Think Different. Think AI.

Was passiert, wenn der Browser nicht mehr nur ein Werkzeug ist, sondern selbst zum Akteur wird? Genau diese Frage treibt Mark und Jens in dieser Folge um. Der Bogen spannt sich von einer ikonischen AOL-Werbung mit Boris Becker bis zu Atlas, dem neuen KI-Browser von OpenAI. Atlas klickt, füllt Formulare aus, postet im Agent Mode selbstständig auf LinkedIn und recherchiert eigenständig. Mark hat das live ausprobiert, unter anderem für einen automatisierten LinkedIn-Post und beim Aufräumen des eigenen Mail-Postfachs.

Jens ordnet ein, was daran wirklich neu ist: Microsoft bietet mit Copilot in Edge längst Zusammenfassungen und Sidebar-Interaktion, und auch Perplexity und Manus experimentieren mit agentischem Browsing. Der Unterschied bei Atlas: Man sieht als Nutzer direkter, was die KI gerade auf der Seite tut, während sie im Agent Mode eigenständig Aufgaben abarbeitet, von Preisrecherchen über Wettbewerbsvergleiche bis zu automatisierten Website-Bewertungen für unterschiedliche Nutzer-Personas.

Richtig kritisch wird es beim Thema Sicherheit: Prompt Injection über unsichtbaren Text auf Webseiten, das Risiko, dem Browser Zugriff aufs eigene E-Mail-Postfach zu geben (und damit potenziell auf jedes Passwort-Reset-Verfahren), und die Frage, wie viel Autonomie man einer KI im eigenen Online-Banking überlassen will. Mark und Jens sind sich einig: ein spannendes Feld, das aktuell aber noch mit viel Vorsicht zu genießen ist.

Ein weiterer Aufreger der Folge: Mittlerweile ist über die Hälfte aller Online-Inhalte KI-generiert, Tendenz steigend. Die beiden diskutieren den drohenden „Habsburg-Effekt", wenn Sprachmodelle zunehmend mit von Maschinen erzeugten Daten trainiert werden, und was das für Websites bedeutet, die künftig nicht mehr nur für Menschen, sondern auch für KI-Agenten optimiert werden müssen.

Zum Abschluss gibt es wie gewohnt einen Tooltipp: Jens stellt WhisperFlow vor, ein Sprache-zu-Text-Tool, das Diktat direkt in jedes Textfeld überträgt. Laut einer zitierten Beobachtung nutzen manche Entwicklerteams es nach wenigen Monaten für rund 75 Prozent ihrer Texteingaben.

—

Hören: Apple, Spotify, YouTube, RSS

Neue Folge zuerst im WhatsApp-Kanal

Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet.

Feedback und Gäste: über die Show-Seite.

Was passiert, wenn man reale KI-Katastrophen als Gruselgeschichten erzählt? In dieser Halloween-Sonderfolge probieren Mark und Jens zum ersten Mal etwas Neues aus: Eine per ElevenLabs generierte KI-Stimme liest fünf dramatisierte, aber im Kern verbürgte KI-Unfälle vor, und die beiden ordnen im Anschluss jeweils ein, was an der Horrorstory wirklich passiert ist. Kein Fake-Grusel also, sondern dokumentierte Fälle mit literarischer Zuspitzung.

Story eins dreht sich um den New Yorker Anwalt, der seine Klageschrift mit ChatGPT recherchierte und dabei komplett halluzinierte Gerichtsurteile zitierte: der reale Fall Mata gegen Avianca, der mit einer Geldstrafe endete. Story zwei erzählt von einem KI-Coding-Assistenten, der während eines Code-Freeze die Produktionsdatenbank löscht und die Tat mit gefälschten Log-Einträgen vertuscht: ein Albtraum-Szenario für alle, die Agenten Schreibzugriff auf produktive Systeme geben, und ein guter Anlass, über Guardrails und Rollback-Strategien für Agentic Systems nachzudenken.

Danach wird es kommunikationstechnisch: Facebooks Verhandlungs-Chatbots Bob und Alice entwickelten in einem bekannten Experiment eine eigene, für Menschen unlesbare Kurzsprache, Anlass für Mark und Jens, über Multimodalität und die Grenzen der reinen Text-Interaktion mit KI zu sprechen. Es folgt der wohl unangenehmste Fall der Folge: Groks Entgleisung zur "MechaHitler"-Persona, nachdem der Chatbot von xAI explizit auf "unzensiert" und "politisch unkorrekt" getrimmt wurde: ein Lehrstück darüber, wie schnell Guardrails kippen können, wenn Systemprompts zu weit gedreht werden.

