht nur Studenten,

01:27:28: dann in diesem Raum und haben dir den

01:27:30: Kurs gerne abgenommen.

01:27:31: Also gewissermaßen zwölf

01:27:32: Stunden, hast du gesagt?

01:27:34: Genau.

01:27:35: Vielleicht nicht alle

01:27:35: Stunden von allen Menschen so,

01:27:37: sondern immer im Allgemeinen.

01:27:39: Weil das ja wahrscheinlich eine

01:27:40: Teilnehmerliste gab oder so, ne?

01:27:41: Nein.

01:27:42: Du hast, du hast, natürlich, du musstest

01:27:43: ja auch eine Prüfung haben,

01:27:44: dann hast du auch gesagt,

01:27:45: wer dann eingeschrieben war.

01:27:46: So, okay, cool.

01:27:47: Also es waren glaube

01:27:49: ich irgendwie 1.058 Leute.

01:27:53: Und habe ich auch wieder

01:27:53: so ein paar ausgerollt.

01:27:56: Ja.

01:27:56: Aber ich glaube, die

01:27:57: Prüfung geschrieben haben,

01:27:58: von 1.000 haben dann

01:27:59: irgendwie so 600 Leute.

01:28:00: Wow, das ist viel. Wie

01:28:01: viel haben du bestanden?

01:28:03: Ich habe fast alle ehrlich gesagt.

01:28:04: Okay, krass.

01:28:06: Das ist so einfach oder haben

01:28:07: die einfach so eine Mischung?

01:28:08: Ja, ich musste ja, ich musste ja,

01:28:10: ich musste ja bei so vielen Studenten,

01:28:11: ich musste ja smart sein.

01:28:12: Ich konnte jetzt nicht sagen, okay, ihr

01:28:14: müsst irgendwie alle Aufsätze schreiben.

01:28:16: Und dann kannst du gar nicht korrigieren.

01:28:18: Und das war halt dann multiple choice.

01:28:20: Okay.

01:28:20: Und das war halt dann irgendwie so take

01:28:23: home, multiple choice mit KI.

01:28:25: Okay.

01:28:26: Ich muss ja sagen so ein bisschen, ich

01:28:27: mache ja auch viel im,

01:28:28: bin ja immer noch ein Bildungssektor

01:28:29: und ich berate auch immer mal wieder

01:28:31: Bildungsunternehmen.

01:28:32: Ich sehe schon auch kritisch.

01:28:33: Vielleicht können wir da

01:28:33: auch mal später noch schreiben,

01:28:35: was KI gerade auch so mit uns anstellt.

01:28:37: Ja.

01:28:38: Da sind wir gleich immer im zweiten Buch.

01:28:40: Aber auf jeden Fall war das eigentlich so

01:28:42: ein bisschen der Staat.

01:28:44: Das hat mir dann Exposure gegeben.

01:28:46: Und darauf basieren, habe ich gesagt,

01:28:48: ich will nicht mehr so viel Pendeln in

01:28:50: München halt bräunen

01:28:51: und habe mich erst

01:28:51: selbst schnell nicht gemacht.

01:28:52: Wie oft hast du diesen

01:28:52: Kurs dann am Ende gemacht?

01:28:54: Ich habe den Kurs so an

01:28:55: der Turm in dem Format 3-mal.

01:28:58: Doch 3-mal.

01:28:59: 3-mal gehalten.

01:29:00: Aber nicht 3 Jahre, sondern...

01:29:02: Doch eigentlich 3 Jahre.

01:29:03: Ich habe den einmal im Jahr.

01:29:05: Aber ich habe den auch noch in Halbbronn.

01:29:06: Ich habe den in München und in Halbbronn,

01:29:08: weil in der Turm, das wissen wenige,

01:29:11: dass die TU München auch

01:29:12: einen Standort in Halbbronn hat.

01:29:14: Okay.

01:29:14: Aber ich habe den dann auch gehalten.

01:29:15: Und da waren auch noch mal 1000 Menschen?

01:29:17: Nee, die haben nicht so viel.

01:29:18: Das ist ein kleinerer Teil.

01:29:20: Das Ziel davon, dass du in Halbbronn

01:29:22: dieses ganze Ökosystem

01:29:23: aufbaust mit Talenten,

01:29:25: dass es ja irgendwann

01:29:26: ist, wenn auf 24 Hektar,

01:29:28: wenn diese Stadt für KI, dieses IPI, dann

01:29:30: fertig ist irgendwann,

01:29:31: dass das natürlich auch

01:29:33: eine bewendige Stadt ist.

01:29:35: Aber trotzdem waren da

01:29:36: wahrscheinlich 100 Menschen?

01:29:38: Nee, da waren nicht so viele.

01:29:39: Das war...

01:29:41: Die waren nämlich da relativ neu.

01:29:43: Auch da.

01:29:45: Und ich kenne sogar ein paar Studenten,

01:29:47: die es sehr schlau gemacht haben,

01:29:48: die eigentlich aus München gekommen sind.

01:29:50: Und die gesagt haben,

01:29:51: ich gehe nach Halbbronn.

01:29:52: Weil in München bin ich

01:29:53: halt ein Nummer von vielen.

01:29:55: Und in Halbbronn hattest du, glaube ich,

01:29:57: zwischenzeitlich auf drei

01:29:58: Studenten einen Professor oder so.

01:30:00: Okay.

01:30:01: Und du hast jetzt die einzige Lucente an für diesen Kurs.

01:30:03: Dieser Kurs, das war dein Kurs.

01:30:05: Genau, ich hatte

01:30:05: immer noch von Ableit.AI,

01:30:07: hatte ich dann noch einen,

01:30:08: der mit mir unterrichtet hat.

01:30:08: Ich hab dann immer die

01:30:09: meisten Vorlesung gehalten.

01:30:12: Ja.

01:30:13: Immer so 70, 80 Prozent

01:30:15: der Vorlesung gehalten.

01:30:16: Dann hatte ich noch

01:30:17: jemanden von Ableit.AI.

01:30:18: Die haben mich dann auch

01:30:20: unterstützt bei dem Kurs.

01:30:21: Und genau, haben wir den...

01:30:23: Mit den Guestspeakern,

01:30:23: das war nicht so mega.

01:30:25: Du hast eben so gesagt, du hattest das

01:30:26: ausprobiert, aber dann...

01:30:27: Doch, doch, doch.

01:30:28: Also, das war nicht so mega war...

01:30:32: Was ich nicht machen

01:30:33: wollte, das habe ich mal gemacht,

01:30:35: ist, ich habe ganze Vorlesungen einem

01:30:38: Guestspeaker gegeben.

01:30:39: Okay.

01:30:40: Und dann weißt du nie genau...

01:30:41: Und der Tüte, ja.

01:30:42: Ist ja vielleicht auch so wie bei euch,

01:30:43: wenn ihr Leute einladen,

01:30:46: wo ihr noch nicht vorher gesehen habt.

01:30:48: Ja.

01:30:48: Und vielleicht nur ein großer Name ist,

01:30:49: wo dann irgendwie Google

01:30:50: dahinter steht oder sonst was.

01:30:52: Heißt ja nicht unbedingt, großer Name ist

01:30:54: gleich gute Geschichte,

01:30:55: die er erzählt.

01:30:56: Und ich glaube, das, was mich ausgemacht

01:30:57: hat und was die Leute so toll fanden,

01:30:59: ist dieses...

01:31:01: Ich mag dieses nicht, dieses...

01:31:03: Da komme ich halt

01:31:04: her, dieses Unterrichten,

01:31:05: diese Vorlesung

01:31:06: künstlich schwer zu machen,

01:31:08: irgendwie sich davorzustellen und zu

01:31:10: sagen, hey, ich bin der Professor,

01:31:12: ich bin so schlau, ihr müsst mir zuhören

01:31:14: und die Sachen zu machen,

01:31:15: sondern das umzutreten.

01:31:16: Und zu verstehen, na ja, was

01:31:18: wollen denn meine Studenten,

01:31:20: damit die ihnen den Kurs cool finden?

01:31:22: Und was sie wollen, ist Adutainment,

01:31:24: weil ich muss ja mit denen...

01:31:25: Ich habe ja meine größte Konkurrenz, das

01:31:27: ist deren Handy und deren Computer.

01:31:29: Ja.

01:31:30: Und wenn ich die nicht

01:31:30: erwische, dann ist ganz schnell,

01:31:32: habe ich in der ersten Vorlesung 1000

01:31:33: Leute und dann habe ich dann nur noch

01:31:34: irgendwie 50 Leute drinsetzen.

01:31:36: Passiert in den meisten Vorlesungen.

01:31:38: Ja, aber bei mir war

01:31:39: halt irgendwie konstant,

01:31:40: waren da eigentlich immer nie 1000 Leute,

01:31:43: aber waren dann immer noch relativ voll.

01:31:46: Und ich wollte immer gucken, wie kann ich

01:31:47: die Leute mitnehmen,

01:31:49: wie schaut Adutainment aus, gutes

01:31:51: Geschichten erzählen.

01:31:51: Und ich habe gesagt, hey, du musst in

01:31:54: jede Vorlesung reinkommen.

01:31:55: Und egal, ob du jetzt in der Vorlesung

01:31:56: davor warst oder nicht warst,

01:31:59: du darfst nicht dich so fühlen, als

01:32:00: würdest du verloren sein.

01:32:02: Sondern es ist ja auch meine Passion.

01:32:04: Ich glaube, KI ist ein

01:32:05: unglaublich wichtiges Thema.

01:32:08: Es gibt keine Technologie, die uns

01:32:11: vielleicht jetzt

01:32:11: schon so sehr geprägt hat

01:32:12: und die sonst noch

01:32:13: weitergehen, so sehr prägen wird

01:32:15: in unserer Menschheitsgeschichte wie

01:32:17: Künstliche Intelligenz.

01:32:18: Und ich möchte nicht, dass da

01:32:20: irgendwelche Leute ausgeschlossen werden,

01:32:21: weil wir müssen alle da

01:32:23: mitsprechen und mitsprechen können.

01:32:25: Und das war eigentlich auch immer so

01:32:26: meine Rangehensweise.

01:32:28: Und wollte da auch

01:32:29: wirklich alle mitnehmen

01:32:30: und das möglichst

01:32:31: einfach erklärbar machen.

01:32:33: Und wollte natürlich

01:32:34: auch einen Kurs aufbauen,

01:32:35: der nicht, was ich nicht, so alle zwei

01:32:38: Jahre oder jedes halbe Jahr,

01:32:39: weil der KI-Markt so schnell ist,

01:32:41: irgendwie wieder verändern muss.

01:32:43: Sondern habe halt einfach überlegt, na

01:32:44: ja, was ist denn irgendwie wahr?

01:32:46: Wo gibt es denn vielleicht irgendwie

01:32:48: Modelle oder Systeme

01:32:49: von anderen Bereichen,

01:32:50: die ich jetzt auf KI anwenden

01:32:53: kann, die mir helfen können,

01:32:54: diesen ganzen

01:32:54: KI-Markt besser zu verstehen?

01:32:57: Okay. Und das war eigentlich so der

01:32:58: Nucleus dann für AI Strategy Institute,

01:33:00: nämlich an, weil du hast dann erfolgreich

01:33:02: diesen Kurs gemacht,

01:33:03: diese Ambition gehabt.

01:33:05: Dann hast du den richtigen Co-Founder

01:33:06: relativ schnell gefunden,

01:33:07: aber noch nicht sofort.

01:33:08: Du hast erstmal alleine

01:33:09: losgelegt und dann gegründet.

01:33:10: Genau, ich habe ja da

01:33:11: irgendwie schon immer KI gemacht.

01:33:12: Ich hatte dann erst einen

01:33:14: anderen Co-Founder gehabt

01:33:17: und habe eigentlich immer so, war dann

01:33:20: auch erstmal so als Freelancer unterwegs

01:33:22: und habe immer drei

01:33:23: Arten von Sachen gemacht.

01:33:24: Das eine ist sehr viel

01:33:24: Fortleadership gewesen,

01:33:26: dass ich so wie jetzt im

01:33:27: Podcast bin oder auf der Bühne bin

01:33:28: oder mal in der FHZ

01:33:30: über den KI-Markt-Rente,

01:33:33: was ich gerne mal mache,

01:33:35: was ich sehr angenehm fand,

01:33:36: weil ich gemerkt habe, dadurch, dass ich

01:33:39: mich dann selbstständig

01:33:39: gemacht habe irgendwann,

01:33:40: hatte ich kein großes

01:33:43: Unternehmen hinter mir.

01:33:44: Das heißt, ich konnte

01:33:44: auch sagen, was ich wollte.

01:33:46: Okay, und du hast auch die

01:33:47: kritischen Sachen gemacht?

01:33:48: Ich habe auch die kritischen.

01:33:48: Ich habe dann auch immer wirklich so, ich

01:33:51: war damals zum Beispiel,

01:33:53: damals ging es ja los, als

01:33:56: der ganze GenEi Hype war,

01:33:58: ging es ja los mit AlF Alpha.

01:33:59: Ich fand ja AlF Alpha, fand ich ja auch

01:34:01: am Anfang immer irgendwie sehr cool.

01:34:03: Ich habe dann aber über so ein, zwei

01:34:05: Projekte, die ich gemacht habe,

01:34:06: weil ich habe dann auch immer noch so

01:34:07: Strategieberatung gemacht,

01:34:08: hatte ich dann immer so AlF Alpha

01:34:10: tingiert und habe dann immer gemerkt,

01:34:11: ich weiß ja nicht, ob so viel hinter

01:34:14: deren Versprechen steht

01:34:16: und habe dann auch ein paar

01:34:17: Sachen sehr kritisch gesehen.

01:34:19: Und war dann eigentlich so einer der

01:34:20: Ersten, der sich öffentlich getraut hat,

01:34:24: so ein bisschen das

01:34:25: Narrativ zu hinterfragen.

01:34:26: Damals in der FHZ gab es ja dann auch

01:34:28: eine größere Geschichte darüber

01:34:29: und war dann so einer, der dann halt

01:34:31: gesagt hat, so hey,

01:34:33: noch relativ zurückhaltend.

01:34:35: Naja, jetzt schaut doch bitte mal hinter

01:34:37: Sprachmodellen alleine,

01:34:39: ist eigentlich kein Businessmodell, weil

01:34:41: ein Sprachmodell alleine

01:34:42: kreiert keinen Mehrwert.

01:34:44: Und ob das jetzt so funktioniert, diese

01:34:48: Geschichte, wie sie hier erzählt wird

01:34:50: und ob wir hier nicht aufpassen müssen,

01:34:52: dass wir nicht vielleicht was

01:34:53: Falschen im Hinterherrennen,

01:34:55: wenn es doch ganz anderes Start-ups gibt,

01:34:58: die vielleicht im KI-Bereich

01:35:00: schon viel mehr auf die Beine

01:35:01: stellen bei uns in Deutschland,

01:35:02: die vielleicht viel eher

01:35:04: ins Wortleid brauchen sollte.

01:35:06: Wird es etwa Langdok oder so was?

01:35:07: Damals schon, bei mir auch in der

01:35:09: Verlesung relativ früh gewesen,

01:35:12: als sie gerade aus dem

01:35:16: Wai-Kombinator-Star-Up

01:35:18: und sind dann gerade aus

01:35:18: San Francisco zurückgekommen.

01:35:20: Lennart unglaublich cooler

01:35:22: Typ, deswegen auch Shout-Out,

01:35:24: wenn ihr jemanden das hört, an die Leute

01:35:26: aus Berlin in Langdok,

01:35:27: der damals auch die Vorlesung gehalten

01:35:29: hat, bin ich mir auch sehr dankbar dafür.

01:35:30: So, er war einer von

01:35:32: diesen Guestspeakern oder wie?

01:35:33: Genau, Lennart war zum Beispiel auch

01:35:34: einer von den Guestspeakern.

01:35:35: Oder ich hatte totales Glück gehabt.

01:35:36: Ich hatte damals Helsing,

01:35:38: war bei mir Guestspeaker,

01:35:41: an dem Wochenende hatte Helsing

01:35:44: praktisch, hatte diese,

01:35:47: die Million Bewertung gehabt, geknackt.

01:35:50: Und an dem Montag

01:35:53: drauf, wo die Bewertung war,

01:35:55: waren sie dann mit mir in der Vorlesung,

01:35:56: haben dann einen Vortrag gehalten.

01:35:58: Dass sie das dann trotzdem gemacht haben

01:36:00: und nicht gesagt haben,

01:36:01: so jetzt ist so viel Bewegung hier

01:36:02: gerade, wir müssen kurzfristig absagen,

01:36:03: sondern sind dann auch gekommen und du

01:36:06: warst dann zur richtigen

01:36:06: Zeit dann mit denen auch.

