KI Garage ist der Podcast für alle, die mit KI selbst Dinge bauen.
Hier geht es nicht um Hype oder Theorie, sondern um echte Projekte: Menschen, die aus Ideen konkrete Lösungen entwickeln – oft aus ihrem eigenen Alltag heraus.
In jeder Folge sprechen wir darüber, was funktioniert hat, was nicht geklappt hat und wo die Grenzen aktueller KI liegen.
Du bekommst ehrliche Einblicke, konkrete Learnings und ein klares Gefühl dafür, was heute schon möglich ist.
Wenn du verstehen willst, wie andere mit KI Dinge umsetzen – und selbst ins Machen kommen willst – bist du hier genau richtig.
Site
RSS
Apple
Data updated on 07/10/2026
Recent rankings
Latest chart positions across Apple Podcasts and Spotify rankings.
Shared links between episodes and podcasts
Links found in episode descriptions and other podcasts that share them.
Brief nach Berlin: Eine KI, die aus politischem Frust einen Brief macht
Monday, October 5, 2026 • Duration 54:40
Als Thomas’ Mutter ihren ersten handgeschriebenen Brief eingeworfen hat, war der wichtigste Moment für ihn schon erreicht: Sie war aus dem politischen Frust ins Handeln gekommen. Aus dieser Szene baute er Brief nach Berlin, ein Civic-Tech-Projekt, das Anliegen einer politischen Ebene zuordnet und mit Mistral einen Briefentwurf erstellt. Fast 2.400 Entwürfe wurden laut internem Counter in dreieinhalb bis vier Monaten formuliert. Thomas erklärt, warum der letzte Schritt bewusst beim Menschen bleibt: abschreiben, personalisieren, unterschreiben, einwerfen.
WAS WIR LERNEN
- Ein MVP darf klein und unfertig starten, wenn er ein konkretes Alltagsproblem löst und du den gewünschten nächsten Schritt bei echten Menschen beobachten kannst.
- Reibung bewusst stehen lassen, wenn sie Verantwortung schafft: Bei Brief nach Berlin wird der Entwurf erst durch Handschrift, Unterschrift und Briefkasten zum eigenen Anliegen.
- Nutzerfeedback früh in die Journey einbauen und das Framing testen: Die Frage nach einer Bewertung brachte Thomas deutlich mehr Rückmeldungen als eine offene Feedbackfunktion.
- Features pausieren, sobald die zentrale offene Frage Reichweite ist: Thomas investiert nach dem ersten funktionierenden Produkt viel Zeit in Gespräche, Multiplikatoren und Outreach.
- KI für Planung und Umsetzung nutzen, Abhängigkeiten aber klein halten: Jede zusätzliche Integration erhöht Aufwand, Datenschutzfragen und potenzielle Fehlerquellen.
Mein Gast:
Thomas Lorenz: https://www.linkedin.com/in/thomaslorenz91/
Tools & Links:
- Brief nach Berlin: https://briefnachberlin.de
- Mistral (Textmodell für die Briefentwürfe): https://mistral.ai
Kapitel:
00:00 Thomas baut einen Brief für seine Mutter
01:30 Wie aus politischem Frust ein MVP wurde
05:50 Der Einwurf zählt vor der politischen Antwort
07:37 Was fast 2.400 Entwürfe wirklich aussagen
08:40 Wie ein Podcast zum Multiplikator wurde
12:10 Warum der Brief bewusst analog bleibt
13:10 Wie Thomas KI-Entwürfe moderiert und personalisieren lässt
16:00 Der letzte Schritt gehört dem Menschen
18:10 KI als Weg zurück zum handgeschriebenen Brief
22:30 Vom Politikstudium zum Builder
26:10 Warum Outreach gerade wichtiger ist als Feinschliff
29:20 Echte Nutzer finden und Multiplikatoren ansprechen
38:00 Europäische Infrastruktur und schlanke Produktentscheidungen
41:10 Wie ein anderes Feedback-Framing mehr Antworten brachte
44:00 Die Journey direkt mit dem Anliegen starten lassen
- Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/
Der Gender AI Gap: Warum Frauen bei KI noch zögern
Monday, September 21, 2026 • Duration 56:03
Beim Check-in sagen zehn Frauen in verantwortungsvollen Positionen offen: Mit KI fühlen sie sich noch unsicher. Monika Harlinghausen-Smith und Janine Bessen nehmen sich mit ihnen acht Stunden Zeit zum Ausprobieren – und lassen es nicht bei diesem einen Workshop-Tag. In dieser Folge erzählen die Mantai5-Gründerinnen, wie aus KI-Übungen, eigenen Use Cases und vier Wochen Peer Support eine Routine werden soll. Und warum die Vielfalt einer Community im Workshop hilft, beim beruflichen Austausch danach aber auch Grenzen hat.
