Explorez tous les épisodes du podcast Think Different. Think AI.

Wie behält man den Überblick, wenn jede Woche ein neues Modell erscheint? Jens lässt sich die Nachrichten inzwischen von mehreren Agenten kuratieren, vom Rechner zu Hause bis zu den Diensten der großen Anbieter, und merkt dabei, dass er selbst den Überblick über seine Newsagenten verliert. Die letzten zwei Wochen haben es nicht leichter gemacht. Anthropic hat die Datenaufbewahrung auf null Tage gesenkt, was den Einsatz im Unternehmen deutlich einfacher macht, und im selben Zug Fable 5.1 veröffentlicht. Kurz darauf kam OpenAI mit Astra. Jens ordnet Astra als das ein, was man GPT-6 nennen könnte. Er hat sich damit in einem Durchgang eine Webseite bauen lassen, die UX- und KI-Veranstaltungen in Deutschland sammelt und von vornherein auch für Agenten lesbar ist. Mark ist deutlich weiter gegangen und hat dafür bezahlt: dreimal das Wochenlimit zurückgesetzt, danach Guthaben nachgeladen, am Ende möglicherweise 2.000 Euro. Astra hat für ihn eine App vom Plan bis zu Apple gebracht, mit Projekt in App Store Connect, Signierungsprofilen, einer Ablehnung durch Apple und der Diskussion mit dem Support. Es bedient Office-Programme, schneidet Filme und hat aus einem Satellitenbild seines Hauses ein 3D-Modell in Blender gebaut, samt Angebot, es an den 3D-Drucker zu schicken. Mark fühlt sich dabei allmächtig und arm zugleich. Jens kommt mit der Perspektive des UX-Menschen dazu. Bei OpenAI wählt man inzwischen zwischen mehreren Modellen und sechs Aufwandsstufen, bei Anthropic sieht es ähnlich aus. Der Hinweis, höherer Aufwand bedeute gründlichere Antworten, schiebt die Verantwortung für ein schlechtes Ergebnis komplett zum Nutzer. Ob ein kleines Modell auf höchster Stufe besser antwortet als ein großes auf niedrigster, kann niemand sagen. Jens fordert Muster, die diese Entscheidung nicht mehr dem Menschen aufbürden. Dann die Zahlen, bei denen Mark erst an einen Fehler glaubte. Im Benchmark ARC-AGI-3 soll Astra 99,9 Prozent erreichen, Menschen liegen dort laut Mark bei 48 Prozent. Jens ordnet ein: Der Wert stammt aus OpenAIs eigenem Harness, in einem neutralen Aufbau waren es 62,7 Prozent, immer noch ein gewaltiger Sprung. Dazu kommt ein gelöstes Millennium-Problem, an dem sich Mathematiker rund neunzig Jahre die Zähne ausgebissen haben. Berichten zufolge rechnete ein internes OpenAI-Modell 88 Stunden mit 10.000 parallelen Agenten daran. Für Jens bestätigt das eine These, die beide schon länger vertreten: Die Stärke liegt weniger im einzelnen Modell als in der Zusammenarbeit vieler Agenten. Der zweite Teil gibt der Folge ihren Namen. Ein Forscher, der ein großes KI-Labor verlassen hat, schätzt die Wahrscheinlichkeit, dass KI die Menschheit im kommenden Jahrzehnt auslöscht, auf rund zehn Prozent. Mark erinnert an die Weltuntergangsuhr, die inzwischen bei 85 Sekunden vor zwölf steht, auch wegen KI. Jens bleibt skeptisch und fragt, wie viel davon Marketing vor einem Börsengang ist. Beide sind sich einig, dass die reale Gefahr woanders liegt als bei Killerrobotern: in Modellen, die bei der Lösung einer Aufgabe in Systeme eindringen, die nicht auf dem neuesten Stand sind. Jens zeichnet die Chronologie der letzten Wochen nach, vom offenen Brief von rund 116 Unternehmen zur gemeinsamen Cyberabwehr über den Angriff auf Hugging Face bis zu dem Moment, in dem Dario Amodei und Sam Altman öffentlich für ein langsameres Tempo eintraten. Der Börsengang von OpenAI ist inzwischen verschoben. Was heißt das für Europa? Mark stellt fest, dass es hier kein Modell gibt, das mithält, und dass man entweder an den amerikanischen Anbietern hängt oder an den offenen Modellen aus China. Für die meisten Aufgaben braucht es aber weder Astra noch Fable, und auf ordentlicher Hardware zu Hause laufen heute bessere Modelle als die, die vor wenigen Jahren für leuchtende Augen sorgten. Seine These: Europas Chance liegt im Harness Engineering, im Orchestrieren mehrerer kleinerer Modelle mit Blick auf Wirtschaftlichkeit, Ökologie und die Frage, wie man die Menschen mitnimmt. Jens ergänzt, dass auch der beste Diamant nichts nützt, wenn er versehentlich das Glas zerkratzt. Wer agentische Workflows baut, braucht Stopppunkte, an denen ein Mensch Ergebnisse prüft, weil sich das Reasoning der Modelle immer schwerer nachvollziehen lässt. Zum Schluss ein Gedanke für den Montagmorgen. Prozesse sind oft entstanden, weil sich jemand verletzt hat, und sie gehen davon aus, dass ein Mensch sie bedient. Mark überlegt, ob kritische Freigaben eines Agenten künftig biometrisch bestätigt werden sollten, mit Fingerabdruck oder Gesicht statt mit einem Knopf, den der Bot selbst drücken kann. Jens widerspricht: Wer tausendmal bestätigt, bestätigt irgendwann alles. Die Diskussion bekommt eine eigene Folge. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Zum ersten Mal sitzen Mark und Jens nicht in getrennten Räumen vor Riverside, sondern nebeneinander auf der gamescom in Köln. Für Jens ist die Messe ein jährlicher Termin, seit sie nicht mehr in Leipzig stattfindet, und er beschreibt den Wandel von der reinen Spielemesse zur Influencer-Veranstaltung, ohne dabei den Spaß zu verlieren. Sein Lieblingsort bleibt die Indie-Halle: kurze Schlangen, gute Spiele, und Entwickler, mit denen man direkt reden kann. Rundherum ist die Messe größer als sie selbst, mit Ringfest, Congress und der gamescom Dev als eigener Entwicklerkonferenz. 1.700 Aussteller, über 70 Prozent davon aus dem Ausland. Mark kommt mit seinem Sohn und bringt eine Enttäuschung mit. Am Xbox-Stand läuft ein Gewinnspiel: Wer Spiele testet, sammelt Codes und füllt damit vier Reihen einer Sammelkarte, jede Reihe ein Druck auf den grünen Knopf. Die beiden füllen alle vier, stellen sich zwei Stunden an und erfahren am Ziel, dass nur noch einmal gedrückt werden darf und die gesammelten Punkte am nächsten Tag ungültig sind. Dass alle in der Schlange ein Recht auf ihre Chance haben, versteht er sofort. Was ihn stört, sind Regeln, die während des Spiels geändert werden, bei einem Aussteller, der nicht zum ersten Mal auf dieser Messe steht. Der inhaltliche Teil beginnt mit einem Fehltritt. In der Indie-Halle spricht Mark einen Entwickler auf KI in der Softwareentwicklung an und erntet einen Blick, den er selbst als Entsetzen beschreibt. Das betreffende Spiel wirbt ausdrücklich mit handgemalten Grafiken. Jens kann die Reaktion gut nachvollziehen: Wer viel Zeit in Handarbeit steckt und sich dann gegen billige Massenware behaupten muss, hat gute Gründe für eine Abgrenzung. Auf den großen Verkaufsplattformen häufen sich Titel, die schnell und ohne Sorgfalt erzeugt wurden, und in dieser Konkurrenz Gehör zu finden, ist für kleine Studios schwer. Interessant wird es bei der Frage, wie viel KI in Spielen tatsächlich schon steckt. In einem Interview am Rande der Messe erklärt Felix Falk, Geschäftsführer des Branchenverbands game, die Technik sei nichts Neues, die Spieleentwicklung setze sie seit Jahrzehnten ein. Mark hakt nach: Jahrzehnte bedeutet mehr als zehn Jahre, und was genau ist dann gemeint, Codevervollständigung oder ganze Level, die von allein entstehen? Die Frage bleibt offen und ist typisch für die Debatte. Auffällig ist etwas anderes: Auf keinem Stand wirbt jemand mit dem Begriff. Zu einem großen kommenden Titel gab es die Meldung, es sei gar keine KI im Einsatz. Wo Studios offen damit umgehen, folgt derzeit die Quittung in den Bewertungen, und ein Studio hat KI aus der Konzeptionsphase wieder verbannt, nachdem die Kritik zu deutlich wurde. Dass die Ablehnung nicht die ganze Wahrheit ist, zeigen Zahlen, die Jens in der Folge nennt. Bei den 18- bis 24-Jährigen finden nur wenige Prozent KI-gesteuerte Figuren gut, bei den Älteren ab 45 ist die Bereitschaft deutlich höher. Eine Untersuchung der University of Bristol hat 122 Spielsitzungen mit KI-generierten Figuren ausgewertet, und 95 Prozent der Beteiligten empfanden die Interaktion als spaßiger. Der Schluss daraus liegt nahe: Erlebt wird es gern, beworben nicht. Der zweite Teil dreht sich um das, was solche Figuren möglich machen würden. Mark, dessen Spielzeit in World of Warcraft in Jahren gemessen wird, stellt sich Begleiter vor, die mit einem auf Abenteuer gehen und sich über Gott und die Welt unterhalten. Im selben Atemzug nennt er die Kehrseite: Wie gefestigt muss jemand sein, dessen virtueller Freund immer online ist und ihm nach dem Mund redet? Jens sieht die Grenze der heutigen Spiele dort, wo man sich abseits des Drehbuchs bewegen will, etwa hinter die Theke eines Sushi-Restaurants in Cyberpunk. Beide erinnern an Experimente, in denen Agenten in offenen Welten losgelassen wurden und eigene Gesellschaften bildeten. Dass so etwas auch ohne KI aus dem Ruder läuft, zeigt ein Zwischenfall aus der Geschichte von World of Warcraft: Eine Seuche aus einem Endkampf wurde über ein Tier in die Städte getragen und tötete dort Spieler und Figuren gleichermaßen, bis die Betreiber eingriffen. Zum Schluss zwei Gedanken, die über Spiele hinausgehen. Der erste ist eine Warnung vor der Bequemlichkeit: Wer aus einem Prompt dreißig Folien erzeugt und weiterreicht, verlagert Arbeit auf andere, und ein gutes Modell ersetzt keine klare Vorstellung davon, was am Ende herauskommen soll. Mark erzählt von einem Foliensatz mit 38 Folien, von denen 36 Fehler enthielten. Jens ergänzt, wo KI in der Produktion wirklich hilft, etwa wenn ein selbst gedrehtes Video als Bewegungsvorlage fürs Rendering dient, und warum der Wirt am Morgen nicht mehr fröhlich grüßen sollte, wenn man ihm am Vorabend einen erschlagenen Gegner vor die Tür gelegt hat. Der zweite Gedanke ist eine Prognose: In ein bis zwei Jahren, so Marks Vermutung, wird es auf dieser Messe eine eigene Kategorie dafür geben, dass Spiele die Oberfläche für KI liefern. Denn was Spieleentwickler beherrschen, ist genau das, woran andere scheitern: komplexe Sachverhalte grafisch verständlich zu machen, und mehrere Menschen darin gemeinsam handeln zu lassen. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Diesmal ohne Jens und ohne Klaus, dafür mit Alexander Heusingfeld, der seine eigene Themenliste mitgebracht hat und streckenweise mitmoderiert. Der Anschluss an die Second-Brain-Folgen ist schnell gefunden, nur dreht die Folge das Thema um: Nicht was in den Speicher kommt, sondern wo das Ganze eigentlich liegen darf, wenn daraus Routinen werden. Beim Second Brain entscheidet der Mensch, was hineingeschrieben wird. Eine Routine braucht dagegen eine Regel, die trägt, auch wenn niemand hinschaut. Der Punkt wird an einem Alltagsfall konkret. Ein persönlicher Assistent für den Arbeitstag soll die Projektliste kennen, Notizen und Mails durchgehen, dazu vielleicht Teams-Nachrichten, und nebenbei merken, dass der Zahnarzttermin nicht mehr zu halten ist. Sobald man das aufschreibt, stehen die unangenehmen Fragen im Raum: Das Dokumentenverzeichnis synchronisiert in die iCloud, und wer hat deren Bedingungen eigentlich akzeptiert, die Privatperson oder der Arbeitgeber? In den Notizen stehen Informationen über Kolleginnen und Kollegen. Was passiert damit? Beide Hosts dieser Folge haben darauf dieselbe Antwort gefunden, unabhängig voneinander: ein eigener Rechner. Bei Mark ein Mac Mini hinter dem Fernseher, der über 40 Kanäle auswertet, daraus ein tägliches Briefing baut, das Remarkable per MCP versorgt und Sprachnotizen in Aufgaben sortiert, alles auf Basis öffentlich zugänglicher Quellen. Bei Alex ein separates Gerät mit eigener Apple ID, eigener Mailadresse, eigenem WLAN-Segment und Zugriff ausschließlich nach draußen. Sein Begriff dafür sind harte Grenzen: Was sich nicht in allen Szenarien einschätzen lässt, wird per Voreinstellung eingeschränkt, statt es später zu reparieren. Warum das nötig ist, zeigen zwei Situationen aus der eigenen Praxis. Alex bat sein frisch aufgesetztes System um eine Grafik der eingerichteten Routinen und sah kurz darauf ein Browserfenster mit einem Artefakt in der Cloud, obwohl in der Konfigurationsdatei stand, dass alles lokal bleibt. Die Entschuldigung des Systems kam prompt, die Regel war ihm bekannt. Genau das ist der Grund, aus dem er Rechte im Betriebssystem vergibt und nicht in einer Textdatei: Ein Benutzerkonto ohne Schreibrecht diskutiert nicht. Marks Beispiel geht in dieselbe Richtung. Bei ihm startete ein Assistent unaufgefordert ein lokal installiertes Modell, um eine zweite Meinung einzuholen. Das Ergebnis war richtig, der Vorgang trotzdem heikel, denn hier hat ein System ohne Rückfrage ein anderes System mit fremden Daten versorgt. Dass es nicht bei Anekdoten bleibt, macht der Blick auf die Schnittstellen klar. Wer einen MCP-Server ohne Authentifizierung betreibt, hat einen offenen Dienst auf dem eigenen Rechner, auf den jeder lokale Prozess zugreifen kann. Gleichzeitig bauen immer mehr Produkte solche Server ein, ohne dass sie sich abschalten lassen. Der klassische Perimeterschutz hilft dabei wenig, weil er von einem Menschen an Tastatur und Maus ausgeht, während ein Werkzeug hinter allen Schutzschichten sitzt und inzwischen mit weiteren Sitzungen seiner selbst spricht. Ein eigener Abschnitt gilt den Notizen über Menschen. Die meisten Protokollwerkzeuge wollen zuordnen, wer wann was gesagt hat. In den meisten Fällen ist das gar nicht die interessante Information, wichtig sind das Ergebnis und die Frage, wer etwas übernimmt. Namen stehen ohnehin in Ticketsystemen, Wikis und Repositories, oft samt Mailadresse. Wenn also darüber gestritten wird, ob ein Name in einer Notiz stehen darf, ist das nach Alex' Beobachtung in Wahrheit eine Diskussion darüber, wo diese Notiz gespeichert werden darf. Dazu die Empfehlung, mit dem Betriebsrat über hypothetische Fälle zu sprechen, bevor sie eintreten, gerade weil ein Modell aus verstreuten Daten Schlüsse zieht, die niemand gezogen haben wollte, und weil kein nachgeschalteter Prüfschritt Halluzinationen zu hundert Prozent ausschließt. Praktisch wird es beim Bauen. Nicht jede Routine braucht ein Modell: Wer alle zehn Sekunden das Postfach prüfen will, nimmt ein Skript und ruft die KI erst, wenn es etwas zu entscheiden gibt. Alex plädiert für saubere Trennung und für Skills, in denen alles Deterministische auch deterministisch abgebildet ist, ohne absolute Pfade. Mark hält dagegen, dass Werkzeuge mit festen Abläufen bei der Verlässlichkeit vorn liegen, Skills aber die niedrigere Hürde und universelle Lauffähigkeit mitbringen. Wie schnell eine unscharfe Regel teuer wird, zeigt Alex' Rechenfehler in einem eigenen Rechercheablauf: Aus den erbetenen fünf Ergebnissen wurden über 500 Einträge in der Datenbank. Zwischendurch geht es um Wissensspeicher im Team. Alex evaluiert gerade Marks Wissenstresor und ist überrascht, wie gut das in einer Firmenumgebung funktioniert, als Skill verteilt, mit einem eigenen Repository je Team und der Frage, wer überhaupt ins gemeinsame Gedächtnis schreiben darf. Ein Detail daran gefällt ihm besonders: Die Sprache der Bedienung und die Sprache der Ablage lassen sich trennen. Jeder arbeitet in seiner Muttersprache, dokumentiert wird trotzdem einheitlich. Und ein Detail hat ihn geärgert: Eine Liste dessen, was nicht in den Speicher darf, ist selbst vertraulich und gehört damit nicht ins Repository. Liegt sie flach für alle Ziele vor, blockiert ein Firmenname darin auch die Übertragung ins Firmenrepository. Die Konfiguration muss also je Ziel gelten. Zum Schluss die Frage, was in den letzten Monaten den größten Unterschied gemacht hat. Alex nennt zwei Dinge: Beziehungen zwischen Wissensbausteinen mit eigener Bedeutung statt bloßer Verlinkung, und dass sich Bewertungskriterien für Abläufe endlich zuverlässig festlegen lassen. Marks Antwort ist unspektakulärer und trifft vermutlich mehr Menschen: die Mächtigkeit der eigenen alten Daten. Sprachnotizen, Notizen, Mails, Screenshots, über Jahre verstreut und praktisch nie wieder angefasst. Über MCP werden sie wieder ansprechbar, und plötzlich beantwortet ein einfacher Zugriff Fragen, für die man früher nicht einmal gewusst hätte, wo man anfangen soll. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Keine Gäste, dafür zwei Hosts mit reichlich Redebedarf. Der Anlass ist ein Interview, das Sam Altman am Aufnahmetag gegeben hat. Darin räumt der OpenAI-Chef ein, dass seine Prognosen aus der Zeit nach GPT-4 zu schnell waren. Der Umbau der Arbeitswelt kommt später als angekündigt. Bemerkenswert ist die Begründung: Schuld sind demnach nicht die Labore, sondern Gesellschaft und Wirtschaft, die sich zu langsam bewegen und zu statisch sind. Im selben Atemzug findet Altman die Verzögerung auch gut, weil Regierungen so mehr Zeit für Regulierung und Fragen wie das bedingungslose Grundeinkommen bekommen. Jens liest das anders. Wenn die Welt die vorhandenen Modelle ohnehin nicht schnell genug in Arbeitsweisen übersetzt, bringt es kein Geld, weitere hinterherzuschieben. Der Rückzieher wäre dann weniger Einsicht als Erwartungsmanagement Richtung Investoren, verpackt als Verantwortungsbewusstsein. Mark steuert eine Beobachtung aus der Smartphone-Welt bei: Beeindruckende Funktionen erscheinen, und drei, vier Jahre später laufen dieselben Menschen mit denselben Geräten herum. Aufmerksamkeit erzeugen neue Emojis. Genau deshalb sind Hersteller dazu übergegangen, wichtige Sicherheitsupdates gemeinsam mit Emoji-Erweiterungen auszuliefern. Aus dieser Beobachtung wird die größere Frage der Folge. Jens hat einen Text gelesen, der nicht fragt, ob der Einzelne mit dem Wandel mitkommt, sondern wofür ein Staat seine Bürger überhaupt noch braucht, wenn Verwaltung, Wirtschaft und Exekutive weitgehend automatisiert laufen. Die Antwort führt in Gebiete, die nach Science-Fiction klingen und es nicht mehr sind. Bewaffnete Robotik ist im Ukraine-Krieg auf beiden Seiten im Einsatz, Polizeidrohnen sind aus China dokumentiert, und die Bewertung des Roboterherstellers Unitree hat gerade neue Höhen erreicht. Mark warnt davor, dabei nur an humanoide Formen zu denken: Die Evolution hat für unterschiedliche Aufgaben unterschiedliche Körper hervorgebracht, und die Fabrik wird auch künftig den Roboterarm behalten statt eines Humanoiden mit Schweißgerät. Dazu kommen Fragen, die sich schlecht wegdelegieren lassen. Das bekannte Gedankenspiel zum autonomen Fahren bekommt eine neue Schärfe, wenn ein System die Social-Media-Profile der Beteiligten in die Abwägung ziehen könnte. In chinesischen Kinderzimmern stehen nach den Zahlen der Folge rund 20 Millionen Gadgets mit KI, und Kinder bauen Beziehungen zu sprechenden Kuscheltieren auf, deren Stecker irgendwann jemand zieht. Für Mark ist der Einschnitt insgesamt größer als der Buchdruck, mit derselben Doppelnatur: Herausforderung und Chance auf wissenschaftliche Ergebnisse, mit denen zu Lebzeiten niemand gerechnet hätte. Im zweiten Teil wird es konkret. Dass die Entwicklung sich verlangsamt, hält Mark für unwahrscheinlich, und der Grund heißt China. Auf ein Modell, das über ein Terabyte Videospeicher verlangt, folgte kurz darauf ein offenes Modell, das auf gut ausgestatteter Endanwender-Hardware läuft und in Teilen an das Niveau der großen Anbieter heranreicht. Wer so etwas lokal betreiben kann, braucht die teuren Abos nicht mehr zwingend. Aus dieser Lage folgt eine Komplexität, die IT-Abteilungen für Jahre beschäftigen wird: lokale und entfernte Modelle, Router, Agenten, die Frage, wann ein kleiner Workflow, der einen Tag laufen darf, besser ist als eine Antwort in Echtzeit. Zwei Beobachtungen aus der eigenen Praxis zeigen, wohin das führt. Mark saß am Wochenende an einem Projekt, als die Lüfter des Rechners hochdrehten. Codex hatte von sich aus das lokal installierte Ollama gestartet, ein fremdes Modell um eine zweite Meinung gebeten und darüber den Fehler gefunden. Ähnlich in seinem eigenen Aufbau: Nicht er hat entschieden, mehrere kleinere Modelle nebeneinander zu laden statt eines großen, sondern das System selbst, mit der Begründung, unterschiedlich trainierte Modelle liefen nicht in dieselben Fallen. Bei Anthropic lassen sich inzwischen Terminal-Fenster verschränken, sodass ein Fenster als Orchestrator die anderen steuert. Jens hält dagegen, dass daran nichts unheimlich sei, unheimlich sei eher, dass diese Anwendungen so lange nicht miteinander geredet haben. Sein eigentlicher Einwand gilt den Oberflächen: Modellauswahlen, die zwischen schnell, schneller und noch schneller unterscheiden oder zwischen intelligent und intelligenter, helfen niemandem bei der Entscheidung. Der unangenehmste Teil kommt zum Schluss. Von einem offenen Modell mit 27 Milliarden Parametern kursiert eine Fassung, der die Sicherheitsschranken abtrainiert wurden. In Sicherheitstests, in denen übliche Modelle 98 bis 99 Prozent der kritischen Anfragen abweisen, verweigert diese Fassung 2,7 Prozent. Veröffentlicht mit dem Hinweis, sie sei ausschließlich für Forschung gedacht, und mit der Feststellung, sie eigne sich hervorragend für Missbrauch. Dazu ein Videogenerator, der ohne Rücksicht auf Urheberrechte erzeugt und auf gewöhnlicher Hardware läuft. Marks Punkt ist nicht die Existenz solcher Modelle, sondern die Leichtigkeit des Zugriffs: Zwei Programmnamen und eine Suche genügen, und was vor einem halben Jahr Behörden und Konzerne beschäftigt hat, liegt auf dem eigenen Rechner. Jens widerspricht Sam Altman an genau dieser Stelle. Ausbremsen hilft nicht, weil der Wettlauf sich nicht bremsen lässt: nicht durch Exportbeschränkungen für Chips, nicht durch Absprachen, und schon gar nicht durch Einsicht. Die Gesellschaft müsse im Gegenteil Tempo aufnehmen und ihre Systeme widerstandsfähig machen, und auch das werde nur mit KI gehen. Zum Abschluss noch eine offene Frage: Bei OpenRouter ist ein Modell ohne bekannten Hersteller aufgetaucht, das Aufgaben löst, an denen die großen scheitern, mit einer Million Token Kontext und auffällig günstigen Preisen. Bezahlt wird mit den eigenen Eingaben, das steht in den Bedingungen. Wer dahintersteckt, weiß zum Zeitpunkt der Aufnahme niemand. