Beyond AI

„Da gibt es keine Ausnahmen.“ Bei diesem Satz wird Viktoria in KI-Projekten hellhörig. Denn was für die Kollegen seit Jahren zum Alltag gehört, landet noch lange nicht im Testdatensatz. Die Demo funktioniert, beim Rollout stolpert die Lösung über das dritte Dokument – und plötzlich müssen die Leute nacharbeiten, denen die KI eigentlich Arbeit abnehmen sollte.

Viktoria und Theo sprechen darüber, wie man solche Überraschungen früher findet. Das beginnt schon bei der Auswahl des Problems: Der erste Use Case, den jemand in die Runde wirft, ist selten gründlich durchgerechnet. Und hinter dem Wunsch, zwei Excel-Tabellen loszuwerden, steckt manchmal eine IT-Landschaft, die komplett umgebaut werden müsste.

Dann geht’s ans Datenchaos: Erst aufräumen oder gleich die KI drauflassen? Die beiden besprechen, wo sie beim Sortieren hilft und wo sie bloß mit viel Rechenleistung überspielt, dass niemand weiß, welche Daten eigentlich stimmen. Das kann in einer Demo beeindruckend aussehen. Die Rechnung für den täglichen Betrieb möchte man trotzdem nicht bezahlen.

Außerdem geht es um die Leute, die so ein Projekt zusammenhalten: jemanden, der die Sonderfälle kennt, jemanden, der Entscheidungen trifft – und eine Verbindung zwischen dem, was die Mitarbeiter brauchen, und dem, was die Geschäftsführung vorhat.

Produktionsleiter bei Jungheinrich, Einkaufschef bei Dräxlmaier, Geschäftsführer im Mittelstand – und dann der bewusste Schritt in den Hörsaal. Prof. Dr. Maik Steinmetz lehrt heute an der TH Rosenheim und berät gleichzeitig Unternehmen. Mit Theo spricht er über zwei Themen, die auf den ersten Blick nichts verbindet: Kreislaufwirtschaft und KI. Seine Antwort darauf, was sie gemeinsam haben, führt über die Dampfmaschine, ein Elektroauto mit 175 Kilometern Reichweite – und eine Zahl, die jeder Lean-Manager kennt.

Erst Nachhaltigkeit: Stimmt der böse Satz, dass man sie nur betreibt, solange man sie sich leisten kann? Warum rät Maik seinen Studierenden, in 50 bis 100 Jahren zu denken statt in fünf? Wieso liegen bei fast jedem zwei, drei alte Handys in der Schublade, obwohl wir beim Liefernlassen Weltmeister sind – und was passiert mit einem europäischen Auto, nachdem es nach 15 Jahren den Kontinent wechselt?

Dann KI: Warum werden Masterarbeiten im Schnitt gerade schwächer – und was muss ein Absolvent trotzdem so sicher beherrschen wie ein Ingenieur den Taschenrechner? Wie finden zehn Mittelständler gemeinsam heraus, auf welches KI-Pferd sie setzen sollen, ohne dass jeder dieselben teuren Fehler macht? Und was steckt hinter der Aussage, das jede SAP-Einführung neben der KI-Transformation wie ein Wochenendprojekt aussehen lässt?

Zum Schluss erklärt Maik, warum sein Leitmotiv „Don't Stop Believing" heißt und wieso er findet, dass wir längst im Paradies leben.

Drei Transkripte und ein Strategiepapier rein, ein paar Minuten später stehen perfekte Folien – und erst beim Review fällt Theo auf, dass die gesamte Argumentation gar nicht von ihm stammt. Er hat sie nur abgenickt, weil sie plausibel klang. Vor ein paar Folgen haben wir noch gefeiert, dass uns die KI das mühsame Reinfuchsen abnimmt. Jetzt kommt die Rechnung: Die Frustrationsphase, die die KI wegkürzt, war eigentlich die Lernphase. Also – braucht Lernen das Tal der Schmerzen noch, oder geht es auch ohne?

