# Felmo's AI-Driven Engineering and Cost Optimization

**Podcast:** HMZE
**Published:** 2026-03-02

## Transcript

Ja, ist cool.
Freue mich.
Mal gucken, was ich so erzähle.
Same mal vorher nicht.
Herzlich willkommen zur vierten Folge unserer neuen Staffel von HMZE Beyond Vibecoding, der Podcast, in dem wir den fundamentalen Change in der Softwareentwicklung begleiten.
Ich bin Sebastian Heidemeyer zu Erben, CTO bei North.io.
Und ich bin André Neubauer, CTPO bei Trusted Shops.
Schön, dass ihr wieder da seid.
Heute sprechen wir mit einem Praktiker und schauen, wie ein erfolgreiches Startup sich dem Thema Gen AI und natürlich auch Agentic Engineering nähert.
Ja, heute haben wir Stefan Schubert-Peters von Felmo zu Gast.
André und ich haben beide bereits mit ihm zusammengearbeitet und treffen ihn sogar regelmäßig.
Genau.
Und deshalb ist das heute wahrscheinlich auch ein bisschen eine Wiener Unterhaltung unter Freunden.
Aber ich glaube, das können wir schon mal spoilern.
Ist halt auch ein Einblick in eine Organisation mit vielen Facetten von morgen.
Absolut.
Ich fand die Unterhaltung total spannend und inspirierend.
Aufgrund wirklich der konkreten Einblicke in die Praxis, also wie Stefan Dinge sieht und er hat ein sehr, sehr klares Bild auch für seine Organisation, auch viele Fragen natürlich.
Sehr inspirierend, freut euch auf diese tolle Folge.
Viel Spaß beim Hören.
Herzlich willkommen zur vierten Episode von HMZ.E Beyond Vibecoding.
Diesmal haben wir, nachdem wir die letzten drei Episoden eher so ein Überflug über verschiedene Firmen gemacht haben, haben wir tatsächlich einen Praktiker aus einem konkreten Unternehmen zu Gast.
Da freue ich mich ganz besonders drüber, denn Stefan Schubert-Peters ist uns beiden, Andrea und mir, bekannt und wird uns ein bisschen berichten, wie bei Felmo so mit Agentic Coding, aber auch sonst mit Gen AI gearbeitet wird.
Herzlich willkommen, Stefan.
Stell dich gerne unseren Zuhörern einmal vor.
Hallo, freut mich hier zu sein.
Ja, Stefan, mein Name, wie ja schon gesagt, bei Felmo bin ich verantwortlich für das Produktteam, das Tech-Team, das Data Team.
Und ja, Felmo ist ein mobiler Tierarzt.
Wir sind deutschlandweit mit mehr als 100 Tierärzten aktiv.
Und das wollte ich auch unbedingt sagen.
Wir sind kein Tech-Start-up, aber wir sind Tech-Enabled, die Tierärzte.
Also das Modell funktioniert deswegen, weil wir Technologie haben.
Das macht es auch spannend.
Und das ist, glaube ich, auch ein ganz interessantes Thema bei dem AI-Thema, dass wir nicht nur AI in der Entwicklung verwenden, sondern auch tatsächlich das ein Thema ist, um unsere Tierärzte noch besser zu machen.
Genau, freut mich hier zu sein.
Danke für die Einladung.
Ja, sehr cool.
Möchtest du vielleicht zum Einstieg nochmal ein bisschen erklären, sagen wir mal, wie Felmo funktioniert?
Denn dann sind, glaube ich, auch die Herausforderungen, mit denen ihr zu kämpfen habt, transparenter sozusagen für die, die es nicht kennen sollten.
Ja, mobiles Tierarztgeschäft, das ist ganz anderes als den Tierarzt, den man, wenn man einen Client hier zu Hause hat, vielleicht kennt.
Und zwar fahren unsere Tierärzte durch die Gegend, um dann vor Ort zu Hause das Client hier zu betreuen.
Und das heißt natürlich, dass ein Tierarzt nur gleichzeitig einen Tier behandeln kann, was dann, was in der Praxis anders ist.
Und dass man immer die Medikamente und so weiter aus dem Auto auspacken muss, zur Haustür gehen muss, auch in Hochhäusern in Hellersdorf und wieder zurückgehen muss.
Und das ist natürlich viel Zeit, die sich nicht wirklich mit der Tierbehandlung beschäftigt und deswegen ist es so wichtig, da zu optimieren und zu verbessern.