WAS WIR LERNEN
- KI-Workshops an eigenen Aufgaben ausrichten: Im Bootcamp bringen die Teilnehmerinnen ihre konkreten Cases mit und lösen Probleme direkt im Raum.
- Erst kleine, wiederholbare KI-Anwendungen bauen, statt mit dem nächsten großen Projekt zu starten – etwa einen Skill für E-Mails in der eigenen Sprache.
- KI-Workflows unter realen Bedingungen testen und bei sensiblen Entscheidungen den Menschen eingebunden lassen: Im WANDL lief der Einkaufsassistent, die automatisierte Lead-Ansprache ging nicht live.
- Nach einem Workshop Zeit für Übungen und Austausch einplanen: Mantai5 empfiehlt über vier bis fünf Wochen etwa zehn Minuten täglich oder eine Stunde pro Woche.
- Peer Groups bewusst nach gemeinsamen Arbeitskontexten gestalten: Branchenmix bringt neue Perspektiven, für konkrete berufliche Use Cases hilft der Austausch mit ähnlichen Unternehmen oft mehr.
- Above the Hype - Female AI Summit: https://femaleaisummit.com/
Mit KI in den App Store – und dann?
Sunday, September 6, 2026 • Duration 50:02
Mitte Juli stand LeibFit im App Store. Im Fitnessstudio griff Sebastian Leib trotzdem wieder zur App des Studios. Also drehte der Head of Product bei WISO noch eine Schleife, baute eine Apple-Watch-App dazu und nutzt LeibFit inzwischen selbst täglich. In dieser Folge geht es darum, was reale Nutzung sichtbar macht, wo simulierte KI-Nutzer an ihre Grenzen kommen und wie Sebastian Features, Feedback, Paywall und organische Distribution gerade ausprobiert.
WAS WIR LERNEN
- Das eigene KI-Produkt im echten Nutzungskontext testen: Sebastian erkannte erst im Alltag, dass sein gebauter Workflow am tatsächlichen Bedarf vorbeiging.
- Simulierte KI-Nutzer als Hypothesen behandeln: Ein plausibler Maßnahmenkatalog aus dem iOS-Simulator beweist noch nicht, welche Reibung im Alltag entsteht.
- Features bewusst pausieren, wenn die nächste offene Frage Distribution ist: Sebastian konzentriert sich nach dem Release erst auf Reichweite und Nutzung.
- Externes Feedback gezielt gegen die Annahmen der KI-Spezialisten prüfen: Ein realer Nutzer entdeckte einen Edge Case, den die internen Tests übersehen hatten.
- Monetarisierung als laufendes Experiment aufsetzen: Sieben Tage Vollzugriff, danach bleiben ausgewählte Werte sichtbar – ob das für Nutzung und Abos reicht, will Sebastian erst mit mehr Daten entscheiden.
Gast: Sebastian Leib — https://de.linkedin.com/in/sebastianleib
Tools & Links:
- LeibFit (native Fitness-App für iPhone und Apple Watch): https://apps.apple.com/de/app/leibfit-erholung-training/id6790414789
Kapitel:
00:00 Intro & Willkommen
01:40 Warum Sebastian noch eine Fitness-App gebaut hat
Digitaler Kleiderschrank: Mit Lovable zum Prototyp
Friday, August 14, 2026 • Duration 44:57
Josepha Cerbe hatte fast zehn Jahre lang die Idee eines digitalen Kleiderschranks im Kopf – bis ihr Bruder sie an Ostern ermutigte, mit KI einfach loszulegen. Mit Lovable baute sie ohne Coding-Erfahrung an einem Wochenende einen am Handy testbaren Prototypen, der Kleidungsstücke aus Fotos freistellt und kategorisiert. Kurz darauf pitchte sie die Idee spontan bei einem Hackathon in Köln, stellte ein vierköpfiges Team zusammen und gehörte am Ende zu den Gewinnerteams. In dieser Episode erzählt sie, warum der erste Prototyp heute zwar greifbar ist, der Weg zum tragfähigen Produkt aber gerade erst beginnt.