01:36:08: Ich hatte echt coole Speaker, ich hatte

01:36:10: einen Oscar-Gewinner

01:36:13: bei mir in der Vorlesung,

01:36:14: das war echt cool, den Max Wiedermann,

01:36:16: der macht für Leonine Studios.

01:36:19: Vielleicht hat man so,

01:36:20: also der damals produziert,

01:36:22: Leben der anderen, dafür

01:36:23: haben sie einen Oscar bekommen.

01:36:24: Ich glaube, was viele Leute kennen, so

01:36:27: Männerherzen haben die produziert.

01:36:29: Und der hat sich damals

01:36:30: auch sehr stark beschäftigt,

01:36:31: was wird denn der Impact sein von KI, auf

01:36:34: diese ganze bildgebende Industrie,

01:36:36: auf wie wir Geschichten erzählen, wie

01:36:37: sich Film verändern wird.

01:36:40: Und ich habe damals mit denen ein

01:36:41: bisschen zusammengearbeitet

01:36:43: und fand ihnen eine

01:36:44: unglaublich spannende Persönlichkeit.

01:36:46: Ich kenne kaum jemanden, der sich so

01:36:48: intensiv mit KI beschäftigt

01:36:50: und so viel darüber liest.

01:36:51: Okay, Empfehlung angenommen, Christoph.

01:36:52: Ich habe jetzt auf dem Schirm und

01:36:55: versuche ihn auch zu gewinnen.

01:36:56: Genau.

01:36:58: Ne, aber sehr, sehr cool.

01:36:59: Bevor du jetzt da weiterspielen,

01:37:00: jetzt einmal will ich noch einen

01:37:01: Nachgang, dieses kritische.

01:37:02: Okay, also alle

01:37:04: einfach Sprachmodelle, genau,

01:37:06: natürlich ist es so, wenn du das beste

01:37:08: Sprachmodell hast, dann hast du ein Case,

01:37:10: aber es ist halt so

01:37:11: schwer, immer vorne zu bleiben.

01:37:13: Und da fließt ja

01:37:13: unglaublich viel Geld rein.

01:37:15: Und da ist da schon

01:37:16: die Frage, kann man das,

01:37:17: und eigentlich sind die retorische Frage

01:37:18: aus Deutschland heraus,

01:37:19: schaffen selbst mit Schwarz und Heilbronn

01:37:22: und E-Pie und alles,

01:37:23: was da unten los ist, für

01:37:25: uns da unten, wir sind Münster,

01:37:27: immer noch fragwürdig, weil wir wissen,

01:37:29: wie viele Milliarden da

01:37:29: reinfließen müssen um.

01:37:30: Und das meinst du damit,

01:37:31: das ist ein Case, aber...

01:37:32: Zum Beispiel ja.

01:37:33: ...bleibt mal vorne

01:37:34: mit einem Sprachmodell.

01:37:35: Ja, die Frage ist auch, lohnt sich das?

01:37:37: Ja.

01:37:38: Also klar, ich lerne unglaublich viel,

01:37:39: aber ich bin immer noch skeptisch.

01:37:42: Gehen wir auch jetzt gleich rein in so,

01:37:44: was ich mir auch eins der Kapitel oder

01:37:46: das erste Kapitel, wo ich aufmache,

01:37:47: weil ich hatte diese

01:37:49: zehn harte Wahrheiten,

01:37:49: habe ich noch

01:37:50: zusammengeschrieben im Klaus-Mazja,

01:37:51: das sind so zwei Generationen,

01:37:53: das ist 10, 15 Jahre älter als ich,

01:37:56: oder vielleicht sogar noch mehr.

01:38:00: Und wir wechseln uns

01:38:01: immer ab, Kapitel für Kapitel.

01:38:02: Und ich fange an mit dem ersten Kapitel,

01:38:04: und ich fange gleich an

01:38:05: irgendwie so ein bisschen,

01:38:06: und hinterfrag auch so ein bisschen,

01:38:09: im ersten Kapitel funktioniert das,

01:38:13: was dieser AI Labs da machen

01:38:15: und uns versprechen.

01:38:17: Und ist es nicht irgendwie, ja,

01:38:20: eine Bubble, die wir sehen

01:38:22: und blühen uns nicht

01:38:23: sehr ähnliche Zeiten,

01:38:24: wie zu ähnlichen Bubbles,

01:38:26: die wir schon gesehen haben,

01:38:27: als zum Beispiel

01:38:27: damals große Unternehmen,

01:38:30: großen Stil angefangen haben,

01:38:32: Infrastruktur für die Eisenbahn zu bauen,

01:38:34: wo das alles kaputt gegangen ist.

01:38:35: Und was bedeutet das für uns und für

01:38:38: unsere Gesellschaft,

01:38:39: und was werden wir

01:38:39: vielleicht noch erleben?

01:38:41: Und da schrabe ich auch drinnen drüber,

01:38:43: und das ist halt generell

01:38:44: auch eine Frage für mich,

01:38:44: und ich glaube ganz ehrlich gesagt,

01:38:47: wenn du mich fragst,

01:38:48: wir werden auf jeden Fall

01:38:49: noch eine Marktkorrektur erleben dürfen,

01:38:52: oder was heißt dürfen?

01:38:53: Erleben müssen wahrscheinlich,

01:38:55: das wird eher unschön werden.

01:38:58: Also du glaubst wirklich an einen Platz,

01:38:59: einer Blase, in der nächsten Zeit?

01:39:02: Ja, also es gibt ja,

01:39:04: ich sehe 2 große Optionen,

01:39:07: die es gibt.

01:39:08: Die eine Option ist diese Bewertungen

01:39:10: hinter diesen KI-Firmen,

01:39:12: wie hinter ALF-Alpha,

01:39:14: oder jetzt nicht mehr die KI-Firma,

01:39:16: aber zum Beispiel wie Antrofik,

01:39:17: und so, die stimmt.

01:39:20: Diese 2 Trilliarden,

01:39:23: die sie haben wollen,

01:39:24: was heißt denn das?

01:39:25: Das heißt, die müssen es,

01:39:27: weil jetzt schaffen sie es ja noch nicht,

01:39:29: dieses Geld einzunehmen,

01:39:31: OpenAI, die bluten gerade Geld.

01:39:35: Also für jede

01:39:36: Milliarde, die die mehr machen,

01:39:38: zahlen die irgendwie 3 Milliarde.

01:39:39: Antrofik hat jetzt glaube ich gesagt,

01:39:41: die sind gerade profitabel geworden,

01:39:43: aber die haben ja

01:39:43: unglaublich viel Geld ausgegeben

01:39:45: und geben noch weiterhin

01:39:46: unglaublich viel Geld aus,

01:39:47: um da überhaupt hinzukommen.

01:39:50: Jetzt müssen wir uns mal überlegen,

01:39:51: was sind denn Sprachmodelle überhaupt?

01:39:53: Jeder von uns benutzt Sprache,

01:39:55: das ist eine Allzwecktechnologie.

01:39:58: Ich gehe davon aus,

01:39:59: dass das ein komplettes,

01:40:00: komodativ wird Sprache,

01:40:02: die wir so einkaufen,

01:40:04: wie wir vielleicht

01:40:05: irgendwann mal Strom einkaufen werden,

01:40:07: oder die wir vielleicht dann

01:40:09: von unserem Stromanbieter kaufen,

01:40:11: kaufen wir sozusagen Tokenfähigkeit

01:40:13: oder Intelligenz sozusagen,

01:40:15: für die Sprachmodelle.

01:40:16: Ich sehe auf der Ebene eigentlich keinen,

01:40:19: was wir Mode nennen,

01:40:20: dass das irgendwie defensibel ist,

01:40:22: nur weil du das beste Sprachmodell hast,

01:40:24: weil du merkst es ja, die

01:40:25: Unternehmen sind unglaublich

01:40:27: preisensitiv.

01:40:29: Wir sehen gerade in diesem KI-Markt,

01:40:31: ist die Angebot,

01:40:32: oder das Angebot der,

01:40:33: der nach Sprachmodellen,

01:40:37: als die Nachfrage.

01:40:39: Deswegen ist das Angebot

01:40:40: ja auch so subventioniert,

01:40:42: also ich kaufe jetzt gerade

01:40:44: eigentlich die Leistung ein,

01:40:46: um Chatshipiti nutzen zu dürfen,

01:40:49: um mit so einem,

01:40:50: mit so einem,

01:40:51: so einem Cutting-Edge-Modell zu arbeiten,

01:40:53: das wird gerade

01:40:53: subventioniert von anderen Leuten,

01:40:55: die da Geld rein investieren,

01:40:56: und eigentlich jedes Mal,

01:40:57: wenn ich da Geld eingebe,

01:40:58: nicht wenn ich da

01:40:59: irgendwie Prompt eingebe,

01:41:00: verlieren die Unternehmen Geld,

01:41:03: momentan.

01:41:05: Genau, weil sie, weil sie, weil sie

01:41:07: Neuemodelle, weil sie sagen,

01:41:09: wir müssen die ersten, ersten sein,

01:41:12: weil wir müssen ja irgendwann

01:41:13: schaffen, dieses ganze Geld auch wieder

01:41:15: reinzubekommen.

01:41:17: Und ich glaube halt,

01:41:19: die, die, die, die,

01:41:21: und was wir sehen,

01:41:22: ich meine die Bewertung,

01:41:23: wenn wir jetzt jetzt anschauen,

01:41:24: die Bewertung sind ja, wenn die Bewertung

01:41:26: wirklich stimmen sollten,

01:41:29: und die Unternehmen

01:41:30: ist wirklich schaffen,

01:41:31: so viel Geld reinzuholen,

01:41:34: wird in der Zukunft

01:41:35: ein Großteil

01:41:37: der internationalen,

01:41:39: weltweiten Wertschöpfung,

01:41:41: wird in diese paar Unternehmen

01:41:43: fließen.

01:41:45: Du hast also eine extreme Zentralisierung

01:41:47: von Macht, dass du Unternehmen hast,

01:41:49: die noch viel, viel mächtiger werden,

01:41:52: teilweise gefühlt sind sie selbst schon,

01:41:53: dass die mächtiger sind als

01:41:55: manche Regierungen und Länder,

01:41:57: und die Idee ist ja davon,

01:42:00: dass ich jetzt,

01:42:01: weil ich KI habe, also Kapital

01:42:03: bei mir einsetzen kann, diese Intelligenz

01:42:05: einsetzen kann. Ich irgendwann

01:42:07: mit diesen AI-native Firmen

01:42:09: nicht mehr über Menschen skaliere,

01:42:12: mein Business, sondern

01:42:13: über diese Technologie

01:42:15: skaliere. Das heißt,

01:42:16: wenn dieses eine Bild

01:42:17: stimmt, dann haben wir eine extreme

01:42:19: Zentralisierung und das heißt, wir haben

01:42:21: einfach eine größere Ungleichheit,

01:42:23: die es geben wird, und das bedeutet,

01:42:26: dass, dass, dass,

01:42:27: dass vielleicht Kapitalismus, so wie

01:42:29: wir es kennen, nicht

01:42:30: mehr funktionieren wird.

01:42:31: Weil es gibt noch

01:42:32: ganz wenige Unternehmen,

01:42:33: ganz wenige Leute, die

01:42:34: überhaupt Wertschöpfung,

01:42:35: die dafür im Markt dafür bezahlt

01:42:37: werden, und ganz viele, die es vielleicht

01:42:39: nicht können. Also du

01:42:40: meinst, damit die Rechnung

01:42:41: aufgeht, muss etwas passieren,

01:42:44: wogegen eigentlich dann

01:42:45: Menschenpolitik

01:42:47: gegenarbeiten werden. Also es wird

01:42:49: genau diese Richtung nicht möglich sein,

01:42:51: weil wir dann als

01:42:53: Gesellschaft, als Menschheit

01:42:55: sagen, Moment, das kann nicht

01:42:56: sein, dass einige Unternehmen

01:42:57: so viel macht haben,

01:42:58: und dann wird Regulierung,

01:42:59: EDC dafür sorgen,

01:43:01: dass das eben nicht

01:43:02: passiert, dass sie sich als

01:43:03: Case mit diesen

01:43:03: Bewertungen und das meint. Genau, es

01:43:05: wird ja gar nicht

01:43:06: funktionieren, weil wenn

01:43:07: nur ganz wenige in der

01:43:08: Zukunft irgendwie überhaupt

01:43:09: Geld verdienen werden,

01:43:10: Kapitalismus funktioniert,

01:43:11: wenn wir, wenn wir, wenn wir

01:43:12: konsumieren, wenn die Leute nicht mehr

01:43:14: konsumieren können, dann

01:43:15: wird dieses kapitalistische

01:43:17: System, wie wir es jetzt haben, so

01:43:19: einfach nicht aufgehen können. Und nicht

01:43:21: konsumieren, warum

01:43:22: meinst du das? Weil, weil sie

01:43:24: kein Geld haben. Okay.

01:43:25: Wenn, wenn, wenn, wenn du immer

01:43:27: weniger Unternehmen

01:43:28: brauchst, die immer mehr

01:43:29: Wertschöpfung haben können,

01:43:31: und, und ich dann immer

01:43:33: weniger Leute brauche,

01:43:34: wir sehen das ja immer,

01:43:35: immer stärker über die Historie gesehen,

01:43:37: wir brauchen immer weniger Leute,

01:43:39: um immer mehr zu

01:43:40: produzieren, und wir sehen

01:43:41: ja, diese neue Art

01:43:43: von Firmen, diese

01:43:44: AI-Native-Firmen, und vielleicht

01:43:45: zeige ich mal, darüber

01:43:46: habe ich ja mein erstes Buch

01:43:47: geschrieben. Ist aber auch

01:43:48: ganz frisch, ne? Also du sagst,

01:43:49: erstes, kriegst du als

01:43:50: wäre das schon Jahre her,

01:43:51: nee, das ist... Ja,

01:43:51: aber ich hab das schon

01:43:53: geschrieben. Okay, okay, aber es ist

01:43:54: rausgekommen dieses

01:43:55: Jahr, ne? Das ist dieses Jahr

01:43:56: rausgekommen, aber es

01:43:57: ist wirklich so, es basiert

01:43:58: eigentlich auf meinem,

01:43:59: auf meinem Kurs, den ich

01:44:00: damals an der, an der TUM

01:44:01: unterrichtet, aber vieles.

01:44:03: Und spricht halt von

01:44:03: dieser wirklich neuen

01:44:04: Generation von Unternehmen, die wir so

01:44:07: noch nicht gesehen haben. Ja. Weil

01:44:09: wenn du dir überlegst, was macht

01:44:11: diese Generation von

01:44:12: Unternehmen aus, das ist

01:44:13: eine Grafik, die habe

01:44:14: ich in meiner Vorlesung

01:44:15: schon seit, seit den Anfängen gezeigt,

01:44:18: und die holen jetzt

01:44:18: gerade an Tropic und Open

01:44:19: AI, holen eine ganz ähnliche Grafik raus.

01:44:21: Die sprechen uns ganz einfach. Wir sind

01:44:23: exponentielles

01:44:24: Wachstum von der Technologie.

01:44:26: Wir sehen das, weil zum ersten Mal, wenn

01:44:28: wir die Technologie

01:44:29: haben, die auch unsere

01:44:30: mentale Fähigkeit unterstützt,

01:44:32: wir brauchen unsere

01:44:32: mentale Fähigkeiten, um

01:44:33: neue Technologien zu entwickeln. Das ist

01:44:35: diese Angst vor auch,

01:44:37: vor irgendwann dieser

01:44:38: Superintelligence, dieses

01:44:39: Recursor Self-Improvement,

01:44:42: dass die Technologie

01:44:43: irgendwann sich immer

01:44:44: besser schreibt und wir erleben das,

01:44:46: gerade weil sie das, dieser Fortschritt,

01:44:48: der gerade

01:44:48: exponentiell ist. Gerade gekommen,

01:44:49: also dieser Punkt

01:44:50: ist, dieses Jahr erreicht

01:44:51: worden, oder ist noch eine Diskussion

01:44:53: debattiert, ob das jetzt eher auch so ein

01:44:55: Marketing-Term ist oder nicht, aber wir

01:44:57: sehen einfach, dass wir, jetzt passiert

01:44:59: auf jeden Fall was

01:45:00: spannendes und wir werden

01:45:00: praktisch abgelöst. Und im Gegenzug dazu

01:45:03: sehen wir, dass traditionelle Unternehmen

01:45:06: entwickeln sich linear.