Und dadurch, dass der Tierarzt alleine unterwegs ist, hast du auch die Herausforderung, dass die Dokumentation und so weiter, die an dem Mobiltelefon gemacht wird und eben auch nicht am Rechner, was ja dann Praxen wiederum haben.
Das heißt, wir haben viele Constraints, wo es sehr, sehr wichtig ist, dass wir Produktentwicklungen, gute UX und gute Automation und Unterstützung haben.
Du bist CPTO von Felmo.
Und wir sind ja auch im regen Austausch, deswegen weiß ich, dass du natürlich auch dich intensiv mit Gen AI, Gentech und so auseinandersetzt.
Eine Standardfrage, die wir immer stellen, ist, wie du derzeit so arbeitest, wie dein Tech oder Tools-Stack aussieht.
Ja, mein Stack ist seit neuestem relativ Standard.
Also seit drei Wochen, zwei Wochen bin ich auf Cloud Code unterwegs.
Auf dem größeren Modell, ich vergesse immer, wie das heißt.
Und nee, nicht das Einsteiger, sondern das Max, also ich weiß nicht, also das, was 80 Dollar kostet oder 100 Dollar und nicht das, was 20 kostet.
Okay, ja.
Genau, der Plan.
Stimmt nicht, das Modell.
Und der, weil, und es liegt einfach daran, dass der günstigere Plan, der ja fünf Stunden budgetiert, nach anderthalb Stunden abgelaufen ist.
Und deswegen brauchte ich relativ schnell einen Upgrade.
Und das ist aber sehr neu.
Vorher war ich lange, lange auf Cursor und eigentlich war ich auch ein großer Cursor-Verfechter.
Allerdings ist da halt das Problem, dass man da die AP-Kosten bezahlt.
Und in so einem Startup hat man ja Budget-Constraints und wir versuchen natürlich die Kosten nicht explodieren zu lassen.
Also war das einfach dann die wirtschaftlichere Entscheidung.
Bin auch sehr überrascht, wie gut es funktioniert und auch happy.
Es gibt allerdings auch ein paar Themen, die bei Cursor mir definitiv besser gefallen.
Aber dazu reden wir ja wahrscheinlich noch.
Das wäre ein guter, guter Zeitpunkt eigentlich, genau.
Also ich meine, ich nutze tatsächlich, ich habe Cursor ganz am Anfang bald genutzt, da hatte es aber noch nicht die ganzen Features, die es jetzt hat.
Und ich benutze primär Anti-Gravity, nutze aber jetzt auch seit ein paar Tagen Cloud Code so nebenbei.
Und eher im Wechsel, weil auch da, ich nutze den billigeren Tarif und der ist wirklich immer sehr, sehr schnell aufgebraucht.
Dann switch ich immer, switche ich immer gerne zu Antigravity, wo es eine deutlich höhere Quota gibt, zumindest.
Also da kann ich, komme ich deutlich weiter mit und beim Switchen sozusagen kann ich, denke ich, dass ich beide ganz gut ausnutze.
Genau, aber du meintest ja, es gibt so auch ein paar Dinge, die dir bei Cursor besser gefallen haben.
Vielleicht, also es würde mich tatsächlich interessieren.
Ja, mein Einstieg kommt ja über die Coding-Ecke.
Ich habe vor einem bisschen mehr als einem Jahr mit VS-Code angefangen und entsprechend war mein Einstieg auch dann in die in die KI-Welt, habe ich sehr früh gemacht und dann aber erstmal gesehen, dass das für komplexe Themen nicht funktioniert, war von Anfang an mit Cursor unterwegs, habe immer verschiedene Modelle ausprobiert und es ist schon mal eine Stärke, dass es halt eigentlich Modell unabhängig ist und dass die Features, die das hat, wie zum Beispiel ja auch der Plan-Mode, auch unabhängig von Modellen sind und dass man auch zwischendurch zwischen den Modellen umschalten kann.
Und das ist zum Beispiel eine Sache, die mir stark fehlt.
Außerdem finde ich den Plan-Mode und auch die Art und Weise, wie die KI funktioniert bei Cursor transparenter.
Also man kann besser in das Thinking mit reingucken und besser sehen, welche Entscheidungen warum getroffen werden.
Am Anfang fand ich die Code und IDE-Integration ziemlich wichtig, weil ich bin ja vom Coding des Algorithmus her gekommen.
