Beyond AI

Die ersten Apps werden übers Wochenende gebaut, die Ideenliste wird immer länger. Doch wenn Bugs behoben und die Anwendungen gepflegt werden müssen, sind manche der größten KI-Fans schon beim nächsten Tool.

Viktoria und Theo kennen das aus Kundenprojekten und aus dem eigenen Team. Sie sprechen darüber, was nach der ersten Begeisterung passiert und welche Leute ein KI-Projekt langfristig weiterbringen. Dabei treffen sehr unterschiedliche Reaktionen aufeinander: Manche wollen sofort alles ausprobieren, andere finden jeden Fehler. Einige haben Angst um ihren Job. Und wieder andere nicken freundlich, loggen sich aber nie ein.

Gerade die Nörgler können ziemlich hilfreich sein. Wer genau zeigt, was bei der praktischen Arbeit nicht funktioniert, gibt dem Team die Chance, eine App, einen Bot oder einen Agenten besser zu machen. Das setzt allerdings voraus, dass Kritik ernst genommen wird – auch wenn schon viel Arbeit in der Lösung steckt. Die beiden erzählen, wie sie mit den verschiedenen Nutzertypen umgehen, wann ein Gespräch unter vier Augen hilft und welche Sorgen sich nicht einfach wegreden lassen.

Außerdem geht es darum, aus den vielen Ideen die passenden auszuwählen. Nicht alles muss umgesetzt werden, nur weil es mit KI inzwischen möglich ist.

Das ERP bei WP Kemper ist dreißig Jahre alt. Microsoft Copilot war nach rund einem halben Jahr wieder raus. Johannes Rohde verantwortet beim Hersteller von Maschinen für Großbäckereien die digitale Transformation. Er erzählt Theo, was beim Copilot-Test nicht funktioniert hat und weshalb sein Team lieber ChatGPT nutzt.

An Arbeit mangelt es auch ohne Copilot nicht: Über die Jahre sind rund um das alte ERP zahlreiche Access-Datenbanken, Excel-Listen und einzelne Lösungen entstanden. Ein zentrales Data Warehouse soll den Zugriff auf die Daten vereinfachen und einen späteren ERP-Wechsel erleichtern.

Bei neuen Apps setzt Johannes auf die Mitarbeiter aus den Fachabteilungen. Zwölf Ideen stehen auf der Liste. Eine davon kommt direkt aus der Produktion: Eine App soll die Bereitschaftsplanung erleichtern, inklusive Urlaubswünschen und der Frage, wer letztes Weihnachten schon dran war. Die IT unterstützt bei der Umsetzung mit Power Apps. Trotzdem bleibt einiges zu lernen – und Zeit, die neben dem Tagesgeschäft erst einmal gefunden werden muss.

Für diese selbst gebauten Helfer gilt eine klare Grenze: Fällt eine App aus, muss die Arbeit trotzdem weitergehen können. Theo und Johannes besprechen, wie Mitarbeiter selbst Verbesserungen umsetzen können, ohne dass die Firma von einer schlecht betreuten Anwendung abhängig wird.

Auch im Service gibt es einiges zu tun. Nach mehreren Monaten Montage steht im Bericht manchmal nur: „Maschine aufgestellt“. Johannes hat konkrete Ideen, wie KI den Technikern die Dokumentation erleichtern könnte – damit ihre Arbeit ausführlicher festgehalten wird, ohne dass sie dafür länger am Schreibtisch sitzen müssen.

Mitarbeiter bezahlen ChatGPT aus eigener Tasche, damit sie ihre Arbeit erledigen können. Die Firma findet’s praktisch. Theo und Maksim eher nicht. Denn während noch über die offizielle KI-Freigabe diskutiert wird, landen längst Firmendaten in privaten Accounts – und nebenbei entstehen Apps, von denen die IT noch nie gehört hat.

Dabei ist Selberbauen mit KI längst eine ernsthafte Alternative zum Softwarekauf. Theo und Maksim sprechen darüber, wann es sich lohnt, alte Software abzulösen, und was man besser weiterhin einkauft. Für die Reisekostenabrechnung fällt die Entscheidung anders aus als für einen Prozess, der die Firma von ihrer Konkurrenz unterscheidet. Und manchmal ist die Wartungsrechnung für das alte System das überzeugendste Argument für einen Neubau.

Nur ist eine schnell gebaute App noch lange nicht fertig betreut. Solange jemand damit einmalig eine Auswertung macht, bleibt vieles überschaubar. Sobald die Kollegen jeden Morgen darauf angewiesen sind, braucht es jemanden, der weiß, wo sie läuft, wie man sie repariert und wer während seines Urlaubs übernimmt. Die beiden besprechen, wie Unternehmen solche Ideen aus dem Team aufgreifen können, bevor daraus die nächste heimlich betriebene Firmen-IT wird. Denn Schatten-KI verschwindet kaum, solange die erlaubte Alternative den Leuten ihre Arbeit schwerer macht.

„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?!?