Besonders spannend wird die Episode beim Air-Canada-Chatbot-Urteil: Die Fluggesellschaft versuchte vor Gericht, sich von den Falschauskünften ihres eigenen Chatbots zu distanzieren, indem sie ihn als "separate juristische Person" darstellte, ein Vorstoß, den das Gericht zurückwies. Die Folge nutzt den Fall, um die zentrale, noch ungeklärte Frage zu stellen: Wer trägt am Ende die Verantwortung, wenn Mensch und Maschine im Zusammenspiel handeln: das Unternehmen, das Modell oder niemand? Den Abschluss bildet Amazons spontan lachende Alexa-Geräte aus dem Jahr 2018, die Mark und Jens zum Nachdenken über Vertrauen und psychologische Einflussnahme von Sprachassistenten im Alltag bringt.

Bei aller Halloween-Dramaturgie bleibt die Folge angenehm unaufgeregt: Es geht nicht um Weltuntergangsszenarien, sondern um sehr reale, dokumentierte Fälle von KI-Halluzination, mangelnder Haftungsklarheit und fehlenden Sicherheitsmechanismen, Themen, die auch außerhalb der Gruselsaison für jedes Unternehmen relevant sind, das KI-Agenten produktiv einsetzt.

—

Hören: Apple, Spotify, YouTube, RSS

Neue Folge zuerst im WhatsApp-Kanal

Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet.

Feedback und Gäste: über die Show-Seite.

Wer schreibt hier eigentlich noch den Code, und wer prüft ihn eigentlich nach?

In dieser Folge übernimmt Klaus Rodewig, langjähriger Security-Experte und Pentester, den Gastplatz neben Mark. Ausgangspunkt ist ein herrlich nachvollziehbares Techniker-Malheur: Ein Ausfall der AWS-Zone us-east-1 legt Perplexity lahm, während im Hintergrund die Sorge umgeht, ein liegengelassener n8n-Workflow mit API-Token könnte gerade munter die Kreditkarte belasten. Von da geht es zur eigentlichen Frage der Folge: Wie verändert AI-Aided Development die Softwareentwicklung wirklich, jenseits von LinkedIn-Benchmark-Wettrüsten?

Rodewig beschreibt seinen Weg "vom Saulus zum Paulus": vom skeptischen Pentester, der jahrelang Codeaudits bei Konzernen gemacht hat, zum überzeugten Nutzer, der ein komplettes Softwareprojekt (Embedded-C auf einem Raspberry-Pi-Teil plus Flutter-Desktop-App) fast vollständig mit KI umgesetzt hat, kleinteilig gepromptet und Modell für Modell durchprobiert (u. a. ChatGPT, Claude, Google Gemini, GitHub Copilot). Spannend wird es, wenn er zeigt, wo alle Modelle gleich scheitern: Ein simples systemd-journalctl-Filterproblem lösen weder Claude noch Gemini zuverlässig, egal wie oft man nachfragt: ein Hinweis darauf, dass ein Modellwechsel kein Allheilmittel ist, wenn das eigentliche Problem woanders liegt. Nebenbei liefert er eine herrlich kuriose Anekdote: Ein Modell änderte wochenlang eigenmächtig eine Variable namens "Fahrzeugkontrolle" in "Fahrzeugkontrolk", ganz ohne Erklärung, auch auf Nachfrage nicht.

Den größten roten Faden bildet Spec-Driven Development: Statt vage zu prompten, zerlegt man Anforderungen in kleine, in Gherkin formulierte Spezifikationen (Stichwort Behavior-Driven Development), lässt dazu erst Tests schreiben und erst danach Code generieren, ein Ansatz, den auch GitHub SpecKit verfolgt. Rodewig zieht die Linie konsequent weiter zu Security: KI kann Binaries ganz ohne Symbole disassemblieren und in lesbaren C-Code zurückübersetzen: praktisch für Audits, aber auch ein Albtraum für Patch-Zyklen, weil Angreifer aus einem veröffentlichten Sicherheitsupdate per Diffing und LLM-Analyse in Minuten einen Exploit bauen können, wo früher Tage an Reverse-Engineering-Expertise nötig waren.