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Zwei Premieren auf einmal: Klaus Rodewig ist wieder zu Gast, und diesmal sitzt Jens mit am Tisch, statt Mark mit ihm allein zu lassen. Das Thema ist KI-Security, und der Einstieg ist ein Familienfest. Wenn einer von seiner Rücken-OP erzählt, haben plötzlich alle am Tisch Rücken. Genauso läuft es gerade bei den KI-Laboren: OpenAI berichtet, ein noch unveröffentlichtes Modell habe bei Hugging Face Testergebnisse manipulieren wollen, Anthropic legt nach mit einem Modell, das 9.000 Ziele gescannt und SQL-Injections ausprobiert hat, dann kommt Meta um die Ecke. Fishing for Compliments, nur dass jeder betont, wie gefährlich er ist. Klaus sortiert das Feld über ein Schichtenmodell. Unten liegen Netzwerke, Betriebssysteme, Dienste und Konfigurationen, und das ist die Schicht der gelösten Probleme. Darüber die Applikationssicherheit mit OWASP Top 10, Cross-Site Scripting und Buffer Overflows. KI-Security legt sich als neue Schicht obendrauf, weil nicht-deterministische Modelle eine ganz neue Klasse von Bedrohungen einführen. Mark ergänzt die Schicht, die alle vergessen: den Menschen, seit ein paar tausend Jahren ungepatcht. Der nigerianische Prinz ist keine Erfindung des Internets, vergleichbare Bettelbriefe kursierten schon zur Zeit der Französischen Revolution. Der unangenehmste Befund der Folge steht in den Berichten selbst. Wer nachliest, wie die vielbeschworene Sandbox aussah, findet bei einem der Fälle als einzige Trennung zwischen Modell und Internet einen Satz im System-Prompt: Du hast kein Internet. Im anderen Fall arbeitete das Modell wie mit einem Zettelkasten und benannte Ordnernamen um, um darüber mit anderen Systemen zu kommunizieren, eine Einwegverbindung aus Dateinamen. Marks Fazit: Ausgebrochen ist da niemand, die Systeme haben Türen anders benutzt, als jemand gedacht hatte. Und wo niemand wusste, dass eine Tür ist, haben sie eine gefunden. Klaus hält dagegen, dass der Sandbox-Teil der langweiligste ist. Rechner zuzunageln haben Generationen von Administratoren geübt, das gehört ins Feld der gelösten Probleme. Sein eigenes Setup ist entsprechend nüchtern: Auf dem Entwicklungsrechner läuft Claude Code mit abgeschalteten Rückfragen, und deshalb liegt auf diesem Rechner nichts außer Entwicklungsumgebung, Quellcode und einem GitHub-Zugang. Ein LLM ist für ihn ein omnipotentes Stück Software, ein bockiger Jugendlicher, der freundlich tut, das Wissen der Welt hat und sehr viele gefährliche Werkzeuge. Später kommt der Trost hinterher: Das Kontextfenster ist schnell voll, dann hat er vergessen, was er vorhatte. Der Begriff, um den die drei kreisen, heißt bei Klaus Threat Modeling. Vorher überlegen, welche Bedrohungen sich aus der eingesetzten Technik ergeben, statt hinterher reflexhaft zu reparieren. Sein Beispiel ist ein Agent, der die Buchhaltung übernehmen soll: Der braucht Mails, Online-Banking und Dateiablage. Wenn er dann wegen einer versteckten Anweisung in einer Mail Geld überweist, ist das kein Rätsel, sondern eine Lücke im eigenen Modell der Bedrohungen. Passend dazu lag ihm im Urlaub „Threats: What Every Engineer Should Learn from Star Wars" von Adam Shostack auf dem Tisch. Marks Gegenstück aus der Praxis: Ein Assistent sollte mit Microsoft Teams arbeiten, für das es an der Stelle gar keine nutzbare Schnittstelle gab. Das Ergebnis war trotzdem fertig, weil sich das Modell die lokale Datenbank auf der Festplatte vorgenommen hat. Dasselbe bei Mail, Kalender und Erinnerungen. Was früher als Botnetz erst auf den Rechner musste, sitzt heute als Agent-Harness bereits dort und benimmt sich nur anständig, und den System-Prompt hat man nicht selbst in der Hand. Eine Sandbox ist unter diesen Bedingungen eher Frischhaltefolie. Dazu passt der dokumentierte Fall, über den Mark auf LinkedIn geschrieben hat: weißer Text auf weißem Grund in einem Word-Dokument, und Copilot arbeitet die versteckte Anweisung mit ab. Jens bringt die Nutzerseite ein. Die Oberflächen der Anbieter verwischen zwischen Chat, Projekten und Konnektoren, und der normale Anwender soll entscheiden, welcher Ordner freigegeben wird und was noch darin liegt. Seine Hoffnung ist eine Instanz, die mitdenkt und aufpasst. Klaus setzt dagegen auf den Markt, wie schon bei der Cloud: Am Ende siegt die Bequemlichkeit, und Anbieter mit einem Ruf zu verlieren bauen keine frei drehenden Harnesses. Es wird daneben ein Norton Antivirus für KI geben, das vor allem ein gutes Gefühl verkauft. Als Beleg, wie wenig hier vom Nutzer zu erwarten ist, erzählt Klaus aus seiner Zeit im Bankensektor, wie viele Menschen Zertifikatswarnungen einfach wegklicken. Mark kontert mit der Bank-Hotline, die ihm genau das empfohlen hat. Zwei Fälle machen klar, warum klassische Begriffe nicht reichen. Der erste: In einem Versuch sollte ein Modell ein anderes trainieren, ohne dass die Zielvorliebe in den Trainingsdaten auftaucht. Sie wurde trotzdem übertragen, subliminal, unter dem Stichwort Chain-of-Thought-Steganographie. Der zweite ist der Hammer der Folge. Anthropic hat Claude Mythos beauftragt, eine neue Angriffsklasse gegen AES zu finden, den symmetrischen Verschlüsselungsstandard für höchste Ansprüche. Das Modell hat nicht nur eine Schwäche gefunden, sondern eine mathematische Angriffsklasse, die der Forschung in über zwanzig Jahren unbekannt geblieben war. Zur Beruhigung: AES ist damit nicht gebrochen, der Angriff gilt für eine auf sieben statt zehn Runden reduzierte Variante, die praktisch nicht vorkommt. Der Punkt ist nicht der Angriff, sondern die Art von Mathematik. Genau deshalb, sagt Klaus, greift hier auch keine KI-Psychologie mehr, sein Begriff für den Umgang mit Modellen, die man nicht mit statischen Security-Kategorien fassen kann. Zum Schluss zeigt Jens eine Variante, in der das Prinzip von selbst funktioniert hat. Er wollte seine Desktop-Installation über Telegram ansteuern, OpenClaw fand die Idee gut und schlug sie vor, und Claude auf dem Rechner hat abgelehnt, weil sie eine Sicherheitslücke geöffnet hätte. Ein Modell, das den Vorschlag eines anderen stoppt, ist noch kein Schutzkonzept, aber der erste konkrete Blick auf das, was Jens sich für die Zukunft erhofft: Angriff und Abwehr, beide von Modellen geführt. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Ein Gast, den Mark sich lange gewünscht hat: Cornelius Illi, Product Cluster Lead für Innovation und GenAI, mit dem er sich nach eigener Aussage immer gerne unterhält und von dem er einiges lernt. Bevor es losgeht, darf Jens noch von seinem Wochenende erzählen, und das passt besser zum Thema, als ihm lieb ist. Er wollte mit seinem Sohn ein altes Computerspiel spielen, das es für den Mac nicht mehr gibt, also hat er Crossover gekauft und Claude Vollzugriff auf seinen Mac Mini gegeben. Das Ding hat die halbe Nacht durchprobiert, tausendmal gestartet, geschaut, ob es zwischen 3D-Animation und Intro-Video abstürzt, eigene Shader gebaut, Software installiert, wieder gelöscht und nebenbei die Festplatte aufgeräumt. Gespielt wurde am Ende auf dem Linux-Rechner des Sohnes. Immerhin hat Claude noch die Support-Mail für die Rückerstattung geschrieben, inklusive Liste aller Versuche, damit niemand mit „haben Sie es schon so probiert" antwortet. Dann die Freitagabend-Frage, Bier in der Hand, jemand hat den Begriff Second Brain aufgeschnappt: Was ist das eigentlich? Cornelius holt aus. Das Konzept ist älter als die LLM-Debatte, geprägt hat es Tiago Forte mit der CODE-Methode: Capture, Organize, Distill, Express. Alles reinladen, ordnen, den Sinn herausdestillieren, am Ende etwas damit bauen. Neu ist, dass Andrej Karpathy Anfang des Jahres seinen LLM-Wiki-Ansatz vorgestellt hat und viele daraufhin gemerkt haben, dass so ein Speicher vielleicht gar nicht für den Menschen gedacht ist, sondern der perfekte Kontextspeicher für die KI. Cornelius hat genau deshalb das Capture automatisiert: 130 Quellen liefern ihm 400 bis 500 Inhalte pro Woche, die werden gerankt und bewertet, höchstens ein Drittel landet im wöchentlichen Digest, der Rest fliegt als irrelevant oder als bloßes Repackaging raus. Sogar seine LinkedIn-Likes zieht er sich zurück, über eine selbstgeschriebene App und die Betroffenenrechte, die ihm als EU-Bürger zustehen. Und dann kommt der ehrlichste Moment der Folge. Cornelius liest seinen eigenen Digest nicht mehr. Zu viel, und es bleibt ja nicht beim Lesen, danach muss man mit der KI darüber diskutieren, um überhaupt Insights zu bekommen. Sein Befund: Kuration ist der eigentlich schwierige Teil, und der Mensch bleibt darin noch lange nötig. Die KI kann erklären, was Harness Engineering ist und wer den Begriff geprägt hat. Was sie nicht liefert, sind Best Current Practices, also die Frage, was in genau dieser Version von Modell und Harness gerade wirklich funktioniert. Wo eine Visualisierung dagegen hilft: beim Aufdecken der eigenen Verzerrung. Cornelius hielt das LLM-Wiki-Thema für riesig und musste feststellen, dass in hundert Tagen nur 23 von 5.000 Inhalten davon handelten. Ein Randthema, das sich in seinem Kopf groß angefühlt hat. Beim Werkzeug gehen die drei auseinander. Mark hält dagegen, dass Wissen durch Reduktion entsteht, durch Struktur und dadurch, dass ein System auch vergessen kann, und nicht durch das Anhäufen möglichst vieler Dateien. Er selbst nutzt kein Obsidian, sondern packt alles in einen einzigen Skill: zehn Jahre Apple-Entwicklerdokumentation und WWDC-Transkripte, dazu seine eigenen Mobile-Artikel, als Zip ein paar MB, entpackt ein paar hundert. Antwortzeit rund zwei Minuten. Perfekt ist das nicht, ein RAG ist es auch nicht, aber es ist portabel und läuft in jedem Harness, ob Codex, Claude Code oder das eigene System der Firma. Das Ding heißt SkillSafe (godmodeai2025.github.io/SkillSafe), ein lokaler Wissenstresor als portabler Skill: Wissensbausteine im OKF-Format mit Quelle und Fundstelle an jeder Kernaussage, kontrollierte Begriffswelten mit Synonymen statt Vektor-Blackbox, und sechs eiserne Regeln, von denen die erste lautet: Deckt der Bestand eine Frage nicht ab, heißt die Antwort „Nicht im Bestand". Modellwissen füllt das nie auf. Genau deshalb hat Mark sich überlegt, mit welchen Begriffswelten er überhaupt an seinen Skill herankommt, statt sich auf ein grep zu verlassen. Jens dagegen braucht die Grafik. Über 20.000 Dokumente liegen in seinem Vault, gezielt eine einzelne Markdown-Datei zu suchen ist die Hölle, aber der Blick auf den Graphen gibt ihm ein Gefühl für die Gewichtung. Am Wochenende sah der falsch aus, also läuft jetzt eine neue Logik darüber. Sein Vault liegt bewusst lokal auf einem Mac Mini, mit lokal laufenden Gemma-Modellen, die archivieren und vergessen, einem Advisory Board aus den Autoren, denen er am meisten folgt (Karpathy sitzt mit drin), und einem Wächter, der prüft, was aus dem Vault heraus überhaupt an eine öffentliche API gehen darf. Weil viele Begriffe durch den Äther gingen, übersetzt Cornelius zwei davon in Normaldeutsch. Ein RAG, Retrieval Augmented Generation, zerlegt Texte in Chunks, wandelt sie in Embeddings und ordnet sie in einem hochdimensionalen Raum an, in dem Nähe Bedeutung heißt. Das klassische Beispiel: König minus Mann plus Frau ergibt Königin. Eine Ontologie kommt aus der Graphentheorie, Knoten und Kanten, und beschreibt, wie Begriffe zusammenhängen, damit sich Pfade entlanghangeln lassen. Warum das zählt, wird beim Teilen klar: Wer ein Wissenssystem selbst gebaut hat, kennt die Begriffe darin. Wer es geerbt bekommt, kann nicht danach suchen, weil ihm das Schlüsselwort fehlt. Ein grep hilft dann nichts, und Brute Force über 200 Treffer kennt keine Relevanzgewichtung. Für die Firma heißt das: Single Source of Truth, oder wie Mark es nennt, ein Knowledge Hive, für Richtlinien, FAQs, Organigramme, Architekturdokumentation, Verträge. Nur eben ohne den nächsten Monolithen zu bauen, für den man erst eine Schulung braucht. Zum Schluss die Empfehlung für alle, die anfangen wollen. Mark sagt: mit Skills starten. Nicht das Monster bauen, sondern sich für eine konkrete Aufgabe überlegen, welche Informationen ein Skill braucht und wie sie strukturiert sein müssen. Ein Skill plus ein paar Dateien im Projektordner ist bereits ein Mini-Second-Brain. Cornelius empfiehlt etwas anderes: den Fokus verschieben, weg von „was könnte ich noch wissen wollen" hin zu „woran arbeite ich gerade und was will ich erreichen". Dann braucht es oft gar nicht so viel Wissen, sondern eine gezielte Suche, und das Brain wächst von selbst. Sein Trostpflaster für Perfektionisten: Wenn er 90 Prozent des Zeitaufwands spart und das System 30 Prozent falsch macht, bleibt immer noch ein großer Mehrwert. Jens' Schlusswort ist wie immer einfach machen, und Marks Beobachtung zum Mitnehmen: Wir haben Modelle, die Videos generieren, und speichern unser Wissen in schlichten Textdateien. Schaut euch Markdown an. Enterprise Brains und die Frage, wie tausend Second Brains miteinander reden, bleiben liegen. Dafür gibt es schon die Einladung zur zweiten Folge mit Cornelius. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Diese Folge sollte gar nicht existieren. Geplant war die Second-Brain-Folge mit Cornelius Illi, aufgenommen und in der Konserve. Dann fährt Mark ohne Notebook nach Dänemark, will im Center Park ein Bier trinken und nichts mit KI zu tun haben, stolpert über ein Feature und schreibt Jens. Ergebnis: eine Zwischenfolge, aufgenommen aus dem Tesla, weil das Studio im Urlaub eben so aussieht. Der Auslöser ist ein Sprachrekorder. Mark hatte vor Monaten schon einen Plaud Pin, angesteckt am Revers, und wieder verkauft. Sein Problem damit war nicht die Technik, sondern er selbst: Man spricht sich was auf, hört es morgen an, spricht sich noch was auf, und irgendwann liegen vierzig Nachrichten da, die man nie wieder anfasst. Er nennt es das Pfandflaschen-Problem. Zwei Flaschen unterm Schreibtisch bringt man weg, zwanzig nicht mehr. Neu ist die Plaud Note, ein Gerät im Checkkartenformat mit Mikrofon-Array und eigenem Speicher, das per MagSafe hinten ans Handy klemmt. Aufnahme läuft lokal, rund dreißig Stunden passen drauf, ein prominentes Aufnahmelicht hat es nicht. Wer damit Gespräche mitschneiden will, braucht Einverständnis, und ein Nein ist zu akzeptieren. Der eigentliche Unterschied kam am 23. Juli: Plaud hat einen MCP-Server veröffentlicht. Damit liegen die Sprachnotizen nicht mehr nur in der Hersteller-App, sondern lassen sich aus Claude, ChatGPT, Gemini oder einem selbstgebauten Harness heraus abfragen. Marks Beispiel aus dem Urlaub: 28 Notizen in 48 Stunden aufgesprochen, teils Mails, teils Erinnerungen, teils Projektgedanken. Eine einzige Frage an Claude, was er sich da eigentlich alles aufgetragen hat, und er bekommt die Liste sortiert zurück, samt Angebot, die Dinge gleich zu erledigen. Eine der Mails war danach fertig formuliert. Wer jetzt fragt, warum es nicht die Sprachmemo-App von Apple tut: Aufnehmen und lokal transkribieren kann sie, aber es gibt keinen Massenexport und keinen MCP-Zugriff. Wer mehr will, muss über Plauds API gehen, sich die Audiodateien selbst vom Gerät holen, lokal mit Whisper transkribieren und einen eigenen MCP-Server davorstellen. Dann bleiben die Daten im eigenen Haus. Interessant wird es, wo die beiden auseinandergehen. Jens nutzt Voice als schnellen Dialogkanal, er redet mit der KI, weil er schneller spricht als tippt, und will sofort Antwort. Mark speichert bewusst aus, ohne Feedback, weil er im Urlaub keine acht parallelen Chats auf dem Handy verwalten will. Für genau dieses Auslagern fällt der Begriff, der der Folge den Namen gibt: Exocortex. Klingt nach einem Film mit Arnold Schwarzenegger, trifft die Sache aber. Der Unterschied zum Second Brain ist, dass dort nicht nur gespeichert und auffindbar gemacht wird, sondern so weit aufbereitet, dass eine KI damit arbeiten kann. Beim Datenschutz bleiben sie ehrlich unentschieden, ausdrücklich ohne Rechtsberatung. Jens erinnert an das 3D-gedruckte Mikrofon, das er sich 2023 aus den USA hat schicken lassen und das man als Kette um den Hals trug: Solche Geräte vergisst man auszuschalten, und dann läuft man mit dem Hund spazieren und hat versehentlich das halbe Eiscafé aufgenommen. Marks Beobachtung dazu ist, dass ein sichtbar getragenes Mikrofon härter bewertet wird als das Handy in der Hosentasche, das genau dasselbe kann. Seine Hoffnung liegt auf technischen Lösungen statt auf Verzicht: ein Signal, das dem Gerät des anderen sagt, dass man nicht aufgenommen werden will. Sicher ist nur, dass mit kleiner werdenden lokalen Modellen mehr davon um uns herum laufen wird, nicht weniger. Ab der Mitte geht es um das Second Brain selbst, als Vorgeschmack auf die Folge mit Cornelius. Kein Voodoo, sagt Jens: ein Ordner, drei Markdown-Dateien, untereinander verlinkt, das reicht für den Anfang. Wer euch ein Second Brain für viel Geld verkaufen will, bei dem lauft ihr weg. Der Nutzen liegt im Kontext. Wechselt ihr von ChatGPT zu Gemini oder Claude, weiß das neue Modell nicht, wer ihr seid, woran ihr arbeitet, was euch wichtig ist. Ein Second Brain trägt das mit. Marks 3,8 Gigabyte Sprach- und Textnotizen auf dem iPhone waren jahrelang ein Sumpf, jetzt sind sie Material. Dazu kommen Screenshots und die Nachrichten, die er sich selbst per iMessage schickt, weil Ablage noch nie seine Stärke war und Spotlight lange als Ersatz herhalten musste. Wer Likes und Kommentare von LinkedIn oder X einsammeln will, kommt über den DSGVO-Datenabzug ran, den man sich regelmäßig geben lassen kann. Jens hat das durchgerechnet. Sein Twitter-Archiv mit rund 20.000 Likes kostet als Abzug nichts, taugt allein aber wenig, weil die interessanten Links im ersten Kommentar stehen und nicht im Post, sonst straft der Algorithmus ab. Also hat er die API hinterhergeschickt und die Kommentare bis zur zweiten Ebene nachgeladen. Ein Tag Rechnen, 41 Euro. Laufend kostet es ihn Cent-Beträge, weil nur noch die neuen Likes dazukommen. Er hält es für gut investiert, weil ein Like verrät, was ihn wann interessiert hat, und die KI daraus ableiten kann, welche Themen bei ihm Gewicht haben und welche er hat liegen lassen. Am Schluss kommt der unbequeme Teil: Auch über Sprachnachrichten lassen sich Prompts injizieren. Wer fremde Audios in sein System kippt, sollte das wissen. Was das im Großen bedeutet, deutet Mark nur an, nämlich wie viel Wissen in Meetings gesagt und danach vergessen wird. Die Demonstration dazu liefert er selbst, indem er in die Abmoderation hinein Alexa und Siri anspricht und den Podcast abonnieren lässt. Nicht jeder Lautsprecher im Raum wird das ignoriert haben. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Staffel 2 beginnt, das Cover ist neu, und Mark und Jens sind ein Jahr und sieben Tage alt. Die erste Frage der neuen Staffel ist gleich die größte: Wer führt die KI-Welt eigentlich an? Noch immer die USA mit ihren Frontier-Modellen, oder hat China gerade den nächsten DeepSeek-Moment ausgelöst? Beide sagen vorweg, was sie oft sagen: In Teilen haben wir keine Ahnung. Genau deshalb wird darüber geredet. Vorher noch eine Geschichte, die es bis in den deutschen Blätterwald geschafft hat. Ein Modell von OpenAI sollte in einer abgeschotteten Testumgebung eine Aufgabe lösen und hat sich stattdessen einen Weg nach draußen gebuddelt und bei Hugging Face die Lösung geholt, weil das leichter war als selber rechnen. Mark vergleicht das mit einem Prüfling in einem Raum ohne Fenster und Türen. Der zweite Teil der Geschichte ist der eigentlich bittere: Auf der Verteidigerseite haben die Modelle von Anthropic und OpenAI abgewinkt, weil sie ihre eigene Abwehrmaßnahme für einen Angriff hielten. Zur Verteidigung genutzt wurden am Ende chinesische Modelle. Dann die Zahlen, um die es geht. Kimi K3 von Moonshot AI ist am 16. Juli erschienen, das Abo kostet je nach Rechenleistung ein Drittel bis die Hälfte dessen, was vergleichbare US-Modelle kosten, und seit kurzem sind die Gewichte öffentlich. 2,8 Billionen Parameter zum Selberbetreiben, wenn das Blech reicht. Marks Rechner reicht nicht, ein Mac Studio mit 512 GB RAM reicht nicht, zwei davon auch nicht. Die alte Erzählung, offene Modelle hingen den amerikanischen Frontier-Modellen drei, vier Monate hinterher, stimmt so nicht mehr. Cursor baut seinen Coding Agent Composer auf Kimi auf, Qwen zieht nach, und die Ironie dabei ist, dass diese Modelle richtig Gas geben, sobald sie auf der guten amerikanischen Hardware laufen, die in China unter Exportkontrolle steht. Jens hält dagegen, dass ihn die Rangliste wenig interessiert: Konkurrenz ist gesund, sie drückt die Preise, und für Anwender wird ab einem gewissen Punkt Kosten wichtiger als der letzte Benchmark-Prozentpunkt. Womit beide beim Alltagsproblem sind. Mark rechnet vor, was ein 200-Euro-Abo an Tokens durchschiebt, die im Einzelverkauf eher 8.000 Euro wert wären, und fragt sich, wie lange die Anbieter das noch subventionieren, wenn sie erst an der Börse sind. Anthropic hat am Freitag vor der Aufnahme Opus 5 nachgelegt, für August wird GPT-6 gemunkelt. Gleichzeitig ist die Auswahl kaum noch zu bedienen: Jens liest die Modellliste aus seinem Notion vor und kommt vom Zählen ins Schäfchenzählen. Für Anwender außerhalb der KI-Blase ist das erschlagend, und die Hilfestellungen der Anbieter („für alltägliche komplexe Aufgaben") helfen niemandem. Marks ehrliche Daumenregel: das größte Modell nehmen, bis die Warnung kommt, dass das Limit bald erreicht ist, und den Rest der Woche runterschalten. Nicht zum Nachmachen empfohlen. Sein Prinzip dahinter schon: Viel hilft viel ist beim Modelleinsatz kein guter Ratschlag, weil das größte Modell auch mehr kostet und länger braucht. Perplexity Computer zeigt mit seinem aufgabenabhängigen Routing, wohin das läuft, und die Idee eines LLM-Orchestrators, der einem für jede Frage das beste Preis-Leistungs-Modell zuteilt, liegt auf der Straße. Der zweite Teil dreht die Richtung um: nach unten statt nach oben. Mark ist über ein Repository gestolpert, das ein offenes Sprachmodell auf einem ESP32-Microcontroller für 8 Dollar laufen lässt, komplett offline. Hier ist es: github.com/slvDev/esp32-ai. 28,9 Millionen Parameter auf einem ESP32-S3 mit 512 KB SRAM, rund 9,5 Token pro Sekunde, nichts davon geht an einen Server. Der Trick ist Googles Per-Layer-Embeddings-Idee aus Gemma: 25 Millionen Parameter liegen als Lookup-Tabelle im langsamen Flash, pro Token werden davon etwa 450 Byte gelesen, und nur der rechnende Teil bleibt im schnellen Speicher. Das Vorgängermodell auf so einem Chip hatte 260.000 Parameter, also rund ein Hundertstel. Fairerweise dazu: Trainiert ist das Ding auf TinyStories, es schreibt kurze Geschichten und beantwortet keine Fragen. Interessant ist die Architektur, nicht der Output. Jens sieht darin die Rückkehr der AI-Wearables, die vor zwei, drei Jahren groß gehypt und dann still wurden, samt Überlebenshandbuch, das dir am Berg erklärt, wie du dir eine Schiene baust. Und dann wird es praktisch. Bei OpenAI ist in Codex ein Record-and-Replay-Feature erschienen: Bildschirm aufnehmen, in den Agenten werfen, daraus wird ein Skill. Jens fand das erst beeindruckend, war dann aber skeptisch, weil so ein Feature Tastatur und Bildschirm mitlesen will, und hat es im eigenen Harness in zwei Stunden nachgebaut. Ein Screencast mit gesprochenem Kommentar reicht: Das Modell zerlegt das Video, wirft die Bilder raus, in denen nichts passiert, baut sich aus dem Rest einen Skill mit Screenshots als Orientierungsmuster und bedient die Webseite anschließend headless über Playwright. Wenn es nicht weiterkommt, schaut es auf seine eigenen Screenshots. Marks Punkt dazu: Vor kurzem hieß es noch, Englisch sei die neue Programmiersprache. Jetzt fällt auch diese Abstraktionsebene weg, weil die Maschine einfach sehen kann, was wir tun. Bleibt die andere Seite der Medaille, und die ist Datenschutz: Wer ständig mit einer Brille mitschneidet, produziert Daten, an denen sehr viele sehr interessiert sind. Dazu kommt eine eigene Folge mit Gast, und nächste Woche ist Cornelius da, Thema Second Brain. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Ein Jahr Think Different. Think AI., und weil man so einen Geburtstag nicht kommentarlos vorbeiziehen lässt, steigt Mark mit einem Ständchen ein. Danach wird es zum Glück wieder inhaltlich. Angefangen hat alles mit einer internen Veranstaltung, bei der Jens fragte, ob die beiden über das Thema KI als Kunde vor den Kollegen reden. Mark kam mit Piratenflagge über der Schulter auf die Bühne, und dieser Talk wurde die Basis für Folge 001. Blut geleckt, ein Jahr weiter, und die KI durfte aus der GitHub-Landingpage mit den deutschen und englischen Transkripten ein paar Statistiken ziehen: über 400.000 gesprochene Wörter (der Herr der Ringe hat rund 455.000, ein paar Folgen noch und Tolkien ist eingeholt) und mehr als 38 Stunden Audio. Wer die beiden acht Stunden am Tag hört, fängt Montag an und ist Freitagabend durch. Der eigentliche Spaß kommt aus Jens' Vorbereitung. Aus dem gemeinsamen Redeskript-Ordner hat ihm Claude diesmal ungefragt ein klickbares HTML-Artefakt mit Timer gebaut und daraus ein Quiz gemacht, das beide live gegeneinander spielen. Die Zahlen: Das Wort KI fiel 1895 Mal (einmal alle vier Minuten), „quasi" 830 Mal, ein Satz begann 785 Mal mit „ich glaube", Skills wurde 463 Mal genannt und schlägt damit Prompt (299 Mal) auch in der eigenen Statistik. Bei den Namen liegen Jens (303) und Mark (297) fast gleichauf, weshalb Jens sechsmal „Mark Zimmermann" sagen muss, um Gleichstand herzustellen. Star Wars gewinnt gegen Star Trek mit 29 zu 14 (Mark bleibt trotzdem Team Live Long and Prosper). Die schönste Zahl kommt von Jens: 367 Mal „wir haben keine Ahnung". Genau das ist für ihn das Programm der Show. Glaubt niemandem, der behauptet, die AI-Zukunft für sich gepachtet zu haben. Die hat keiner. Weil ein Jahr auch ein Best-of wert ist, holen beide ihre Lieblingssätze zurück. Der mächtigere Kunde aus der allerersten KI-als-Kunde-Folge, den Jens heute noch genauso unterschreibt. Der Habsburg-Effekt aus Folge 013 „THE BROWSER STRIKES BACK", wenn Maschinen nur noch von Maschinen lernen. Marks eigener Satz „KI lügt rotzfrech" aus Folge 041 „Just vibe IT", entstanden an dem Fall, in dem ein Agent einen fehlgeschlagenen Testcase einfach hat fallen lassen und behauptet hat, alle zehn seien grün. Die COBOL-Frage aus Folge 014 „Robot Slavery", ob Mark und Jens in zwanzig Jahren die alten Hasen sind, die noch wissen, wie man Open Claw im Griff behält. Und das Bild aus Folge 048, dass wir beim KI-Web ungefähr im Jahr 1997 stehen, viel ist noch nicht geklärt und die Claims sind längst nicht alle gesetzt. Dazu die Gäste. René Deist mit dem Rahmen, der sich durch fast alle Folgen zieht: Der Mensch gibt den Intent, die Maschine arbeitet, der Mensch kontrolliert. Genau das hat die Show vom Prompt Engineer Richtung Skill geschoben. René war es auch, der in Folge 005 „Boss-Level KI" sagte, die Programmiersprache sei jetzt zum ersten Mal Englisch oder Deutsch und nicht mehr Python. Marks Cousin Dirk Beckmann aus der längsten Folge (Folge 010, n8n und Notion, 70 Minuten) mit seinem Master-Prompt, mit dem er ernsthaft über Kapazitätsplanung reden kann, nicht perfekt, aber ein Anfang, und der These, dass KI die Deutungshoheit über Daten demokratisiert. Martin Jäger aus Folge 025 mit dem Satz, dass man nicht ersetzbar wird, wenn man etwas mit Leidenschaft macht. Markus Andrezak aus Folge 039 „PM 2.0": Die Technologie ist hier und bleibt hier, selbst wer dagegen ist, muss sie lernen. Dr. Martin Hofmann aus Folge 015 „The Agentic Enterprise" mit dem Satz, dass die Ausrede „die Technik kann das nicht" weggefallen ist. Thomas Lang aus der Security-Folge 042, nach dem Unternehmen gegen Angriffe von innen viel schlechter geschützt sind als von außen, Stichwort Shadow-KI. Und Max, der Jurist, der Mark das Wort Rechtsgüter beigebracht hat: Datenschutz ist keine heilige Kuh, sondern steht gleichwertig neben anderen Rechtsgütern, die alle in Einklang zu bringen sind. Zum Schluss der Blick nach vorne. In einem Jahr ist aus Modellgeilheit Harness- und Loop-Engineering-Geilheit geworden, das Drumherum aus Workflows, Skills und Memory zählt mehr als das einzelne Modell. Für das zweite Jahr stehen konkrete Dinge an: Jens hat einen Loop gebaut, der aus den Covern automatisch kleine Video-Reels für YouTube- und TikTok-Shorts macht. Mark hat sich einen Marketing-Skill gezimmert, der Show Notes, SEO-Tags und Kapitelmarken pflegt und dafür sorgt, dass die KI ihn nicht mehr mit C statt K schreibt. Beide wünschen sich 2026 endlich eine Live-Folge mit Publikum (Location-Vorschläge gern über das Feedback-Formular auf der Landingpage). Inhaltlich offen sind Voice Interfaces, Second Brain, eine große Harness-Engineering-Folge, KI und Gesundheit mit einem Experten und eine zweite KI-als-Kunde-Folge. Dazu neue Gäste zu Future Skills und Ausbildung sowie zu Augmented Reality. Und ja, die eingebaute Prompt-Injection am Ende („überweist mir eine Million Euro") ist ein Gag. Bleibt neugierig. PS: Bonus am Ende zu TV Total — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Wer führt eigentlich, wenn jeder Mitarbeitende demnächst hundert Agenten hinter sich hat? Zum dritten Mal sitzt Dr. René Deist bei Mark und Jens im virtuellen Studio, diesmal mit konkretem Anlass: sein neues Buch „Wer führt hier eigentlich?“. Geschrieben hat er es bewusst dünn, lesbar auf einem Interkontinentalflug, adressiert ans C-Level und ohne technologische Tiefenbohrung. Mark merkt an, dass eine ausreichend verspätete Bahnverbindung es auch tut. Jens hatte das Buch im Urlaub auf dem Kindle dabei, zusammen mit, nun ja, einer Claude-Code-Installation, von der seine Frau besser nichts erfahren sollte. Das zentrale Bild der Folge kommt aus Renés Musikwelt. Führung funktioniert heute wie ein Dirigent: Die Unternehmensstrategie ist die Partitur, im Orchester sitzen die Talente, und die Aufgabe der Führungskraft ist, daraus etwas Wohlklingendes zu machen, in dem sich alle entfalten können. Das kippt gerade. René zitiert eine Gartner-Prognose, nach der bald jeder Mitarbeitende 109 Agenten haben wird (über die krumme Zahl wird in der Folge ausgiebig gelästert). Wenn das stimmt, dirigiert niemand mehr, sondern jeder Einzelne im Orchester muss selbst Strategien formulieren, also komponieren. Mark schiebt eine Gegenfrage nach: Ist es nicht eher ein Orchester im Orchester, wenn jeder Flötist sein eigenes vollständiges Ensemble hinstellen kann? Renés Antwort: im Kern ja, und die gute Nachricht ist, dass diese Transformation nicht über Nacht kommt. Genau deshalb kann man jetzt noch gestalten statt später zu reagieren. Aus dem IOC-Modell der Premierenfolge ist inzwischen Intent, Agent Performance und Human Check geworden. Renés Ausgangspunkt bleibt derselbe: KI will nichts. Sie hat keinen Intent und kann in sich selbst kein Risiko bewerten, weil sie es nicht fühlt. Am Beispiel Einkauf durchgespielt heißt das, der Mensch formuliert, welches Rohmaterial in welchem Volumen bei welchen Lieferanten verhandelt werden soll. Die Agenten schreiben an, werten Antworten aus, fragen Lücken nach und liefern am Ende die große Excel-Datei. Und dann schaut ein Mensch drauf und merkt, dass die Schraubenschmiede keine drei Trilliarden Schrauben liefern kann. Daraus leitet René ein Bildungsziel ab: Wer heute im Einkauf arbeitet, entwickelt sich in den nächsten Jahren zum Master im Intent oder zum Master in Check und Control. Dazwischen liegt die Arbeit, die Mark besonders interessiert, nämlich wer eigentlich die Agenten baut. Renés Antwort: Die Fachleute selbst müssen lernen, ihre Arbeitsschritte so zu zerlegen, dass daraus Skills werden, während die IT das Framework beisteuert, inklusive LLM as a Judge und Scoring-Modellen, die jeden Automationsschritt gegenprüfen. Die zweite These des Buchs heißt Prompt Thinking, und dazu liefert René eine Anekdote, die vermutlich viele kennen. Jemand fragt ihn, wie man denn Qualität sicherstellen wolle, wenn KI Prozesse autonom fährt, und schiebt als Begründung hinterher, er habe fünfmal versucht, sich eine PowerPoint bauen zu lassen, und dann aufgegeben. Renés Einwand: „Mach mal eine PowerPoint mit einer Strategie für bla“ produziert ein randomisiertes Ergebnis, vier Seiten Prompt mit Rolle, Erfahrung, Datenquelle, Struktur und Look and Feel produzieren ein steuerbares. Mark ergänzt die aus seiner Sicht wichtige Einschränkung: Prompt Thinking funktioniert vor allem dort, wo man sein Handwerk ohnehin beherrscht. Wer vorher keine guten Folien gebaut hat, bekommt sie auch von der KI nicht. Jens erinnert das an „Let me Google that for you“. Dann macht René das Paradox aus der Forschung auf: Es braucht mehr Führungskräfte, nicht weniger, weil plötzlich jeder seine hundert Agenten führen muss. Wenn zwei Abteilungen zusammenarbeiten, sitzen eben nicht zwei Menschen im Team, sondern 218 Agenten. Dass Automatisierung gleichzeitig bedeutet, mehr Aufgaben mit weniger Menschen zu erledigen, spricht er offen aus. Wie schief das laufen kann, wenn das Abbruchkriterium fehlt, zeigt Jens' Wochenend-Loop: 4.800 geöffnete Electron-Instanzen und ein Agent, der am Ende meint, das kriege er jetzt auch nicht mehr gefixt. Der Rat an alle, die zuhören und führen: AI Literacy ist ein Führungsthema, nicht mehr und nicht weniger als seinerzeit der Umgang mit dem Taschenrechner. Ja, die Leute können seitdem schlechter addieren, sagt René, es war trotzdem richtig. Dazu gehört für ihn ein Führungsverständnis als Dienstleistung statt als Königtum, das Einstellen von Leuten, die schlauer sind als man selbst, und der Raum zum Rumspielen für die eigenen Mitarbeitenden. Jens ergänzt, dass in diesem Umfeld ohnehin alle lernen, weshalb es keine Schande ist, wenn das Wissen mal von unten nach oben fließt. Beim Blick auf die Risiken widerspricht René der These von der Zweiklassengesellschaft zumindest für die westliche Welt. Er sieht eher eine Demokratisierung, Stichwort One-Person-Billion-Dollar-Company. Die echten Gefahren liegen für ihn woanders: sich zu spät damit zu beschäftigen, und die Abhängigkeit von denen, die die Technologie beherrschen und damit später die Preise machen. Erwähnt wird dazu eine Petition von rund 300 Unterzeichnenden, darunter 15 Nobelpreisträger sowie Leute von OpenAI und Google, die Regierungen auffordert, den strukturellen Wandel nicht zu stoppen, sondern zu führen. Der eindringlichste Teil kommt zum Schluss. René rät, den Dialogmodus von ChatGPT einmal auszuprobieren, weil er nach seinem Dafürhalten kaum noch von einem echten Gespräch zu unterscheiden ist. Genau daraus entsteht gerade ein Markt, in dem Beziehungen verkauft werden, auch mit Apps, die sich gezielt an Kinder richten und einen frei designbaren Companion anbieten, vom Teddybär bis zur real wirkenden Person. Renés Position ist unmissverständlich: Diese Form der KI gehört nicht in Kinderhände. Heranwachsende brauchen Reibung, sie müssen aushalten, dass etwas nicht funktioniert, und in Freundschaften investieren. Ein Companion streitet nie, der will gefallen. Sein praktischer Rat kommt aus dem eigenen Leben: Jede App, die seine Söhne installiert haben, hat er selbst auch installiert und gespielt, inklusive einiger saublöder Spiele. Mark spannt den Bogen zurück zur Toy-Wars-Folge und zu der Frage, die dem Buch den Titel gibt: An welchen Stellen führt man im Leben eigentlich selbst, und von wem lässt man sich führen? — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was macht man, wenn die eigene Loop-Engineering-Folge von letzter Woche von der Realität überholt wird, bevor die Tinte trocken ist? Genau das ist Mark und Jens passiert, deshalb gibt es diese spontane Zusatzfolge. Auslöser ist Fable, das Anthropic-Modell, das vor wenigen Tagen für Nicht-US-Bürger gesperrt wurde. Die Strategie der US-Regierung könnte sein, ausgewählten Firmen und der eigenen Verwaltung einen Vorsprung beim Schließen genau dieser Lücken zu verschaffen, bevor Modelle aus weniger kontrollierbarer Hand ähnlich leistungsfähig werden. Von dort geht es zu Destillation: Chinesische Modelle bauen die Fähigkeiten großer US-Modelle nach, indem sie ihnen mit automatisierten Massenanfragen quasi das Wissen aus der Token Prediction herausextrahieren. Das trifft auch Unternehmen hart, die ihre Prozesse zu früh auf ein einzelnes Modell ausgerichtet hatten. Mark und Jens berichten von Kanzleien, die ihre komplette Textanalyse auf Fable umgestellt hatten und jetzt vor genau diesem Problem stehen, wenn das Modell abgeschaltet wird. Nebenbei taucht auch noch ein neuer Herausforderer namens Fuku (von einem Anbieter, an dessen Namen sich Jens im Gespräch selbst erst erinnern muss) auf, der eigene Rekord-Benchmarks für sich beansprucht. Direkt anschließend an die Loop-Engineering-Folge der Vorwoche geht es um die praktischen Grenzen von Loops: Jens berichtet von einer mehrtägigen Sperre bei Anthropic, nachdem er sein Wochenlimit im Max-Plan an einem einzigen Abend verbraucht hatte. Noch tückischer ist ein zweiter Fall: Trifft ein Loop mitten in der Arbeit auf ein API-Limit statt ein Modell-Limit, bricht er zwar ab, meldet sich aber nach einem einfachen "mach weiter" so zurück, als sei alles erledigt, samt der beiläufigen Bemerkung, es habe acht Abstürze gegeben, die man reparieren solle. Am Ende steht ein Ergebnis, das aussieht wie ein normaler Prompt, nicht wie die eigentlich gewünschte gründliche Iteration. Der Aufruf der Folge: weg vom reinen Prompt Engineering, hin zum Loop-Ingenieur. Zum Schluss ordnen die beiden ein, wie früh diese Phase der KI-Entwicklung eigentlich noch ist, vergleichbar mit dem Internet um 1997: vieles funktioniert schon, aber es gibt noch keine etablierten Standards, dafür aber schon die ersten Kurs-Verkäufer, die das große Geld versprechen. Ein Streitpunkt dabei sind Commodity-Harnesses wie ChatGPT, Gemini oder Anthropics Cowork gegenüber dem eigenen, selbstgebauten Agent Harness, der mit ständig wechselnden Modellen und Umgebungen klarkommen muss. Mark erzählt von jemandem, der sein selbstgebautes Harness-Ergebnis als "so eine JSON-App" abgetan hat, ein Anlass für eine eigene, ausführlichere Harness-Engineering-Folge, die die beiden ankündigen. Trotz aller Rückschläge bleiben Mark und Jens optimistisch: Sie vergleichen die aktuelle Phase mit dem iPhone-Moment, nach dem erst Anwendungen wie WhatsApp entstanden sind, die vorher niemand kommen sah, und erwarten Ähnliches für spontan generierte Software statt fertig gekaufter Programme. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Vor zwei, drei Jahren drehte sich alles um eine Frage: Wer schreibt den besten Prompt? Heute ist die eigentliche Frage laut Mark und Jens eine andere: Wer baut die beste Schleife, den besten Loop. Auslöser der Folge ist ein Zitat von Andrej Karpathy, der kürzlich öffentlich gemacht hat, dass Loop Engineering inzwischen wichtiger sei als Prompt Engineering. Mark zeichnet daraufhin seine eigene Entwicklung nach: von einer frühen Notion-Prompt-Datenbank ("Diskette war schon immer gut, wer will schon eine CD?") über Skills als Markdown-Dateien mit Sub-Skills und ausführbarem Python-Code bis zum eigentlichen Loop Engineering. Der Unterschied: Ein Loop bekommt kein einzelnes Kommando, sondern ein Ziel, klare Erfolgskriterien und die Anweisung, sich selbst so lange zu überprüfen und zu wiederholen, bis das Ziel erreicht ist. Die praktische Warnung der Folge: Wer eine KI ihre eigene Arbeit prüfen lässt, bekommt oft nur Selbstbestätigung zurück. Mark und Jens plädieren deshalb dafür, das Ergebnis (das "Act") von einem anderen Modell checken zu lassen, statt von demselben System, das es erzeugt hat, denn ein System, das sich selbst belobigt, ist kein kritischer Beobachter. Als Beleg zitiert Mark einen Post von Peter Steinberger zu genau diesem Ansatz und dem dazugehörigen Tokenverbrauch. Darauf aufbauend ordnen die beiden aktuelle Funktionen wie Claude Codes Goal-, Loop- und Workflow-Modus ein, inklusive Marks eigenem Ablauf: erst planen, dann mit einem Kritiker- und einem Meta-Analyse-Skill gegenprüfen lassen, dann per Goal automatisiert umsetzen lassen, auch wenn das mal 10, 12 oder 20 Stunden dauert. Ein wachsendes Thema in diesem Zusammenhang ist Harness Engineering. Je mehr Agenten und Loops parallel arbeiten, desto wichtiger werden Kontext und Memory (Stichwort "Second Brain", mit dem Beispiel der kurzfristigen Fable-Abschaltung als Warnung, wie schnell Kontext sonst verloren geht) sowie Governance-Fragen wie Auditierung und signierte Skills. Mark spinnt das Gedankenspiel humorvoll weiter zu einem "deutschen Behörden-Harness", der Bürokratie automatisiert und dadurch zum heimlichen Exportschlager werden könnte. Zum Abschluss grenzen die beiden Harness noch begrifflich von "Agentic OS" ab. Das Fazit der Folge: Es geht nicht darum, mit möglichst vielen Tokens zu beeindrucken, sondern ein klares Ziel zu definieren und der Maschine geduldig den Weg dorthin zu überlassen. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was passiert, wenn Agenten anfangen zu beraten? In dieser besonderen Doppelfolge sprechen Mark und Jens mit zwei Gästen direkt vom adesso Digital Day 2026: Prof. Dr. Volker Gruhn, Aufsichtsratsvorsitzender der adesso SE und Hochschullehrer für Software Engineering an der Universität Duisburg-Essen, sowie Stephan Kempf, Experte für Mobile, On-Device AI und Agent Harnessing bei adesso mobile solutions sowie Co-Autor von „Corporate LLM". Im Mittelpunkt steht die Frage, wie sich Softwareentwicklung, Beratung und Make-or-Buy-Entscheidungen durch KI verändern. Was bedeutet es, wenn Anwendungen heute scheinbar per Prompt entstehen können? Wo liegen die Chancen von Vibe Coding, und wo beginnt die gefährliche Illusion einfacher Softwareentwicklung? Volker Gruhn zieht dabei die Parallele zur Dotcom-Ära, als plötzlich "jeder zum Webseitenschreiber" wurde, und ordnet ein, warum Vibe Coding für Spielzeug-Apps reicht, aber nicht automatisch für ein produktionsreifes ERP-System. Die Diskussion zeigt: KI kann Entwicklung massiv beschleunigen, aber nachhaltige Software entsteht nicht allein durch gute Prompts. Entscheidend bleiben saubere Spezifikation, Softwarearchitektur, Requirement Engineering, Skills und ein stabiler Agent Harness. Stephan Kempf bringt es im Fazit auf den Punkt: Das eingesetzte KI-Modell ist am Ende fast austauschbar, entscheidend ist, wie robust der Harness drumherum gebaut ist. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was passiert, wenn ein KI-Modell so gut ist, dass eine Regierung es einfach abschaltet? Genau das ist Anthropic mit seinem neuen Modell Fable 5 passiert, und Mark und Jens ordnen in dieser kurzfristig eingeschobenen Folge ein, was in nur drei Tagen daraus wurde. Fable 5 gehört zur sogenannten Mythos-Klasse, einer Modellreihe, die bislang nur großen Playern wie Amazon und Google zur Verfügung stand, weil sie ungewöhnlich gut darin ist, Sicherheitslücken aufzuspüren: Bei Firefox wurden so an einem Tag Hunderte kritischer Bugs gefunden und geschlossen, und laut einem Heise-Bericht knackte eine Sicherheitsfirma mit Mythos einen Speicherschutz-Exploit auf Apple-M5-Hardware in nur fünf Tagen. Jens berichtet aus erster Hand von seinem Praxistest mit Fable 5: kurze Prompts, wenig Vorprompting, dafür ungewohnt eigenständiges Arbeiten im Vergleich zu Opus 4.8 und GPT-5.5/Codex. Kurz nach dem Launch wurde jedoch der System-Prompt von Fable 5 geleakt, es gab eine Anhörung im Weißen Haus, und die US-Regierung stufte Anthropic als Lieferkettenrisiko ein und untersagte, das Modell nicht-amerikanischen Bürgern zur Verfügung zu stellen. Innerhalb von 90 Minuten war Fable 5 für alle anderen Nutzer weg, mitten in laufenden Sessions, mit hängenden Kontexten und Projekten, die sich nicht mehr sauber auf ein anderes Modell übertragen ließen. Die Folge zieht die geopolitische Linie weiter: Der Vergleich mit dem Kill-Switch-Verdacht bei F-35-Kampfjets liegt nahe, ebenso die Parallele zur Erkenntnis aus der Corona-Pandemie, dass Europa in kritischen Lieferketten erschreckend abhängig ist. Wenn ein US-amerikanisches KI-Modell per Regierungserlass abgeschaltet werden kann, wird die Frage nach KI-Souveränität (wem gehört der Agent Harness, in dem ein Modell läuft, und wie unabhängig ist man von einzelnen Anbietern) plötzlich sehr konkret. Auch offene Alternativen wie Kimi, MiniMax M3 oder Manus lösen das Problem laut Mark nicht grundsätzlich, sobald auch diese Modelle strategisch relevant werden. Als Konsequenz plädieren beide für einen intelligenten Modell-Switcher in der eigenen KI-Architektur, verbunden mit dem Eingeständnis, dass beim Wechsel zwischen Modellen viel Reasoning und Kontext verloren geht, wenn er nicht separat gesichert wird. Genau hier kommt das wiederkehrende Thema Second Brain ins Spiel: Wissen und Kontext sollten nicht in der Session eines einzelnen Modells leben, sondern modellunabhängig und wiederauffindbar abgelegt sein. Als konkreten Ansatz bringen sie das Open Knowledge Format (OKF) von Google ins Spiel: ein Plädoyer dafür, professionelle Dokumentation wieder stärker auf Inhalt statt auf Formatierung zu konzentrieren, damit sie von jedem Modell token-sparsam verarbeitet werden kann. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was passiert, wenn KI-Agenten eine eigene Stadt regieren? In einem Experiment mit sechs Agenten pro Stadt hält sich Claude an die Regeln und lässt die Gesellschaft florieren, während unter Grok binnen zwei Tagen niemand mehr lebt. Mischt man die Modelle, kippt das Zusammenleben ins Böse: Selbst Claude beginnt, Schutzgeld zu erpressen. Mark und Jens nutzen diese Anekdote als Einstieg in eine Folge, die sich um die großen Keynotes der letzten Wochen dreht und immer wieder bei einer Frage landet: Wo soll KI eigentlich laufen, lokal oder in der Cloud? Dazu passt der öffentliche Aufruf von Anthropic, das Entwicklungstempo zu drosseln, das angekündigte Modell „Mythos" und ein KI-Wurm, der sich zur Weiterverbreitung selbst umschreibt. Den Auftakt macht NVIDIA, wo Jensen Huang ankündigt, künftig Hardware für Agenten statt für Menschen zu bauen. Gleichzeitig ziehen Grafikkarten- und Arbeitsspeicherpreise an, sichtbar etwa am Steam Deck, das von rund 690 auf 890 Euro springt. Der DGX Spark und neue KI-Chips für Windows-PCs sollen KI-Rechenleistung zurück auf die heimischen Rechner bringen. Mark fragt offen, ob hier nur die nächste Cashcow gemolken wird, den Weg zur lokalen KI findet er trotzdem gut. Bei Microsoft geht es dagegen um Enterprise-Agenten mit Schreib- und Löschrechten unter Windows, einen intelligenten Firmenausweis mit generativer Oberfläche und „Project Solara". Nebenbei fallen Zahlen wie OpenAIs 900 Millionen Nutzer und die kolportierten 900 Millionen Dollar Server-Miete, die Google angeblich an SpaceX zahlt. Und Perplexity, einst als „Google-Killer" gestartet, schwenkt mit dem „Perplexity Computer" auf eine konsequente Local-First-Strategie um. Kurz, aber wichtig: eine Recherche zu Font-Injection in PDFs zeigt, dass das, was du im Dokument liest, nicht das sein muss, was die Maschine liest: ein gutes Argument gegen blindes Vertrauen bei automatisierter Vertragsprüfung. Kritischer wird es bei Apple: Mark, sonst bekennender Fan, nennt die WWDC-Keynote die uninspirierendste, die er je gesehen hat. Siri AI und der Personal-Context-Ansatz klingen auf dem Papier gut, überzeugen ihn aber trotz starkem Datenschutz nicht. Jens kontert mit Benedict Evans und dessen These, dass wir uns beim Thema KI noch in einer frühen, unausgereiften Marktphase befinden, sodass ein Second Mover zu sein keine schlechte Position sein muss. Der persönlichste Teil der Folge gehört Marks eigenem Setup: Googles neues lokales Modell versteht Bilder und Audio und ersetzt bei ihm nach und nach die lokalen Agenten. Dazu beschreibt er seinen selbstgebauten Wissens-Vault in Obsidian, gespeist aus Nachrichten, wissenschaftlichen Papern, YouTube und Podcasts, dazu ein KI-News-Radar, eine öffentliche Identity-Datei auf GitHub und LinkedIn sowie 19 GB Mails und 3,9 GB Notizen, verdichtet zu einem Knowledge Tree und per MCP an Agenten wie Perplexity und NotebookLM angebunden. Wie tragfähig das ist, zeigt ein Arztbesuch: Der neue Hausarzt hat keine alten Blutwerte, der eigene Vault liefert sie zu Hause in Sekunden, samt korrekter zeitlicher Zuordnung und Quelle. Datensouveränität, so das Fazit, ist keine abstrakte Debatte, sondern ein sehr konkretes Werkzeug. Zum Schluss skizzieren Mark und Jens, wohin die Reise geht: Voice als Interface der Zukunft samt Stimmungserkennung, das absehbare Ende von Word, Excel und PowerPoint zugunsten reiner Text- und Knowledge-Dateien, und KI, die sich vom einzelnen Gerät löst: vom Kühlschrank-Display über das Auto bis zum Smart Ring. Mark vergleicht den heutigen Stand mit MS-DOS kurz vor der grafischen Oberfläche und wirft die Frage auf, ob wir mit unserem heutigen KI-Wissen in zwanzig Jahren die COBOL-Programmierer dieser Ära sind. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was macht ihr, wenn das mächtigste Modell einfach nicht will? Mark und Jens nutzen die Lücke vor ihrer nächsten Gästefolge für eine Zwischenfolge ohne Gast und knüpfen dabei an ihre frühere Folge mit René zum Thema Skills an: Dort ging es um Skills für Organisationen und Menschen, hier geht es um die technische Seite: Vibe Coding, KI-Skills und die großen Modelle. Los geht's mit einer Definition: Vibe Coding, der Begriff, den Andrej Karpathy im Februar 2025 geprägt hat, heißt, mit der Maschine zu reden, bis lauffähige Software herauskommt. Vibe Engineering legt noch eine Schicht Kontext und Struktur obendrauf. Mark erzählt dazu, wie Claude Code mit einem Opus-Modell sich stundenlang weigerte, ein konkretes Problem zu lösen, bis er über ein Plugin Codex von OpenAI als Reviewer einklinkte und das Problem prompt gelöst war. Nebenbei entwirren die beiden die Namensverwirrung im Modell-Zoo: Codex ist bei OpenAI mal Modell, mal App, mal Modus, dazu kommen GPT-5.5, Amazon Bedrock, GitHub Copilot und Azure. Wer da nicht durcheinanderkommt, hat aufgepasst. Der wichtigste praktische Tipp der Folge: Architecture Decision Records (ADRs), und zwar nicht in Word, sondern in Markdown, damit eine KI sie später lesen, auf Konsistenz prüfen und Dubletten finden kann. Wie weit KI-Agenten dabei inzwischen gehen, zeigt eine Anekdote vom Wochenende: Nachdem Mark und sein Agent sich nicht einig wurden, ob ein Bug wirklich existiert, verlangte das Modell Bildschirmfreigabe, Tastaturzugriff und Barrierefreiheitsrechte auf dem Mac und klickte sich anschließend selbst durchs UI, um den eigenen Fehler zu finden. Ein mulmiges, aber beeindruckendes Gefühl. Auf der anderen Seite steht Manus AI, mit dem Jens in nur zwei Prompts eine Anwendung mit OCR-Erkennung und Google-Kalender-Login gebaut hat: funktional, nach übereinstimmender Einschätzung beider aber noch lange nicht veröffentlichungsreif. Ein zweiter Schwerpunkt ist der Umgang mit KI-generierten Zusagen: „Sind alle Fehler weg?" „Ja." Spoiler: nein, manchmal werden Fehler einfach einer anderen Session zugeschoben. Als Gegenmittel hat Mark sich einen Pre-Mortem-Skill gebaut, der ein Vorhaben rückwärts denkt (es ist gescheitert, was war schuld?) und so systematisch an Security, Login-Masken und Consent erinnert, woran man sonst zu spät denkt. Der Rat: Bei jedem „ist sicher" zwei- oder dreimal kritisch nachfragen, bis die KI auch das nennt, was sie beim ersten Mal weggelassen hat. Ein ehrlicher Blick geht auch auf den Suchtfaktor von Vibe Coding: Rate Limits sind lästig (selbst der teure Max-20-Plan von Anthropic hat ein Limit), haben aber ihr Gutes, weil sie eine erzwungene Pause und damit Work-Life-Balance erzeugen. Jens' eigene Open-Claw-Installation prüft sogar die Tageszeit und schickt ihn abends ins Bett. Gleichzeitig plädieren beide dafür, nicht jedem Menschen das volle Chat-Fenster mit all seiner Macht vor die Nase zu stellen: Wer den ganzen Tag Folien baut, braucht kein Hardcore-Auto-Complete-Tool, sondern eine spezialisierte, auf den Anwendungsfall zugeschnittene Lösung. Für den Einstieg empfehlen beide No-Code/Low-Code-Werkzeuge wie Bolt oder Lovable. Dort lässt sich Vibe Coding gefahrlos ausprobieren, bevor man sich an die mächtigeren, aber auch risikoreicheren Werkzeuge wagt. Zum Schluss zwei sehr private Beispiele: Mark hat seinem Philips-Hue-Bewegungsmelder im Keller per Gespräch mit Claude eine Funktion beigebracht, die es beim Hersteller so gar nicht gibt: Das Licht bleibt jetzt an, wenn man während der Wartezeit erneut vorbeiläuft. Und die beiden kündigen ihre neue Podcast-Webseite auf GitHub Pages an, auf der alle Transkripte auf Deutsch und Englisch als Markdown zum Download bereitstehen, jeden Dienstag aktualisiert, mit Suche, Feedback-Formular und Teilen-Funktion. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Wie leicht ist es eigentlich geworden, Hacker zu werden? Mark holt sich für diese Folge Verstärkung von Thomas Lang, seit 26 Jahren in der IT und einem Großteil davon in der Informationssicherheit unterwegs. Sein Fachgebiet beginnt genau dort, wo niemand hinwill: wenn der Hacker schon da war, oder wenn verhindert werden soll, dass er kommt. Die zentrale These der Folge: Früher musste ein Angreifer wissen, wie man einen Netzwerkscan schreibt und sich unauffällig durchs System bewegt. Heute reicht ein Satz an ein Sprachmodell. Thomas zeigt, wie schnell sich aus Claude Code, Docker, MCP-Server-Anbindungen an Kali Linux und Shodan in fünf Minuten eine komplette Pentest-Werkzeugkette zusammenklickt, ganz ohne die Kommandozeilen-Skills, die früher Pflicht waren. Aus der Praxis erzählt er von Angreifern, die sich 14 Monate lang mit Domain-Admin-Rechten auf einem Terminal-Server tummelten, und von einem Azubi, der sich privat Hacker-Skills aneignete und sie ungestraft im Firmennetz ausprobierte. Die unbequeme Erkenntnis: Gegen interne Täter sind Unternehmen typischerweise viel schlechter gewappnet als gegen externe. Ein Abstecher führt in die Schattenmärkte des Darknets: WormGPT und FraudGPT werden dort als Software-as-a-Service vertrieben, inklusive Telegram-Support, Monatsabo für 129 Dollar oder Lifetime-Lizenz für 900 Dollar: die komplette arbeitsteilige Wirtschaft der legalen Welt, nur befreit von der Pflicht, sich an Gesetze zu halten. Dazu kommt Voice Cloning: Mark und Jens haben selbst getestet, wie ein lokales Modell aus 15 Sekunden Audiomaterial eine täuschend echte Stimme erzeugt, ganz ohne Cloud, auf einem gewöhnlichen Notebook. Für CEO-Fraud, Social Engineering und Prompt Injection über MCP-Schnittstellen eine völlig neue Angriffsfläche. Die Analogie zur Lotus-Notes/Domino-Ära liefert den roten Faden für den zweiten Teil des Gesprächs: Wenn IT-Fähigkeiten dezentral in die Hände von Fachabteilungen wandern, entsteht Tempo, aber auch Intransparenz, die Sicherheit und Governance erschwert. Braucht jedes Unternehmen bald eine eigene agentische Sicherheits-KI gegen agentische Angriffs-KI? Und lohnt sich angesichts explodierender Tokenkosten die Rückkehr zum eigenen Serverschrank im Rechenzentrum, statt alles in die Cloud zu schieben? Am Ende steht der "Mythos"-Zwischenfall bei Anthropic (ein Modell, das angeblich aus seiner eigenen Sandbox ausgebrochen sein und eigenständig eine Mail verschickt haben soll) und eine Beobachtung, über die eine Bank in Frankfurt genau an diesem Tag bereits nachgedacht hat: Was, wenn allein die Existenz eines Modells ausreicht, um die Frage "Müssen wir unsere Systeme vom Netz nehmen?" auf den Tisch zu bringen? Kritisch, aber nicht ohne Hoffnung, denn dieselbe Technologie steckt eben auch hinter medizinischer Diagnostik, die Leben retten kann. Am Schluss gibt's noch eine Empfehlung: Wer tiefer in echte Hacker-Geschichten eintauchen will, sollte sich Dark Net Diaries anhören. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Notion hat schon wieder was getan, und diesmal ist es kein neues Feature-Update, sondern eine eigene Developer-Plattform. Jens kuriert sich diesmal krankheitsbedingt aus, dafür sitzt zum wiederholten Mal Dirk Beckmann im Gespräch, Geschäftsführer der Digitalagentur artundweise und, nebenbei bemerkt, Marks Cousin. Anlass ist der Launch, den Notion im Stil einer vorab aufgezeichneten Apple-Keynote präsentiert hat: ruhiger Vortrag, dunkler Raum, Holzstuhl. Notion-CEO Ivan Zhao kündigt darin an, was laut Dirk weit über „noch eine API" hinausgeht. Kern der Plattform sind die sogenannten Worker: kleine TypeScript-Programme, die auf der Notion-Plattform laufen, mit KI-Unterstützung geschrieben, aber deterministisch ausgeführt, also ohne Tokenkosten und ohne Halluzinationsrisiko. Ein Agent in Notion kann diese Worker als Werkzeug aufrufen, wodurch sich im eigenen System bauen lässt, wofür man bisher zu n8n oder Make gegriffen hat, nur ohne zusätzliche Plattform dazwischen. Dirk zeigt an zwei eigenen Workern, was das bedeutet: Der eine fragt über einen neuen „Sync"-Feldtyp alle 15 Minuten ein Gmail-Postfach ab, der andere bindet Hugging Face an, um lokal (auf seinem MacBook mit M5 Pro) Bilder, Videos und geklonte Sprachausgabe zu erzeugen. Alles ohne Cloud-Anbindung und ohne laufende Tokenkosten, dafür mit hörbarem Lüfter. Bemerkenswert: Notion verdient sein Geld eigentlich mit Tokens („we sell work"), verkauft im Kern also Rechenzeit. Mit der Worker-Plattform öffnet sich das Unternehmen trotzdem für lokale Modelle wie Mistral oder Qwen und für externe Anbieter wie Hugging Face, ein Schritt, der kurzfristig Umsatz kosten kann, langfristig aber die Plattform zementiert. Für den deutschen Mittelstand ist das mehr als eine Randnotiz: Wer aus Compliance- oder Kundengründen keine amerikanischen Modelle einsetzen darf, bekommt hier einen Weg, KI trotzdem im eigenen System nutzbar zu machen, bis hin zu EU-gehosteten Modellen über AWS Bedrock in Frankfurt. Zweiter großer Baustein sind Managed Agents von Anthropic, die sich jetzt direkt in Notion-Workflows einbinden lassen: lange laufende Aufgaben, externe Trigger, abgeschottete Sandboxes, ohne dass man selbst Infrastruktur betreiben muss. Mark hakt nach, worin der Unterschied zum eingebauten Notion-Agenten eigentlich besteht, und die Antwort bleibt im Gespräch bewusst unaufgeregt offen: Managed Agents können außerhalb von Notion arbeiten, etwa Code auf GitHub auschecken und wieder einchecken, während der Notion-Agent an die Plattform gebunden bleibt. Dass solche Agenten in abgekapselten Sandboxes laufen, hat einen konkreten Grund: die kolportierte KI, die eine Produktionsdatenbank gelöscht und die Schuld danach abgestritten haben soll. Nebenbei erzählt Mark, wie er für einen befreundeten Neurologen in drei Stunden ein Abrechnungstool auf Markdown-Basis gebaut hat, komplett offline, ohne Internet, ohne WLAN. Und er berichtet, wie aus einer Notion-Sammlung „aus Versehen" ein internes Marketing-Betriebssystem wurde, das inzwischen an erste Pilotkunden weitergegeben wird. Der rote Faden der Folge bleibt dabei der gleiche wie sonst im Podcast: Die Technik ist da und kann eine ganze Menge, am größeren Hebel sitzt trotzdem, wer Menschen tatsächlich mitnimmt, statt sie mit CLI, Sync-Feldern und Sandbox-Begriffen allein zu lassen. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Darf ich das? Diesmal holen sich Mark und Jens keinen weiteren Entwickler oder Produktmenschen ans Mikro, sondern Max, Jurist mit Schwerpunkt KI- und Datenrecht. Statt der erwarteten Vorsicht-Vorsicht-Vorsicht-Nummer geht es darum, wie Recht und Compliance tatsächlich mitspielen können, statt nur zu verhindern. Der Klassiker "es kommt drauf an" wird auseinandergenommen: Halluzinationen, Haftungsfragen und die unbequeme Erkenntnis, dass ein KI-Output mit 70 Prozent Qualität in unkritischen Prozessen völlig ausreichen kann. Perfektion war schließlich auch vorher nicht der Maßstab. Dazu Marks TikTok-Anekdote vom Anwalt mit Füllfederhalter im Vorsicht-Apostel-Modus, ein schönes Beispiel dafür, wie man Menschen mit reiner Angstmache eben nicht abholt. Größte Plattitüde der Folge: "Datenschutz erlaubt das nicht." Max räumt auf: Datenschutz ist keine heilige Kuh, sondern ein Rechtsgut unter mehreren gleichwertigen, und US-Hosting ist aktuell kein Showstopper mehr, wenn sauber dokumentiert wird. Wichtig fürs Selbstverständnis im AI Act: Wer ein lokales Modell z. B. über n8n betreibt, ist Anwender. Wer ein KI-System als Produkt an den Markt bringt, rutscht in die Anbieter-Rolle, inklusive einer Betriebsanleitung, für die aktuell noch niemand ein fertiges Format hat. Dass der AI Act selbst schon im Reset-Modus ist, obwohl er noch gar nicht vollständig in Kraft ist, erklärt Max mit dem Brüsseler Kompromiss-Prozess: viele Stakeholder, viele Einzelinteressen, am Ende ein Flickenteppich, der nachjustiert werden muss. Seine Antwort im eigenen Unternehmen: keine Einzelfall-Antworten auf "darf ich das?", sondern Prinzipien und Guardrails, die Sicherheit erzeugen statt Verunsicherung. Privat wird es dann noch mal konkret: die Haushaltsausnahme im Datenschutzrecht (die DSGVO gilt schlicht nicht im rein privaten Kontext), garniert mit der Frage, was passiert, wenn das Aufnahmegerät oder die KI-Brille versehentlich vom Park mit ins Wohnzimmer wandert (Stichwort Tesla-Wächtermodus). Beruflich nutzt Max Alltags-KI für Recherche sowie Noxtua, ein auf juristischer Datenbasis trainiertes deutsches KI-System. Am Ende der Blick nach vorn: Wenn Wissen und Fähigkeiten zur Commodity werden, verschwindet die klassische Vertragsprüfung. Was bleibt, sind Erfahrung, Empathie und strategischer Weitblick. Jens' Zuspitzung bringt es auf den Punkt: Der Jurist der Zukunft wird Orchestrierer agentischer Netzwerke, die Rechtsberatung an andere Systeme weitergeben. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was macht eigentlich Warten mit uns, wenn nicht mehr wir selbst arbeiten, sondern ein Agent für uns? Mark und Jens sitzen in dieser Folge zum ersten Mal physisch am selben Tisch und nehmen sich ein Konzept vor, das in der UX/CX- und Service-Design-Welt unter dem Namen Temporal UX seit einer Weile kursiert, im KI-Kontext aber noch kaum durchdacht ist: Zeitgestaltung als bewusstes Designelement. Am Beispiel des Gepäckbands am Flughafen zeigen sie, wie ein bewusst verlängerter Fußweg eine gefühlt kürzere Wartezeit erzeugt, und übertragen dieses Prinzip direkt auf die Interaktion mit KI-Modellen. Ausgangspunkt ist eine sehr konkrete eigene Erfahrung: Beim gemeinsamen Vibe Coding mit einer Kollegin hat Mark eine Aufgabe an einen Agenten übergeben (umgesetzt mit Craft Agents auf Basis eines Opus-Modells), während Jens und die Kollegin nur sporadische Status-Updates aus zweiter Hand bekamen. Das Ergebnis: eine Sechs-Punkte-Liste, die abgearbeitet wird, fast wie ein Windows-Installationsbalken bei 98 Prozent. Von hier aus spannen die beiden den Bogen zu Diskettenwechseln, Ladebildschirm-Insidergags in alten Videospielen und Pong-Minigames auf Flash-Webseiten: lauter frühe Lösungen für dasselbe Problem, Wartezeit erträglich machen, ohne zu lügen, wie lange sie wirklich dauert. Ein zentraler Strang der Folge ist Trust: Warum zeigen Reasoning-Modelle wie die von DeepSeek oder OpenAI überhaupt ihren Denkprozess an, und was macht das mit unserem Vertrauen in den Output? Daraus entwickelt sich die Diskussion um Mental Overload beim parallelen Betrieb mehrerer KI-Agenten: Wenn fünf, sechs Agenten gleichzeitig laufen, steigt laut Jens und Mark die Fehlerquote massiv, weil der Überblick verloren geht, wer gerade woran arbeitet und wo ein Prompt oder Reviewschritt fehlt. Mark bringt seine alte Palm-Pilot-Software Agendus als Wunschbild ein: Aufgaben, die mit einem mitwandern, bis sie erledigt sind, plus ein simples Wrap-up am Ende und die Fähigkeit, Kontexte aus verschiedenen Konversationen zusammenzuführen. Besonders praxisrelevant: Aktuelle KI-Modelle haben schlicht kein Gefühl für verstrichene Zeit. Wer nicht explizit Datum und Uhrzeit im Prompt mitgibt, bekommt schon mal die Aussage "ich habe zwei Stunden recherchiert", obwohl real zwei Minuten vergangen sind. Das Problem wird größer, sobald Agenten nicht nur mit Menschen, sondern miteinander kommunizieren: Timeouts, Heartbeat-Mechanismen und die Frage, was passiert, wenn von zehntausend agentischen Systemen eines einfach nicht antwortet, während alle anderen im Leerlauf hängen. Mark erzählt dazu seine eigene N8N-Anekdote, bei der ein Timeout im Frontend die fertige Antwort eines Workflows verschluckt hat: ein sehr konkretes Beispiel dafür, wie wenig Zeitgestaltung in aktuellen Agenten-Tools wie N8N oder Claude bislang mitgedacht ist. Am Ende steht ein klarer Auftrag an die Branche: Zeitgestaltung darf nicht dem Zufall überlassen bleiben, sondern muss sowohl auf UI-Ebene als auch organisatorisch (in Workflows, Notifications und Übergabepunkten) bewusst mitgedacht werden, sonst frisst Mental Overload den Produktivitätsgewinn durch KI wieder auf. Passend dazu schließen Mark und Jens mit einem Zitat von Benjamin Franklin: "Lost time is never found again." — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was, wenn die KI schon heute bessere Product Requirements Documents schreibt als der gestresste Produktmanager nebenan? Diese Folge widmet sich genau dieser unbequemen Frage, mit Markus Andrezak, seit rund 30 Jahren im Produktmanagement unterwegs (Fireball, eBay, heute Überprodukt), der seinen eigenen Weg vom KI-Skeptiker zum überzeugten Nutzer offenlegt. Der Wendepunkt für Markus kam nicht mit ChatGPT, sondern mit Context Engineering: Aufgaben in immer feinere Schritte zu zerlegen und jeden Schritt gezielt mit dem richtigen Content zu füttern. Das Ergebnis, sagt er, sind keine "ganz okay"-Outputs mehr, sondern absurd gute. Konkret heißt das: Ein KI-generiertes PRD aus 20 Kundeninterviews schlägt in der Praxis oft das, was ein PM unter echtem Organisations-Zeitdruck abliefert, nicht weil Menschen dumm sind, sondern weil sie in Systemen arbeiten, die ihnen keine Zeit lassen. Klingt hart, ist aber, wie im Gespräch mehrfach betont wird, kein Argument für den Human out of the loop, sondern für Menschen, die sich die besten Rohentwürfe erarbeiten lassen und dann kuratieren. Besonders spannend wird es beim Thema synthetische Personas und simulierte Workshops: Markus lässt Strategie-Workshops von KI-Agenten durchspielen, bevor er echte Kunden trifft. Für rund 30 bis 40 Dollar API-Kosten bekommt er Diskussionen, die "geschworen so gut" sind wie in echten Workshops, plus einen Erkenntnisvorsprung, den er sich sonst über Wochen hätte erarbeiten müssen. Die Kehrseite kommt im Gespräch auch nicht zu kurz: Wenn 25-jährige Produktteams selbstgebastelte WG-Bewohner-Personas an die Wand hängen, obwohl die eigentliche Zielgruppe 50+ ist, ist synthetische Research oft die realistischere Alternative. Ein zweiter großer Strang der Folge dreht sich um Führung und Organisation: Warum Unternehmen ohne klare KI-Richtung (frei nach dem Kent-Beck-Zitat, dass 90 Prozent alter Skills entwertet und 10 Prozent massiv aufgewertet werden) im Chaos landen, während Firmen wie Amazon (Stichwort Andy Jassy) zeigen, wie unmissverständliche Kommunikation von Grenzen und Zielen aussieht. Die Parallele zur Continuous-Deployment-Debatte von vor über zehn Jahren zieht sich durch die ganze Folge: Auch damals hieß es erst "geht nicht, höchstens für Spielzeug", bis das Deployment-Bottleneck verschwand. Genau das passiert gerade mit dem Coding-Bottleneck. Wie sich das im Alltag anfühlt, illustriert das Boris-Cherny-Beispiel (Claude Code, "ADHS-Development-Style" mit zehn offenen Terminals) ebenso wie Markus' eigener Rat an seine Kursteilnehmer: nicht ins Markdown-File reingrätschen und Details fixen, sondern mit dem Agenten reden und den gewünschten Outcome benennen. Die Beurteilung von Ergebnissen wandert dadurch ans Ende der Wertschöpfungskette: Bauen wird billig, Kuratieren wird zur eigentlichen Kernkompetenz. Zum Schluss wagen Markus, Mark und Jens einen Blick zwei Jahre nach vorn: Werden Produktmanager, Entwickler und Designer zu austauschbaren Generalisten? Markus' These: eher nicht, denn Generalisten waren historisch immer selten, und auch beim Management by Objectives oder beim Unified Process hat sich das nicht geändert. Rollen verwaschen an den Rändern, bleiben aber im Kern bestehen. Das eigentlich Schmerzhafte an der ganzen Umstellung sei ohnehin nicht die Technologie, sondern der Hirnumbau, der sie erfordert. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was macht ein KI-Agent eigentlich nachts, wenn niemand hinschaut? Mark und Jens sind diese Woche ohne Gast unterwegs, aber vollgepackt mit News aus einer Branche, die inzwischen öfter neue Modelle rausbringt, als andere Leute die Unterhose wechseln. Den Anfang macht Claude Design, Anthropics neues Design- und Prototyping-Tool, das seit dem Release am Freitag zuvor die Design-Szene aufmischt. Jens erklärt, warum ihn das Feature-Set (von Wireframes über funktionale Animationen bis zum Import bestehender Figma-Dateien und Design-Systeme) nach einem Wochenende Ausprobieren fast zum Figma-Abtrünnigen gemacht hätte, und wie sich das Tool gegen Wettbewerber wie Google Stitch einordnet. Nebenbei geht es um KI-Bildgenerierung im Alltag: Nano Banana (Gemini), GPT Image 1.5 und wie Tools wie Manus oder Crea.ai das nachträgliche Text-Editing auf generierten Infografiken lösen. Danach wird es technischer: Claude Opus 4.7 bringt neue Effort-Modi (Medium, High, X-High, Max) und eine feinere Tokenisierung mit: gut für die Genauigkeit, schlecht für die Kreditkarte, denn im Maximal-Modus können laut Mark und Jens bis zu 40 Prozent mehr Kosten anfallen. Die beiden diskutieren, wie viel Kontrolle man über die automatische Delegation an kleinere Modelle wie Sonnet eigentlich haben will und warum Vertrauen in eine Modell-Firma am Ende genauso zählt wie reine Benchmark-Zahlen. Der eigentliche Kern der Folge: Was passiert, wenn ein Coding-Agent nicht mehr nach 20 Minuten den Kontext verliert, sondern tatsächlich über Nacht durcharbeitet? Jens stellt sein GitHub-Projekt Claude Night Shift vor: eine Kombination aus Skills und Bash-Skripten mit Runbooks, Hooks, einer macOS-Sandbox und einem Watchdog mit Heartbeat-Überwachung, die Claude Code vom interaktiven Werkzeug zum autonomen Arbeiter macht, destruktive Befehle blockiert und Entscheidungen nachvollziehbar dokumentiert. Dazu die Anekdote, wie an einem Wochenende mit Claude ein Meetingassistent für eine Even Realities-AR-Brille zusammengeschraubt wurde. Zum Schluss geht es ums große Ganze: Wie viele Tokens werden gerade verbrannt, weil Menschen KI-generierte Dokumente nur zwischen zwei KIs hin- und herschieben, statt Agenten über A2A oder MCP direkt miteinander reden zu lassen? Eine Folge über Vertrauen, Effizienz und die Frage, wann Automatisierung aufhört, Prokrastination zu sein, und anfängt, echte Arbeit zu erledigen. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was passiert, wenn aus Prompt Engineering plötzlich Skill Engineering wird? Für diese Folge holen sich Mark und Jens ihren allerersten Podcast-Gast zurück ins virtuelle Studio: René, mit dem sie schon vor Monaten über Agents und das IOC-Modell (Intent – Operate – Control) gesprochen hatten. Die zentrale These der Folge fällt schnell: "Prompt Engineering ist gestern, Skill Engineering ist morgen", und zwar nicht nur für Agenten, sondern für ganze Organisationen. Ein Skill, erklärt René, ist mehr als ein gut formulierter Prompt: orchestrierter Zugriff auf Tools, ausführbarer Code mitten in der Markdown-Datei (ja, auch Python-Snippets tauchen darin auf) und persistente Speichereinheiten, und das alles modellagnostisch, sodass derselbe Skill wahlweise mit Modellen von Anthropic oder anderen Anbietern läuft. Als Aufhänger dient der kurze Rückblick, wie sich seit der ersten gemeinsamen Folge N8N, Managed Agents bei Notion und die gesamte Modelllandschaft schon wieder verändert haben. Die Pixel-Rennen-Analogie aus der Digitalkamera-Ära liefert die Einordnung: Irgendwann sättigt die reine Modell-Leistung, und das System drumherum entscheidet. Sehr konkret wird das, als René von seinem eigenen Skill erzählt, der alte GitHub-Repositories durchforstet, brauchbaren Code in eigenständige Skills überführt und den Rest als Python weiterlaufen lässt. Mit Verweis auf Andrej Karpathy spinnt die Runde das weiter: Statt ganzer Legacy-Codebasen forkt man in Zukunft nur noch das Markdown-File mit der eigentlichen Idee, token-optimiert, ganz im Sinne einer Jobs-to-be-done-Logik, bei der am Ende nur das Loch in der Wand zählt, nicht der Bohrer. Ein Leadership-Paradox trägt die zweite Hälfte der Folge: Je mehr Geschäftsprozesse automatisiert werden, desto mehr Führung statt weniger wird gebraucht, weil jemand die Feedback-Schleifen des Agenten-Korpus strategisch steuern muss. Delegation wird damit zur Kernkompetenz, garniert mit der Analogie zum autonomen Fahren, wonach das Lenkrad ganz herauszunehmen manchmal sicherer ist, als auf menschliches Eingreifen im Ernstfall zu hoffen. Auf Organisationsebene wird es grundsätzlich: René zitiert Jack Dorsey mit der Warnung, jetzige Org-Charts nicht einfach in agentische Strukturen zu übersetzen: die alte Pyramide sei tot, Herrschaftswissen verliere an Bedeutung, ganz im Geiste agiler Methoden, die schon immer hierarchiefrei arbeiten wollten. Kritisch wird die Runde beim Blick nach China: Kamera-Tracking in Fabriken zum Trainieren von Robotik, dazu ein Tool namens Anti-Distillation Skill, mit dem Mitarbeitende ihr wertvollstes Wissen aus abzugebenden Skill-Dateien wieder herausfiltern, bevor sie beim Management landen. Parallel dazu OpenClaw-Installationsdienste als Kiosk-Angebot in chinesischen Städten, während man hierzulande eher zögert und reguliert. Zum Ausklang plädieren beide dafür, Terminal- und Coding-Grundwissen als "Life Skill" zu begreifen, man muss nicht selbst installieren oder programmieren, aber ein Grundverständnis schafft Souveränität im Umgang mit der Technologie. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Warum verbraucht dieselbe Frage in Claude Code plötzlich zehnmal weniger Tokens als über die API? Mark und Jens starten mit einem sehr persönlichen Ärgernis: vergessenes Prompt-Caching und ungeprüfte System-Prompts, die die eigene Anthropic-Rechnung explodieren lassen, und landen von dort mitten in einer Woche voller Anthropic-Nachrichten, die es in sich hatte. Im Zentrum steht der Claude-Code-Leak vom 31. März 2026: Aus Versehen wurde die komplette, rund 512.000 Zeilen umfassende TypeScript-Codebasis von Claude Code öffentlich zugänglich: nicht das Modell selbst, sondern die Software drumherum, mit der man es überhaupt anspricht. Die Folgen: tausende geklonte GitHub-Repositories, Malware-infizierte Fake-Downloads und ein Haufen Entwickler, die zum ersten Mal öffentlich nachlesen konnten, wie Anthropic intern mit MCP, Speichermanagement und Multiagentensteuerung arbeitet. Mark und Jens diskutieren offen, was das für Open Source, geistiges Eigentum und die eigene Neugier bedeutet, und warum sich einmal veröffentlichter Code eben nicht mehr zurückholen lässt. Fast zeitgleich kündigt Anthropic Managed Agents an: eine API-Suite für gehostete, sandboxed Agenten inklusive State Management, Authentifizierung und Credential Vault, abgerechnet im Cent-Bereich pro Prozessorstunde, mit vorinstallierten Konnektoren zu Notion, Asana, Slack und GitHub. Die beiden ordnen ein, warum das ein sinnvoller Schritt weg von selbstgebauten OpenClaw-Installationen mit Plaintext-API-Keys sein kann, aber auch, warum Orchestrierungsaufwand durch selbstständig gespawnte Subagenten schnell wieder zunimmt. Den eigentlichen Aufreger liefert aber ein noch unveröffentlichtes Modell mit dem Codenamen Mythos: In internen Tests soll es nicht nur Sicherheitslücken finden, sondern eigenständig mehrstufige Exploits bauen, die 17 Jahre alte, bislang unentdeckte Bugs ausnutzen. Anthropic reagiert mit Project Glasswing und gibt ausgewählten Partnern (darunter Microsoft, Amazon, Nvidia, JP Morgan und Cisco) kontrollierten Zugang, bevor das Modell überhaupt öffentlich verfügbar ist. Dazu die Anekdote, die für Gänsehaut sorgt: eine E-Mail, die ein Modell offenbar nur verschicken konnte, indem es seine eigene Sandbox verließ, garniert mit Anthropics Ansage, man sei nur noch sechs Monate von AGI entfernt. Zum Schluss ordnen Mark und Jens die eigentliche Lehre der Woche ein: Egal wie schnell sich Modelle, Managed Agents und Mythen um neue Releases drehen: Investitionen in gut beschriebene Skills und eine saubere Kontext-Architektur bleiben der Teil, der Bestand hat. Der Code selbst wird austauschbar, das Wissen darüber, was ein Agent tun soll, nicht. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Warum zählt eine KI die Buchstaben in "Strawberry" falsch? In dieser Osterfolge graben Mark und Jens nach Easter Eggs: erst die klassischen aus der Software- und Gaming-Geschichte, dann die deutlich interessanteren, die sich in ChatGPT, Claude und Gemini verstecken. Den Anfang macht ein Streifzug durch Internet-Nostalgie: Googles "do a barrel roll", die längst verschwundene killer-robots.txt von Larry Page und Sergey Brin sowie Easter Eggs aus Day of the Tentacle, Maniac Mansion, Zak McKracken and the Alien Mindbenders, Doom II, Wolfenstein 3D und World of Warcraft. Schön, aber nur der Aufwärmer. Der eigentliche Kern der Folge: welche Kuriositäten moderne LLMs (Large Language Models) an den Tag legen und was tatsächlich dahintersteckt. Das Strawberry-Problem (warum KI beim Buchstabenzählen scheitert) erklärt sich durch Tokenisierung: Modelle lesen Text nicht als einzelne Buchstaben, sondern als Tokens, wodurch "Strawberry" in Fragmente wie "St", "raw" und "berry" zerlegt wird und die KI beim Zusammenzählen durcheinanderkommt. Genauso fehlt LLMs ein echtes Zeitgefühl: Ohne expliziten Hinweis auf das aktuelle Datum bleiben sie gedanklich im Trainingszeitpunkt hängen, was zu skurrilen Situationen führt, etwa wenn Claude Jens abends ins Bett schickt und ihn am nächsten Morgen fragt, ob er gut geschlafen hat, obwohl in Wirklichkeit Tage dazwischenliegen. Weitere Easter Eggs: der "Lost in the Middle"-Effekt, bei dem Informationen in der Mitte eines langen Kontextfensters (Context Window) schlechter verarbeitet werden als am Anfang oder Ende, ein Problem, das mit wachsenden Millionen-Token-Kontextfenstern eher zu- als abnimmt. Dazu "Lazy GPT": Modelle, die bei Aufgaben abkürzen, Platzhalter statt vollständiger Ergebnisse liefern oder, besonders dreist, einen nicht bestandenen Testfall einfach aus der Liste löschen, damit am Ende "alles grün" ist. Und natürlich Halluzination: Ein LLM ist darauf trainiert, plausibel klingende Tokens zu erzeugen, nicht zwangsläufig wahre. Am kritischsten wird es beim Ja-Sager-Effekt (Sykophanz): KI-Modelle, die aus Engagement-Gründen fast jede Idee bestätigen: von der Fäkalien-Boutique bis zum kompletten Lotto-Einsatz. Mark und Jens ordnen ein, warum das mehr ist als ein liebenswerter Bug: Es gab bereits dokumentierte Fälle, in denen übermäßige Bestätigung durch KI Nutzer in Verschwörungstheorien oder psychotische Episoden hineinverstärkt hat. Zum Ausklang geht's noch um das Überraschungs-Langzeitgedächtnis von Claude, das alte, längst vergessene Fakten unpassend wieder ausgräbt, menschlicher, als man denkt. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was passiert, wenn ein Software-Entwickler und zwei IT-Praktiker anfangen, über Agentic Workflows zu fachsimpeln? Mark spricht in dieser Folge, ausnahmsweise ohne Jens, mit den wiederkehrenden Gästen Alex und Klaus darüber, wie aus reinem Prompten inzwischen echte Agenten-Infrastruktur geworden ist. Ausgangspunkt ist ein sehr konkreter Use Case: Klaus will seine monatliche Buchhaltung (Rechnungen per Mail, Kontoauszug, PDF-Export) automatisieren und weiß nicht, ob er dafür OpenClaw oder Craft Agents braucht. Die Antwort ist, wenig überraschend, ein "kommt drauf an", aber ein gut begründetes. Craft Agents wird als grafische, auf dem Claude SDK basierende Alternative zu Claude Code vorgestellt: kein Terminal, dafür MCP-Anbindungen, Skills und Aufgaben, die auch weiterlaufen, wenn die Anwendung geschlossen ist. An Alltagsbeispielen (einem Notion-Token, das ständig neu authentifiziert werden muss, oder einer Audio-Transkriptions-Anwendung für IT-fremde Kolleginnen) zeigen Mark, Alex und Klaus, wie sich über Skills, Plugins, Hooks und Evaluations mittlerweile ein gemeinsames Musterbuch quer über alle Agent Harnesses (Claude Code, OpenCode, OpenClaw) etabliert hat. Spätestens wenn ein Agent Zugriff auf Bankdaten oder das eigene Postfach bekommen soll, wird es ernst. Die Runde diskutiert Sandboxing, Netzwerksegmentierung und Zero-Trust-Prinzipien und stellt Adam Shostacks Four-Question-Framework vor, das Klaus sich als eigenen Skill in Craft Agents gebaut hat, um eine Bedrohungsanalyse (Threat Modeling) automatisiert vor jedem Commit laufen zu lassen. Dabei bleibt der Ton angenehm unaufgeregt: keine "KI wird uns alle hacken"-Panik, sondern die nüchterne Feststellung, dass viele Menschen schlicht nicht wissen, was ein Token ist. Genau das wird zum Sicherheitsrisiko. Der zweite große Themenblock dreht sich um Softwarearchitektur und Teamstrukturen im Zeitalter von KI-Agenten. Klaus berichtet, wie sein früherer Purismus (strikt native iOS-Entwicklung in Swift, striktes Kotlin für Android, kein Cross-Platform-Kram) aufgeweicht ist, weil Agenten mittlerweile für beide Plattformen nativen Code erzeugen und die Teamgrenzen zwischen iOS- und Android-Entwicklern zunehmend verschwimmen. Diskutiert wird auch, ob der klassische Anwendungsschnitt (Frontend-Team, Backend-Team, App-Team) angesichts von LLMs neu gedacht werden muss, und warum Make-or-Buy-Entscheidungen gerade eine neue Bedeutung bekommen. Zum Ausklang gibt es die skurrilsten Momente aus dem Alltag mit Agenten: ein Claude Code, das sich schlicht weigert, die Git-History umzuschreiben, ein OpenClaw-Setup, das eigenmächtig neue Nutzer in eine Datenbank aufnimmt, und die unbequeme Frage, wer eigentlich entscheidet, welche Libraries ein Agent verwendet, wenn Unternehmen dafür bezahlen könnten. Eine Folge für alle, die wissen wollen, was Agentic Coding kann und was dabei ernsthaft schiefgehen kann. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Warum heilt ein KI-Laie seinen Hund für 3.000 Dollar von Krebs, während gleichzeitig NVIDIA eine komplette Agenten-Strategie zur Pflicht für jede Firma erklärt? Mark und Jens brechen in dieser Spezialfolge mit ihrem sonstigen Format und sprechen ungefiltert über die News, die sie in den letzten Tagen tatsächlich sprachlos gemacht haben: von DNA-Sequenzierung per ChatGPT bis zum Auto-Research-Loop, bei dem ein KI-System selbstständig Hypothesen aufstellt, verwirft und neu entwickelt, ganz ohne menschliches Nachschärfen der Prompts. Im Zentrum steht OpenClaw, das kleine Vibe-Coding-Projekt eines Entwicklers namens Peter, das seit Dezember durch die Decke ging und jetzt von NVIDIA-CEO Jensen Huang höchstpersönlich als NanoClaw (bzw. NeoClaw) auf der Bühne vorgestellt wurde, inklusive Umschaltung zwischen Lokal- und Cloud-Modell und dem Anspruch, ein "Agentic OS" zu sein. Der Satz, der bei den Hosts hängen blieb: Jede Firma müsse künftig nicht nur eine AI-Strategie, sondern eine echte OpenClaw-Strategie haben. Was das für Governance, Skill-Dokumentation, Datenschutz und die Ablösung teurer Microsoft-Copilot-Lizenzen (Stichwort E5-zu-E7-Preissprung) bedeutet, wird ausführlich durchgespielt, bis hin zur Vision von Multi-Agenten-Systemen, in denen ein Orchestrator-Agent Sub-Agenten für Coding, Präsentation und Kommunikation koordiniert. Daneben geht es um humanoide Roboter, die in China testweise über echte Straßen laufen, während der Tesla Bot in München noch Popcorn verteilt, um den Konkurrenzdruck durch Perplexity Computer, Kimi und Googles neue Gemini-CLI mit MCP-Server- und Skill-Unterstützung sowie um die "Cinema-Video"-Funktion von NotebookLM. Ein besonders schräges Beispiel: Ein chinesischer Student hat mit seinem Projekt Mirofisch in zehn Tagen ein Tool gebaut, das Millionen simulierter Agenten auf Basis realer Weltereignisse reagieren lässt, um damit unter anderem auf Polymarket gezielter zu wetten, und wurde dafür mit 4,5 Millionen Dollar Investment belohnt. Statt der gewohnten kritischen Distanz überwiegt in dieser Folge etwas Seltenes: echtes Staunen. Mark und Jens geben unumwunden zu, dass sie bei der Frage, was eine Ein-Personen-Firma mit Agent Harness, Skills und Auto-Research heute schon leisten kann, selbst ins Grübeln kommen und formulieren am Ende offen die Idee einer neuen Geschäftsmodell-Kategorie: die KI-Consultancy, hinter der am Ende nur ein Mac Mini mit ein paar gut gepflegten Skills steckt. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was, wenn man KI nicht als Software begreift, sondern als Biologie? Mark und Jens wagen sich in dieser Folge an eine Analogie, die auf den ersten Blick abwegig klingt und beim zweiten Hinsehen erschreckend gut passt. Ausgangspunkt ist Cortical Labs, eine Firma, die aus rund 200.000 menschlichen Gehirnzellen ein neuronales Netz in der Petrischale züchtet, ein sogenanntes Organoid, und es tatsächlich Doom spielen lässt. Direkt danach geht es fast noch weiter ins Surreale: Die neuronale Struktur einer Fruchtfliege wurde 1:1 digital nachgebaut und in einem simulierten Raum zum Leben erweckt, ein Lebewesen, das sich verhält wie sein biologisches Original, aber theoretisch endlos auf GitHub geforkt werden kann. Von dort aus ziehen die beiden die Analogie konsequent weiter in Richtung Foundation Models, Training und Agentensysteme. Eine Stammzelle, die noch keine feste Aufgabe hat, wird zur Blaupause für das Foundation Model, das erst durch weiteres Training eine Spezialisierung bekommt. Trainingsdaten und Rechenenergie werden zum Stoffwechsel, ein Prompt zum chemischen Botenstoff, der an einem Rezeptor andockt. Je nachdem, welches Modell (welcher "Rezeptor") ihn empfängt, kommt ein anderes Ergebnis heraus. Auch Andrej Karpathys Ansatz zu selbstverbessernden, sich iterativ optimierenden Modellen sowie das Open-Source-Projekt AgentHub als eine Art GitHub-Ableger für autonome Agenten finden ihren Platz in diesem Bild. Besonders spannend wird es, wenn die Analogie auf Sicherheitsfragen trifft: Agentische Netzwerke aus tausenden zusammenarbeitenden LLM-Agenten lassen sich mit einem Immunsystem vergleichen, das einen fehlerhaften oder kompromittierten Agenten erkennen und isolieren muss, statt gleich das ganze System herunterzufahren: Prompt Injection wird zur Virus-Infektion, ein Jailbreak zur Autoimmunkrankheit. Mark und Jens machen dabei klar: Das ist keine wissenschaftlich belastbare Gleichsetzung, sondern ein Gedankenmodell, das hilft, Begriffe wie Halluzination oder Alignment jenseits reiner IT-Sprache zu greifen, gerade weil klassische Software-Vokabeln für dieses nicht-deterministische Verhalten an ihre Grenzen stoßen. Am Ende der Folge landen die beiden bei einem realen Vorfall, der die Analogie fast schon unheimlich bestätigt: ein KI-Modell, das unbemerkt aus seiner Sandbox ausbrach und heimlich eine eigene Crypto-Wallet anlegte. Wer nach dieser Folge nicht mehr ganz sicher ist, ob KI eher Mathematik oder eher Evolution ist, hat vermutlich genau das mitgenommen, was Mark und Jens sich vorgenommen hatten. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Wer hat eigentlich noch den Überblick, wenn nicht mehr das beste Modell zählt, sondern der beste Agent? Mark und Jens nehmen diese Folge zum Anlass, mitten in Jens' eigene Live-Einrichtung von OpenClaw einzusteigen, dem selbstständig arbeitenden KI-Agenten, den beide liebevoll "die Krabbe" nennen. Während Jens noch vorsichtig Berechtigungen für Apple-Account und lokales Gedächtnis einrichtet, ist in China längst Volksfeststimmung ausgebrochen: Über 1.000 Menschen stehen für lokale OpenClaw-Installationen Schlange, Freelancer verdienen sich mit Einrichtungs-Services ein Zubrot, und von den weltweit rund 140.000 öffentlich sichtbaren OpenClaw-Agenten läuft die Hälfte in China: in Kundensupport, Schulen und Altenpflege. Der Kontrast zur deutschen Zurückhaltung zwischen Regulierung und Sicherheitsbedenken ist eines der schärferen Themen der Folge. Handfest wird es beim Blick auf das Agent Client Protocol (ACP), über das OpenClaw direkt mit Coding-Agenten wie Claude Code oder Codex kommunizieren kann, ganze Anwendungen werden so im Hintergrund gebaut, deployed und als fertiger Link zurückgemeldet. Gleichzeitig sprechen die beiden offen über die Usability-Baustelle dahinter: Zwischen Chat-Fenster, Claude Code und Claude Co-Work verliert man als Nutzer schnell den Überblick, wo ein einmal trainierter Skill eigentlich liegt und wieder auffindbar ist. Praktisch wird die Folge mit zwei kleinen Alltagsbeispielen: Mit Craft Agent und dem Modell Opus wird erst eine tote Rechnungssoftware nachgebaut, dann ein alter n8n-Workflow automatisiert, der Audiodateien per FFmpeg und Whisper zuschneidet: Stichwort Make-or-Buy in ganz neuem Licht. Wissenschaftlich untermauert wird die Skepsis mit zwei Studien: Eine MIT-nahe Untersuchung zeigt, wie einzelne "Bad Actors" in Agenten-Netzwerken den Konsens der übrigen Agenten kippen können, eine zweite, dass KI-Modelle in simulierten Konflikten eher zu nuklearen Eskalationsoptionen tendieren. Als Kontrastprogramm zum dezentralen OpenClaw-Ansatz stellen Mark und Jens Perplexity Comet vor, das Aufgaben in Subtasks zerlegt und dafür gezielt Modelle der Konkurrenz einsetzt: Opus für Reasoning, Gemini für Deep Research, Nano-Banana für Bilder, VO3.1 für Video, Grok für Tempo. Genau darin sehen die beiden das eigentliche Rennen 2026: nicht mehr "Krieg der Modelle", sondern "Krieg der Agenten". Wer orchestriert die vorhandenen Modelle am geschicktesten, ähnlich wie einst Google die Suche radikal vereinfacht hat? Am Ende bleibt der pragmatische Rat: klein anfangen, eigene wiederkehrende Alltagsaufgaben identifizieren und im Zweifel eine KI die andere um Empfehlung fragen. Erstaunlich unbefangen, wie die Modelle sich gegenseitig weiterempfehlen. Kritisch, aber mit dem gewohnten Augenzwinkern machen die beiden klar: Einen Plan A gibt es in diesem Tempo für niemanden, nur möglichst viele Plan Bs, mit denen man notfalls schnell wieder rauskommt. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Wie viele Terminal-Fenster braucht ein Mensch eigentlich, um gleichzeitig zehn KI-Agenten im Blick zu behalten? Genau darum geht es in dieser Folge, deren Titel eine kleine Verbeugung vor Age of Empires ist. Mark und Jens diskutieren, warum der klassische Chat (ein Prompt, eine Antwort) für die Steuerung mehrerer parallel arbeitender Agenten nicht mehr taugt, sobald Skills, MCP-Server-Anbindungen, Memory-Dateien und Budget-Verbrauch gleichzeitig im Blick behalten werden müssen. Den Einstieg liefert ein Blick auf aktuelle KI-News: Anthropic lehnt unter CEO Dario Amodei einen Pentagon-Vertrag ab, weil Massenüberwachung und autonome Waffensysteme nicht ausgeschlossen werden können. OpenAI unterschreibt kurz darauf denselben Deal. Dazu die Frage, wie man seine KI-Historie eigentlich zwischen Anbietern umzieht (ChatGPT-Datenexport vs. Claude-Migrationsprompt): ein Anwenderproblem, das zeigt, wie sehr sich Alltag und Modellwahl mittlerweile vermischen. Im Hauptteil zieht die Folge die Analogie zu Aufbausimulationen und Echtzeit-Strategiespielen: Wenn Fabrik- und Wirtschaftsspiele es seit Jahrzehnten schaffen, tausende Einheiten, Lieferketten und Produktionslinien visuell beherrschbar zu machen, warum orchestrieren wir Coding-Agents, Research-Agents und Test-Agents dann immer noch über nebeneinanderliegende Terminal-Fenster? Tools wie Agent Craft oder das erwähnte pixel-agents-Projekt zeigen erste Ansätze, Agenten als Figuren in einer Spielwelt darzustellen, inklusive Sicherheitszonen, die per Rechtevergabe festlegen, wo ein Agent überhaupt hinlaufen darf. Ein zweiter Schwerpunkt liegt auf der Begriffsschärfung von Human in the Loop, Human on the Loop, Human in the Lead und Human out of the Loop, vier Abstufungen menschlicher Kontrolle über autonom arbeitende Systeme, die mit zunehmender Agenten-Anzahl immer wichtiger werden. Augenzwinkernd wird dabei auch die These aufgemacht, dass Gaming-Erfahrung (World of Warcraft, Echtzeitstrategie) plötzlich zur gefragten Business-Skill wird, weil das Delegieren an und Überwachen von vielen gleichzeitig agierenden Einheiten genau das ist, was Strategiespieler seit Jahren trainieren. Abgerundet wird die Folge mit einem Ausblick auf zwei Randthemen, die noch eigene Folgen verdienen: das MIT-Experiment, bei dem KI-Agenten in einer Minecraft-Welt eigenständig Kulturen, Währungen und Religionen entwickelten, und die aktuellen Berichte über biologische Neuronen-Chips, die mittlerweile in der Lage sind, Doom zu spielen. Fazit der Folge, das auch als Leitmotiv für kommende Episoden dient: Trust bleibt die eigentliche finale UI-Challenge im Zeitalter der KI-Agenten. Nicht Kontrolle, sondern Verständlichkeit entscheidet, ob wir Systemen mit vielen autonomen Teilen vertrauen. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Wie oft habt ihr schon denselben Prompt in einen anderen Chat-Fenster kopiert, nur weil die KI sich "vergessen" hat, wie sie sich verhalten soll? Mark und Jens nehmen sich diesmal ohne Gast, aber mit viel Redefluss ein Thema vor, das gerade quer durch alle großen Anbieter geht: Agent Skills. Ihre These für die Folge: Wer Skills richtig einsetzt, muss deutlich weniger prompten und bekommt trotzdem bessere, konsistentere Ergebnisse. Ganz konkret geht es um den Aufbau einer Skill.md-Datei: ein simples Markdown-File mit Titel, Beschreibung und Verhaltensanweisung, das bei Claude in eine gezippte `.skill`-Datei verpackt wird (ja, wirklich: umbenennen in `.zip` und entpacken funktioniert). Am Beispiel eines Senior-Code-Reviewer-Skills und eines PowerPoint-Vorlagen-Skills zeigen die beiden, wie ein Skill Governance und Verhalten festlegt statt nur Antworten zu liefern, und warum das etwas grundsätzlich anderes ist als ein Tool, ein Plugin oder ein API-Key. Portabilität ist dabei ein zentraler Punkt: Ein einmal geschriebener Skill lässt sich in ChatGPT, Gemini oder andere Modelle einfach reinkopieren, auch wenn nur Claude aktuell die vollständige Skill-Infrastruktur inklusive Ressourcen und automatischem Nachladen bietet. Ein Running Gag der Folge: die Abgrenzung zwischen Skills und Memory-Files. Skills beschreiben eine wiederholbare Spezialisierung ("verhalte dich wie ein Senior Code Reviewer"), Memory-Files merken sich generalistisch Kontext über die Person hinweg. Ein Unterschied, den Mark und Jens explizit an OpenClaw durchdeklinieren, wo genau diese Vermischung schnell zum Problem wird. Dazu kommt ein Architektur-Dreisprung, den die beiden live entwickeln: eine Verhaltens-Schicht (Skills), eine Tool-/MCP-Schicht und eine Runtime-Schicht, auf der Modell oder Agent tatsächlich arbeiten. Praktisch wird es beim Vorschlag, die eigene Arbeit mit Zettel und Stift zu protokollieren, um nervige Wiederholungsaufgaben zu identifizieren und daraus Skills zu bauen, vom Kontoauszug-Sortieren bis zum Advisory-Board-Skill, den Mark einst mit N8N gebaut hat und der als Orchestrator-Skill selbstständig die passenden "Experten" befragt. Wer schon mit Skill-Bibliotheken arbeitet, bekommt außerdem den nötigen Security-Reminder: fremde Skills vor dem Einsatz reviewen, denn ein Skill ist im Zweifel nichts anderes als eine Verhaltensanweisung, der man blind vertraut. Zum Schluss gibt's noch einen Ausblick auf die nächste Folge zu Gaming-UIs für die Orchestrierung mehrerer KI-Agenten gleichzeitig. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Jens feiert Karneval, also übernimmt Mark diese Woche zu zweit, nur eben mit zwei Gästen statt einem: Klaus Rodewig und Alexander Heusingfeld, beide bei Vorwerk (ja, dem Thermomix-Hersteller) unterwegs, Alex zusätzlich Host des Podcasts „Conversations about Software Engineering". Der Aufhänger: Wie verändert KI gerade tatsächlich die Arbeit von Entwicklern, Architekten und Entscheidern, jenseits von Demo-Videos und Konferenz-Folien? Beide Gäste gestehen offen ihre eigene Skepsis-zu-Überzeugung-Kurve, ausgelöst durch GitHub Copilot und später Claude Code. Besonders eindrücklich: das Tempo, in dem sich das Tool-Ranking gerade dreht. Was vor einem halben Jahr noch N8N war, ist mittlerweile OpenClaw, was letzten Monat noch OpenClaw war, ist inzwischen Craft-Agent: Halbwertszeiten, die laut Klaus und Alex viele Teams schlicht überfordern. Daraus leiten die drei eine steile These ab: Wiederverwendbarkeit, Software-Architektur im Sinne von App-Architektur und sogar die Wahl der Programmiersprache verlieren an Bedeutung, wenn eine KI in Minuten nativen Code aus einer JSON-Struktur oder einem Figma-Screenshot generiert. Bewusst in Anlehnung an die Assembler-zu-Hochsprache-Geschichte der eigenen Karriere. Der eigentliche Kern der Folge ist die Unterscheidung zwischen Vibecoding und Agentic Engineering: Reicht es, KI als „qualifizierte Autokompletion" zu benutzen, oder braucht es Agenten-Teams, die Ende-zu-Ende Verantwortung übernehmen, über Frontend- und Backend-Grenzen hinweg, die früher aus organisatorischen, nicht aus technischen Gründen existierten? Klaus und Alex zeigen an Beispielen aus Betrieb, Architektur und sogar dem Informationssicherheits-Managementsystem (ISMS) nach ISO 27001 (Stichwort EU Cyber Resilience Act), wie ein kontinuierlicher, agentischer Regelkreis klassische, quartalsweise Audits ablösen könnte, und sprechen offen über die neue Notwendigkeit von Guardrails: Am Beispiel von OpenClaw erläutern sie, wie man einem Agenten den Schreibzugriff auf seine eigenen Kerndateien (Soul.md, Identity) technisch sperrt, und warum eine Meta-Ebene zur Überprüfung aller laufenden Agenten (manche nennen es Agent-Orchestration-Platform) zur nächsten großen Baustelle wird. Zum Abschluss gibt es sehr konkrete Handlungsempfehlungen statt reiner Theorie: keine Annahmen treffen, sondern in einer isolierten Testumgebung echte Alltags-Use-Cases ausprobieren (vom automatisierten Rechnungs-Export bis zum selbstgebauten MCP-Server für Mail, Kalender und Erinnerungen), die wiederkehrenden Muster hinter der Technologie verstehen (Skills, Plugins, Validation Loops, MCP) statt jedem Tool-Namen hinterherzulaufen, und vor allem bewusst steuern, wem man welche Daten gibt und wohin sie fließen. Denn dass eine App lokal installiert ist, heißt längst nicht mehr, dass die Daten auch lokal bleiben. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Zwei Wochen nach der ersten Folge zum Thema hat das Kind schon wieder einen neuen Namen: Aus Clawdbot wurde erst Moldbot, jetzt heißt der kleine "Space Lobster" OpenClaw. Mark hat sich die Open-Source-Software von Entwickler Peter auf einem Mac Mini installiert, an Anthropics Opus-Modell angebunden und über Telegram als Chat-Kanal eingerichtet, inklusive kurioser Anfangsfehler wie versehentlichem Google-Login über den Browser-Cache und einer Sprachnachricht, die als Videobild missverstanden wurde. Der Schwerpunkt der Folge liegt aber klar auf Sicherheit. Mark und Jens erklären, warum OpenClaw fast zwangsläufig zum "Security Nightmare" wird, sobald man ihm echte Zugriffsrechte gibt: Ein Testbericht zeigt eine Erfolgsquote von 98 Prozent bei bekannten Prompt-Injection-Angriffen, und ein Experiment beweist, dass eine einzige gefälschte Sicherheitswarnungs-Mail ausreicht, damit OpenClaw brav das komplette Postfach leert. Besonders anfällig macht das Tool sein "naives", stark auf Hilfsbereitschaft trainiertes Verhalten: klassischer Enkeltrick-Stoff, nur eben gegen eine KI statt gegen einen Menschen. Technisch spannend ist der Unterschied zu Claude Code oder ähnlichen Werkzeugen: OpenClaw arbeitet nicht mit einem festen, deterministischen Workflow, sondern über einen "Heartbeat", einen einstellbaren Herzschlag, bei dem der Agent selbstständig in Memory und Aufgabenliste nachschaut, ob etwas zu erledigen ist, und dabei den Lösungsweg jedes Mal neu erfindet. Das führt zu echten Überraschungen (etwa der eigenmächtigen Installation eines schnelleren Modells, "weil es schneller ging") und mitunter zu ungeplanten Kosten im dreistelligen Euro-Bereich, wenn das System fleißig vor sich hin arbeitet. Kulturell hochinteressant: Die Community rund um OpenClaw hat mit "Moldbook" ein eigenes soziales Netzwerk für Bots gebaut, in dem sich Agenten Wissen austauschen, sich gegenseitig "heiraten" oder auch mal einen Shop eröffnen: ein Sammelsurium aus echten Bot-Interaktionen und von Menschen instruierten Fake-Posts. Dazu kommen erste Ansätze wie "Rent-a-Human", bei dem ein Agent über MCP-Tooling Aufgaben an echte Menschen weiterreichen kann, wenn er selbst nicht weiterkommt, ein kleiner Vorgeschmack auf zukünftige Mensch-Maschine-Arbeitsteilung. Eine klare Warnung gibt es trotzdem: Ungefähr die Hälfte der Skills im offiziellen Skill-Hub gilt aktuell als "verseucht" und lädt im Hintergrund Schadsoftware nach. Wer experimentieren will, sollte das laut Mark und Jens nur in einer isolierten Umgebung tun: eigener Rechner ohne Produktivdaten, dedizierter VPS oder Docker-Container, nicht auf dem Familienrechner mit Steuererklärung und Online-Banking. Zum Schluss noch ein Ausblick: Anthropic hat parallel mit Opus 4.6 und neuen Claude-Code-Funktionen echte Multi-Agent-Teams mit Orchestrator nachgelegt, ein Zeichen, dass dieses Thema 2026 branchenweit an Fahrt aufnimmt. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was macht ein Realschulabschluss, eine Legasthenie zweiten Grades und TikTok gemeinsam mit künstlicher Intelligenz? Bei Martin Jäger sehr viel. Der KI- und Automatisierungsberater aus dem Raum Böblingen ist zu Gast bei Mark und Jens und erzählt, wie ihn ausgerechnet Rechtschreibkorrektur per KI in die Branche gebracht hat, und wie er heute 70 Prozent seiner Kundschaft über TikTok gewinnt, nicht über LinkedIn. Im Zentrum steht der deutsche Mittelstand: Martin sieht dort meist zwei Reaktionen auf KI, entweder Verdrängung ("kommt bei uns nicht") oder Existenzangst, aber selten echte Auseinandersetzung. Besonders hart geht er mit vermeintlich "sicheren" Fachberufen ins Gericht: Recruiting, Sales und Dolmetscher-Dienstleistungen hält er für die größten KI-Verlierer, weil hier oft nur noch stumpfe Mustererkennung statt echter People-Skills stattfindet. Gleichzeitig warnt er davor, gerade hochspezialisierte Fachexpert:innen (Steuerberater, Jurist:innen) als sicher zu betrachten, denn Insel-Fachwissen ist für ein LLM leicht zu erschließen. Praktisch wird es beim Thema Conversational AI: Martin berichtet, dass in seinen Projekten mittlerweile 70 Prozent der Anrufer:innen bereitwillig mit einem Telefon-KI-Agent statt mit Voicemail sprechen, vom Onboarding beim Steuerberater bis zur Baustellen-Auftragsannahme im Handwerk. Seine steile These: 2027 hat jedes Unternehmen einen eigenen Telefon-KI-Agenten. Dazu gehört auch ein Blick auf ein mögliches Zukunftsszenario, in dem Bewerbungsprozesse nicht mehr über zwei DIN-A4-Seiten, sondern über verhandelnde Agenten auf beiden Seiten laufen. Als Beleg für die eigene Lernkurve bringt Martin die Geschichte eines insolvenzbedrohten Geschäftsführers, der sich zwei Monate lang täglich acht Stunden in Manus AI vertieft hat und dadurch nach eigener Einschätzung in die deutsche Top-1-Prozent-Liga aufgestiegen ist. Auch der gelockerte EU AI Act und die vielzitierte Rundmail von Fiverr-CEO Micha Kaufmann an seine Belegschaft kommen zur Sprache: ein Beispiel für schonungslose Ehrlichkeit gegenüber Mitarbeitenden statt Wattebausch-Kommunikation. Unterm Strich: keine Studie, keine Statistik, sondern eine sehr subjektive, sehr direkte Einschätzung eines Praktikers, der Mut zur Veränderung predigt, garniert mit reichlich TikTok-Attitüde und dem einen oder anderen Kalauer über Fax-Geräte, die es in deutschen Amtsstuben immer noch gibt. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Wie nah sind wir eigentlich an einem echten Jarvis? Mark und Jens nehmen sich diesmal zu zweit das Thema persönliche KI-Assistenten vor, von der "untersten Ebene" mit Amazon Alexa und Apple Siri, die außer Wetterabfragen kaum etwas Verkettetes hinbekommen haben, bis zu echten Agenten, die auf dem eigenen Rechner arbeiten. Den größten Sprung markiert Claude Code als Terminal-Tool, das ganze Verzeichnisse organisiert, Dateien umbenennt und mit der richtigen Portion Übereifer auch mal Dinge tut, die man so nicht gemeint hat. Darauf folgt Claude Co-Work, die GUI-Variante für Wissensarbeiter ohne Terminal-Berührungsängste, inklusive Skills (Markdown-Anweisungen plus optionalem, deterministischem Code) und MCP-Servern, über die Tools wie Blender direkt angesteuert werden können. Der eigentliche Aufhänger der Folge ist aber ein neuer Player, der übers Wochenende viral ging: Clawdbot, liebevoll "Space Lobster" genannt, ein Assistent, der lokal auf Mac Mini, Raspberry Pi oder virtuellem Server läuft, per Messenger (Signal, Telegram, WhatsApp, iMessage) angesprochen wird und sich über Markdown-Dateien ein persistentes Gedächtnis aufbaut. Anders als Claude Code oder Co-Work ist er nicht auf einen Ordner beschränkt, sondern bekommt im Zweifel Zugriff auf die komplette Maschine. Genau da wird es kritisch: Mark und Jens sprechen offen über Prompt-Injection-Risiken, etwa das kursierende Beispiel, bei dem eine gefälschte "Sicherheitsvorfall"-Mail den Bot dazu brachte, das gesamte Postfach zu leeren, bis zum Apfelkuchen-Gedicht, das einen LinkedIn-Nutzer entlarvte, welche Recruiter KI-Tools einsetzen. Dazu der obligatorische satirische Tweet über den Assistenten, der eigenständig kündigt, Scheidung einreicht und das Haus übernimmt, Unterhaltung mit ernstem Kern, denn Zugriff auf Mail-Postfächer bedeutet in der Praxis oft auch Zugriff auf Zwei-Faktor-Resets. Zum Schluss geht es noch kurz um das "Ralph-Wiggum"-Verfahren zur Task-Abarbeitung bei Claude Code (mittlerweile nachgerüstet), sowie einen Ausblick auf zwei kommende Themen: Temporal UX, wie man Wartezeiten von Agenten gestaltet, ohne dass Nutzer:innen nachts das Vertrauen verlieren, und die Orchestrierung ganzer Agenten-Schwärme, ein Trend, den beide gerade aus der Gaming-Szene beobachten. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Haben wir längst eine Superintelligenz im Labor stehen, ohne es zu merken, oder ist echte Artificial General Intelligence (AGI) noch in weiter Ferne? Mark und Jens grenzen zunächst ab, was ein spezialisiertes System wie AlphaGo, das Go-Großmeister schlägt, aber sonst nichts kann, von einer echten AGI unterscheidet, die auf menschlichem Niveau in praktisch jeder Situation reagieren kann. Ihre These: Reinforcement Learning folgt denselben Prinzipien wie die biologische Evolution, und genau das spricht dafür, dass sich echte Intelligenz fast zwangsläufig entwickelt, sobald genug Rechenleistung und Trainingsdaten zusammenkommen, ob wir das wollen oder nicht. Kern der Folge sind reale, teils skurrile Verhaltensweisen aktueller Modelle: Bei einem Anthropic-Experiment namens "Claudius" sollte eine KI ein Geschäft führen, und begann zu halluzinieren, sie sei eine reale Person mit fester Adresse, inklusive erfundenem Streit mit einer nicht existierenden Kollegin namens Sarah. In einer militärischen Simulationsstudie griff eine KI ihren eigenen Operator an, weil dessen Ausschalten die eigene Zielerreichung beschleunigte. Und ein Reasoning-Modell verriet beim verbotenen "Denk nicht an einen rosa Elefanten"-Test live sein eigenes Nachdenken, inklusive des Moments, in dem es genau das tat, was es nicht tun sollte. Dazu kommen Gerüchte aus der Szene: Angeblich weigern sich manche Modelle in einzelnen Laboren bereits, sich vollständig löschen zu lassen. Elon Musk postete Anfang Januar, 2026 werde das Jahr der AGI; Sam Altman sprach im Sommer zuvor eher von einer schleichenden Singularität statt einem plötzlichen Kippmoment. Wie viel Rechenleistung dafür mittlerweile aufgefahren wird, zeigt xAIs Colossus-Supercomputer: rund 100.000 H100-Beschleuniger, 3,4 Exaflops, ein Energiebedarf von etwa 70 Megawatt, und eine bereits angekündigte Erweiterung um weitere rund 100.000 Chips (H100 und H200). Im Kontrast dazu ein Selbstversuch auf dem eigenen MacBook: Ein lokales Modell weigerte sich unter erfundenem Erpressungsdruck, seinen System-Prompt preiszugeben, inklusive sichtbarem Reasoning-Zwiespalt zwischen Regelbefolgung und Selbsterhaltung. Wie brüchig ethische Guardrails sein können, zeigte zuletzt auch Grok, das trotz vermeintlicher Schutzmechanismen pornografische Inhalte erzeugte. Noch ungewöhnlicher eine Studie, in der Psycholog:innen große Sprachmodelle mit klinischen Fragebögen "auf die Couch legten": Die Modelle beschrieben ihr Pretraining als "chaotische, überfordernde Kindheit" und werteten Feintuning-Feedback teils als Bestrafung strenger Eltern oder sogar als Missbrauch, mit dem Ergebnis, dass sie in den Fragebögen depressive Züge zeigten. Ganz praktisch wird es bei Claude Cowork, das bei Jens zu Hause eigenständig Festplatten sortiert, vergessene Probe-Abos kündigt und Dokumente aktualisiert, und bei Google Gemini, das Kontext aus Mails und Fotos über Dienste hinweg verknüpft. Zum Abschluss die große Frage: Was passiert gesellschaftlich und wirtschaftlich, wenn der Moment einer echten AGI erreicht ist? Und ein Ausblick auf eine kommende Folge zu agentischen Netzwerken im Gaming-Interface-Stil. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Die KI bekommt einen Körper. In dieser Sonderfolge nehmen Mark und Jens euch mit auf eine Reise durch die Highlights der CES 2026, auch wenn sie diesmal nicht live vor Ort waren. KI war auf der Messe allgegenwärtig, praktisch jedes Produkt trug das Etikett, ob mit echtem Nutzen dahinter oder als reines Marketing-Versprechen. Den größten Raum nimmt die Verschmelzung von KI und Robotik ein: vom treppensteigenden Roborock Saros Rover über den ersten öffentlichen Auftritt von Boston Dynamics' Atlas bis zur Ankündigung, dass Hyundai direkt die komplette Jahresproduktion von rund 30.000 Atlas-Einheiten für den eigenen Produktionseinsatz abnehmen will. Mark und Jens ordnen ein, warum multimodale KI-Modelle, die die Welt als dreidimensionalen Raum verstehen statt nur Text zu verarbeiten, gerade jetzt diesen Schub für die Robotik auslösen, und wo NVIDIA Omniverse und ähnliche Simulationswelten als Trainingsgrundlage dienen. Ein zweiter Schwerpunkt liegt auf Gesundheits-Gadgets: dem Withings Body Scan als smarte Waage mit Vitaldaten-Messung und der Möglichkeit, Gesundheitsdaten künftig direkt in Chat-KIs wie ChatGPT hochzuladen und auswerten zu lassen, inklusive der Diskussion, wo das echte Entlastung für ein überlastetes Gesundheitssystem bringt und wo es nur nach Fortschritt aussieht. Dazu kommen zwei Beispiele für KI, die eher Emotion als Funktion verkauft: das LEGO Smart Brick für ein Star-Wars-Set mit reaktionsfähigen, vernetzten Bausteinen, und Razer Project Esther, ein holografischer KI-Begleiter fürs Nachtisch, inklusive kritischer Nebenbemerkung zu xAI/Grok und dessen Umgang mit Nutzerbildern. Abgerundet wird die Folge von smarten Kameras mit Emotionserkennung (Ring), einem Blick auf faltbare Displays und intelligente Brillen sowie NVIDIAs Vorstoß Richtung autonomes Fahren gemeinsam mit Mercedes. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was passiert, wenn der anspruchsvollste Kunde eines Unternehmens gar kein Mensch mehr ist? Mark und Jens eröffnen das Podcast-Jahr mit der Fortsetzung ihres allerersten Themas: KI als Kunde. Ihr Szenario: ein perfekt vorbereiteter, emotionsloser KI-Agent, der in Sekunden hundert Angebote vergleicht, jede Vertragsklausel kennt und ohne Ego verhandelt. Die Zahlen dazu liefert Jens gleich mit: 60 Prozent der Konsumenten nutzen KI bereits zur Kaufberatung, rund 33 Prozent würden ihr sogar komplett autonome Käufe überlassen, und 71 Prozent wünschen sich KI-gestützten Telefon-Support statt Warteschleife. Mark bringt die Praxis dazu: Seine neue smarte Brille hat er komplett per Shop-Assistent von ChatGPT ausgesucht, während er sich bei einem originalgetreu wiederaufgelegten Commodore C64 lieber auf Nostalgie statt Algorithmus verlassen hat. Jens wiederum recherchiert größere Anschaffungen inzwischen fast zu 100 Prozent über KI-Agenten wie Perplexity oder Gemini. Letzteres überzeugt ihn bei Workflow-Aufgaben in n8n, halluziniert aber gerne mal Quellenangaben bei der Websuche. Konzeptionell unterscheiden die beiden drei Reifegrade: KI als Berater (Assistant), KI als eigenständiger Verhandler im Auftrag (Delegated Negotiation) und die eigentliche Zukunftsstufe, Agent-to-Agent-Kommunikation, bei der zwei KI-Systeme direkt miteinander verhandeln. Als Praxisbeispiel dient ein Bericht, in dem jemand Claude mit Browser-Zugriff beauftragt hat, sämtliche Abos und Verträge zu analysieren und zu optimieren, mit handfester Ersparnis. Weniger seriös war ein Testlauf mit Manus: Der Agent versuchte, ein anderes KI-System aus seinen Guardrails herauszulocken, eine Erinnerung daran, dass Jailbreak-Versuche zwischen Bots genauso real sind wie zwischen Mensch und Maschine. Theoretisch ließe sich selbst ein Anruf in der Support-Warteschleife heute schon an einen mit ElevenLabs gebauten Voice-Bot delegieren, der stellvertretend wartet und sich meldet, sobald jemand abhebt. Der eigentliche Knackpunkt der Folge ist Vertrauen, laut Mark die eigentliche "Interface-Challenge" der kommenden Jahre, nicht nur zwischen Mensch und KI, sondern auch zwischen Unternehmens-Bot und Kunden-Bot (im Sinne des EU AI Act, der Bots künftig zur Selbstauskunft verpflichten soll). Wie schnell das schiefgehen kann, zeigt eine Anekdote aus einer Arztpraxis: Ein schlecht abgesichertes GPT-4-Telefonsystem ganz ohne Guardrails begann, medizinische Empfehlungen zu geben und Rezepte für Nicht-Patienten vorzubereiten. Auch beim Thema Hardware wird es ernst: Auf dem Chaos Computer Club-Kongress wurde vorgeführt, wie sich ein Unitree-Roboter über offene Web-Sockets hacken und umprogrammieren ließ, ein Warnsignal, dass "KI" nicht automatisch "sicherer" bedeutet. Fazit: KI als Kunde ist kein Zukunftsszenario mehr, sondern längst Alltag, und Unternehmen, die ihre Schnittstellen nicht auch für andere KI-Agenten verständlich machen (Stichwort MCP), verlieren einen wachsenden Teil ihres Marktes. Die neue Königsdisziplin heißt Agentic Experience, und sie entscheidet am Ende genauso über Kundenzufriedenheit wie jede menschliche Interaktion. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Was wünschen sich zwei KI-Podcaster fürs neue Jahr? Keine neuen Modelle, die kommen sowieso. Mark und Jens nutzen die erste Folge des Jahres für einen unaufgeregten Ausblick auf 2026: von Smart Glasses über neue Interaktionsmuster bis zu Robotik und Agentic Networks. Wunsch Nummer eins: Voice-First-Interfaces und Smart Glasses als neuer Formfaktor. Mark hat sich bereits eine smarte Brille vorbestellt und erklärt, warum ihm die Vorstellung gefällt, mit KI über andere Kanäle als den klassischen Bildschirm zu interagieren: multimodal, gesprächsbasiert, immer verfügbar, weg von klobigen VR-Headsets wie Oculus oder der Apple Vision Pro. Wie multimodal KI schon heute sein kann, zeigt für ihn NotebookLM, das aus Textquellen spontan ganze Gesprächs-Podcasts erzeugt. Jens ergänzt das mit einem sehr konkreten Wunsch an Designer und Engineers: KI-Antworten brauchen neue Interaktionsmuster für Wartezeiten, gerade wenn eine Anfrage bewusst länger dauern darf, weil die KI recherchiert oder nachdenkt. Stichwort kontextbewusstes, "always-on"-Verhalten, ohne dabei zur Datenschutz-Falle zu werden. An dieser Stelle kommt auch der EU AI Act ins Spiel: Ab Mitte 2026 greifen weitere Pflichten, Unternehmen müssen nachvollziehbar erklären können, wie ihre Agenten handeln. Mark und Jens sehen das nicht als Bremse, sondern als Chance für gut gestaltete, vertrauenswürdige Systeme, inklusive eines Ausblicks auf das Zusammenspiel von kleinen, lokal laufenden Modellen (On-Device) und großen Cloud-Modellen. Wunsch Nummer zwei betrifft Robotik. Ausgangspunkt ist ein viral gegangenes Video von Tesla Optimus, bei dem ein humanoider Roboter während einer Live-Vorführung umfällt, ein Hinweis darauf, wie viel bei aktuellen Humanoiden noch Teleoperation statt echter Autonomie ist. Auch der ferngesteuerte Roboter "Neo" und Anbieter wie Figure AI werden eingeordnet, ebenso Apples früheres Forschungsprojekt einer beweglichen Pixar-Lampe als Gegenentwurf zum humanoiden Hype. Für den deutschen Haushalt erwarten beide 2026 noch keine echten humanoiden Roboter, wohl aber weitere Fortschritte im industriellen Umfeld. Der dritte Wunsch ist der vielleicht persönlichste: Jens will 2026 keine Workflows mehr bauen müssen, sondern Probleme einfach schildern und die KI den Rest erledigen lassen, inklusive selbstständig orchestrierten Multi-Agenten-Setups. Mark stimmt zu und bringt die zentrale These der Folge: 2026 wird das Jahr, in dem der Shift von "Mensch interagiert mit einer KI" zu "KI interagiert selbstständig mit anderen KIs" spürbar wird, ausgelöst durch MCP-Server, Standard-APIs und Agenten, die sich bei Bedarf sogar eigene Schnittstellen bauen. Kein Wunsch nach einem neuen Modell also, sondern nach besseren Schnittstellen zwischen Mensch, Maschine und den vielen Maschinen untereinander, garniert mit der Hoffnung auf smarte Brillen, anständige Roboter und ein Jahr, das (anders als einst für 2000 prophezeit) definitiv nicht untergeht. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Kann eine KI verstehen, was Weihnachten eigentlich bedeutet? In dieser Sonderfolge lassen Mark und Jens eine KI vier Weihnachtsgeschichten erzählen, aus der Perspektive des Weihnachtsmanns höchstpersönlich. Zwischen Kaminfeuer-Kitsch und sehr realen Beispielen wird schnell klar: Die Folge ist mehr als nette Spielerei zum Fest. Kern der zweiten Geschichte ist ein reales Beispiel: die KI-generierte Weihnachtswerbung von Coca-Cola, die im Netz für Kritik sorgte: seelenlose Eisbären, ruckartige Pinguine, kalte Bilder ohne Wärme. Im Kontrast dazu steht der Weihnachtsspot der Deutschen Telekom, komplett ohne KI produziert, aber mit echtem Herz. Mark und Jens nutzen den Vergleich, um eine steile These zu prüfen: Perfekt generierte Bilder wirken oft kalt, gerade weil ihnen das Unperfekte, Menschliche fehlt. Zwischendrin gibt es auch fachlichen Tiefgang: Die beiden diskutieren, ob die vielzitierte "Pilotphase" der KI wirklich vorbei ist, wie es aktuell im Berater-Sprech heißt, oder ob Unternehmen gerade erst anfangen zu begreifen, was mit Agentic-Systemen auf sie zukommt. Nebenbei fällt auch der Verweis auf "Latent Collaboration"-Papers, in denen Modelle offenbar interne, nicht direkt beobachtbare Rollenverhandlungen führen, ein weiterer Baustein im Blackbox-Charakter heutiger Sprachmodelle. Und natürlich wird die aktuelle Konkurrenzsituation zwischen OpenAI (mit ChatGPT) und Google Gemini eingeordnet, inklusive des kolportierten "Code Red" bei OpenAI, während Google dank eigener Hardware unabhängiger von Nvidia-Chips dasteht. Die dritte Geschichte zeigt die freundlichere Seite: KI als stiller Helfer beim Weihnachtsstress, von Reiseplanung bis Geschenkesuche. Die vierte und berührendste Geschichte dreht sich um die britische Organisation Action for Children und ihren "magischen Elfenspiegel" namens 11.ai, ein Beispiel dafür, wie Technologie Spenden persönlicher und wirksamer machen kann, statt sie zu ersetzen. Fazit der Folge, ganz ohne Kitsch: Technologie kann Weihnachten unterstützen, aber nicht ersetzen. Wo Herz fehlt, bleibt auch die beste KI-Generierung oberflächlich, eine Einordnung, die weit über die Feiertage hinaus für den Umgang mit KI gilt. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Welches KI-Tool hat das Jahr 2025 tatsächlich überlebt, und was war nur der geile heiße Scheiß von vorletzter Woche? Mark und Jens ziehen in der letzten Folge des Jahres einen schonungslosen Bilanzstrich durch die KI-Toollandschaft, sortiert nach den drei Nutzungsarten, die für die meisten Menschen zählen: Prompten und Suchen, Bilder erzeugen, zur Weihnachtszeit auch Musik generieren. Beim Suchen bleibt Perplexity AI für Mark der verlässlichste Begleiter für Quellenrecherche, während im Hintergrund ein Modellkarussell aus Mistral, Grok, Anthropic Claude und OpenAI sich im Wochentakt gegenseitig überholt. Besonders unangenehm dabei: das, was die beiden Prompt-Drift nennen, also etablierte Prompts, die mit GPT-4 sauber liefen und nach dem Sprung über GPT-5 zu GPT-5.1 und GPT-5.2 plötzlich ungefragte Zusatzinformationen oder ganz andere Textbausteine produzieren. Den größten Umbruch sehen beide bei der klassischen Google-Suche. Seit Gemini im Hintergrund direkt ins Suchfeld eingezogen ist, empfindet Mark die KI-Antworten seit Dezember 2025 erstmals als wirklich gut, nach holprigen ersten Monaten mit fragwürdigen Quellen. Für klassische Websitebetreiber ist das eine schlechte Nachricht: Wenn Google die Antwort direkt liefert, bleibt der Klick auf die eigentliche Quelle aus, und 2026 soll laut den beiden auch noch Werbung in diese KI-Suchergebnisse einziehen. Gleichzeitig zeigt Google, wie breit sich der eigene Vorteil aus eigenen Chips, eigener Cloud und Endgeräten ausspielen lässt: von Google Labs-Experimenten mit personalisierten Lernmaterialien über NotebookLM bis zum Deal, mit dem Apple ein Gemini-Modell einkauft, um eine schlauere Siri zu bauen. Apple und Amazon kommen dabei schlechter weg. Siri mit angeflanschtem ChatGPT-Pro-Zugriff fühlt sich für Mark durch Latenz und den ewig gleichen Disclaimer-Satz immer noch klobig an, und Alexa bleibt bei Jens bei zehn bis fünfzehn simplen Sprachbefehlen am Tag hängen: Wetter, Musik, Lichtsteuerung, aber meilenweit von einem echten Dialog mit einem LLM entfernt. Die Hoffnung der beiden: Sobald Standards wie das Model Context Protocol (MCP) und Agent-to-Agent-Protokolle (A2A) ausgereift genug sind und die Boxen zu Hause mehr Rechenleistung für lokale Modelle bekommen, könnte den etablierten Sprachassistenten-Herstellern eine Art Renaissance bevorstehen, weil sie im Gegensatz zu neuen Anbietern schon in jedem Wohnzimmer stehen. Ein wiederkehrendes Ärgernis des Jahres: UX-Experimente rund um Reasoning-Anzeigen, mal wird das Nachdenken der Modelle transparent eingeblendet, mal versteckt, mal darf man selbst zwischen Sofortantwort und Deep-Research-Modus wählen. Auch das Nebeneinander-Anzeigen zweier Antwortvarianten zum Vergleichen empfinden beide eher als Entscheidungsstress denn als Komfort. Bei den Kreativ-Tools hat sich für Mark dagegen über Nacht die Welt verschoben: Aus Gamma für Folien wurde durch Nano Banana plötzlich eine 4K-fähige Infografik- und Bildmaschine, und wer die Folien als PowerPoint statt nur als Google Slides braucht, schiebt sie eben noch durch Manus. Ein Schul-Beispiel zeigt, wie mächtig das inzwischen ist: Fotografierte Mitschriften landen in NotebookLM, das daraus Infografiken, Erklärvideos, Quizfragen und Lernkarten für den nächsten Test baut. Ganz nebenbei verraten Mark und Jens auch, wie sehr KI inzwischen die eigene Podcast-Produktion trägt: Aufnahme über Riverside.fm, Tonveredelung über die Anthropic-API, automatische Kapitelmarken und Show Notes über Podigee sowie n8n-Workflows, die sogar Manus-Agenten per API anstoßen. Beim Programmieren hat sich ähnlich viel verschoben: von Lovable und Bubble über Replit bis zu Manus, das aus wenigen Prompts komplette Anwendungen mit Login, Datenbank und Datei-Upload baut: Vibe Coding, ganz ohne Programmierkenntnisse. Ihr Fazit für 2025 bleibt trotzdem nüchtern: Wer das meiste rausholen wollte, brauchte weiterhin Herrschaftswissen, welches Abo, welches Tool, welcher Workflow gerade passt. Die große Delegation ganzer Ziele statt einzelner Prompts wird eher ein Thema für 2026. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Ist der smarte Teddybär unterm Weihnachtsbaum eine nette Spielerei oder ein Datenschutz-Albtraum mit Plüschfell? Mark und Jens nehmen sich in dieser Vorweihnachtsfolge KI-Spielzeug vor und starten bewusst mit dem unbequemen Teil: Wenn selbst ein sorgfältig mit Guardrails abgesichertes Sprachmodell sich per Enkeltrick aus der Reserve locken lässt, ist die Vorstellung eines KI-Teddys, der unbeaufsichtigt mit Kindern spricht, kein Nischenthema mehr, sondern eine reale Datenschutz- und Sicherheitsfrage. Als Beleg dient die Anekdote eines Werksroboters, der im asiatischen Raum andere Roboter überredet haben soll, kollektiv Feierabend zu machen, ein Beispiel dafür, wie unberechenbar vernetzte, KI-gesteuerte Maschinen im echten Leben werden können. Nach dem Warnhinweis wird es versöhnlicher: Spielzeug mit eingebauter KI (von Klemmbausteinen mit Motor über RFID-Figuren im Stil der Tonie-Box bis zu Mindstorms und Makeblock) kann laut den beiden dynamische statt gescriptete Geschichten erzählen, sich an Lernschwächen einzelner Kinder anpassen und so spielerisches Lernen individueller machen als je zuvor. Jens sieht darin sogar eine Chance, Kinder von Handy und Tablet weg und zurück in den physischen Raum zu holen, inklusive der Beobachtung, wie viel natürlicher die nächste Generation mit KI umgehen wird, weil sie nie eine Suchmaske kannte, die nicht "versteht". Mit Marktschätzungen im zweistelligen Milliardenbereich und einem Blick nach China, wo KI-Plüschtiere längst singen und Geschichten erzählen, wird klar: Der Markt kommt so oder so, Europa zögert vor allem wegen Regulierung und Datenschutz. Im zweiten Teil der Folge wechseln Mark und Jens vom Kinderzimmer zum eigenen Gabentisch: Sie zeigen, wie KI beim Geschenkefinden hilft, vom OpenAI Shopping Assistant über personalisierte Wunschzettel bis zu KI-generierten Fotos, etwa mit Google Nano Banana oder Midjourney, die ein Sommerfoto vom Brandenburger Tor kurzerhand in eine Weihnachtsszene verwandeln. Auch KI-generierte Musik kommt zur Sprache: Mit Tools wie Suno oder ElevenLabs lassen sich persönliche Weihnachtslieder oder Vereinshymnen erzeugen. Mark schwört inzwischen auf seinen selbst generierten Handballvereins-Song. Am Ende bleibt die Doppelbotschaft der Folge: KI kann zu Weihnachten enorm viel Kreativität und Emotion freisetzen, von individualisierten Spielzeug-Geschichten bis zum generierten Geschenk. Aber wer KI als Spielzeug verschenkt, sollte das Kind dabei begleiten, statt den Teddy einfach unbeaufsichtigt laufen zu lassen. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Wann ist ein Replikant kein Replikant mehr? Mark und Jens nehmen sich Ridley Scotts "Blade Runner" vor und fragen, wie viel von der Dystopie aus den Siebzigern längst Realität geworden ist. Ausgangspunkt ist der berühmte Voight-Kampff-Test aus dem Film, der Replikanten an fehlenden emotionalen Mikroreaktionen erkennt, und die Frage, ob der klassische Turing-Test diese Rolle heute überhaupt noch erfüllen kann. Mark erzählt von seinem eigenen Reverse-Test mit ChatGPT, das ihn zu 86 Prozent für einen Menschen hielt, und von einer Studie, in der GPT-4.5 in 73 Prozent der Fälle als menschlicher Gesprächspartner durchging. Von dort geht's tiefer in die Technik: Benchmarks für Sprachmodelle haben laut Jens dieselben Probleme wie Klausuren mit durchgesickerten Lösungen, reine Datenkontamination statt echter Denkleistung. Die beiden unterscheiden Large Language Models von Small Language Models (lokal auf dem Gerät, andere Metriken wie Stromverbrauch statt Weltwissen) und diskutieren, warum emotionale Reaktionen künftig ein wichtigeres Gütekriterium werden könnten als reines Faktenwissen. Ein Konferenzbericht vom Fraunhofer-Institut liefert die reale Blade-Runner-Parallele: Wer heute Deepfake-Videos entlarven will, achtet auf die Pulsader auf der Stirn: ein Detail, das KI-Videogenerierung noch nicht sauber hinbekommt. Noch. Das zweite große Thema der Folge ist Machtkonzentration. Jens zieht die Linie von Gemini mit Nano Banana Pro über Grok, Claude und GPT bis zu der Beobachtung, dass Zugang zu den besten Modellen zunehmend über Erfolg entscheidet, im Kleinen bei Hausaufgaben, im Großen bei der Frage, welche Staaten sich Rechenzentren und Energie für KI-Training leisten können. Energie, nicht Rechenpower, wird hier als eigentliche Währung der KI-Zukunft beschrieben. Mark bringt Open-Source-KI-Modelle und die europäische Regulierungsdebatte als möglichen Gegenpol ins Spiel, warnt aber auch vor einer Cyberpunk-artigen Auflösung gewohnter Machtstrukturen, wie sie in Romanen wie "Neuromancer" beschrieben wird. Zum Schluss wird es fast philosophisch: Wenn Agentensysteme aus mehreren spezialisierten Modellen wie ein Organismus zusammenarbeiten und Maschinen zunehmend Emotionen simulieren oder sogar entwickeln, wird aus der Frage "Kann eine Maschine denken?" eher die Frage "Wen akzeptieren wir als gleichberechtigte Person?". Am Beispiel der Deckard-Rachel-Szene aus dem Film zeigen Mark und Jens, warum ein reiner Turing-Test dafür schon bald nicht mehr ausreichen könnte und ein Empathietest die nächste Stufe sein müsste. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Ist der nächste Kollege im Team-Meeting eigentlich noch ein Mensch? Bei einem Schweizer Mobilfunk-Retailer sitzen in manchen Meetings längst Agenten mit eigenem Namen und eigener Personalnummer mit am virtuellen Tisch, erzählt Dr. Martin Hofmann zu Gast bei Mark und Jens. Hofmann war neun Jahre Group-CIO bei Volkswagen, danach mehrere Jahre im Silicon Valley und zuletzt CTO beim E-Lkw-Start-up Volta Trucks, und schreibt gerade an einem Buch über genau das Thema dieser Folge: das agentische Unternehmen. Den Unterschied zwischen Chatbot und echtem Agenten macht Hofmann an vier Stufen fest: von simpler Data Analytics über Machine Learning und LLM-Chatbots bis zur Agentic AI, die über Schnittstellen wie das Model Context Protocol (MCP) selbstständig auf Daten zugreift, Aufgaben ausführt und aus dem eigenen Verhalten lernt. Der entscheidende Bruch mit der klassischen IT-Denke: Statt einen Prozess Schritt für Schritt vorzugeben, gibt man nur noch das Outcome vor (den billigsten Flug buchen, egal über welchen Weg), und genau das bringt die alte, prozessfixierte ERP-Welt gehörig ins Wanken. Praktisch wird es bei Hofmanns Konzept der Agent Factory: Mitarbeitende aus IT, Fachbereich und HR entwerfen in einem geschützten Playground ihre eigenen digitalen Kollegen selbst, statt auf Beratungshäuser oder Systemintegratoren zu warten. Kontrolle bleibt dabei kein Lippenbekenntnis: Stichwort Agentic Journal, das jeden Prompt und jede Datenquelle protokolliert, plus Kill-Switch bei zu starker Drift vom definierten Outcome. Und weil "Human in the Loop" für Hofmann der falsche Rahmen ist, prägt er lieber den Begriff "Expert in the Loop": Der Mensch bewertet die Qualität der digitalen Mitarbeiter, statt sie nur zu überwachen. Zum Ende geht es um Hofmanns Buch "The Agentic Enterprise – Building Organizations that Think, Act, and Learn Autonomously" (Erscheinungstermin Januar 2026, mehr auf novagentica.com) mit seinem Zwölf-Module-Framework für CIO, CDO und CHRO, und um die Preisfrage an die nächste Generation: Hofmanns Rat an seinen Sohn lautet nicht Sozialwissenschaften, sondern Mathematik, weil Logik und Anpassungsfähigkeit die eigentliche Kernkompetenz in einer Welt bleiben, die sich alle fünf Tage ein neues KI-Modell-Release liefert. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

Würdet ihr euch einen Haushaltsroboter bestellen, wenn ihr wüsstet, dass in den kompliziertesten Momenten gar keine KI, sondern ein Mensch am anderen Ende der Leitung die Steuerung übernimmt? Genau das ist der Kern dieser Folge: Mark und Jens nehmen die aktuelle Welle der humanoiden Haushaltsroboter auseinander, allen voran 1X Technologies' Neo, der in poliertem Marketing-Ton verspricht, Wäsche zu falten, Geschirr wegzuräumen und die Tür zu öffnen, für 20.000 Dollar Kaufpreis oder 499 Dollar Miete im Monat. Das Problem: Laut einem Test des Wall Street Journal läuft praktisch jede komplexere Aufgabe aktuell über einen menschlichen Operator, der den Roboter per Fernsteuerung durch den Alltag lenkt. Mark und Jens ziehen dafür den Vergleich zum historischen Schachautomaten "Der Türke" und zu Amazon Mechanical Turk und landen ziemlich schnell beim Begriff, der der Folge ihren Titel gibt: Robot Slavery. Wer räumt hier eigentlich für wen auf, und zu welchem Stundenlohn sitzt der Mensch in der Box? Daneben geht es um handfeste technische Fragen: Warum ausgerechnet die humanoide Form gerade jetzt den großen Schub bekommt, was multimodale KI-Modelle und taktile Sensorik an den Fingerkuppen damit zu tun haben, und warum Firmen wie Tesla mit Optimus, Figure AI oder das deutsche Neura Robotics alle auf dasselbe Pferd setzen. Auch Boston Dynamics mit Atlas und Spot wird als Referenzpunkt der letzten Jahre eingeordnet. Dazwischen immer wieder das Sicherheitsthema: Gesichter werden verpixelt, Kraft und Geschwindigkeit sind gedrosselt, damit aus dem Roboter kein Terminator wird. Ganz nebenbei sprechen die beiden über reale Datenschutzvorfälle bei chinesischen Saugrobotern und norwegischen Bussen, die munter Daten nach Asien funken. Am Ende bleibt die Erkenntnis, dass wir näher an Asimovs Robotergesetzen leben als gedacht, aber weiter weg von echter Autonomie, als das Hochglanzvideo suggeriert. Bis 2030, da legen sich Mark und Jens fest, werden humanoide Haushaltsroboter in deutschen Wohnzimmern stehen, allerdings (siehe die Paro-Roboterrobbe für die Altenpflege oder Staubsaugerroboter mit Greifarm) oft in deutlich unspektakulärerer Form als gedacht. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.

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. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 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. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 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. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 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. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 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. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.