WAS WIR LERNEN
- Wie Josepha mit Lovable ohne Programmiererfahrung innerhalb weniger Tage einen funktionierenden Prototypen für einen digitalen Kleiderschrank gebaut hat
- Warum ein klarer Fokus auf wenige Kernfeatures wichtiger ist als eine App, die von Anfang an alles können soll
- Wie frühes Testen mit Freunden, Familie und externen Nutzern blinde Flecken in der Bedienung sichtbar macht
- Welche Grenzen beim Vibe Coding bleiben – von Tokenkosten und Codequalität bis zu Datenschutz und Skalierbarkeit
- Warum eine Idee erst durch Umsetzung, Feedback und echte Nutzerresonanz zu einem Produkt oder Unternehmen wird
Tools & Links:
- Lovable (Vibe-Coding-Tool): https://lovable.dev
- Claude (KI-Assistent): https://claude.ai
Kapitel:
00:00 Eine Idee, die zehn Jahre in der Schublade lag
01:00 Der Anstoß am Ostertisch
03:34 Lovable und der Vibe-Coding-Sog
05:30 Der digitale Kleiderschrank entsteht
07:46 Was ein Prototyp wirklich leisten kann
Pi-Hydra: So prüfen KI-Agenten Code beim Entstehen
Thursday, July 30, 2026 • Duration 57:12
Andreas Spannagel entwickelt als KI-Berater und Softwareentwickler agentische Systeme. In dieser Folge zeigt er Pi-Hydra: Mehrere spezialisierte Review-Heads prüfen den Code schon während des Codings auf Qualität, Sicherheit und Dokumentation. Wir sprechen darüber, warum geteilte Kontexte und Prompt Caching den Ansatz bezahlbar machen, weshalb Pi als offener Coding-Agent für solche Erweiterungen geeignet ist und warum Unternehmen heute in KI-Experimente investieren sollten – auch wenn der erste Use Case bald vom nächsten Modell überholt wird.
WAS WIR LERNEN
- Wie Pi-Hydra das Vier-Augen-Prinzip des Pair Programming auf mehrere KI-Agenten überträgt
- Warum frühes Feedback besser funktioniert als ein großes Code Review am Ende
- Wie Forking und Prompt Caching den gemeinsamen Kontext und die Kosten beeinflussen
- Warum Modellwahl nicht nur von Benchmarks, sondern auch von Kosten und Wartbarkeit abhängt
- Weshalb Unternehmen Skills für generalistische Coding Agents bauen und heute schon experimentieren sollten
MEIN GAST
Andreas Spannagel -- https://spannagel.dev / https://www.linkedin.com/in/andreas-spannagel/
TOOLS & LINKS
- Pi-Hydra (Andreas’ Open-Source-Erweiterung für parallele Review-Heads beim Programmieren): https://github.com/pandysp/pi-hydra
- Pi (minimalistischer und erweiterbarer Open-Source-Coding-Agent): https://github.com/badlogic/pi-mono
- OpenCode (modellunabhängiger Open-Source-Coding-Agent mit Plan Mode, Subagents und Slash Commands): https://opencode.ai
- CursorBench (Vergleich von Erfolgsquote und durchschnittlichen Kosten verschiedener Modelle und Thinking Levels): https://cursorbench.com
Wie ein Custom GPT Bürgerbeteiligung erleichtert
Thursday, June 11, 2026 • Duration 48:44
In dieser Episode erzählt Christian, wie er mit einem Custom GPT Hunderten von Bürgerinnen und Bürgern geholfen hat, sich an einem lokalen Bauprojekt zu beteiligen – obwohl viele von ihnen vorher noch nie ein Behördenschreiben verfasst hatten. Was als simples Informationstool für ein Bauvorhaben startete, wurde schnell zu einem echten Beteiligungswerkzeug: Die KI half den Menschen, ihre Bedenken zu formulieren und einzureichen. Nebenbei hat Christian sich mit einem Raspberry Pi, einem Infrarot-Lesegerät und Claude ein eigenes Strom-Dashboard gebaut – obwohl er sich selbst nie als Hardware-Typ gesehen hat.