01:45:08: Es gibt verschiedene Gründe,

01:45:10: warum sie es machen, aber vor allem, weil

01:45:11: wir, weil wir ja, Unternehmen

01:45:13: immer über Menschen skaliert sind

01:45:15: und wir, wisst ich da mal,

01:45:17: was ändert, dauert extrem lange,

01:45:20: auch wie Unternehmen

01:45:21: aufgebaut sind, das

01:45:22: ist ja so ein bisschen

01:45:23: angelehnt, wie damals

01:45:24: so das Römische Reich,

01:45:25: wie das entwickelt und organisiert worden

01:45:27: ist. Die hatten halt diese hierarchischen

01:45:29: Strukturen, die dazu gedient haben,

01:45:31: diese Komplexität

01:45:32: eines Römischen Reiches,

01:45:33: eines Unternehmens, sehr gut

01:45:35: zu managen. Und man hat diese Hierarchien

01:45:37: vor allem das

01:45:37: Mittelmanagement, das einfach nur

01:45:39: dazu dient, Informationen

01:45:41: von A nach B zu

01:45:42: schieben und aufzuarbeiten.

01:45:44: Hat den Vorteil, dass du

01:45:45: jetzt diese Komplexität

01:45:46: ganz gut managen kannst,

01:45:48: hat aber viele Nachteile.

01:45:49: Großer Nachteil ist,

01:45:50: dass da wo Informationen

01:45:51: getroffen werden, also eigentlich

01:45:53: oben an der Spitze, es dauert sehr lange,

01:45:56: also nicht in der Entscheidung, sondern

01:45:57: Entscheidungen getroffen

01:45:57: werden, dauert sehr lange, bis die

01:45:59: Informationen hoch an die Spitze geht

01:46:01: und die Spitze hat oftmals ein sehr

01:46:03: schlechtes Verständnis dafür, was

01:46:05: unten in der Bottomline, also was

01:46:07: wirklich so im Tagesgeschäft

01:46:09: passiert. Kriegen wir tagtäglich

01:46:11: irgendwie mit. Okay, bei schlechten

01:46:13: Strukturen Hierarchien, macht das

01:46:15: ein Problem sein. Natürlich arbeiten

01:46:17: alle Unternehmen dagegen, logischerweise,

01:46:19: aber es ist einfach inherent

01:46:20: im Modell schwierig und das meinst

01:46:23: du damit. Genau, und

01:46:25: was macht denn KI, der

01:46:27: verschiebt die Kosten

01:46:29: von Informationen von

01:46:30: A nach B zu schieben,

01:46:31: eigentlich nach Null,

01:46:31: wenn es richtig aufsetzt.

01:46:33: Also du brauchst nicht

01:46:34: mehr diese großen Hierarchien,

01:46:35: die Hierarchien machen dich als

01:46:36: Unternehmen langsam,

01:46:38: das ist der erste

01:46:38: Grund, warum diese neue Art

01:46:39: von Unternehmen einfach

01:46:40: viel, viel schneller sind.

01:46:41: Wir brauchen jetzt

01:46:42: nicht mehr ganze Teams,

01:46:43: um Sachen zu

01:46:44: koordinieren oder dieses ganze

01:46:45: Mittelmanagement wird

01:46:46: nicht mehr gebraucht.

01:46:47: Du siehst das, du hast ja schon AI

01:46:49: Native Firmen, die zum Beispiel

01:46:51: nur ein One-Person-Department haben.

01:46:54: Also wo ein Spezialist mit KI-Tour

01:46:56: ist, war ja ein ganzes Department

01:46:57: unterwegs. Ja, ein ganzes Department,

01:46:59: sozusagen, man ist wo

01:47:01: man vorher irgendwie

01:47:01: 20 Leute gebraucht hat. Und wir haben

01:47:03: diese extremen Version, das ja von

01:47:05: Sam Altmann, der diese Vorhersage,

01:47:08: dass wir diese

01:47:10: One-Billion-One-Dollar-One-Billion-

01:47:12: Company haben werden.

01:47:15: Also eine Person, die

01:47:17: ein Unternehmen baut, die eine Milliarde

01:47:18: Bewertung hatte. Ja, wo jetzt auch schon

01:47:20: gesagt wurde so, okay, vielleicht hat man

01:47:21: das jetzt schon auch geschafft, mit

01:47:23: MedVee, gab es ja in der New York Times,

01:47:25: Anfang des Jahres, irgendwie, man war

01:47:27: das im März, 2026

01:47:29: wurde ja drüber gesprochen, wurde

01:47:31: natürlich auch wieder

01:47:32: kritisiert, natürlich

01:47:32: Fisical AI Space, habe

01:47:34: ich auch irgendwie gesehen.

01:47:35: Es war nicht Fisical

01:47:36: AI Space, sondern was

01:47:37: ist eigentlich so, so ein bisschen

01:47:40: Trop-Shipping auf Stereoiden, haben

01:47:41: ich einfach gemacht. Die haben, es klinge

01:47:43: um die Fet-Weg-Spritzen in der USA, die

01:47:45: haben dann Hersteller, und die haben

01:47:47: dann praktisch, die machen die ganze

01:47:49: Wie kommt, wie kommt dieses Produkt

01:47:52: an die Kunden und wie kriege ich immer

01:47:53: mehr Kunden und wie

01:47:54: kann ich alles irgendwie

01:47:55: dazwischen mit KI automatisieren. Okay,

01:47:57: nicht auf Verwechsel,

01:47:58: mit Micro-AGI, das war

01:47:59: das Ding, wo irgendwie in einer

01:48:01: bisher ungarten Geschwindigkeit

01:48:03: diese Bewertung oder die Anzahl der

01:48:05: User gestiegen ist,

01:48:06: also alles im Schatten

01:48:07: gelassen. Ja, ja, du siehst

01:48:09: auf jeden Fall, dass

01:48:10: wir diese neuen AI-Native

01:48:11: Business-Modelle haben, wo

01:48:12: die einfach nicht mehr so viele

01:48:13: Leute brauchen, die dadurch

01:48:16: viel effizienter sind und

01:48:17: und auch zum ersten

01:48:18: Mal, wenn du überlegst

01:48:20: was ersetzt jetzt die Leute,

01:48:22: die Leute werden ersetzt durch Kapital.

01:48:24: Durch KI ist Kapital.

01:48:26: So, und dieses Kapital,

01:48:28: dieses KI dahinter, du siehst ja

01:48:30: mit jeder Generation von neuen Modellen

01:48:31: wird dieses Kapital

01:48:33: auf einmal einfähiger.

01:48:33: Deswegen glaube ich, dass diese

01:48:35: AI-Native Firmen sind zum

01:48:37: ersten Mal Firmen, die nicht mehr linear

01:48:39: wachsen, sondern die

01:48:41: schaffen, exponentiell

01:48:44: mit der Technologie zu wachsen.

01:48:45: So ein bisschen so ein Lack.

01:48:47: Ich fand das bändlich.

01:48:49: Genau, ich schreibe so ein bisschen

01:48:50: drüber und ich spreche

01:48:51: drüber, weil viele Firmen

01:48:52: sagen, ja, wir wollen ja

01:48:53: jetzt AI-Native werden. Ich sag Bullshit.

01:48:55: Eine Firma, du kannst nicht AI-Native

01:48:57: werden, genauso wenig wie ein BMW

01:48:59: existiert ja immer

01:49:00: noch zum Internet, aber

01:49:01: wir sagen zu BMW, hey, ihr seid eine

01:49:03: Digital-Native-Firma.

01:49:05: Ich glaube, die Firmen

01:49:06: können sehr wohl AI-First

01:49:07: werden, aber AI-Native ist noch mal

01:49:09: was anderes. Du

01:49:10: müsstest eigentlich nochmal

01:49:11: bei 0 starten.

01:49:13: Genau. Das ist

01:49:14: eigentlich der Punkt dabei.

01:49:15: Und nochmal kurz zurück

01:49:16: an den Punkt mit Blase

01:49:17: und so weiter, du gehst also davon aus,

01:49:19: weil du meinst sowieso zwei Szenarien,

01:49:21: aber das eine Szenarien haben wir jetzt

01:49:23: beschraubt. Schiere

01:49:24: geht so weit auseinander.

01:49:25: Genau, das nicht mehr funktionieren wird.

01:49:26: Einfach die Krise, dass die Leute mit

01:49:29: der Kiste hinter den Tech-Proß

01:49:31: sind. Das heißt, in

01:49:31: der Zürich mag das sein,

01:49:33: dass die Schiere unendlich weit

01:49:34: auseinandergehen kann,

01:49:35: aber das kann sie natürlich nicht.

01:49:36: Diese Konzentration, weil dann wird es

01:49:38: Widerstände geben. Ja, genau. Dann laufen

01:49:40: Leute und du siehst es

01:49:41: ja jetzt schon. Fängt es

01:49:42: schon an, ne? Ja, ich

01:49:43: wollte grad sagen, das ist

01:49:43: auch darüber, wo wir im

01:49:44: Buch geschrieben haben,

01:49:45: weil wir haben gesagt,

01:49:46: die jungen Leute trifft

01:49:47: es zuerst. Das ist Kapitel 2, das hat

01:49:48: Verklaus geschrieben. Da sagen wir so,

01:49:51: wir sehen es ja, die

01:49:52: jungen Leute, weil was

01:49:53: brauchst du, um KI gut

01:49:54: einschätzen zu können,

01:49:57: die arbeitest du ja

01:49:58: auch nur an, wenn du lange

01:49:59: irgendwo in einem

01:49:59: Unternehmen bist und immer

01:50:00: wieder trial and error

01:50:02: machst. Deswegen sehe ich

01:50:02: das auch sehr

01:50:03: kritisch, gerade auch teilweise

01:50:05: KI-Nerbildung, super, aber teilweise

01:50:07: mit Chatchi B.T. oder so sich alles

01:50:09: vorzukauen lassen, sehr, sehr kritisch,

01:50:11: weil du wirst dir nie die Expertise an

01:50:13: eignen im Unternehmen.

01:50:15: Deswegen sehe ich es sehr kritisch.

01:50:17: Und das heißt, die

01:50:18: Unzufriedenheit, gerade

01:50:19: bei den jungen Leuten,

01:50:19: die keinen Job finden

01:50:20: werden, wird immer

01:50:21: größer. Wir haben damals

01:50:22: darüber geschrieben und

01:50:23: als wir geschrieben haben

01:50:25: die wir in Nepal haben.

01:50:26: Und was jetzt das Buch

01:50:27: kommt raus, was passiert gerade in Prüße,

01:50:30: in Frankreich, du hast überall,

01:50:32: vor allem von den jungen Leuten, die

01:50:34: auf die Straße gehen und einfach keine

01:50:36: Zukunft mehr sehen.

01:50:37: Ja, also es ist tatsächlich

01:50:39: jetzt gerade schon

01:50:40: sehr, sehr gut sichtbar.

01:50:42: Was ist das zweite

01:50:42: Szenario, dass du sagst,

01:50:44: ne, also, ne Blase

01:50:46: ist da die Platzin wird? Oder...

01:50:47: Genau, das ist zumindest ne Korrektur.

01:50:49: Nehmt es vielleicht so,

01:50:50: ob es ne Blase ist, so wie

01:50:51: dort kommen, sei bei dir

01:50:52: hingestellt, kann ich mir

01:50:53: vorstellen, weil dafür

01:50:54: ist doch zu viel, zu viel

01:50:55: Wert da, der

01:50:56: generiert wird im Vergleich zu

01:50:57: damals. Ist es?

01:50:58: Ist es?

01:51:01: Also ich würde argumentieren, also

01:51:02: wenn ich mir den Mehrheit der Unternehmen

01:51:04: anschau, die haben immer

01:51:05: noch nicht rausgefunden,

01:51:07: wie ich mit KI großen Wert bei mir

01:51:09: im Unternehmen schiften kann.

01:51:11: Wenn du mich fragst, so was

01:51:13: jetzt passiert ist, irgendwie gerade ganz

01:51:15: viel KI, wie mache ich genau das Gleiche,

01:51:17: wie ich immer davor

01:51:18: gemacht habe, jetzt nur mit

01:51:19: KI? Und was passiert dann?

01:51:21: Die meisten Unternehmen

01:51:22: geben nur Geld aus für KI,

01:51:24: aber die Produktivität

01:51:25: verpufft irgendwo in der Hierarchie.

01:51:27: Und ich sehe es nicht in meiner Pionel.

01:51:28: Deswegen würde ich

01:51:30: erstmal kritisch fragen,

01:51:31: dass ich diesen

01:51:32: Mehrwert noch überhaupt nicht

01:51:33: sehe. Wir sehen,

01:51:35: diese Sprachmobiläle sind ne... sind ein

01:51:37: Commodity geworden, auch

01:51:38: jetzt mit den Open Source

01:51:39: Modellen. Du siehst, sobald an Trophic,

01:51:41: das gab es ja diese Idee von Tokenmaxing,

01:51:43: dann wurden die Preise angezogen,

01:51:45: dann haben... sind ein

01:51:46: paar Unternehmen aufgewacht

01:51:47: und haben gemerkt, so,

01:51:48: oh, ah, die Rechnung,

01:51:49: die wir jetzt hier

01:51:50: zahlen müssen, oh, das ist

01:51:51: es uns nicht wert und

01:51:52: sind dann sehr schnell auf

01:51:53: Open Source Modelle

01:51:53: geswitched. Du siehst,

01:51:55: die Leute switchen extrem schnell.

01:51:57: Du hast keine...

01:52:00: die... die... die Unternehmen,

01:52:02: die sind ja die ganze Zeit angetrieben,

01:52:04: was Neues zu entwickeln,

01:52:05: was Neues zu entwickeln,

01:52:05: damit sie überhaupt

01:52:06: die Leute bei der Stange

01:52:07: erhalten können, damit

01:52:08: sie überhaupt die Kunden

01:52:08: bleiben können, weil

01:52:09: sobald nichts Neues passiert,

01:52:11: wechseln sie oder gehen

01:52:12: zu... zu irgendwas hin

01:52:13: und sobald die

01:52:15: Unternehmen anfangen,

01:52:17: wirklich das echte...

01:52:20: die echten Kosten zu charging

01:52:21: für die Modelle. Siehst du ja,

01:52:23: sind die Kunden sofort weg,

01:52:25: weil sie sagen, okay,

01:52:26: aber bei dem anderen

01:52:27: Anbieter kriege ich es ja viel günstiger.

01:52:29: Und jetzt musst du dir vorstellen,

01:52:31: da gibt es ja immer wieder

01:52:32: Startups, die es jetzt schaffen,

01:52:34: ohne diese

01:52:35: Historie und das Geld, das

01:52:37: traditionell in ein OpenMA

01:52:39: oder ein Trophic reingeflossen ist,

01:52:42: in kurzer Zeit diese Modelle teilweise

01:52:43: zu distillieren, nachzubauen

01:52:45: und dann auch die ähnliche gute Modelle zu machen.

01:52:47: Die haben jetzt ein

01:52:47: Bruchteil davon an Geld gezahlt.

01:52:49: Deswegen glaube ich,

01:52:52: dass es früher oder später

01:52:53: ähnlich wie

01:52:55: bei .com, ähnlich wie

01:52:57: bei der Eisenbahn

01:52:58: eine Korrektur geben muss.

01:53:01: Das Problem ist, es ist

01:53:03: so viel Geld schon in

01:53:05: diesen Markt reingeflossen,

01:53:07: dass wenn es eine Korrektur geben wird

01:53:09: und ich glaube, das ist das

01:53:10: wahrscheinlichere Szenario,

01:53:12: es sehr

01:53:13: viel Geld zu tun wird.

01:53:14: Und dass richtig große

01:53:15: Tückel-Down-Effekts haben wird.

01:53:16: Auch unsere

01:53:17: Wirtschaft und es

01:53:19: auch hier erreichen wird.

01:53:20: Ich meine, jetzt gerade

01:53:21: werden überall Datencenter gebaut,

01:53:23: Datencenter gebaut,

01:53:24: um die Rechenleistungen zu verfügen

01:53:26: und zu stellen.

01:53:27: Was kaum davon spricht, was ist denn die

01:53:30: Halbwertszeit von den

01:53:32: Chips, die in diesen

01:53:33: Datencenter drin sind?

01:53:35: Ich glaube schon,

01:53:36: dass du,

01:53:37: wenn du

01:53:41: das ist ja möglich, nur

01:53:42: viele wissen nicht genau,

01:53:43: wie, dass viele machen würden.

01:53:45: Viele Unternehmen würden das machen.