Wir gehen der Frage in vier Bereichen nach. Beim eigenen Lernen: Warum bleibt Wissen aus drei Tagen Lehrbuch hängen, aus zwei Stunden KI-Dialog aber kaum – und was sagt eine Studie über Mathe-Lern-Apps, die zu früh helfen? Beim Bewerben: Was verrät eine perfekte Bewerbung heute noch über den Menschen dahinter? Theo erzählt aus dem Erium-Recruiting – von Anschreiben, die am Telefon in sich zusammenfallen, von einem Bewerber, der den Bewerbungs-Bot per Prompt-Injection geknackt hat, und von der Frage, ob 15 Minuten mit KI oder ein ganzer Tag ohne die bessere Bewerbung ergeben.

Bei Firmen, die gerade erst anfangen: Du hast 90 Tage und eine Organisation ohne jede KI – womit fängst du an, welchen Prozess nimmst du dir vor, und welchen besser nicht? Was machst du mit gescheiterten KI-Experimenten, außer sie zu vergessen? Und warum werden Firmen-Wikis mit KI so schnell zum Datengrab? Und beim Studium: Was ist ein Abschluss noch wert, wenn die Hausaufgaben inzwischen die KI macht – welche Berufe hält Theo für hardcore obsolet, und welchen für zukunftssicherer, als viele denken?

Am Ende steht Maksims Fazit, ein alter Physiker-Spruch: Shut up and calculate. Was er damit im KI-Zeitalter meint, hörst du in der Folge.

Zwanzig Euro im Monat für einen Assistenten, der programmiert, recherchiert und Meetings zusammenfasst – das klingt zu billig, um wahr zu sein. Und genau das ist es auch: Die großen KI-Anbieter schreiben Milliardenverluste, die Preise sind subventioniert. Nur wer zahlt eigentlich gerade drauf – und wie lange noch?

Maksim rechnet vor, was wir selbst bei Erium jeden Monat für KI ausgeben. Dazu die Frage, die alle betrifft: Welche Anwendungen überleben, wenn die echten Preise kommen – Meeting-Analyzer, Vibe Coding, Deep Research? Oder muss dann plötzlich wieder das eigene Hirn vor dem Prompten ran?

Dann wechseln wir die Währung: Ein einzelner Prompt kostet ungefähr so viel Strom wie zwei Minuten Licht im Wohnzimmer, ein fünf Sekunden langes KI-Video schon so viel wie tausende Prompts. Und für das Training eines KI-Modells läuft im Rechenzentrum ein komplettes Oktoberfest. Außerdem die Kostenart, die auf keiner Rechnung steht: Review-Schulden – der Berg an KI-Output, den du durchwinkst, statt ihn zu lesen. Theo hat drei günstige Tricks dagegen.

Zum Schluss die Frage hinter allem: Wenn KI uns effizienter macht – warum wächst unser Fußabdruck trotzdem, und warum fühlt sich die Arbeit nach mehr an statt nach weniger? Maksims Antwort passt in einen Satz und ist beruhigender, als man denkt.

Französisch, Latein, Englisch – und dann Maschinenbau: Andreas Tobisch hat den unwahrscheinlichen Weg genommen. Von 130 Studienanfängern in Deggendorf kamen rund 40 durch, der Neusprachler war einer davon. Danach zwölf Jahre Schaltbau, Lean Management von der Pike auf eingeführt, bei Bode in Kassel bis in die Bereichsleitung mit Verantwortung von Polen bis Nordamerika – und heute gehört er zur Führung der DE Software & Control, die seit rund 30 Jahren Software für den Shopfloor baut. Also für den Ort, an dem die richtige Information zur richtigen Zeit beim richtigen Mitarbeiter ankommen muss.

Mit Theo spricht er darüber, wo die Industrie beim Thema KI wirklich steht – inklusive einer Kongress-Anekdote, bei der jeder Datenschützer einmal tief durchatmen muss: eigene ChatGPT-Accounts als Sicherheitskonzept. Warum profitiert ein Softwarehaus mit drei Jahrzehnten Geschichte von einem Startup wie Erium – und umgekehrt? Und wieso ist Geschwindigkeit am Ende weniger eine Frage der Technik als eine Kopfsache?