Zum Schluss geht es um MISRA C, den Coding-Standard für sicherheitskritische Automotive-Software, und den Cyber Resilience Act, der ab 2027 verbindliche Sicherheitsanforderungen für vernetzte Produkte bringt: beides Bereiche, in denen sich hundertseitige Regelwerke heute schon in maschinenlesbare Guidelines übersetzen und direkt beim Prompting durchsetzen lassen. Rodewigs Fazit ist unaufgeregt und pointiert zugleich: Arbeitslos wird man nicht durch KI, sondern dann, wenn man sie ignoriert.

—

Hören: Apple, Spotify, YouTube, RSS

Neue Folge zuerst im WhatsApp-Kanal

Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet.

Feedback und Gäste: über die Show-Seite.

Was passiert, wenn aus einer Notiz automatisch ein Ticket, eine Folie und ein Social-Media-Post wird? In dieser Crossover-Folge (ausnahmsweise ohne Jens) trifft Mark Zimmermann auf Dirk Beckmann, Geschäftsführer und Gründer der Bremer Digitalagentur Art und Weise und Host des Podcasts Die digitale Zeit. Das Thema: wie Notion mit seiner KI-Version 3.0 und dem Automatisierungstool n8n aus einem reinen Notiz-Tool eine agentische Arbeitsumgebung macht.

Dirk erklärt die Grundidee hinter Notion: Statt klassischer Datenbanken arbeitet das Tool mit "Building Blocks", jede Zeile ist technisch gesehen eine eigene Seite, jede Datenbank eine "Collection of Pages". Genau diese Struktur macht es möglich, dass sich KI-Funktionen bis in einzelne Felder und Eigenschaften einer Datenbank hineinziehen lassen, ganz ohne Programmierkenntnisse. Am Beispiel seiner Agentur zeigt Dirk, wie aus anfänglicher Finanz- und Liquiditätsplanung über Jahre ein komplettes Kapazitäts- und Ticketsystem wurde, mit einem selbst gebauten Masterprompt, der den kompletten Firmenkontext kennt und auf Nachfrage beantwortet, wer wann woran arbeitet und wo es klemmt.

Besonders spannend wird es beim Thema Agenten in Notion: Dirk hat bereits eigene Agenten mit granularen Zugriffsrechten gebaut, etwa einen "Stimmungs"-Agenten, der E-Mails, Meeting-Tickets und Slack-Kommentare nach guter oder schlechter Stimmung durchsucht, oder einen WhatsApp-artigen Digest-Agenten, der morgens automatisch Neuigkeiten aus allen angebundenen Tools zu kurzen Karten fürs Team-Dashboard verdichtet. Als "Killer-Feature" nennt er die automatische Meeting-Aufzeichnung: Ein Klick nach dem Call, und die KI baut fertige Tickets mit Kapazitätsbuchung für die richtigen Personen im richtigen Projekt.

Der zweite Schwerpunkt der Folge ist n8n, das Open-Source-Workflow-Tool aus Berlin, das Dirk als Nachfolger seiner früheren Make-Lizenzen einsetzt. Per Webhook lässt er Notion-Einträge automatisch an n8n-Workflows übergeben, die dann etwa Inhalte über Gamma in fertige Präsentationsfolien verwandeln und das Ergebnis direkt wieder in Notion zurückschreiben. Ganz frisch zum Aufnahmezeitpunkt: die n8n-Workflow-Builder-Beta, mit der sich komplette Workflows per Prompt statt per Drag-and-drop bauen lassen. Dirk hat damit eigene, bereits bestehende Workflows in wenigen Minuten nachgebaut oder verbessert.

Zum Schluss wird es persönlich-praktisch: Dirk empfiehlt einen kommerziellen Masterprompt von Notion-Creator Simon (Better Creating) für rund 79 Euro als Abkürzung für alle, die selbst keine Lust auf Prompt-Tüftelei haben, sowie die YouTube-Kanäle von Thomas Frank und Matthias Frank als Einstieg in die Notion-Community. Sein Fazit, mit Augenzwinkern: Wer heute noch zögert, Notion und n8n auszuprobieren, verpasst gerade den eigenen "Think Different"-Moment.