WAS WIR LERNEN
- Wie ein einzelnes Custom GPT echte Bürgerbeteiligung ermöglicht hat – und warum das Feedback nicht nur positiv war
- Warum Christian mit dem Ziel anfängt statt mit dem Setup und wie sein iterativer Produktmanagement-Ansatz auch beim Prompting funktioniert
- Wie er Claude als eine Art Physiklehrer nutzt, um sich Schritt für Schritt in die Hardware-Welt vorzuarbeiten
- Sein Blick auf die Zukunft von SaaS: Warum Single-Use-Case-Apps kein sinnvolles Business mehr sein werden
- Wie er KI als Spiegel für seine eigene Führungsentwicklung nutzt – inklusive Gesprächsanalyse und Pattern-Erkennung
- Sein Prinzip: Befähigen statt ersetzen – und warum das nicht nur ein Buzzword ist, sondern sich durch alle seine Projekte zieht
Gast: Christian Fahl — https://www.linkedin.com/in/christianfahl/
- Felder-GPT (Christians Custom GPT für Bürgerbeteiligung bei einem lokalen Bauprojekt)
- ChatGPT (OpenAI): https://chat.openai.com
- Claude (Anthropic): https://claude.ai
Wie ein Ex-Entwickler eine KI-Agentur baut, die Software shippt
Thursday, May 21, 2026 • Duration 55:59
Yves Schleich hat früher selbst programmiert – bei About You im Mobile-Team, in Agenturen und eigenen Gründungen. Dann war er lange raus aus dem Code. Jetzt baut er mit JustShip eine autonome Software-Agentur aus KI-Agents: Ein System, in dem Account-Manager, Produktmanager, Backend-Devs, Frontend-Devs, QA und Security als spezialisierte Agents zusammenarbeiten – wie ein echtes Entwicklerteam, nur ohne Menschen. Nach zweieinhalb Monaten hat er das komplette System neu gebaut, weil er unterwegs gelernt hat, was wirklich funktioniert und was nicht.
WAS WIR LERNEN
- Die Stufen von Vibe-Coding bis orchestrierte Multi-Agent-Systeme – und warum nicht jeder Agents braucht
- Warum er sein System von einem zentralen Orchestrator auf ein DAG-basiertes Übergabeformat umgestellt hat (und was passiert, wenn der "Chef" abschmiert)
- Wie er verschiedene Modelle für verschiedene Agent-Rollen einsetzt – Opus für Produktmanager, Sonnet für die ausführenden Devs
- Warum Token-Kosten sich nur verlagern, wenn man am Anfang spart und hinten raus alles production-ready machen muss
- Seine These: Entwickler sind noch sechs Monate relevant, danach verschieben sich die Jobs Richtung Sales, Customer Success und Produktdenken
- Wie er sich täglich up to date hält – mit einem selbstgebauten News-Bot über Telegram
- JustShip (Autonome Software-Agentur aus KI-Agents von Yves): https://just-ship.io
- Claude Code (Agentic Coding Tool von Anthropic): https://claude.ai
- Claude Skills / Skill Creator (Spezialisierte Anweisungen für Claude): https://docs.anthropic.com
Wenn Software bauen billig wird, was wird dann teuer?
Friday, May 8, 2026 • Duration 01:00:19
Simonetta Batteiger hat 15 Jahre lang digitale Produkte gebaut – von Domain-Marktplätzen über Finance-Plattformen bis hin zu Ad-Filtering-Software für Chrome. Ohne eine Zeile Code selbst geschrieben zu haben, hat sie an einem Hackathon-Wochenende mit Claude Code eine komplette Android-App für ihre erblindende Mutter entwickelt, die per Kamera Texte erkennt und vorliest. In dieser Episode sprechen wir darüber, was passiert, wenn Software bauen billig wird.