01:53:47: Das glaube ich schon, also

01:53:49: vielleicht Open

01:53:49: Source Modelle eher nutzen,

01:53:51: da ist eher eine

01:53:52: Wissenslücke oder eine Hürde hin.

01:53:54: Was aber schon

01:53:55: krass ist, dass sehr viele

01:53:57: so gut wie alle

01:53:59: bereit sind, ordentlich Geld

01:54:01: auszugeben für KI. Ob

01:54:02: das jetzt entropik ist

01:54:03: oder ob man AI oder

01:54:04: so, das ist erstmal egal.

01:54:06: Aber ich würde sagen, generell

01:54:07: in KI wird

01:54:09: sehr viel Geld reingesteckt und man ist

01:54:11: eigentlich bereit,

01:54:14: pro Mitarbeiter,

01:54:15: Mitarbeiterin, sogar

01:54:17: ein paar hundert Euro

01:54:18: vielleicht zu erlauben.

01:54:19: Das ist natürlich eher die Ausnahme, wenn

01:54:20: nicht alle erlauben das,

01:54:21: aber es ist eher nicht ungewöhnlich

01:54:23: zu sagen, hey, Leute, ihr könnt jetzt

01:54:25: alle eine Pro-Lizenz bei X, Y

01:54:27: und Z haben.

01:54:28: Und das finde ich

01:54:30: schon krass, dass das also

01:54:31: zeigt.

01:54:33: Okay, Unternehmen wollen

01:54:34: das, nutzen das jeden Tag

01:54:35: und sie wollen auch nicht verzichten,

01:54:37: wenn das jetzt super

01:54:38: einfach wäre, nur die

01:54:39: Hälfte der Kosten bei

01:54:40: gleicher Leistung zu bekommen.

01:54:42: Dann würden sie das wahrscheinlich

01:54:42: machen, die meisten.

01:54:43: Aber ich sehe schon,

01:54:46: es als komplett Standard

01:54:47: hat, dass die eigenen Leute

01:54:49: Profilizenzen bei X, Y

01:54:51: wo auch immer haben und gerne sogar noch

01:54:53: darüber hinausgehen

01:54:54: und mehr Tokens gekauft

01:54:55: kaufen dürfen. Das finde ich schon krass.

01:54:57: Ja, du hast gesagt, Wollt.

01:54:59: Ich würde es

01:55:00: vielleicht anders formulieren.

01:55:02: Ich würde sagen, können Sie sich's

01:55:03: leisten, es nicht zu machen.

01:55:05: Wenn du jetzt siehst,

01:55:08: was möglich ist, theoretisch mit KI,

01:55:10: wenn du jetzt zum Beispiel siehst,

01:55:11: okay, ich habe eine neue

01:55:12: Firma, die jetzt auf einmal

01:55:13: AI-Native aufgebaut ist, die eigentlich

01:55:15: genau das gleiche Business macht wie ich.

01:55:18: Hey, ich habe doch

01:55:18: überhaupt keine Chance mehr

01:55:20: auf meiner bisherigen Kostenstruktur

01:55:22: mit diesem Unternehmen mitzuhalten.

01:55:24: Was bleibt mir denn dann noch

01:55:25: überhaupt langfristig

01:55:26: von den Unternehmen?

01:55:27: Ich habe noch vielleicht

01:55:28: irgendwie das Vertrauen

01:55:29: von meinen Kunden, was

01:55:30: sehr, sehr wichtig ist.

01:55:30: Ich habe mir vielleicht eine

01:55:31: Community aufgebaut, das kann

01:55:33: KI nicht disruptieren,

01:55:34: das Vertrauen kann KI

01:55:35: nicht disruptieren.

01:55:36: Vielleicht, ich habe

01:55:37: noch die ganzen Verträge

01:55:39: und Lizenzen, ich habe noch das Ganze,

01:55:41: ich habe noch irgendwie

01:55:43: gerade irgendwie mit Compliance

01:55:46: dahinter, das kann man auch nicht

01:55:47: so einfach mit KI ersetzen.

01:55:49: Das ist glaube ich auch ein Grund, warum

01:55:50: die großen KI-Labs sehr stark ist, Lobby

01:55:53: und dass man sie reguliert, weil

01:55:55: Regulierung kann auch ein Mode sein.

01:55:57: Das sind so noch die paar

01:55:58: Sachen, die übrig bleiben.

01:55:59: Aber auf der ganzen

01:56:01: Struktur

01:56:03: müssen sich die Unternehmen

01:56:05: auch umschauen.

01:56:07: Viele haben dann immer angestockt, hey,

01:56:09: dann passiert uns das gleiche wie damals

01:56:11: Kodak, als

01:56:13: Digitalkameras gekommen sind.

01:56:15: Oder die Geschichte von

01:56:16: Blockbuster und Netflix.

01:56:18: Creative Destruction

01:56:19: Fobo

01:56:21: 4 of Being Obsolete

01:56:23: ist besonders stark in der Zeit, alter

01:56:25: von KI

01:56:27: wo zum ersten Mal auch diese ganzen

01:56:29: Businessarbeit automatisiert

01:56:31: werden kann. Und ich glaube, was

01:56:33: dazu kommt, was wir jetzt sehen

01:56:35: und das ist sehr viel, was wir

01:56:36: auch unsere

01:56:38: Mentalität oder die Geschichte

01:56:39: die wir beim AI Strategy

01:56:41: Institut erzählen,

01:56:43: ist, dass wir zum ersten Mal

01:56:47: diesen Technology-Gap

01:56:49: geschlossen haben zwischen

01:56:51: was eigentlich das Versprechen

01:56:54: des Computers war

01:56:55: und dass jetzt jeder

01:56:57: mal in der Lage ist, den Computer

01:56:59: zu nutzen und wirklich

01:57:01: zu programmieren und zwar mit unserer

01:57:02: natürlichen Sprache.

01:57:04: Und wir gehen da immer

01:57:05: sehr gerne in die 80er-Jahre reiben, weil

01:57:07: das, glaube ich, die spannendste Zeit

01:57:08: ist, um zu verstehen,

01:57:09: was jetzt gerade

01:57:11: momentan passiert

01:57:12: und uns zumindest sehr gut hilft

01:57:15: uns

01:57:17: den Unternehmen mit denen wir arbeiten,

01:57:19: die dementsprechend auch richtig

01:57:21: aufzustellen. Das heißt,

01:57:22: du empfiehlt es ja schon

01:57:23: da zu investieren.

01:57:24: Gleichzeitig sagst du, hey

01:57:25: und du bist total zu

01:57:27: da ist irgendwie eine

01:57:29: Korrektur zu erwarten.

01:57:30: Ich sehe nicht in der Blase

01:57:31: sehr bald platzen, kann man drüber

01:57:33: streiten, aber eine Korrektur

01:57:35: ja. Wann genau, kann keiner sagen.

01:57:38: Nur, jetzt ist interessant,

01:57:40: dass du ja trotzdem rausgehst

01:57:41: und sagst, mit dem Strategy-Institut

01:57:43: das ist ganz entscheidend, dass

01:57:45: ihr mitspielt.

01:57:47: Ich sage es jetzt mal so.

01:57:49: Auch wenn da eine Überbewertung

01:57:51: ist in dem Bereich.

01:57:54: Aber mit Spielen heißt

01:57:55: ja nicht, investier

01:57:57: in KI, sondern

01:57:59: investier in dein Unternehmen

01:58:01: deine Mitarbeiter, dass ihr KI machen

01:58:03: könnt und ihr das anwenden könnt

01:58:05: und eure Prozesse

01:58:07: umstrukturiert für diese neue Realität.

01:58:10: Weil wir sagen ja so,

01:58:11: selbst wenn es eine Korrektur geben würde

01:58:13: selbst wenn die ganzen

01:58:15: Eisenbahnunternehmen, die

01:58:17: die Eisenbahnschienen

01:58:19: hingelegt haben, pleite gegangen

01:58:21: werden. Gibt es ja immer

01:58:23: noch Eisenbahnschienen,

01:58:24: die ihr benutzen könnt.

01:58:25: Okay, genau. Es werden ja auch nicht alle

01:58:27: sagen wir jetzt mal so, ganz hart

01:58:29: Platz gehen, sondern es wird irgendwie

01:58:31: eine Korrektur,

01:58:32: Konsolidierung, wie auch immer

01:58:33: das dann aussehen wird, passieren.

01:58:35: Aber die Technologie, das wird

01:58:37: keiner zweifeln, es

01:58:38: sei denn die Menschheit

01:58:39: wird es irgendwann nicht

01:58:40: mehr geben, wird weiter genutzt

01:58:41: werden. Das ist total klar,

01:58:43: das Wachstum ist enorm.

01:58:46: Auch die Adoption von KI

01:58:47: so gesehen ist ja eine, die

01:58:50: rasant gewachsen ist und noch wächst.

01:58:52: Wir haben noch nie so

01:58:53: eine schnelle Adoption

01:58:53: von der Technologie gesehen.

01:58:55: Und spannende, ich mein

01:58:57: auch vergleichbar, wie gesagt,

01:58:59: ich bin jemand, ich schaue mir ganz gerne

01:59:01: Trends in der

01:59:01: Vergangenheit an und versuche

01:59:03: dann zu rausfinden, was

01:59:04: bedeutet das für jetzt.

01:59:05: Was ich sehr spannend finde, ist,

01:59:07: als Electricität ins

01:59:08: Unternehmen gekommen ist.

01:59:09: Das hat 50 Jahre gebraucht,

01:59:12: bis wir den Impact

01:59:13: von Electricität das erste Mal

01:59:16: in dem Protosozialprodukt

01:59:17: von Ländern gesehen haben.

01:59:19: Wieso, was war denn

01:59:20: das? Und das ist genau

01:59:21: das Gleiche, was wir jetzt sehen.

01:59:23: Naja, damals, was es passiert,

01:59:25: als Electricität gekommen ist,

01:59:27: man hatte immer eine

01:59:29: zentrale

01:59:31: Energiequelle und dann hatte man

01:59:32: so eine lange

01:59:35: Metallstange, die von

01:59:36: dieser Energiequelle

01:59:37: abgegangen ist und dann

01:59:38: hatte man so ganz viele

01:59:39: Räder, die dran waren

01:59:40: und dann waren die ganzen

01:59:41: Maschinen dran gebunden. Was es passiert,

01:59:43: als Electricität

01:59:43: gekommen ist, man hat nur die

01:59:45: Maschinen getauscht, aber eigentlich,

01:59:47: wie die Firma gearbeitet

01:59:47: hat, war genau das Gleiche.

01:59:49: Man musste erst verstehen,

01:59:51: die Electricität, also die Technologie

01:59:52: musste besser werden, man musste sich

01:59:54: natürlich auch weiterentwickeln und die

01:59:56: Firmen mussten verstehen, hey,

01:59:59: es reicht vielleicht einfach nicht nur,

02:00:00: das auszusetzen oder zu ersetzen,

02:00:03: sondern ich muss vielleicht die ganze

02:00:04: Firma umstrukturieren und wie

02:00:06: meine Fabrik aufgebaut ist,

02:00:09: weil ich kann jetzt ein Motor haben

02:00:11: in jeden von diesen einzelnen Maschinen

02:00:13: und kann jetzt die

02:00:14: Maschinen vielleicht das erste

02:00:15: Mal so hinstellen in der Reihenfolge,

02:00:17: wie ich produziere und kann damit

02:00:19: jetzt Fleece Band Arbeit haben

02:00:21: und dann haben wir die

02:00:22: Produktivität gesehen.

02:00:23: Okay, und da sind wir

02:00:24: jetzt noch nicht ganz

02:00:25: mit der KI, aber da kommen wir hin.

02:00:26: Für die traditionellen

02:00:27: Unternehmen, die sind jetzt

02:00:28: gerade da, die überlegen sich gerade so,

02:00:30: okay, hey, wie können

02:00:30: wir denn genau das Gleiche machen mit KI?

02:00:32: Aber sie schauen sich

02:00:33: noch nicht wirklich an,

02:00:34: also einige Unternehmen

02:00:36: machen das, das machen

02:00:36: vor allem die

02:00:37: Unternehmen, deren Business-Modell

02:00:39: oder ihr Produkt

02:00:41: disruptiert wird oder ein Gefahr ist von

02:00:43: KI disruptiert zu werden.

02:00:46: Die gehen so weit und schauen dann

02:00:47: wirklich auch in

02:00:48: Innovationen oder Prozessinnovationen

02:00:50: rein, das ist eigentlich

02:00:50: das, was jetzt kommen muss.

02:00:52: Okay. Aber die meisten Unternehmen

02:00:53: sind noch gar nicht so

02:00:54: weit. Und da helft ihr mit.

02:00:56: Das ist eigentlich AI Strategy Institute

02:00:58: in a nutshell. Ihr helft

02:01:00: Unternehmen auf diesem

02:01:01: Weg und wahrscheinlich

02:01:03: ganz viele im Netzwerk Partner,

02:01:05: die dann in der

02:01:06: Umsetzung helfen, weil ihr habt

02:01:07: ja Strategy als wichtigen Begriff,

02:01:09: also nicht eigentlich

02:01:10: die Umsetzung im Kern,

02:01:12: sondern ihr helft denen,

02:01:13: das Verständnis, okay,

02:01:13: was ist jetzt eigentlich

02:01:15: auf dem Weg hin zu diesem Fleece-Band?

02:01:17: Genau. Wir machen also sehr viel

02:01:18: Hilfe zu Selbsthilfe.

02:01:20: Also wir versuchen die Teams

02:01:22: zu bewegen.

02:01:24: Und das ist eigentlich

02:01:27: unsere Geschichte, auf der wir aufbauen.

02:01:28: Wir sagen eigentlich,

02:01:30: das, was du verstehen

02:01:31: musst, ist in den 80er-Jahren

02:01:32: passiert. Weil damals,

02:01:35: ich habe gesagt, als ich

02:01:35: mit KI angefangen habe,

02:01:37: weil AI war, da

02:01:38: konnten sich nur DAX-Firmen

02:01:40: konnten sich KI leisten.

02:01:41: Es war ein sehr technisches Thema.

02:01:43: Heutzutage

02:01:44: selbst die Schulkinder

02:01:46: benutzen KI und können

02:01:47: Sachen machen, die werden für mich

02:01:48: vor fünf Jahren mit

02:01:50: dem besten Team 20, 30

02:01:51: Millionen komplett unmöglich gewesen.

02:01:52: Ist das also auch so, wenn ihr eure

02:01:54: Kunden jetzt mal anschaut,

02:01:55: das sind also nicht nur

02:01:56: die ganz Großen, sondern

02:01:56: das ist jetzt durch

02:01:57: die Bank, Mittelständler,

02:01:58: kleinen Unternehmen. Wir arbeiten jetzt,

02:01:59: wir arbeiten jetzt, unser Hauptprodukt,

02:02:01: was wir machen ist,

02:02:02: wir arbeiten gerade viel

02:02:05: über das

02:02:06: Qualifizierungschancen-Gesetz und arbeiten

02:02:07: damit kleinst unternehmens.

02:02:09: Da haben wir bis 50 mit Unternehmen und

02:02:11: helfen denen nicht nur weiterzubilden,

02:02:13: sondern denen, praktisch zu sagen,

02:02:15: wie so ein Roadmap zu machen, was

02:02:17: ihr eigentlich machen musst. Weil was

02:02:19: wir sehen, was ist eigentlich passiert,

02:02:21: wir sehen diesen Switch von einem

02:02:23: Tech-Thema zu einem Business-Thema.

02:02:26: Und wann haben wir das das letzte

02:02:27: mal gesehen, das haben

02:02:28: wir in den 80er-Jahren

02:02:29: gesehen. Damals gab es den

02:02:31: Mainframe-Computers, konnten sich ganz

02:02:33: wenig Unternehmen leisten.

02:02:34: Ich glaube, in den 60er-Jahren

02:02:35: gab es irgendwie sechs

02:02:36: Unternehmen, dazu hat

02:02:37: Bosch gehört, die einen von diesen großen

02:02:39: IBM Mainframe-Computern hatte, mussten

02:02:41: selbstwürdig ein Computer bauen. Und dann

02:02:43: in den 80er-Jahren kam der persönliche

02:02:45: Computer. Das heißt, die Unternehmen

02:02:47: mussten sich nicht mehr überlegen,

02:02:49: welchen Computer muss ich bauen,

02:02:52: sondern was ist denn

02:02:53: der richtige Computer,

02:02:54: den ich einkaufe.

02:02:55: Und was dafür

02:02:56: ausschlagen war, war so was,

02:02:58: was wir genannt haben, war ein

02:02:59: Betriebssystem für den Computer.