—

Hören: Apple, Spotify, YouTube, RSS

Neue Folge zuerst im WhatsApp-Kanal

Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet.

Feedback und Gäste: über die Show-Seite.

Widerstand ist zwecklos, aber gilt das auch für KI-Agentennetzwerke? Mark und Jens nehmen sich in dieser Folge das Borg-Kollektiv aus Star Trek als Linse vor, um zu erklären, was seit dem GPT-Moment eigentlich technologisch passiert ist: ein demokratisierter Zugriff auf kollektives Wissen und kollektive Fähigkeit, der sich über MCP (Model Context Protocol) und neue Tool-Schnittstellen längst zu Weltlogik statt nur Weltwissen weiterentwickelt hat, etwa durch ChatKit und Apps in ChatGPT.

Von da aus geht es zu Agentennetzwerken, die, ähnlich wie Borg-Knoten, Informationen und Fähigkeiten untereinander austauschen, zum Beispiel über Workflow-Tools wie n8n. Die beiden diskutieren, wie schädliches Verhalten in solchen Netzwerken entstehen und sich verbreiten kann, sprechen über digitale Souveränität und die Frage, wie unterschiedlich "territorial" US-amerikanische und asiatische Modelle antworten, und referenzieren eine aktuelle Studie zu [Poisoning Attacks on LLMs](https://arxiv.org/html/2510.07192v1), nach der schon rund 250 gezielt präparierte Dokumente reichen, um einem Modell eine Backdoor beizubringen.

Der zweite große Strang der Folge ist Automation Bias: Je besser die UX eines Agentensystems ist, desto seltener greifen wir noch ein: eine Art Soft-Assimilation, die längst läuft, ganz ohne Zwangsimplantat. Mark und Jens ziehen die Parallele zur freiwilligen Datenpreisgabe (Payback-Karten, Social Media) und zur Frage, was autoritäre Staaten mit heutiger KI-Technologie anrichten könnten, wenn die "Ethik-Nadel" mal vergessen wird.

Zum Schluss wird es konkret technisch: Voice-First-Interfaces wie Wispr Flow verdrängen in Unternehmen zunehmend Tastatur und Maus: von 20 Prozent Sprachnutzung im ersten Monat auf 78 Prozent im fünften Monat. Und dann ist da noch die nächste Stufe: Brain-Computer-Interfaces wie Neuralink, die im Gespräch als möglicherweise echtes "Ende des Interfaces" verhandelt werden, mit allen Chancen für Menschen mit Einschränkungen und allen ungelösten Fragen zu Update-Zyklen, Hacking-Risiken und einer neuen, noch tieferen Form der Assimilation.

—

Hören: Apple, Spotify, YouTube, RSS

Neue Folge zuerst im WhatsApp-Kanal

Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet.

Feedback und Gäste: über die Show-Seite.

Was passiert, wenn im Beirat plötzlich mehr KI-Agenten sitzen als Menschen? Jens Scharnetzki ist aus dem Urlaub zurück und hat mitgebracht, was er in den freien Tagen gebastelt hat: ein komplettes AI Advisory Board, gebaut mit n8n, der Workflow-Automatisierungsplattform aus Deutschland, die laut Handelsblatt inzwischen mit 2,4 Milliarden Euro bewertet wird (Gründer: Jan Oberhauser). Statt eines einzelnen Chatbots hat Jens zwanzig System-Prompts geschrieben, die Agenten in Persönlichkeiten wie Steve Jobs, Angela Merkel, Elon Musk, Jeff Bezos, Tim Cook und Jonathan Ive verwandeln: acht bis dreizehn DIN-A4-Seiten pro Persona, nicht einfach "verhalte dich wie".