WAS WIR LERNEN
- Warum sich die vier Produktrisiken (Value, Usability, Feasibility, Viability) gerade massiv verschieben – und wohin der Fokus jetzt wandert
- Wie Simonetta als Nicht-Entwicklerin die technischen Hürden genommen hat: von Terminal und Linux über Android Studio bis GitHub – alles erklärt von der KI selbst
- Warum das größte Learning-Antipattern im Moment ist, einmal auszuprobieren und das Ergebnis als festes Wissen abzuspeichern – weil sich die Tools alle zwei Wochen weiterentwickeln
- Ihr Gedankenexperiment zu Token-Kosten: Was passiert mit Business Cases, wenn sich Token-Preise verzehnfachen und Software laufende API-Kosten hat statt einmaliger Entwicklungskosten?
- Warum Hackathons und Meetups der einfachste Einstieg sind – und warum das Wort "Hackathon" leider genau die Menschen abschreckt, die dort am meisten beitragen könnten
- Ihr Rat an alle, die noch nicht angefangen haben: Sei neugierig, frag jemanden, der es schon macht, und probier es mit einem persönlichen Problem aus – nicht mit Firmendaten
- Inclusive Leaders (Simonettas Website für Product Leadership Coaching): https://inclusiveleaders.blog/
- Claude Code (Anthropics Coding-Agent für das Terminal): https://claude.ai
Einkaufsplanung per Agent: Vom Chat zum vollen Kühlschrank
Tuesday, April 28, 2026 • Duration 58:07
Timothy kommt aus der Produktmanagement- und Startup-Welt und schraubt seit dem Release von ChatGPT an einem Projekt, das die meisten für verrückt halten würden: seine komplette Wocheneinkaufsplanung per Chat zu automatisieren. Was als unmögliche Spielerei begann, ist heute eine lokale Web-App mit eigenem Orchestrator-Agent, selbstgeschriebenen MCP-Servern für Picnic und Cookidoo – und am Ende stehen die Lebensmittel vor der Tür. In dieser Episode erzählt er, warum dieses Projekt über Jahre hinweg sein persönlicher Gradmesser für den Fortschritt der KI-Technik war, wie er Mini-Projekte als Lernvehikel nutzt und warum Softwareentwicklung irgendwann wie Häkeln sein könnte.
WAS WIR LERNEN
- Sein Denkmodell der drei Rollen von LLMs: Alltagshelferlein, Prozess-/Produktintegration und neue Geschäftsmodelle – und warum diese Unterscheidung heute noch hilft
- Wie er Mini-Projekte mit engem Scope als Vehikel nutzt, um sich gezielt neue Skills beizubringen
- Warum die Task-Duration von Agents der entscheidende Hebel ist – und wie man sie durch Browser-Zugriff, Datenbank-Anbindung und Self-Review verlängert
- Das Prinzip der sukzessiven Einschränkung von Freiheitsgraden: Warum gute KI-Arbeit bedeutet, dem Modell schrittweise den Lösungsraum zu verengen
- Warum er glaubt, dass Softwareentwicklung irgendwann wie Häkeln sein wird – etwas, das man macht, weil man Bock drauf hat, nicht weil es ökonomisch nötig ist
- Claude Desktop (Desktop-App für Claude mit Extensions und MCP-Support): https://claude.ai/download
KI gegen Mathefrust: Ein Startup macht Mathe spielerisch einfach
Saturday, April 11, 2026 • Duration 28:44
Thomas Krebs und Julian Labensberg haben als Mathe-Tutoren an der Uni Bochum gesehen, wie Studenten an Bruchrechnung scheitern – und beschlossen, den Mathefrust an der Wurzel zu packen. Jetzt bauen sie mit Mathopia ein spielerisches KI-System, das Fünftklässlern Mathe beibringt und dabei erkennt, wo genau ein Kind nicht weiterkommt. In dieser Folge sprechen wir darüber, wie zwei Nicht-Techniker ohne eine Zeile Code ein EdTech-Startup auf die Beine stellen – über den Moment, als Thomas in einer halben Stunde mit Lovable das gebaut hat, wofür Freelancer vorher 7.000 Euro genommen haben, über KI-generierte Matheaufgaben, von denen anfangs acht von zehn Müll waren, und darüber, warum Julian und Thomas trotz allem nicht auf echte Entwickler verzichten wollen.
### Meine Gäste
Thomas Krebs -- https://www.linkedin.com/in/thomas-krebs-b8b56919b/
- Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/
Related Shows Based on Content Similarities
Discover shows related to KI Garage - Der Podcast für echte KI Projekte, based on actual content similarities. Explore podcasts with similar topics, themes, and formats, backed by real data.