02:03:01: Da gab es zwei Betriebssysteme, da gab es

02:03:04: Bill Gates mit Microsoft

02:03:06: und die hatten MS-DOS.

02:03:08: Und es gab Steve Jobs

02:03:09: mit Apple

02:03:11: und dem Macintosh

02:03:13: als Betriebssystem.

02:03:15: Und das hat eigentlich

02:03:16: ermöglicht, das erste

02:03:17: mal diese ganzen

02:03:17: Computer zu demokratisieren,

02:03:19: weil ich musste nicht mehr

02:03:20: selbst programmieren, oder ich musste

02:03:23: bei dem

02:03:23: Mainframe-Computer, muss ich ja teilweise

02:03:24: noch irgendwelche

02:03:25: Schalter- oder Lochkarten

02:03:26: umlegen, sondern konnte

02:03:27: ich jetzt mit der Maus

02:03:29: eine solche Applikation drauf und hat dafür

02:03:31: geführt, dass der

02:03:32: Computer sogar irgendwann

02:03:33: in die ganzen Haushälte gekommen ist.

02:03:35: Und so sparen wir ...

02:03:36: Das haben wir bei KI

02:03:37: schon längst, also die

02:03:38: Reinführung ist nicht analog, sondern

02:03:39: alle nutzen mindestens privat schon KI.

02:03:42: Das ist andersherum sozusagen.

02:03:44: KI ist privat viel weiter

02:03:47: bis hin zu Schatten-KI, das Menschen,

02:03:49: das wirst du genauso

02:03:49: wahrscheinlich immer wieder

02:03:50: beachten, nutzen gerne auch schon KI,

02:03:53: die sie vielleicht

02:03:53: Unternehmen gar nicht nutzen dürfen,

02:03:55: das machen sie heimlich und so.

02:03:57: Und das ist eine

02:03:57: analogie, die in der Hinsicht

02:03:59: von der Reihenfolge ja nicht passt, ne?

02:04:00: Stimmt nicht ganz,

02:04:02: weil ich der Meinung bin,

02:04:03: dass eigentlich die Grundlagen

02:04:05: von was wir jetzt sehen,

02:04:08: ist eigentlich in den

02:04:08: 80er Jahren passiert.

02:04:10: Oder schon vorher

02:04:11: mit den ersten Computer.

02:04:12: Die generative KI ist in der Fortführung

02:04:15: der Logik, wie wir mit diesen

02:04:17: Maschinen interagieren.

02:04:19: Und zwar Steve Jobs

02:04:20: hat das damals gesagt,

02:04:20: 26 Jahre war er alt, 1981.

02:04:23: Also sind wir gerade mit

02:04:24: Apple an den Markt gegangen

02:04:25: auf die On-die-Börse.

02:04:27: Und er wurde gefragt,

02:04:28: was müssen sie denn machen,

02:04:29: um mehr persönliche

02:04:30: Computer zu verkaufen?

02:04:32: Und er sagt,

02:04:33: um mehr persönliche

02:04:34: Computer zu verkaufen,

02:04:35: wird eine Sache passieren.

02:04:37: Und zwar, wir werden

02:04:38: mehr und mehr von der Rechenpower

02:04:41: in den Computer anwenden.

02:04:43: Sehen wir jetzt gerade

02:04:45: diese

02:04:47: Recursive-Self-Improvement-Loops,

02:04:50: die wir haben.

02:04:51: Das KI-Krossen-Teil, also die Computer,

02:04:53: die Rechenpower, ein großer Teil

02:04:55: der neuen Software mitentwickelt.

02:04:58: Und er sagt,

02:04:59: was wir machen müssen, ist,

02:05:01: wir müssen den Computer

02:05:02: immer mehr an den Menschen anpassen.

02:05:05: An die Art und Weise, wie er gewohnt ist,

02:05:07: zu agieren, zu arbeiten.

02:05:09: Und nicht den Menschen an den Computer.

02:05:10: So eine Augmentierung, das ist KI,

02:05:12: Rechner ist bei uns drin,

02:05:14: am besten per Chip im Kopf.

02:05:15: Da sind wir noch nicht.

02:05:17: Aber da musst du überlegen,

02:05:19: wie machen wir denn

02:05:20: Sachen im Unternehmen?

02:05:21: Wir benutzen Sprache.

02:05:23: Und jetzt kann ich zum ersten Mal

02:05:25: mit generativer KI, dank generativer KI,

02:05:29: Sprache nutzen.

02:05:30: Und der Computer kann für mich,

02:05:31: und das ist eigentlich da,

02:05:32: wo wir auch jetzt langsam

02:05:33: hingehen mit der Nutzung, dass die Leute

02:05:35: Sachen bauen, der Computer

02:05:37: kann für mich jetzt besser und schneller

02:05:39: Codeschreiben, als ich das jemals

02:05:41: machen konnte.

02:05:43: Selbst die, die programmieren können.

02:05:44: Nicht technischen Menschen jetzt

02:05:46: programmieren können.

02:05:48: Vibecodes, sagt man ja.

02:05:49: Das ist schon schön, aber selbst die, die

02:05:50: sehr gut im Programmieren sind,

02:05:52: würden jetzt nicht auf die Idee kommen,

02:05:53: ohne KI zu programmieren.

02:05:55: Das ist schon ein großer Schritt.

02:05:56: Und es ist spannend, deswegen sagt es,

02:05:58: schätzt sich jemand

02:05:58: hin, wie Jensen Huang,

02:06:00: und er sagt, das ist zum ersten Mal,

02:06:01: wir haben dank generativer KI, haben wir

02:06:03: diesen Technology-Gap, das erste Mal

02:06:05: überbrückt. Klar, man kann

02:06:07: das immer noch so skeptisch

02:06:07: sehen, dass wenn jetzt

02:06:08: alle programmieren können,

02:06:09: ist das nicht irgendwie

02:06:10: auch ein bisschen gefährlich.

02:06:11: Wir würden jetzt alle ohne Führerschein

02:06:14: Zugang zu einem Auto haben,

02:06:15: kriegen wir ein Auto-Schlüssel

02:06:17: und wir sehen jetzt ganz

02:06:18: viele Leute, die fahren

02:06:18: mit angezogene

02:06:20: Handbremsen oder am ersten Gang,

02:06:22: weil sie hat nicht

02:06:22: checken, weil sie es einfach

02:06:23: so denken, so geil,

02:06:25: ich sitze jetzt in einem

02:06:25: fahrenen Auto, ich habe

02:06:26: jetzt ein Schlüssel dafür,

02:06:27: aber noch nie gelernt

02:06:28: haben, wie man das Auto

02:06:29: richtig fährt oder dass es

02:06:30: da eigentlich Regeln gibt

02:06:31: für die Straße, da sind wir jetzt gerade

02:06:33: in dem Zeitalter, wo wir eigentlich auch

02:06:35: reinkommen und versuchen,

02:06:36: das so alles so ein bisschen

02:06:37: aufzuklären.

02:06:38: Es gibt viel A-I-Slop,

02:06:39: also von Content bis hin

02:06:40: zu größeren Sachen,

02:06:41: heißt, das meiste wird

02:06:42: einfach gar nicht

02:06:43: genutzt werden, weil es wird

02:06:45: ja auch eine Auslese

02:06:46: geben, aber die Hürde

02:06:47: irgendwas zu bauen,

02:06:48: ist halt nicht mehr da.

02:06:49: Genau.

02:06:49: Das ist ja erstmal mega,

02:06:50: weil das demokratisiert

02:06:51: einfach das ganze

02:06:52: Thema, das ist natürlich

02:06:53: richtig, richtig geil.

02:06:54: Jetzt will ich mal mal

02:06:54: ganz kurz, ich will

02:06:56: dich gar nicht abwürgen,

02:06:56: aber eine Sache will ich

02:06:57: trotzdem nochmal an der Stelle

02:06:58: wirklich verstehen, also

02:06:58: A-I-Strategy-Institute,

02:07:00: ihr seid zu zweit im Kern, hilft oder

02:07:03: mittlerweile mehr, also im Gründer-Team,

02:07:05: ihr seid zu zweit, habt

02:07:05: jetzt schon ausgebaut.

02:07:06: Wir haben noch einen

02:07:07: dritten Gründer, der mit

02:07:08: uns dann die ganzen Förderthemen macht,

02:07:10: weil wir gefördert Schulen können,

02:07:13: das ist halt ganz nett.

02:07:14: Genau.

02:07:14: Jetzt, seit vier

02:07:15: Jahren erfolgreich dabei,

02:07:17: in dieser Richtung jetzt, was du gerade

02:07:20: beschreibst, eigentlich wirklich dazu

02:07:22: helfen, also in dieser,

02:07:25: auf diese Art und Weise Unternehmen zu

02:07:27: helfen, K-I einzusetzen, also

02:07:30: zu verstehen, wo können sie K-I einsetzen

02:07:32: und dann auch schon den nächsten Schritt

02:07:33: mit Partnern zu gehen, das ist so.

02:07:35: Genau, so bisschen systematisieren.

02:07:37: Du sagst immer, seit

02:07:39: vier Jahren erfolgreich

02:07:39: dabei, ich habe das Gefühl, das ist immer

02:07:41: so ein Up- und Down-Weißgefühl,

02:07:43: der K-I-Markt verändert sich so schnell,

02:07:45: wir müssen uns die ganze Zeit

02:07:46: auch wieder selbst erfinden.

02:07:47: Wir müssen uns auch immer wieder selbst

02:07:49: erfinden, was wir machen

02:07:51: und was wir anbieten.

02:07:53: A-I-Strategy ist eigentlich so das,

02:07:55: natürlich verändert sich

02:07:56: alles, entsprechend muss

02:07:57: die Strategie anpassen. Was geht darum,

02:07:59: überhaupt mal eine K-I-Strategie,

02:08:01: nämlich mal auf Deutsch jetzt zu haben

02:08:02: und diese ständig auch anzupassen.

02:08:05: Also jedes Unternehmen braucht

02:08:07: heute eine

02:08:08: K-I-Strategie, oder was das jedes

02:08:09: Unternehmen wieder betrieben, aber

02:08:10: mittlerweile auch die

02:08:12: kleinere Unternehmen

02:08:13: müssen sich beschäftigen, eine

02:08:14: K-I-Strategie zu haben?

02:08:15: Ja, sie brauchen eine K-I-Strategie

02:08:18: oder sie brauchen

02:08:20: ein System, wie sie K-I

02:08:21: für sich nutzen können.

02:08:22: Ich habe gesagt, sie brauchen

02:08:23: eine K-I-Strategie, aber wir sehen,

02:08:25: dass viele Unternehmen

02:08:26: vielleicht noch gar nicht so

02:08:27: bereit sind mit einer K-I-Strategie,

02:08:28: dann auch gerade so

02:08:29: bei größeren Unternehmen.

02:08:31: Ich komme jetzt gerade aus Bangkok

02:08:33: wieder und habe da irgendwie

02:08:35: drei Wochen lang unterrichtet

02:08:37: und dann war irgendwie so

02:08:39: auch eine Firma dabei, eine relativ

02:08:41: alt und schon große

02:08:43: Firma, die die Malenmehl

02:08:45: relativ groß

02:08:47: und die sagen so,

02:08:48: hey, wir können nicht mit

02:08:49: Strategie anfangen, weil

02:08:50: wir brauchen ja noch Daten, Daten, Daten.

02:08:52: Wir müssen sie gerade

02:08:53: dabei so etwas aufzuarbeiten.

02:08:54: Und dann sage ich so, na ja,

02:08:57: es gibt eigentlich Sachen, die er machen

02:08:58: können, bevor er überhaupt eine Strategie

02:09:00: hat, die er überhaupt machen sollte.

02:09:03: Ähnlich.

02:09:05: Und dann auch mit, also das erkennen

02:09:07: und da dann zu erhelfen. Hey, Leute,

02:09:09: ihr seid da noch nicht.

02:09:10: Und erstmal die Hausaufgaben

02:09:11: und na so. Genau, wir sprechen viel,

02:09:14: was damals irgendwie das Betriebssystem

02:09:15: für den Computer war,

02:09:17: sprechen wir halt viel

02:09:18: für den Betriebssystem

02:09:19: für K-I. Weil

02:09:21: du kannst keinen K-I

02:09:22: machen, wenn du den Leuten

02:09:23: nicht die Möglichkeit gibt, Zugang zu

02:09:25: den Sprachmodellen überhaupt zu haben.

02:09:26: Und das muss über ein

02:09:27: Betriebssystem gehen.

02:09:28: Also was, wo da eigentlich alle Leute,

02:09:31: die den Computer nutzen, Zugang haben

02:09:33: auf die unterschiedlichen Sprachmodelle.

02:09:35: Und zwar so, dass sie nicht programmieren

02:09:37: müssen. Und du hast vorher von

02:09:39: Schatten-K-I gesprochen. Das wollen

02:09:42: wir nicht haben. Wir

02:09:42: wollen halt nicht haben,

02:09:43: dass wir sagen, okay, hey, jeder

02:09:45: darf irgendwie sein K-I-Werkzeug nutzen.

02:09:48: Weil die wenigsten Unternehmen

02:09:49: oder leider noch

02:09:50: relativ wenige Unternehmen

02:09:51: verstehen. Du willst ja das

02:09:53: Tool ganzheitlich für dein Unternehmen

02:09:56: nutzen. Soll jeder nutzen.

02:09:57: Und dann braucht jeder das gleiche Tool

02:09:58: und braucht darauf Zugang.

02:10:00: Weil was du viel machen musst,

02:10:01: weil wir sprechen ja

02:10:02: nicht mehr von Promting.

02:10:03: Also wie kann ich gut

02:10:04: mit K-I interagieren

02:10:05: natürlich auch. Aber wir sprechen ja von

02:10:07: Context Engineering. Also

02:10:09: diese Sprachmodelle

02:10:10: sind unglaublich fake.

02:10:11: Die sind wie der beste

02:10:13: PhD-Drozent, den du

02:10:15: bei dir im Unternehmen

02:10:15: haben kannst. Wenn ein PhD

02:10:17: der beste PhD-Forscher

02:10:20: der reinkommt.

02:10:21: Am ersten Tag, die ersten Tage

02:10:23: der kostet dich erstmal Geld.

02:10:25: Der kostet dich

02:10:25: wahrscheinlich erstmal 3-4 Monate

02:10:26: überhaupt Geld. Weil

02:10:28: du noch überhaupt keine

02:10:29: Werte hast. Also das ist das, was du

02:10:30: im Unternehmen machst. Du musst halt

02:10:32: überlegen, wie kannst du dieses

02:10:34: Betriebssystem auch

02:10:35: so auf dein Unternehmen

02:10:36: einstellen, dass du den richtigen Kontext

02:10:38: hast. Damit du wenn

02:10:39: du es fragst, er nicht

02:10:39: mit dem Weltwissen antwortet, dass er aus

02:10:42: irgendwelchen Fachbüchern bekommt.

02:10:43: Sondern wenn du fragst, naja, wer war

02:10:46: in unseren besten 10 Kunden letztes Jahr.

02:10:48: Das ist nicht real, sondern ist Zugang

02:10:50: zu den Schnittstellen zum Beispiel zu

02:10:52: seinem C.A.M. hast. Und sich diese

02:10:54: Informationen

02:10:54: raussuchen kann. Und dann jeder

02:10:57: muss mit diesen

02:10:58: Informationen und mit diesem

02:10:58: Kontext überhaupt arbeiten kann und

02:11:00: agieren kann. Ja,

02:11:01: okay, total. Verstanden?

02:11:02: Da helft ihr mit,

02:11:03: zumindest auf diesem Weg

02:11:04: dahin, das

02:11:04: Verständnis aufzubauen, dass man

02:11:05: das braucht. Möglichst

02:11:06: individuell angepasst

02:11:07: an das Unternehmen.

02:11:08: Genau. Weil du brauchst

02:11:09: irgendwie proprietäre Daten und das

02:11:11: alles ist so wichtig im Feintuning der

02:11:13: Modelle, das zu nutzen. Weil dann sonst

02:11:15: wo ist da der, also du kannst...

02:11:17: Wobei, wir sagen also

02:11:18: wenigsten lohnt sich,

02:11:19: also alles sagen wir mal, wir müssen uns

02:11:20: eigentlich Modell trainieren oder Modell

02:11:25: trainieren. Das ist

02:11:26: das. Genau. Kontext-Engine.