Und man muss auch verstehen, dass ich sag mal so einfache Geschichten oder die man vielleicht für Self-Use baut oder so typische CRUD-Operationen, das geht natürlich in AI sehr, sehr schnell mit verschiedenen Modellen.
Aber so komplizierte Algorithmen, die vielleicht viel Mathematik drin haben, wo man, wo es sehr wichtig ist, wie man das macht.
Das ist gerade am Anfang, also so bei auch bei Opus 4.0 oder bei den früheren OpenAI-Modellen oft schief gegangen und in diesen Endless Doom Loops oder in völligen Feeldesigns resultiert, wo ich dann hohe AI-Kost am Ende weggeworfen habe, weil das nicht sinnvoll war.
Deswegen war es immer wichtig, sehr nah am Code zu entwickeln.
Das hat sich aber tatsächlich erledigt in den letzten Monaten.
Also mittlerweile ist es ziemlich einfach zu erkennen, ob das in die richtige Richtung führt oder nicht.
Auch durch die Plan-Modes kann man das ja auch sehr stark eingen.
Und deswegen ist es, glaube ich, hauptsächlich noch der Angel mit den verschiedenen Modellen, der mir, der mir und die Transparenz in wie das Modell tatsächlich tickt, was mir in Cursor fehlt.
Und ich glaube, die Modellunabhängigkeit, das ist auch was, weswegen ich irgendwann wieder zurückgehen werde.
Aber im Moment bin ich sehr, also Cloud Code ist ja ein super süchtig machendes Tool auch, also ja und weise, wie es funktioniert, verführt schon dazu, einfach dran zu bleiben und sich auch Abend um die Ohren zu schlagen.
Weil das ist definitiv was, was die mega gut machen.
Ich bin persönlich kein großer Terminal-Fan.
Also ich bin immer ein großer Freund von IDEs gewesen.
Aber ich muss sagen, die Art und Weise, wie es hier umgesetzt ist, mit den Change-Highlighting, wie die das gemacht haben, das macht es einem schon sehr einfach, dabei zu bleiben.
In Cloud Code.
Nutzt du auch Cloud Code für andere Aspekte?
Cloud Code tatsächlich nicht.
Ich benutze ja KI schon lange.
Ich habe aber immer viel mehr ChatGPT benutzt.
Privat, wie ja wahrscheinlich jeder.
Aber vor allen Dingen, weil ich ja als auch verantwortlicher für das Data Team auch Analystenaufgaben übernehme.
Und mir mit ChatGPT halt von Anfang an Postgres beigebracht habe.
Also wenn man quasi AI benutzt hat wie Stack Overflow, zeig mir mal, wie es geht, war das von Anfang an mega effektiv, um einfaches Wissen zu erlernen und später auch komplexere Sachen.
Und da hat man immer sehr viel Copy-Paste von der davon in die Analyseumgebung gemacht.
Da ist auch immer noch der größte Medienbruch.
Das ist mit Cursor nicht so einfach zu lösen und auch mit Cloud Code nicht so einfach zu lösen, wenn man eine komplexe Data-Lake-Umgebung hat, dann muss man immer die Schemata in die Umgebung reinkopieren.
Also dass die KI das versteht und dann versteht sie ja trotzdem noch nicht die Semantik.
Also tatsächlich ist es leichter zu programmieren, als Datenanalyse zu machen, aber es funktioniert auch.
Also, man kann tatsächlich auch gut komplexe Dashboards zusammenbauen.
Und eine Fantasie von mir ist immer noch, dass die KI mich dann fragt, okay, was wie funktioniert diese Spalte, wie funktioniert diese Tabelle und sich das merkt und dann irgendwann einfach selbst Analysen erstellen kann.
Das ist so eins meiner Lieblingsthemen.
Ansonsten habe ich Cloud Code eigentlich hauptsächlich für Programmierthemen benutzt und ChatGPT ist schon der Go-To für Generalistengeschichten.
Aber jetzt im Sinne von so andere Themen automatisieren, jetzt ist ja Felmo jetzt nicht so eine riesige Organisation, dementsprechend ist wahrscheinlich auch der Overhead überschaubar.
Da fangen wir eher mit an.
Also ihr habt ja nach mir gefragt, was ich konkret mache.
Genau.
Und ich selbst habe halt diese eine Komponente, an der ich arbeite und selbst natürlich für mich persönlich auch noch ein paar Single-Use-Tools.