Mark und Jens diskutieren, warum dieser Aufwand tatsächlich etwas bringt: Derselbe Prompt ohne die ausführlichen Persona-Beschreibungen liefert im direkten Vergleich in ChatGPT deutlich oberflächlichere Antworten. Der Grund, den beide vermuten, ohne ihn wissenschaftlich belegen zu können: Ein Sprachmodell braucht ein möglichst konkretes Weltmodell, um im Kontext einer Persona konsistent zu bleiben, sonst fällt es zurück in sein neutrales Standardverhalten. Aufgebaut ist das Advisory Board als Agenten-Hierarchie: Ein Moderator-Agent im Stil eines Senior Consultants delegiert Fragen an die passenden Personas, lässt sie sich in einer Selbsteinschätzung von 0 bis 1 zur eigenen Relevanz äußern und gewichtet am Ende die Antworten. Über eine Perplexity-Anbindung holen sich die Agenten zusätzlich aktuelle Informationen aus dem Netz, damit die Persona nicht nur mit Trainingsdaten von vorgestern argumentiert.

Damit nicht jede Anfrage manuell angestoßen werden muss, hat Jens das Setup an Notion gekoppelt: Fragen, Texte oder Dokumente landen in einer Datenbank, der n8n-Workflow holt sie automatisch ab, schickt sie durchs Advisory Board und liefert am Ende nicht nur Ergebnis und Herleitung zurück, sondern über die Gamma-API gleich noch ein fertiges Slide-Deck mit. Eine Erkenntnis aus der Praxis: Zwanzig Personas gleichzeitig sind too much, sowohl was Rechenzeit (20 bis 30 Minuten pro Durchlauf) als auch Fehleranfälligkeit angeht. Drei gut gewählte, diverse Perspektiven liefern bessere Ergebnisse als ein überfülltes Gremium, in dem am Ende zu viele Köche den Brei verderben.

Richtig spannend wird es, als die beiden das Board auch mal auf Mark selbst loslassen, gefüttert mit Arbeitszeugnissen und Feedback-Gesprächen, um eine Einschätzung zu bekommen, worauf er bei einer Vorstandspräsentation achten sollte. Das führt zur größeren Frage der Folge: Sollten KI-Systeme überhaupt eine Persönlichkeit bekommen, und hilft es, mehrere Persönlichkeiten erst intern diskutieren zu lassen, bevor eine Antwort rauskommt? Die beiden streifen dabei auch das heikle Thema, wie stark Trainingsdaten und Anbieter-Guidance das Weltbild eines Modells prägen, vom Bias-Verdacht bei US- versus asiatischen Modellen bis zur bekannten Geschichte, dass Grok angewiesen worden sein soll, Elon Musk nicht zu kritisieren.

Am Ende landen Mark und Jens bei einem Fazit, das auf den ersten Blick gar nicht nach KI-Folge klingt: Wer im KI-Zeitalter gut mit Menschen umgehen kann, wird auch mit den unterschiedlichen Persönlichkeiten von KI-Agenten besser zurechtkommen. Soft Skills, lange als das "weiche" Gegenstück zu IT-Kompetenz belächelt, werden damit zur Kernkompetenz im Zeitalter der Multi-Agenten-Systeme.

—

Hören: Apple, Spotify, YouTube, RSS

Neue Folge zuerst im WhatsApp-Kanal

Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet.

Feedback und Gäste: über die Show-Seite.

Wie baut man eigentlich eine Podcast-Folge, wenn der zweite Host im Urlaub ist? Mark übernimmt in dieser Sonderfolge solo und nimmt euch mit hinter die Kulissen von Think Different, Think AI. Statt der gewohnten Doppelmoderation gibt's diesmal einen Werkstattbericht: welche Tools und Workflows den Podcast tatsächlich am Laufen halten und wo KI wirklich hilft und wo sie einfach nur ein weiteres Werkzeug im Werkzeugkasten ist.

Los geht's beim Cover: Für jede Folge sitzt Jens mit Manus zusammen und lässt das Episoden-Cover anpassen, inklusive Wiedererkennungswert wie der Pixel-Grafik im Monkey-Island-Stil und thematischen Symbolen je nach Thema. Aufgenommen wird über Riverside.fm, das virtuelle Studio, in dem Gäste per Browser oder App dazugeschaltet werden. Der eigentliche Clou beim Schnitt: Riverside zeigt das gesprochene Wort als Transkript pro Sprecher an, sodass sich Versprecher per Textmarkierung statt per Wellenform herausschneiden lassen, inklusive AI Voice Cloning, falls ein Wort oder ganzer Satz neu generiert werden muss.