Außerdem: die erste schriftliche Homeoffice-Regelung in 30 Jahren Firmengeschichte – und was dieser Pulsbeschleuniger mit den Teams macht. Die Frage, wo die Seniors von morgen herkommen, wenn die KI heute schon besser codet als mancher Junior. Und die neue Projektrealität, in der Kunden keine Zwei-Jahres-Aufträge mehr vergeben, sondern sagen: In drei Monaten soll die Kuh fliegen – wartet man Software dann überhaupt noch, oder baut man sie einfach neu?

Zum Schluss wagt Andreas den Zehn-Jahres-Blick: Wenn Roboter schrauben und Agenten coden – welche menschliche Eigenschaft brauchen wir dann am dringendsten?

Endlich kann die KI mit allen Systemen sprechen – also am besten gleich alles anbinden? Genau an dieser Frage trennt sich Strategie von Reflex. Zum ersten Mal sitzt Viktoria mit am Mikro: Sie steuert bei Erium zentral alle Projekte und bringt die Fragen mit, die dort immer wieder auf den Tisch kommen. Theo antwortet – und seine erste Antwort dürfte Technikern kurz wehtun.

Es geht darum, wann im Projekt der richtige Moment für Schnittstellen ist und was du mit Software machst, die noch nie eine API gesehen hat: nachrüsten, drumherum bauen oder gleich neu? Warum rücken manche Anbieter ihre Schnittstellen partout nicht raus – und wieso ist das für sie ein riskantes Spiel? Dazu das Muster mit dem schönsten Namen der Softwaregeschichte: die Würgefeige.

Außerdem geht's ums Geld – genauer um die Rechnung, die nach der Token-Rechnung kommt: Was passiert eigentlich, wenn du bei deiner schnell gebauten Web-App auf Publish klickst? Warum traut sich in vielen Firmen niemand mehr, alte Agenten und Mini-Apps abzuschalten? Und die Frage mit doppeltem Boden: Wenn dein Agent eine E-Mail verschickt – wessen Name steht drunter, und was macht das mit dem, der sie liest?

Zum Schluss klären wir, warum trotz aller Chatbots das gute alte Dashboard nicht ausstirbt – und woran du erkennst, wann du welches von beiden brauchst.

Streng genommen kann eine KI genau eine Sache: Text schreiben. Trotzdem sucht sie für dich im Internet, verschickt E-Mails und bedient komplette Programme. In dieser Folge steigen wir in den Maschinenraum der KI-Agenten und schauen uns an, wie dieser Trick funktioniert.

Maksim erklärt, was hinter Tool Calling steckt: versteckte Botschaften, die das Modell in seinen Text einbaut und die erst die Infrastruktur drumherum zum Leben erweckt. Wir fragen uns, was eine KI mit vollem Computerzugriff eigentlich davon abhält, deine Festplatte zu löschen, was schiefgehen kann, wenn ein Agent direkt in deine Datenbank schreibt – und warum Agenten, die sich durch den Browser klicken, meistens den umständlichsten Weg nehmen. Meistens.

Außerdem: Was ist eine API, was steckt hinter MCP und wer ist eigentlich dieser JSON?!?

„Es gibt nur noch ganz wenig, was bei mir ohne KI läuft." Das sagt keine Startup-Gründerin, sondern eine Frau aus der Branche, in der Fehler keine Option sind: Camilla ist KI-Managerin in einer Wirtschaftsprüfungsgesellschaft. Angefangen hat sie dort zu einer Zeit, als noch kistenweise Leitz-Ordner zu den Mandanten getragen wurden – heute sorgt sie dafür, dass KI nicht in Konzepten steckenbleibt, sondern wirklich bei den Kolleginnen und Kollegen ankommt.