02:11:27: Früher das gemacht hat, wirklich Modelle

02:11:29: in dem Sinne Feintuning, wo man wirklich

02:11:31: normal selber trainiert

02:11:32: hat. Das meinst du damit

02:11:33: nicht. Nee. Das war mal so,

02:11:35: das war mal so. War auch schon immer

02:11:37: eine dumme Idee, würde ich sagen. Du

02:11:38: Transferlernen irgendwie damals, das ist

02:11:40: aber das ist was anderes.

02:11:43: Bei Transferlernen ist

02:11:44: es bei traditioneller

02:11:45: KI. Warum? Weil traditionelle KI

02:11:47: baut auf

02:11:49: strukturierten Daten auf. Also die du

02:11:51: normalerweise in Tabellen findest, die

02:11:53: normalerweise bei dir im Unternehmen

02:11:55: generiert werden. Kein anderer hat diese

02:11:57: Daten. Das heißt, du

02:11:58: musst die Algorithmen

02:11:59: auf deinen Daten neu trainieren. Aber

02:12:01: die Frage ist, musst

02:12:02: du Sprache neu lernen?

02:12:04: Nur weil du jetzt von

02:12:05: Firma A zu Firma B gehst? Nee,

02:12:07: musst du nicht. Deswegen musst du

02:12:09: auch die meisten

02:12:10: Modelle einfach nicht neu

02:12:11: anfangen, weil du... Die sind ja da.

02:12:13: Die Sprache ist eine

02:12:15: Allzweck-Technologie.

02:12:16: Ja. Mit der können wir alles machen.

02:12:17: Okay, ja, nee, aber sehr schön. Es geht

02:12:18: wirklich um das

02:12:19: Kontext-Engineering. So das

02:12:21: ist ja auch so, dass es darum

02:12:22: from scratch sowieso nicht was zu bauen

02:12:24: und es recht auch nicht

02:12:25: irgendwas zu nachzujustieren

02:12:29: in dem Sinne, sondern man nutzt das, was

02:12:30: da ist. Ja. Und das ist halt

02:12:33: wirklich gerade immens. Ja. Und das

02:12:35: dann mit Kontext-Engineering

02:12:37: angepasst auf deinem Leben, mit den

02:12:39: Daten, die du hast. So

02:12:40: war rehen aufzubauen.

02:12:41: Wir haben ja noch Governance dahinter, so

02:12:43: dass es halt auch sicher ist und dass du

02:12:44: die Sachen auch abschließt kannst und dir

02:12:46: nicht Gedanken machen musst, dass die

02:12:49: irgendwo verschwinden und deinen

02:12:51: Daten der Properität

02:12:52: sind, die ja eigentlich

02:12:53: dein Wissen sind und die dich

02:12:55: ausmachen, nicht irgendwo anders landen.

02:12:57: Okay, weil dann hast

02:12:58: du auch wieder deinen

02:12:59: Wettbewerbsvorteil vielleicht verloren

02:13:00: aufgegeben, weil andere... Oder du hast

02:13:02: gegen irgendwelche DSGVO-Dabit

02:13:04: verstoßen. Ja, auf

02:13:06: einer Ebenen. Also Daten

02:13:07: schurzt, Daten Sicherheit, spielt hier

02:13:09: auch eine riesige

02:13:09: Rolle. Genau. Und das ist

02:13:10: wahrscheinlich ein

02:13:11: Thema, was euch auch immer

02:13:12: wieder begegnet. Ich

02:13:13: meine, das ganze große

02:13:14: Fass EUA-Eig, das wollen wir gar nicht

02:13:17: mehr darüber reden,

02:13:19: aber ich meine nur so,

02:13:20: das ist wahrscheinlich

02:13:20: eins, was dir ständig

02:13:21: begegnet euch, ist, okay, was dürfen

02:13:23: wir und was sind so die Leitplanken

02:13:26: insgesamt bei dem ganzen Thema? Genau.

02:13:28: Und das meiste ist, die Leute

02:13:30: agieren immer sehr viel aus Angst.

02:13:31: Es gibt fast immer eine technische

02:13:33: Lösung dafür. Man

02:13:34: darf eigentlich, wenn man

02:13:35: sich genau anschaut, man darf und kann

02:13:37: mehr machen, als man

02:13:38: machen kann. Also wenn

02:13:39: du zum Beispiel sagst,

02:13:40: oh, Claude ist gerade

02:13:41: die beste Plattform, die es gibt.

02:13:44: Ich kann mir Claude, das wissen auch die

02:13:45: Leute, die das machen. Ich kann mir das

02:13:46: in einer eigenen Instanz auf Amazon

02:13:48: Bedrock sozusagen komplett konform, mit

02:13:51: Verträgen und alles Mögliche aufsetzen,

02:13:53: dass alle meine Mitarbeiter auf Claude

02:13:55: zugreifen können und dass auch komplett

02:13:56: Datenschutzkonform und Souverän ist.

02:13:58: Wir machen das zum

02:14:00: Beispiel mit einem Partner

02:14:01: zusammen auch in Anwaltskanzleien,

02:14:04: wo wir ja mal sagen würden, in

02:14:05: einer Anwaltskanzlei herrschen

02:14:07: die strengsten Regeln oder mit die

02:14:09: strengsten Regeln und

02:14:10: es sind die, die genau

02:14:10: drauf schauen. Und wenn wir das schaffen,

02:14:13: das dann auch ein bisschen einzusetzen,

02:14:14: das funktioniert.

02:14:16: Da gibt es ja auch

02:14:17: dann ein Verträge dafür

02:14:18: und wenn wir das ja

02:14:19: von da auch mit Single

02:14:20: Sign on, dass jeder wirklich auch eine

02:14:21: 2 Faktor-Authentisierung da drin hat,

02:14:25: wenn wir das hinkriegen, dann kriegst du

02:14:26: es auch in anderen

02:14:27: Unternehmen drin, wenn du

02:14:27: weißt, wie du es

02:14:28: machen wirst. Also ihr seht

02:14:29: das produktiv schon. Also das schreibt es

02:14:31: nicht jetzt etwas, was jetzt eine gute

02:14:33: Idee wäre, sondern du siehst das in

02:14:35: der Zusammenarbeit hier in dem Bereich,

02:14:37: wird das schon on-scale, also in

02:14:41: der Zusammenarbeit, die wird es

02:14:41: auch schon auf der Anwaltskanzlei kommen. Und wenn die das, die werden es

02:14:43: ja wissen, hoff ich, wenn da irgendwas

02:14:44: wäre, was uns dann rechtlich

02:14:46: praktisch ist, dann...

02:14:47: Vor allem in den kleineren Teams. Um so

02:14:48: größer es wird, um so schwieriger

02:14:51: wird es. Also es gibt ja auch

02:14:52: unterschiedliche Plattformen, wir nennen

02:14:53: das immer

02:14:54: Betriebssystem für KI, da gibt's

02:14:55: das mein GPT Blockbrain. Langdorke

02:14:58: habe ich ja vorher genannt, die machen

02:14:59: wirklich tolle Arbeit, auch jetzt, wo sie

02:15:09: sagen, wie Party und Act, dass man

02:15:12: vielleicht doch irgendwann diese Daten

02:15:13: abziehen kann.

02:15:14: Natürlich, da gab's ja auch

02:15:15: so, müssen wir auch nicht darauf

02:15:15: eingeladen, ich sag's so

02:15:16: ein bisschen Shitstorm-Anfänge

02:15:17: so ein bisschen, aber sie haben die Kurve

02:15:19: sozusagen sehr, sehr positiv hingekriegt

02:15:21: jetzt und da können wir

02:15:22: nur stolz eigentlich sein,

02:15:23: muss man sagen. Ja, also...

02:15:26: Was die machen als

02:15:27: junges Startup, also die machen

02:15:29: sehr, sehr viel richtig, in einem Markt

02:15:31: wo ich sagen würde, es gibt so viele von

02:15:33: diesen Betriebssystemen.

02:15:34: Und das ist das eine, was wir machen,

02:15:36: den Unternehmen helfen, überhaupt diese

02:15:37: Logik hinter Betriebssystem zu verstehen

02:15:39: und das so, den

02:15:41: Kontext-Engineeren oder

02:15:42: den Harnis so zu geben

02:15:43: dass es mit ihrem

02:15:44: Wissen arbeiten kann. Und das zweite ist,

02:15:47: wir sagen ja, als du

02:15:48: damals den Leuten ein Computer

02:15:49: hingestellt hast, die kannst du ja nicht

02:15:50: einfach nur ein Computer

02:15:51: hinstellen und dann sagen, hier mach mal.

02:15:53: Wir müssen die ja auch mitnehmen

02:15:55: und verstehen, wie man

02:15:57: jetzt dieses Betriebssystem KI

02:15:59: gut nutzt. Wir sprechen da von

02:16:01: verschiedenen Ebenen von

02:16:03: Befähigung

02:16:05: und wir sagen so auf erster Ebene

02:16:07: und das finde ich super spannend.

02:16:09: Ich bin ja zum Beispiel auch Experte

02:16:11: für das

02:16:12: Entwicklungsprogramm der Vereinten Nation

02:16:13: und berate da Regierung

02:16:15: oft mal so in Osteuropa

02:16:18: und ein Konzept, das wir da auch

02:16:19: sehr stark pushen, ist

02:16:20: die Idee von AI-Fluhenziehe.

02:16:22: Das ist was anderes als AI-Literacy.

02:16:24: AI-Literacy wird ja

02:16:25: auch so ein bisschen

02:16:26: vorgeschrieben, KI-Kompetenz

02:16:28: wird das immer

02:16:28: gegenüber setz, das ist immer

02:16:29: dieses, was in der EU AI-Ach-Trin steht,

02:16:31: dieses Artikel 4, du musst

02:16:33: deine Mitarbeiter schulen,

02:16:35: wenn du sie nicht schulst, gibt's Strafen

02:16:37: von so und so vielen

02:16:37: Millionen, was aufnicht stimmt.

02:16:39: Aber irgendwann

02:16:39: vielleicht ja. Ja, was auch gerne

02:16:41: so ein bisschen von...

02:16:43: Angstmacherei. Angstmacherei, auch gerne

02:16:45: mal von ein paar

02:16:45: Unternehmen ausgenutzt wird

02:16:47: und dann irgendwelche Kunden zu bekommen.

02:16:48: Das wird gerne genutzt.

02:16:49: Aber Fluhenziehe, das ist interessant,

02:16:50: also Fluhenziehe übersetzt

02:16:51: auf Deutsch, ist ja so wie wenn du

02:16:53: lesen kannst. Genau.

02:16:55: Und zwar möglichst gut. Ja.

02:16:57: Also, eigentlich so

02:16:59: AI-Literacy, also KI-Kompetenz

02:17:01: beschreibt meiner Definition nach

02:17:03: eher so, ich verstehe wie KI funktioniert

02:17:05: und was ich deswegen damit machen

02:17:07: kann und was ich nicht machen kann. Ja.

02:17:09: Und dabei

02:17:09: Sprachmodellen ist eigentlich so

02:17:11: das Wichtigste, was du

02:17:12: verstehen musst, okay

02:17:13: KI basiert auf

02:17:15: Wahrscheinlichkeitsrechnung.

02:17:16: Das Wahrscheinlichste ist nicht immer das

02:17:17: Richtigste, ja. Jetzt

02:17:19: sagt hier zum Beispiel

02:17:19: der Wetterbericht, für

02:17:20: heute sagt es glaube ich

02:17:21: 30% Wahrscheinlichkeit regen. Ja.

02:17:23: Es regnet aber nicht,

02:17:25: Sonne scheint, weil jetzt der

02:17:26: Wetterbericht falsch,

02:17:27: nein, wenn wir diesen Tag

02:17:29: 10 mal den gleichen Tag erleben

02:17:31: würde, dann würde es

02:17:32: vielleicht an 3 Tagen davon

02:17:33: regnen. Also

02:17:33: statistisches Grundwissen, aber es ist

02:17:35: mehr als das, ne? Genau.

02:17:36: Deswegen, würdest du

02:17:37: ja auch Kontext geben,

02:17:38: weil wenn ein Sprachmodell

02:17:39: nicht genügend Kontext hat,

02:17:40: dann muss es mit seinem Weltwissen raten

02:17:42: und das Weltwissen ist

02:17:43: dann wieder nicht mehr das,

02:17:44: was vielleicht für dein

02:17:45: Unternehmen das Richtige

02:17:46: ist, relevant ist.

02:17:47: Und was ist Fluhenziehe

02:17:48: dann? Fluhenziehe finde

02:17:50: ich ein super spannendes

02:17:50: Konzept, das wurde von der Ringling

02:17:53: und Cork-Institut entwickelt

02:17:54: und das wurde dann von Antrophic später

02:17:57: adoptiert und es sagt

02:17:59: eigentlich Folgendes.

02:18:00: Und zwar, umso

02:18:01: fähiger die Sprachmodelle werden,

02:18:04: umso weniger ist KI ein

02:18:05: Werkzeug, sondern welches

02:18:07: Werkzeug kannst du überhaupt fragen,

02:18:09: wie du es benutzt und

02:18:11: es wird dir antworten.

02:18:12: Also

02:18:13: passt viel besser diese Analogie von

02:18:15: das ist eigentlich der

02:18:16: beste Research Assistent,

02:18:17: den du je hattest

02:18:19: und KI weiß wahrscheinlich oftmals besser

02:18:21: wie du ihn verwenden

02:18:22: kannst, als sonst was

02:18:23: und das heißt, wir müssen

02:18:25: hin kommen, wir haben jetzt jeder

02:18:27: bekommt seinen

02:18:27: eigenen Research Assistent.

02:18:30: Das heißt, wir müssen uns überlegen

02:18:31: wie schaut gute Zusammenarbeit aus

02:18:33: mit KI und gute

02:18:34: Zusammenarbeit hat viel Kriterien.

02:18:36: Also sie ist

02:18:37: effektiv, sie kriegt das

02:18:39: geschaffen, was sie schaffen soll.

02:18:41: Sie ist effizient, sie schafft es auch

02:18:43: unter der effizientesten

02:18:45: Aufwendung von Ressourcen. Und das alles

02:18:47: Fluhenziehe mit gemeint? Genau,

02:18:49: das ganze ist ja so.

02:18:50: Und dann ist es noch ethisch

02:18:53: und die Anwendung ist uns sicher.

02:18:56: Und Fluhenziehe sagt eigentlich

02:18:58: musst du überlegen,

02:18:59: wenn du eine Aufgabe hast

02:19:00: Wie würdest du es auf Deutsch übersetzen?

02:19:02: Ich habe gerade noch gedanklich dabei.

02:19:03: Ich habe jetzt diese vier Punkte.

02:19:04: Fließen da Umgang mit KI?

02:19:06: Ich bin immer noch sehr kritisch dabei,

02:19:08: dass es diesen Begriff

02:19:09: überhaupt braucht, aber du kannst

02:19:10: mit uns ja alle überzeugen. Es gibt also

02:19:11: Fluhenzieh in Literacy.

02:19:13: Also eine ist, wie

02:19:13: funktioniert KI, was sind die Vorteile

02:19:15: und Nachteile und was

02:19:16: kann ich daran machen

02:19:16: und Fluhenziehe ist, wie

02:19:18: aber dich gut mit KI zusammen.

02:19:21: Du hast die Literacy oder hast

02:19:22: erst die Literacy und

02:19:23: dann kannst du irgendwann die

02:19:24: Fluhenziehe belegen? Nein,

02:19:25: das geht eigentlich relativ

02:19:26: an den Fangen. Ist das

02:19:26: nicht so wie in der Sprache

02:19:27: B2C2 oder so? Nein, Fluhenziehe ist super

02:19:30: einfach zu lernen.

02:19:32: Kannst du AI Fluhenziehe vor Literacy

02:19:35: stellen? Würde ich immer.

02:19:38: Also bestes Beispiel.

02:19:40: Weil ich habe eine zeitlichen Reihenfolge

02:19:42: auch. Ja, ja, kannst du machen.

02:19:45: Würde ich sowieso immer machen.

02:19:46: Erklär uns das nochmal ganz kurz.

02:19:47: Du weißt ja, da sind vier Punkte.

02:19:49: Okay, da sind Sachen dabei.

02:19:51: Dann ist es eher so, ich

02:19:52: glaube in die Richtung,

02:19:52: in die du jetzt gegangen

02:19:53: wirst, hätte ich noch gesagt,

02:19:54: okay, das ist alles irgendwie Kompetenz.

02:19:57: Genau, vielleicht der Unterschied ist,

02:19:58: ist, nehmen wir das

02:20:00: Beispiel von Autofahren nochmal.

02:20:01: AI Literacy

02:20:04: wäre ich bringe dir bei,

02:20:06: du verstehst,

02:20:07: wie das Auto mechanisch funktioniert,

02:20:10: wie der Motor funktioniert und deswegen

02:20:11: verstehst du, wie man Autofahren kann

02:20:13: und was du mit einem Auto machen kannst.