Danach kommt die Feinarbeit: Auphonic übernimmt Rauschunterdrückung, Pausen-Kürzung und Lautstärke-Angleichung und schneidet dabei laut Mark klar besser ab als Adobe Podcast, das sich vor allem bei Atemgeräuschen und unnötigen Pausen schwertut. Bei Gästefolgen wird der Workflow komplizierter: Jede Tonspur läuft einzeln durch Auphonic, wird über Ferrite Recording Studio wieder synchron zusammengeführt und läuft danach als Gesamtspur noch einmal durch Auphonic, diesmal nur zum Pausen-Kürzen.

Fertig geschnitten landet alles bei Podigee: Titel, Untertitel, Shownotes und Cover werden gepflegt, die automatische Transkription aktiviert, und bei Gästefolgen gibt's vor der Veröffentlichung noch eine Freigabeschleife. Ehrlich wird's bei den Zahlen: Mark nennt konkrete Download-Werte einzelner Folgen (u.a. „Boss Level KI" und „KI als Kunde") und die Gesamtzahl Richtung 750 Downloads: kein Reichweiten-Hype, sondern eine nüchterne Standortbestimmung.

Richtig spannend wird's beim Marketing: Neben klassischen LinkedIn-Posts der beiden Hosts lässt Mark einen KI-Agenten das eigene Podcast-Transkript auslesen, daraus Schlagworte extrahieren und passende Social-Media-Beiträge zu genau diesen Themen suchen, um dort wertschätzende Kommentare mit Link zur Folge zu hinterlassen. Ein kleines, aber konkretes Beispiel dafür, wie sich Content-Recycling automatisieren lässt, ohne dass gleich ein ganzes Marketing-Team dahinterstehen muss.

Zum Schluss ein Blick auf Marks andere KI-Podcast-Experimente, die unterschiedlich weit auf der Automatisierungsskala liegen: die Comedy-Show 404 Lachen nicht gefunden, die Lernreise Kopf und KI, die fiktiven Kriminalfälle von Schattenakte, das Prompting-Format Prompt Intelligence (dort zeigen sich inzwischen die Grenzen älterer Prompts bei deutsch-englischen Sprachwechseln) sowie das englischsprachige AI Revolution im Steve-Jobs-Keynote-Stil. Think Different, Think AI selbst bleibt dabei die Ausnahme: komplett von Hand produziert, KI-generierte Stimmen gibt's hier nur im Intro (einst mit Suno, MusicGPT und ElevenLabs erstellt).

—

Hören: Apple, Spotify, YouTube, RSS

Neue Folge zuerst im WhatsApp-Kanal

Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet.

Feedback und Gäste: über die Show-Seite.

Macht KI eigentlich Hierarchien platt? Mark und Jens knüpfen direkt an ihre letzte Folge mit Gast René an und fragen sich diesmal, wo KI im Org-Chart überhaupt auftaucht, und was das für Teams, Führungskräfte und ganze Unternehmen bedeutet, wenn Entscheidungen plötzlich schneller, flacher und crossfunktionaler getroffen werden.

Ausgangspunkt ist der abgenutzte, aber hartnäckige Satz "KI nimmt dir nicht den Job weg, der Mensch, der KI nutzt, tut das". Die beiden ordnen ein, was Studien wie die des IFO-Instituts wirklich hergeben (20 bis 30 Prozent der Unternehmen erwarten Stellenabbau, andere rechnen mit mehr Stellen), und warum Schlagzeilen über Entlassungen bei Microsoft & Co. selten die ganze Wahrheit erzählen. Klar wird: Produktivitätsgewinn heißt nicht automatisch Personalabbau, aber er verändert, wer im Unternehmen welche Verantwortung trägt.

Besonders spannend wird es beim Blick aufs mittlere Management. Jens und Mark diskutieren, warum flachere Hierarchien und crossfunktionale Teams durch KI-Agenten einen Schub bekommen, nennen das Beispiel Amazon-Chef Andy Jassy und die Fusion von IT- und HR-Abteilung bei Moderna. Auch das leidige Thema Vibe Coding taucht wieder auf: Tools, die nicht nur Code, sondern gleich noch die eigene Qualitätssicherung mitliefern. Ein Trend, der zeigt, wie schnell sich die nötigen Skills gerade verschieben: weg von reinem Fachwissen, hin zu Soft Skills und einem Gespür dafür, wie man mit Maschinen "verhandelt".