Und das ist kniffliger, als es klingt, denn in der Branche existieren zwei Welten: Die einen trauen sich keinen einzigen Prompt, die anderen bauen zuhause längst eigene KI-Workflows und würden sie am liebsten mit ins Büro bringen – Stichwort Schatten-KI. Wie nimmt man beide Gruppen mit? Wie viel Freiheit verträgt ein Beruf, der von Verlässlichkeit lebt? Und was macht es mit dem eigenen Arbeitstag, wenn man der KI plötzlich ganze Aufgabenpakete überlassen kann?

Dazu wird es persönlich: Camilla erzählt, wie sie ihre Promotion neben der Busy Season durchgezogen hat, warum ihre Tochter schon mal mit im Business-Meeting sitzt – und welches Problem, das sie seit ihren ersten Tagen in Deutschland begleitet, die KI ganz nebenbei gelöst hat.

Zum Schluss blickt Camilla in die Glaskugel: Wie sieht die Wirtschaftsprüfung aus, wenn KI so selbstverständlich ist wie Strom aus der Steckdose?

Eine Nutzerin bittet ihren KI-Agenten, eine Info in ihrem Projektmanagement-Tool zu aktualisieren. Der Agent hat keine Zugangsdaten – findet aber das Recovery-Dokument ihres Passwortmanagers, loggt sich ein, besorgt sich das Passwort und erledigt die Aufgabe. Diese Agenten versuchen wirklich alles, um ans Ziel zu kommen. Umso wichtiger die Frage: Wie viel Freiheit gibst du ihnen?

Wir sortieren die KI-Welt in drei Freiheitsstufen – vom Chatbot über den Subagenten mit fester Arbeitsanweisung bis zum vollautonomen Agenten. Aber woran erkennst du, welche Stufe zu welcher Aufgabe passt? Warum darf ein Agent bei uns jeden Code anfassen, aber keine E-Mail an Kunden schicken? Und welche Frage solltest du dir stellen, bevor du einem Agenten freie Hand gibst?

Außerdem: KI als Universalkleber zwischen Systemen, die eigentlich nicht zusammenpassen – und wann dieser Kleber zu teuer wird. Ist die KI für dich eher Exoskelett oder Kollege? Und entwickelt sich das Verhältnis wie bei einem menschlichen Mitarbeiter, dem du immer mehr anvertraust – oder genau andersherum?

Zum Schluss wird's konkret: Wie formulierst du Ziele so, dass ein Agent selbstständig durchläuft, ohne falsch abzubiegen? Theo verrät, welche halbe Stunde vor dem Start darüber entscheidet, ob du am Ende guten Gewissens für das Ergebnis geradestehen kannst – oder vor dem Kunden sagen musst: „Das hat die KI so entschieden."

Verträge aufsetzen, kroatische Katasterregister durchforsten, Code in Sprachen schreiben, deren Syntax du nie gelernt hast: Mit KI fühlen sich viele Aufgaben plötzlich an wie Superkräfte. Reinfuchsen musst du dich immer noch – aber die KI fuchst sich mit rein, aus Tagen werden Stunden, und auf einmal machst du Dinge einfach, die du früher gar nicht erst angefangen hättest.

Wir sprechen darüber, ob sich Fremdsprachenlernen noch lohnt – und bis zu welchem Niveau. Warum sich der Google-Effekt gerade umdreht und Allgemeinbildung wertvoller wird denn je. Und wieso Ideen überall entstehen dürfen, gutes Denken aber Fläche braucht: Landkarten schlagen Chatverläufe.

Außerdem: der Metzgermeister, der abends im Feriencamp seine E-Mails per Braindump diktiert, während mancher Top-Berater lieber weiter mitschreibt und abtippt. Das erstaunliche Datenschutz-Gefälle zwischen Job und Privatleben. Und die Frage, wann der Laptop einfach mal zubleibt.

Das Schönste zum Schluss: Wer seine Aufgaben richtig verpackt, schickt den Agenten abends los und schaut morgens entspannt, was rausgekommen ist – Fire and Wait. So hast du beides, den vollen Hebel und den vollen Feierabend. Wie du dahin kommst, hörst du in dieser Folge. Und nächstes Mal legen wir nach: Dann geht es darum, wie du KI-Agenten so führst, dass du für ihre Ergebnisse geradestehen kannst.