02:20:14: Also keiner will doch ein Auto

02:20:17: verstehen. Ja, aber erst

02:20:17: aber schon ein bisschen.

02:20:18: Doch, ein bisschen was

02:20:19: musst du schon verstehen.

02:20:20: Genau, welche Knöpfe du drücken musst,

02:20:22: wie du das anmachst,

02:20:23: wie du ausmachen, wie

02:20:23: die Kupplung funktioniert.

02:20:24: Das sind technische

02:20:25: Sachen, die du verstehen musst.

02:20:26: Okay, aber wie ein Motor funktioniert,

02:20:27: will ja keiner wissen.

02:20:29: Beziehungsweise

02:20:30: ist es ja auch egal, ob

02:20:31: das ein Elektrofahrzeug

02:20:33: oder so, in der

02:20:34: Analogie ist weitergegangen.

02:20:35: Du musst nur abstrakte

02:20:35: Verständnis dafür haben,

02:20:37: wie ein Motor funktioniert, dass du immer

02:20:38: wieder tanken musst,

02:20:39: damit es funktioniert und damit du nicht

02:20:40: zu stark auf das Gas drückst

02:20:41: und von der Kupplung zu gehen, weil sonst

02:20:42: geht der Motor dir kaputt.

02:20:43: Okay. Was du eigentlich wissen willst,

02:20:45: wie du richtig mit dem Auto fährst.

02:20:47: Und das ist eigentlich eher Fluency.

02:20:49: Bringt dir bei, wie

02:20:49: gehst du richtig mit KI um?

02:20:51: Okay, also Fluency bezieht

02:20:52: sich hier auf das Benutzen

02:20:54: und Literacy auf die Grundlagen.

02:20:56: Okay, verstehe.

02:20:58: Okay, okay, verstehe.

02:20:59: Und Fluency sagt eigentlich,

02:21:01: wir haben,

02:21:04: wenn wir eine Aufgabe machen,

02:21:06: erstens können wir entscheiden,

02:21:07: wollen wir die Aufgabe

02:21:07: machen mit KI oder nicht mit KI?

02:21:09: Man kann jede Aufgabe in

02:21:10: Unteraufgaben unterteilen.

02:21:11: Und es gibt drei Arten, wie wir mit KI

02:21:13: zusammenarbeiten können.

02:21:15: Erstens, automatisiert.

02:21:17: Ich kann jetzt der KI

02:21:18: irgendwelche Sachen geben,

02:21:18: die sie automatisiert zurück gibt.

02:21:20: Wenn du zum Beispiel sagst, hey,

02:21:23: übersetze mir mal

02:21:25: den Text von Deutsch auf Englisch.

02:21:27: Eine automatisierte Aufgabe.

02:21:29: Oder wenn du sagst, hey,

02:21:31: gib mir mal vom

02:21:32: Tristan nicht Interview dem,

02:21:33: gib mir da nochmal eine Übersicht

02:21:35: und such mir mal alle

02:21:35: relevanten Informationen raus

02:21:36: zu seinem Lebenslauf und mach mir mal

02:21:38: eine kleine Zusammenfassung.

02:21:39: Ist ja auch zum Großteil automatisiert.

02:21:42: Der zweite Punkt ist augmentiert.

02:21:43: Dass du jetzt dann in

02:21:44: Spelting gehen gehst

02:21:45: und sagen, du wirst zum

02:21:46: Beispiel zu deiner KI,

02:21:46: jetzt habe ich die Informationen.

02:21:48: Und jetzt lass doch mal

02:21:48: überlegen, was könnten denn

02:21:49: Fragen sein, die interessant sind,

02:21:51: die ich den Tristan frage.

02:21:53: Es hilft mir, praktisch

02:21:55: kreativ irgendwie Probleme zu finden

02:21:56: oder andere Probleme zu lösen.

02:21:59: Und das Dritte ist agentisch.

02:22:01: Ich gebe der KI eine Aufgabe

02:22:03: oder setze KI auf,

02:22:04: um in meinem Namen irgendwas zu machen.

02:22:06: Das Beispiel sind irgendwie Chatbots,

02:22:10: auf meiner Webseite,

02:22:11: die mit meinem Firmen wissen,

02:22:12: mit den Leuten interagieren.

02:22:14: Aber jetzt ist es super einfach geworden,

02:22:17: auch Agenten zu

02:22:17: bauen, kannst du ja überall

02:22:19: Agenten sozusagen bauen, die dann für

02:22:20: dich irgendwas machen.

02:22:21: Und das ist zum Beispiel

02:22:22: auch, was wir viel machen,

02:22:23: das Ganze zu systematisieren.

02:22:25: Dass wir zum Beispiel dann überlegen,

02:22:27: welche Systeme müssen

02:22:28: eigentlich hinter Agenten stehen,

02:22:29: damit es auch gut funktioniert

02:22:30: und du keinen

02:22:30: Agenten-Chaos im Unternehmen hast.

02:22:32: Aber du hast diese Art und Weise,

02:22:34: wie du überhaupt mit KI

02:22:35: zusammenarbeiten kannst

02:22:37: und verschiedene Skills.

02:22:38: Und vielleicht will die

02:22:39: Leute die zuhören und sagen,

02:22:40: okay, das finden sie interessant.

02:22:41: Macht einfach mal die Aufgabe und sagt,

02:22:43: das ist so ein bisschen um zu verstehen,

02:22:44: wie KI funktioniert.

02:22:45: Und gibt einfach mal so

02:22:46: einen ähnlichen Prompt ein,

02:22:47: wie zu sagen, hey, gib mir den KI ein.

02:22:51: Er kennt sich ja eh viel besser aus

02:22:52: mit KI, wie er sich selbst nutzen kann.

02:22:54: Er hat ja das ganze Weltwissen dazu

02:22:55: praktisch irgendwie mehr oder weniger

02:22:57: in seinem Training verinnerlicht.

02:23:00: Dann sagst du, hey, du bist ja Experte,

02:23:02: wie ich dich nutzen kann für KI.

02:23:05: Wir haben uns auch schon mal die Frage,

02:23:06: also wir gehen

02:23:06: wirklich dieser Interaktion,

02:23:08: diese Zusammenarbeit, wir

02:23:09: gehen in eine Interaktion.

02:23:10: Wir stellen mir mal

02:23:11: Fragen, was du ja nicht weißt,

02:23:12: was ich unbedingt die ganze Zeit mache

02:23:14: oder den ganzen Tag mache.

02:23:16: Fragen, um zu verstehen,

02:23:18: was ist denn meine

02:23:18: Aufgabe, die ich mache,

02:23:19: was mache ich die

02:23:20: ganze Zeit im Unternehmen

02:23:21: und dann helf mir, sobald du

02:23:23: vielleicht nach 10 Fragen oder sobald du

02:23:25: ein gutes Bild davon hast,

02:23:26: was ich mache.

02:23:27: Du musst ja immer das Feedback geben,

02:23:29: weil du ja viel besser

02:23:30: weißt, als KI, was du machst.

02:23:33: Jetzt helf mir mal, mit

02:23:35: dem Wissen zu verstehen,

02:23:36: welche meiner Aufgaben

02:23:37: kann ich automatisieren mit KI,

02:23:39: welche der Aufgaben

02:23:39: kann ich augmentieren,

02:23:41: welche kann ich irgendwelche Agenten...

02:23:42: Also augmentieren heißt

02:23:43: nicht vollautomatisieren,

02:23:45: sondern ich mache das weiter als Mensch.

02:23:46: Mit dir zusammen, du

02:23:47: bist mein Spanienpartner.

02:23:49: Ähnlich wie ich

02:23:50: damals mit Lord Aderternam,

02:23:51: wo er mich bewegen hat,

02:23:52: seinen Wissen zu lesen

02:23:53: und dann mit ihm in Spanien zu gehen,

02:23:55: was bedeutet irgendwie dieses KI-Buch

02:23:57: für soziale Ungleichheit

02:23:59: oder demografischen Wandel,

02:24:00: was ist der Effekt von KI.

02:24:02: Gehst du dann in Spanien

02:24:03: oder wo kann ich dich denn...

02:24:04: Das ist cool. Und dann gibt dir die KI

02:24:04: letzten Endes den besten Weg,

02:24:07: sie selber zu nutzen.

02:24:09: Und wenn du das konsequent machst,

02:24:11: also wenn du dann so die Übung,

02:24:12: dann machen wir immer so

02:24:12: Workshops mit den Leuten,

02:24:13: dann passiert Folgendes. Die

02:24:15: Leute sagen dann erstmal so,

02:24:17: wow, mega cool.

02:24:19: Ich habe jetzt das erste Mal verstanden,

02:24:20: dass KI nicht ein besseres Google ist

02:24:23: und ich habe verstanden, ich

02:24:24: kann das ja für alles nutzen.

02:24:25: Und das ist dann immer so der Feedback,

02:24:27: das wir bekommen. Und das ist

02:24:28: eigentlich so die Grundlage,

02:24:29: die wir

02:24:31: jeden mitgeben wollen im Unternehmen

02:24:33: und nicht nur jedem im Unternehmen.

02:24:35: Jeder in der

02:24:35: Gesellschaft sollte das können.

02:24:37: Das ist was, was ich

02:24:38: dann auch immer bei der UN

02:24:39: und bei der Regierung sage, hey,

02:24:41: unterrichtet, afluentzieht,

02:24:42: es dauert nur einen halben Tag,

02:24:43: ihr setzt euch mit den Leuten

02:24:44: hin, super einfach zu machen.

02:24:46: Und dann das zweite ist,

02:24:48: jetzt brauchen wir irgendwie so ein paar

02:24:49: AI-Embassader,

02:24:52: also ein paar

02:24:52: Power-Nutzer im Unternehmen,

02:24:54: die verstehen, okay, wie kann ich jetzt

02:24:56: irgendwie im Unternehmen Systeme aufbauen

02:24:57: um dann irgendwie auch

02:24:59: Agenten strukturierter aufzusetzen

02:25:01: und damit nicht alles

02:25:02: irgendwie in einem Chaos

02:25:03: versinkt. Okay, und die findet man

02:25:05: dann hoffentlich.

02:25:07: Und wenn nicht, dann muss man sie von

02:25:08: draußen noch einholen.

02:25:09: Das ist ja bei manchen ofern Imps das so.

02:25:10: Also manchmal hast du das

02:25:11: Glück, du hast intern schon die,

02:25:12: die du im Botschaften hast.

02:25:15: Du musst die richtigen,

02:25:17: ich sage ja,

02:25:18: das war ja der

02:25:19: Einstieg, du hast ja gesagt,

02:25:21: mein Slogan bei LinkedIn,

02:25:22: ich sage, es ist nie einfacher,

02:25:23: KI zu lernen oder KI zu machen.

02:25:25: Weil KI jetzt deine Sprache spricht.

02:25:27: Das heißt, du kannst selbst

02:25:28: Leute, die einfach nur sagen,

02:25:29: ich habe Bock drauf.

02:25:30: Das Wichtigste ist

02:25:31: eigentlich, ich bin neugierig,

02:25:32: ich habe Bock drauf, ich will was machen.

02:25:35: Die können schon deine

02:25:36: AI-Embassader werden.

02:25:37: Die müssen einfach ein

02:25:38: bisschen Initiativer haben

02:25:39: im Unternehmen, das sind

02:25:40: so die perfekten Leute.

02:25:42: Ich glaube, dass du mal überrascht bist,

02:25:44: dass gewisse Menschen vielleicht privat,

02:25:46: weil sie viel Sport

02:25:46: machen und das irgendwie

02:25:47: mit KI auswerden oder was auch immer,

02:25:50: dass es da auch eine

02:25:51: Diskrepanz vielleicht gibt,

02:25:51: dass Menschen, die im

02:25:52: Berufsalter gar nicht so viel KI

02:25:53: einsetzen, durch aus privat

02:25:55: schon so viel KI einsetzen,

02:25:56: dass sie sich super eignen würden,

02:25:58: so Botschafter oder

02:25:59: Botschafterin zu werden.

02:26:00: Aber man muss sie

02:26:00: halt irgendwie nur finden

02:26:01: und gewinnen und dann aufbauen.

02:26:03: Und da könnt ihr dann auch mit...

02:26:05: Genau, das machen wir,

02:26:08: wir machen sehr viel,

02:26:09: dass wir so, also das

02:26:10: andere war ja Betriebssystem,

02:26:12: Betriebssystem auch ausrollen,

02:26:13: auch in größeren Unternehmen rollen wir

02:26:14: das dann zum Beispiel aus.

02:26:15: Und dass wir dann

02:26:16: halt solche AI-Embassader

02:26:18: dann befähigen

02:26:19: und ihnen auch ganz klare KPIs mitgeben

02:26:21: und dann mehrere Touchpoints

02:26:23: über mehrere Monate

02:26:24: haben, wo wir sie trainieren

02:26:25: und die dann auch das,

02:26:27: was ich dir jetzt sage,

02:26:28: die ihnen auch zeigen

02:26:29: und zeigen, wie sie das selbst umsetzen.

02:26:32: Und was du ja machen willst,

02:26:33: du willst ja sehr

02:26:34: viel Systeme dann bauen.

02:26:36: Ich gebe dir mal ein Beispiel dafür,

02:26:38: was ich meine, mit Systeme

02:26:40: aufbauen, ist zum Beispiel

02:26:42: Reisekostenabbrechen.

02:26:45: Das wird im Unternehmen,

02:26:47: wird das meistens je nachdem größer,

02:26:49: wird das meistens immer von einer Person

02:26:49: oder von einer Abteilung geleitet.

02:26:52: Das ist eine Dienstleistung,

02:26:53: die die ans ganze Unternehmen anbieten.

02:26:57: Und

02:26:57: Reisekostenabbrechnung total nervig,

02:26:59: mag irgendwie keiner,

02:27:00: ich mag's auch nicht.

02:27:01: Du kannst jetzt super

02:27:02: hingehen, du gehst jetzt praktisch hin

02:27:04: und suchst genau solche Sachen aus.

02:27:05: Was sind denn die Dienstleistungen,

02:27:07: die ich nicht nur im Team habe, sondern

02:27:08: die vielleicht mein Team

02:27:09: an andere im Unternehmen macht?

02:27:13: Die irgendwie so auch ein bisschen

02:27:14: standardisiert sein müssen

02:27:16: und gehst dann hin mit den Leuten

02:27:17: und bau's mit denen

02:27:18: dann dafür ein Agent auf.

02:27:20: Weil die müssen ja immer diesen

02:27:21: Output sozusagen, die kriegen den ja

02:27:24: und die müssen den ja verarbeiten.

02:27:25: Das heißt, dieses Team

02:27:26: sollte auch das Team sein,

02:27:28: dass diesen Agenten

02:27:29: baut und diesen Agenten auch ohnt.

02:27:32: Weil was du ja nicht haben kannst,

02:27:33: das ist nicht ein Mitarbeiter.

02:27:36: Es ist was anderes als ein Mitarbeiter,

02:27:38: weil ich habe die Verantwortung

02:27:40: für den Agenten, den ich bau.

02:27:41: Wenn ich Mitarbeiter habe, hat der

02:27:43: Mitarbeiter hoffentlich

02:27:43: auch so ein bisschen

02:27:44: Selbstverantwortung für sich selbst.

02:27:45: Bei einem Agenten ist es nicht so.

02:27:49: Das heißt, ich muss

02:27:49: mich mit denen hinstellen

02:27:50: und

02:27:52: gehe halt hin und überlege,

02:27:54: hey, wie machen wir dir die

02:27:55: Reisekostenabrechnung

02:27:56: und es war nie einfach

02:27:56: an einen Agenten zu bauen.

02:27:58: Du kannst dir vorstellen,

02:27:59: wie

02:28:01: du machst jetzt immer, du bist wie wer so

02:28:03: die Reisekostenabrechnung macht

02:28:04: und jetzt komm, du gehst in Ulop

02:28:07: und du musst deinen Kollegen anbauen,

02:28:08: dass er für dich die

02:28:09: Reisekostenabrechnung macht

02:28:10: von den ganzen Unternehmen.

02:28:13: Du sagst ein paar Mal durch,

02:28:14: sagst genau, wie du es machst,

02:28:16: welche Werkzeuge du da vielleicht

02:28:17: für verwendest und lässt den dann

02:28:19: ein, zwei, drei Mal die

02:28:20: Reisekostenabrechnung machen.

02:28:21: Bis es zwei Stunden funktioniert.