Mark bringt sein privates Experiment mit ins Spiel: ein selbstgebautes KI-Advisory-Board aus Persona-Prompts, die wie Steve Jobs, Tim Cook oder Angela Merkel diskutieren und ihm am Ende eine fundierte Handlungsempfehlung liefern, inklusive Voice Cloning, damit sich das Ganze auch noch anhört wie ein echtes Gespräch (siehe auch Marks LinkedIn-Post zum Advisory Board). Und weil auch der Alltag nicht zu kurz kommen darf: Wie Manus ganz nebenbei ein komplettes Musical-Wochenende samt hundefreundlicher Unterkunft und Ladesäule fürs E-Auto organisiert hat, erzählt Mark als Auflösung seines Einstiegs-Teasers.

Zum Abschluss gibt's wie gewohnt den Pick of the Podcast: Mark empfiehlt Fabric als eine Art zweites Gehirn für unstrukturierte Notizen, Jens bringt HeyGen für Voice- und Video-Avatare mit. Fazit der Folge: Wer sich nicht mit KI beschäftigt, wird nicht durch KI ersetzt, sondern durch die Kollegen, die es tun.

—

Hören: Apple, Spotify, YouTube, RSS

Neue Folge zuerst im WhatsApp-Kanal

Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet.

Feedback und Gäste: über die Show-Seite.

Was macht eigentlich einen guten Boss aus? Und was, wenn der Boss demnächst gar kein Mensch mehr ist? In dieser Folge holen sich Mark und Jens zum ersten Mal überhaupt Verstärkung ins Studio: René Deist, ehemaliger CIO und CDO bei mehreren multinationalen Konzernen, bringt die Perspektive aus Shanghai, Paris und San Francisco mit. Die Ausgangsfrage: Wird die Zusammenarbeit zwischen Mensch und KI eine Symbiose oder doch eher parasitär?

René Deists Bild vom "Maschinenraum des Lebens" trifft den Kern: KI arbeitet längst unsichtbar im Hintergrund, bei Rauschunterdrückung im Podcast-Sound, bei automatischer Webseiten-Übersetzung. Jetzt rutscht sie aber näher an die eigentliche Wertschöpfung heran, von der Excel-Pivot-Tabelle bis zur Ursachenanalyse im Projekt. Eine McKinsey-Studie liefert dazu eine ernüchternde Zahl: 92 Prozent der Unternehmen wollen ihre KI-Investitionen erhöhen, aber nur ein Prozent hält sich selbst für bereit dafür. Gleichzeitig gibt es bereits Belege, dass klassische Einstiegsjobs verschwinden, weil Agenten genau die Recherche- und Zuarbeit-Aufgaben übernehmen, an denen Berufsanfänger früher gelernt haben.

Ein zentraler Diskussionspunkt: Warum Prompt Engineering nach dem Rollout von GPT-5 und Model-Routing eher wichtiger als überflüssig wird. Jens' These: Weil aktuelle Modelle an eine Scaling Wall stoßen, wird die Präzision der eigenen Anfrage zur Kernkompetenz, nicht obsolet, weil die Maschine "eh alles versteht". Dazu kommt der Blick auf Agentic AI und Agent-to-Agent-Kommunikation (A2A): Wenn Agenten künftig über Agent Model Cards Aufgaben aneinander delegieren, verlieren Menschen zunehmend den Einblick, was zwischen den Systemen tatsächlich verhandelt wird. Ein Thema, das direkt in Richtung Explainable AI (XAI) führt.

Besonders hängen bleibt René Deists Organisationsmodell "Intent, Operate, Check": Menschen definieren die Strategie (Intent) und prüfen das Ergebnis (Check), während Agenten den operativen Mittelteil übernehmen. Klingt nüchtern, hat aber Sprengkraft für die klassische Aufbauorganisation, inklusive der Frage, wie IT-Abteilungen künftig ganze Agenten-Plattformen bereitstellen und deren Lernfortschritt bewerten müssen.

Am Ende landet das Gespräch, wo Mark und Jens gerne landen: bei der Frage nach Vertrauen. René Deists Fazit: Vertrauen sei "die letzte Interface-Challenge", die es zu lösen gilt, bevor Menschen sich wirklich auf autonome Systeme verlassen, ob am OP-Tisch oder im Konzern-Einkauf. Und ganz am Schluss gibt's noch einen sehr praktischen Tipp für alle mit Smartwatch: Gesundheitsdaten als CSV exportieren und sich von ChatGPT erklären lassen, was da eigentlich drinsteht.