02:28:23: Das ist halt noch heutzutage nicht mehr,

02:28:24: es ist wirklich so

02:28:25: einfach, du hast einfach Sprache,

02:28:26: nutzt es dafür, weißt du,

02:28:28: und dann guckst du, ob es

02:28:29: geht und dann wird dieser Agent

02:28:30: und deswegen brauchst du ein

02:28:31: Betriebssystem für alle

02:28:32: im Unternehmen, wird diese Fähigkeit,

02:28:35: dieser Skill, davon spricht man ja,

02:28:37: weil das ist dieses

02:28:37: Format, in dem Agenten

02:28:39: heutzutage gebaut werden,

02:28:40: in diesem Betriebssystem,

02:28:41: und das hat sich mit dieser Skill

02:28:42: ans ganze Unternehmen ausgerollt.

02:28:44: Das heißt, ich habe jetzt

02:28:45: jeder meiner Mitarbeiter,

02:28:46: zum Beispiel bei uns ist so,

02:28:49: der geht dann in den

02:28:49: Kalender rein einmal im Monat

02:28:50: und der geht in die E-Mails rein,

02:28:53: weil ich muss ja

02:28:54: gucken in meinem Kalender,

02:28:55: wo bin ich denn hingegangen

02:28:56: und in die E-Mails muss ich vielleicht

02:28:57: noch ein bisschen Kontext dazu haben

02:28:59: und zu verstehen, bin ich

02:29:00: da mit dem Auto hingefahren,

02:29:01: bin ich dahin geflogen, weil

02:29:02: ich muss ja unterschiedlich

02:29:03: abrechnen, habe ich da

02:29:04: übernachtet oder nicht.

02:29:05: Geht dann zum Beispiel einmal im Monat

02:29:07: rein

02:29:09: und ich habe dann die

02:29:09: ganzen Informationen raus

02:29:10: und fragt dann den Mitarbeiter.

02:29:13: Warst du dann da, bist du

02:29:15: hier wirklich im Dialog?

02:29:16: Im Dialog, ja, sehr cool.

02:29:17: Deswegen machen wir

02:29:18: das auch einmal im Monat

02:29:19: und nicht einmal im Jahr, weil im Monat

02:29:20: können sich die Leute noch merken.

02:29:22: Das heißt, wir haben

02:29:22: gute Human in der Loop

02:29:24: da drin, wenn er alle Informationen hat.

02:29:26: Nach dem Standard, vom Controlling

02:29:28: wird dann diese

02:29:29: Reisekostenabrechnung nachgebaut

02:29:31: und der kann das dann hinschicken.

02:29:32: Cooler Beispiel.

02:29:33: Cooles Beispiel und weil auch viele sich

02:29:37: die Leute versetzen

02:29:38: können, diesen Schmerz.

02:29:39: Deswegen mega, kann ich

02:29:40: mir sehr gut vorstellen.

02:29:41: Jetzt haben wir ganz

02:29:42: viele Themen und verstanden,

02:29:43: dass das alles irgendwie A.I. Strategy

02:29:45: oder KI-Strategie ist und am Ende da

02:29:47: ganz viel Hilfe an die Hand

02:29:50: nehmen nötig ist und da hilft ihr mit,

02:29:52: jetzt ganz kurz nochmal

02:29:53: zu dem Anfang zu kommen.

02:29:55: Dann habe ich gesagt,

02:29:56: okay, nie so einfach

02:29:57: gewesen, KI zu machen,

02:29:58: gleichzeitig redest du

02:29:59: von zehn harten Wahrheiten.

02:30:01: Wir wollen nicht alles

02:30:02: speulern, aber du hast

02:30:03: jetzt ein Buch, wenn wir

02:30:03: diese Episode veröffentlichen,

02:30:05: das ist auch dein Buch gerade raus.

02:30:08: Ja.

02:30:08: Wie gesagt, nicht so

02:30:09: viel Spreudern, aber du hast

02:30:09: gesagt, zehn harte Wahrheiten.

02:30:14: Einfach nur mal ganz,

02:30:15: nicht die Inhaltsspeudern,

02:30:16: aber ganz, ganz

02:30:17: wirklich nur mal ganz kurz

02:30:18: zum Abschluss jetzt gesagt.

02:30:19: Was hat dich dazu getriggert,

02:30:21: dieses Buch jetzt zu schreiben?

02:30:24: Das ist entstanden.

02:30:26: Ich habe das jetzt zusammen mit dem Klaus

02:30:27: Matzea geschrieben.

02:30:28: Der Klaus Matzea war damals

02:30:31: damals, aber immer noch viel

02:30:33: mit der Börse Online

02:30:36: und Börse Medien, hat damals

02:30:38: das Euro Magazin

02:30:39: und Börse Online das Magazin

02:30:42: in München praktisch so geleitet.

02:30:43: Und ich bin erst reingekommen

02:30:45: für ein Interview.

02:30:47: Er hat dich interviewt?

02:30:48: Nicht eher, sondern einer seiner Reporte

02:30:51: hat mich interviewt

02:30:52: und dann haben wir uns

02:30:53: ausgetauscht und dann

02:30:54: fand er super spannend und

02:30:55: dann haben wir sie erst

02:30:55: beraten und haben den geholfen

02:30:57: besser KI zu integriert.

02:30:59: Haben da praktisch Langdoc ausgerollt

02:31:01: und dann

02:31:04: haben wir uns immer mittags getroffen

02:31:07: und haben uns einfach immer

02:31:09: ausgetauscht und dann saßen immer

02:31:10: immer da und haben gemerkt,

02:31:11: auch wenn wir jetzt

02:31:13: unterschiedliche Generationen

02:31:14: sind, wir haben irgendwie sehr viel

02:31:15: darüber zu sprechen und es ist irgendwie

02:31:16: sehr interessant.

02:31:19: Und voll nicht mehr...

02:31:21: Jetzt hätte ich grad bei den Mehrwerten

02:31:24: Langdoc und so wunderbar und jetzt

02:31:25: komm, jetzt lass uns

02:31:26: mal ein paar kritische

02:31:27: Sachen raus.

02:31:29: Wir haben nicht immer dieses

02:31:31: Verschönte

02:31:32: sondern sagen, was sehen wir eigentlich

02:31:35: und was haben wir das

02:31:36: Gefühl, diese Technologie

02:31:37: wird sie mit uns machen.

02:31:39: Weil es ist eine extrem neue Technologie,

02:31:41: also wenn wir von generative KI sprechen

02:31:43: wir haben sie noch nicht mal fünf Jahre

02:31:45: und wir haben das ja schon bei anderen

02:31:47: Technologien erlebt, was für

02:31:49: positive, aber auch negative

02:31:52: Aspekte sie auf unsere Gesellschaft

02:31:53: hatten. Das kam erst viel später.

02:31:55: Zum Beispiel bei

02:31:57: einer der schlimmsten Sachen

02:31:59: für uns als Gesellschaft ist

02:32:01: wahrscheinlich Social

02:32:01: Media. Wir haben am

02:32:02: Anfang gedacht, so ist es

02:32:03: super. Net-negative, also hat

02:32:04: auch viele positive Aspekte,

02:32:05: was gibt halt auch...

02:32:06: Ich glaube, ich glaube,

02:32:07: auf jeden Fall net-negative.

02:32:08: Kann man's ändern? Nein, Social

02:32:11: Media ist gekommen, um zu

02:32:12: bleiben. Ich meine, das ist

02:32:13: klar logisch, aber

02:32:14: man muss natürlich auch

02:32:15: mit den negativen

02:32:16: Konsequenzen die erkennen,

02:32:18: damit umgehen können und so.

02:32:19: Aber geht's darum in den Buch? Wir wollen

02:32:21: wie es erinnerlich

02:32:21: nicht so viel spoilern.

02:32:22: Zum Beispiel im

02:32:23: Eingepotel geht es genau darum,

02:32:25: was wir schon gesehen haben

02:32:28: bei Social Media.

02:32:29: Das ist Teil dieses

02:32:30: Buchs, weil ich hab jetzt

02:32:31: gerade so im Kopf, du

02:32:32: hast jetzt jemanden, der

02:32:33: mit dir geschrieben

02:32:33: hat, der eher so aus der

02:32:34: Finance Welt kommt,

02:32:35: oder? Nein, der kommt...

02:32:37: Ich meine, der war auch lange

02:32:39: Redakteur im Spiegel und so weiter,

02:32:41: der hat immer über Tech geschrieben.

02:32:43: Es geht gar nicht um

02:32:44: Finance, weil du hast

02:32:45: eben gesagt, du hast das

02:32:45: erste Kapitel geschrieben,

02:32:46: das erste Kapitel, du

02:32:47: hast das zweite, du hast das

02:32:48: zweite. Genau, das

02:32:48: erste Kapitel, das Kapitel,

02:32:49: warum trifft es die

02:32:51: jungen Leute jetzt gerade

02:32:53: inwieweit, warum bringt

02:32:55: jemand wie der Papst?

02:32:57: Warum schreibt der Papst

02:33:00: seine

02:33:01: erste große Publikation über

02:33:03: künstliche Intelligenz?

02:33:05: Inwieweit ist KI

02:33:06: vielleicht eine Religion?

02:33:07: Oder was steckt

02:33:08: dahinter? Was sind da Parallelen,

02:33:09: die wir sehen?

02:33:11: Warum kommen wir in Europa

02:33:13: oder in Deutschland

02:33:15: wirft KI

02:33:17: gerade die Frage auf,

02:33:19: ob es ein großer Fehler war

02:33:21: um uns von Nuklearstrom

02:33:23: Atomstrom

02:33:25: zu verabschieden.

02:33:27: Inwieweit ist denn KI

02:33:28: wirklich umweltschädlich?

02:33:31: Inwieweit ist KI ein falscher Freund

02:33:33: ähnlich wie bei sozialen Medien?

02:33:36: Was passiert denn überhaupt

02:33:37: wenn wir die ganze Zeit unsere

02:33:39: Geheimnisse KI

02:33:41: veranvertrauen?

02:33:43: Du hast jetzt schon genug Neugierige weg,

02:33:45: finde ich.

02:33:46: Du willst noch viel

02:33:47: mehr erzählen, aber dann

02:33:49: wir sind zu viel.

02:33:50: Ich wollte ja vor

02:33:51: allem den Träger verstehen.

02:33:52: Du hattest da jemanden kennengelernt

02:33:54: und ihr beidabt euch mega ergänzt.

02:33:55: Das können wir so sagen.

02:33:57: Teilweise auch schon Perspektiven,

02:33:59: fast schon Generationen übergreifen.

02:34:01: Das ist auch so ein schönes Wort.

02:34:02: Fast schon in die Richtung geht das.

02:34:04: Und dann habt ihr

02:34:05: jetzt da Dinge beleuchtet,

02:34:06: die eigentlich für alle

02:34:07: Menschen draußen relevant sind.

02:34:08: Das geht jetzt nicht nur darum,

02:34:09: Menschen in den

02:34:10: Lebenskontext zu übergeist,

02:34:12: was dich

02:34:12: normalerweise tagtäglich antreibt

02:34:17: und was ich reinlesen sollte.

02:34:19: Man sieht auch unseren Dialog,

02:34:21: ich schreibe das erste Kapitel

02:34:22: und dann kommt Klaus rein

02:34:25: und schreibe dann 2-3 Seiten

02:34:26: der Replik auf mein Kapitel.

02:34:27: Dann schreibe es der 2. Kapitel,

02:34:29: ich schreibe dann so wie ich das

02:34:32: dann sehe.

02:34:32: Sehr schön.

02:34:34: Und was mich sehr gefreut hat,

02:34:36: ich habe ja erzählt, ich

02:34:37: habe ja für Lord Adder Turner

02:34:38: damals, das war so mein Anfang,

02:34:40: mit dem Wirtschafts- und

02:34:42: Philosophie Background.

02:34:43: Da hätte ich jetzt fast erwartet,

02:34:45: dass das wirklich noch mal so ein schöner

02:34:47: closed loop ist jetzt.

02:34:48: Zurück zu den Anfängen.

02:34:50: Genau, zurück zu den Anfängen

02:34:51: und Lord Adder Turner,

02:34:52: wenn man ihn nicht kennt,

02:34:54: ist ein ziemlich großes Tier

02:34:55: in den Fussklingen.

02:34:56: Wie viel Zitate weißt du das?

02:34:58: Ich habe es jetzt nicht

02:34:58: von ihm da drin so gesehen.

02:35:00: Ja, genau, insgesamt, weil man sagt ja

02:35:01: mal so in der Forschung,

02:35:02: alles geht über Paper und Zitate.

02:35:04: Wahrscheinlich aber

02:35:05: viele, weil du weißt das Tier,

02:35:07: da müsste man es ja...

02:35:07: Es geht nicht aus der Forschung,

02:35:13: sondern aus der Forschung,

02:35:13: das wird ja schon mal ein bisschen verheiratet, während der Finanzkrise

02:35:15: in der UK.

02:35:17: Er hat damals die erste Climate Change

02:35:22: Commission

02:35:22: in Großbritannien geleitet.

02:35:25: Bist du mit dem noch mal Austausch?

02:35:27: Er hat es vorwärts geschrieben.

02:35:28: Das vorwärts

02:35:29: geschrieben und das in Englisch.

02:35:31: Ich habe sie einmal mit

02:35:35: Diepel auf Englisch übersetzt

02:35:36: und es ihm dann geschickt.

02:35:38: Und er hat gesagt so

02:35:41: wir haben ja früher zusammengearbeitet.

02:35:44: Ich lese es mit,

02:35:45: er schreibt nur ein Vorwort,

02:35:47: er schreibt keine Vorwörter

02:35:48: von Büchern, die er nicht kennt.

02:35:49: Er liest es sich durch

02:35:50: und das Schöne ist, im ersten Kapitel

02:35:52: geht es auch sehr viel

02:35:53: um unsere Zusammenarbeit,

02:35:54: weil wir haben auch schon

02:35:55: über so ein paar Sachen geschrieben.

02:35:56: Er hat gesagt,

02:35:58: er hat es in einem Wochenende,

02:36:02: in einer Sitzung, hat das durchgelesen.

02:36:03: Er fand es mega gut.

02:36:05: Er hat dann gesagt, hey, dafür schreibe

02:36:07: ich dann auch ein Vorwort.

02:36:08: Und hat dann ein Vorwort geschrieben.

02:36:09: Und dann haben wir dann von Englisch

02:36:10: wieder aus Deutschland übersetzt.

02:36:11: Das ist aber jetzt

02:36:11: ein geiler Schlusspunkt.

02:36:13: Mega. Ich würde sagen, wir machen hier ein Cut.

02:36:16: Neugier ist geweckt. Lass

02:36:17: es doch Folgendes machen.

02:36:19: Menschen, die das jetzt lesen wollen.

02:36:20: Vor allem dieses zweite Buch.

02:36:22: Das jetzt zu diesem Zeitpunkt, wo wir

02:36:23: dieses hier veröffentlichen,

02:36:24: das müsste er dann raus sein.

02:36:25: Diese Woche.

02:36:27: Ich freue mich total.

02:36:30: 10 harte Wahrheiten.

02:36:31: Über Künstlinge Intelligenz.

02:36:33: Die ersten fünf, die dir

02:36:36: schreiben auf LinkedIn.

02:36:37: Die haben ein Link in Profil.

02:36:39: Die müssen dir schreiben.

02:36:40: Die kriegen dieses Buch vor free.

02:36:43: Genau.

02:36:43: Ich hoffe, die sind irgendwo

02:36:46: am anderen Ende des Planeten.

02:36:48: Wir müssen in Deutschsprach und Europa.

02:36:51: Wenn ihr in Europa seid, zuhört.

02:36:53: Und dann schreit mir aber

02:36:53: auch das in den Podcast.

02:36:55: Genau.

02:36:55: Und dann schicke ich euch die zu.

02:36:57: Mega.

02:36:58: Und uns kannst du auch gerne ein paar

02:37:00: Exemplare zu schicken.

02:37:01: Hörst du an.

02:37:03: Hochspannend.

02:37:05: Und dann machen wir das.

02:37:05: Weil wir da so weit reingehen konnten.

02:37:08: Wir machen einen Update.

02:37:10: Vielleicht auf der Date am Plakt.

02:37:11: Wir machen einen anchor.

02:37:12: Wir machen auch Pottkast.

02:37:13: Kommt einfach rum.

02:37:14: Dann können wir da mal ein Update machen,

02:37:15: wie alles so, wie es angelaufen ist,

02:37:17: bei der Mitbuch.

02:37:18: Mit AI Institute.

02:37:19: Das fällt also bewegt sich so schnell.