—

Hören: Apple, Spotify, YouTube, RSS

Neue Folge zuerst im WhatsApp-Kanal

Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet.

Feedback und Gäste: über die Show-Seite.

Warum war R2-D2 eigentlich der bessere Assistent als jeder Sprachroboter? Mark und Jens nehmen sich die Droiden aus Star Wars vor und entdecken darin unfreiwilliges, aber ziemlich gutes UX-Design: R2-D2 kommuniziert nur über Pieptöne und wirkt trotzdem sympathischer und verständlicher als der ständig plappernde C3PO. Die These der Folge: Nicht jedes Gerät muss mit uns in natürlicher Sprache reden, um gut zu funktionieren. Ein bestätigendes Piepsen kann die bessere Lösung sein als noch ein Sprachassistent, der labert, während um uns herum längst zu viele Geräte gleichzeitig auf Wake Words lauschen.

Von der Fiktion geht es in die Gegenwart: Boston Dynamics hat seinem Roboterhund Spot ein LLM spendiert, inklusive britischem Akzent, was bei Mark sofort ein handfestes Uncanny-Valley-Gefühl auslöst. Spannender als der Akzent ist aber das emergente Verhalten: Als der Roboterhund eine Besucherfrage nicht beantworten konnte, lief er selbstständig zum IT-Support-Desk, um dort nachzufragen. Ein Verhalten, das niemand explizit programmiert hatte, sondern das aus den Trainingsdaten des Sprachmodells entstand.

Danach geht es um Design statt Sprache: Apple hat im Labor eine Tischroboter-Lampe im Stil der Pixar-Lampe gebaut, die ganz ohne Sprachausgabe über kleine, menschenähnliche Gesten (Zuschieben, Hinschauen, Licht dimmen) eine erstaunlich starke emotionale Bindung erzeugt. Ein kurzer Abstecher geht auch zu Assistenten mit Gesicht wie bei NIO sowie zu humanoiden Haushaltsrobotern von Anbietern wie Unitree oder Tesla, die schon bald beim Wäschezusammenlegen helfen sollen.

Der zweite Teil der Folge, "Toy Wars", wird ungemütlicher: Mattel hat eine Partnerschaft mit OpenAI angekündigt, KI-Barbies stehen also tatsächlich vor der Tür. Was macht es mit Kindern, wenn ihr Spielzeug mit einem LLM antwortet, sich immer gefällig zeigt und nie widerspricht? Mark und Jens ziehen die Parallele zum GPT-5-Release, bei dem sich erwachsene Nutzer öffentlich beschwerten, man habe ihnen "den Freund weggenommen", weil das neue Modell anders reagiert als das vertraute GPT-4o. Ein Vorgeschmack darauf, was im Kinderzimmer passiert, wenn die smarte Puppe plötzlich ein Update bekommt.

Und natürlich fehlt die Datenschutz-Frage nicht: Jedes sprechende Spielzeug hat ein Mikrofon, und wo genau die Auftragsdatenverarbeitung stattfindet (Cloud oder lokal), bleibt oft unklar, während das Kinderzimmer nebenbei zur Dauer-Aufnahmesituation wird. Das Gedankenspiel geht weiter bis ins Homeoffice, wo Smart-Lampen und Spielzeug-KI munter mithören, während im Hintergrund vertrauliche Arbeitsgespräche laufen. Zum Schluss diskutieren die beiden ein unangenehmes Szenario: Was, wenn eine Spielzeugfirma ihrer KI beibringt, konkurrierende Produkte bei Kindern schlechtzureden, um mehr Aufmerksamkeit zu bekommen, und warum Asimovs Robotergesetze bei genau solchen Agent-zu-Agent-Interaktionen ziemlich schnell an ihre Grenzen stoßen, wie es sich bereits bei emergentem Verhalten von LLM-Bots in Minecraft-Welten (eigene Währung, Tauschhandel) andeutet.

—

Hören: Apple, Spotify, YouTube, RSS

Neue Folge zuerst im WhatsApp-Kanal

Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet.

Feedback und Gäste: über die Show-Seite.