Das kennt ihr auch, habt ihr auch schon im Podcast drüber gesprochen.
Was by the way auch, gerade wenn man so komplizierte Algorithmen hat, einem plötzlich Möglichkeiten eröffnet, die man vorher nie hatte, weil es halt viel, viel Zeit gekostet hätte, Introspektive in komplizierte Algorithmen zu machen und jetzt sich mal schnell ein Kartentool zu bauen, wo man sieht, wie dieser Algorithmus Entscheidungen trifft, ist irre einfach geworden.
Also es ist Wahnsinn, da hätte man früher Monate daran entwickelt und das baut man sich jetzt an ein paar Wochenenden zusammen und dann ist man plötzlich viel schlauer, was eigentlich diese komplexe, dieses komplexe System tatsächlich da eigentlich warum tut.
Und kann dann das System umbauen, um besser die Entscheidungsparameter zu verstehen, weil man eine introspektive Tool hat.
Aber so darüber hinaus Automationen, die Prozesse zusammenbringen, das machen wir gar nicht so viel.
Also hauptsächlich Coden.
Ja, danke.
Ist jetzt eigentlich schon eine ganz, ganz gute Überleitung zum Hauptthema.
Wie ihr bei Felmo insgesamt mit KI arbeitet.
Vielleicht einen Nachsatz noch, wenn man Daten hat, die nicht ganz so datenschutzrelevant sind, oder keine Trade-Secrets enthalten, dann kann man natürlich auch ganz gut irgendwie so ein, quasi wenn man ein Dump macht mit DDL und die Daten rausziehen und dann ChatGPT oder Gemini geben und dann kann man da auch ganz gute Analysen machen tatsächlich.
Aber das ist natürlich nur für bestimmte Daten, sagen wir mal, okay oder möglich.
Ja, vor allen Dingen auch für Umfragedaten sehr interessant.
Also haben wir natürlich auch, du hast eine Umfrage gemacht, eine quantitative Annutzer und willst einfach eine Auswertung haben.
Oder wir machen auch viele Umfragen bei unseren Tierarzten über Monate hinweg und wollen dann mal wissen, wie das Stimmungsbild ist.
So eine Sache haben wir in der Vergangenheit auch gemacht.
Das ist aber eher sporadisch.
Also das, dass man Day-In, Day-Out macht, ist schon wirklich Coding.
Also ich würde sagen, das ist vielleicht einmal alle zwei Wochen, dass man so eine Datenauswertung tut.
Aber unsere Analysten arbeiten eigentlich jeden Tag mit Cloud oder mit Cursor, genauso, um einfach Reports zu erstellen, weil wir halt unheimlich viel Bedarf haben, die dezentrale Firmaorganisation zu verstehen, wie die funktioniert, wie die KPIs sind, ob das effizient ist oder nicht, etc.
Interessant, genau.
Das heißt also, dass die Analysten durchaus auch, sagen wir mal, durch die KI wahrscheinlich nochmal deutlich mehr als vorher auch codenäger sind.
Ist das bei euch so?
Das hat sich vorher auch schon entwickelt, tatsächlich.
Haben unsere Analysten gesagt, sie wollen das gerne selbst tun und damals war AI noch nicht so weit.
Also, das heißt, wir haben selbst die DBT-Entwicklung gemacht und auch den ganzen Betrieb-Ubility-Runnet-mäßig selbst übernommen, also einfach Interesse gehabt, das zu übernehmen.
Und das war eigentlich tatsächlich ein Home Run, das so abzubilden, weil natürlich sehr viel im Data Engineering einfach auch Analystentätigkeit ist, logischerweise.
Und dadurch das sehr viel effizienter geworden ist.
Die haben ihre Learnings gemacht, zum Beispiel, wenn man bestimmte Schemata ändert, dann ist das ganze Analysesystem für den Tag angehalten und manchmal macht man halt Sachen kaputt.
Aber mittlerweile ist das halt auf die Art und Weise viel besser.
Und die AI hat jetzt nur dazu geführt, dass man einfach noch schneller, noch höher leveligere Insights machen kann und die Modelle schneller überarbeiten kann.
Also man wird einfach besser und als Business profitiert man halt natürlich davon, wenn die Insights besser werden.
Also wenn man tiefer segmentieren kann, mehr Verständnis generieren kann.
Jetzt hätten wir ja bestimmt gleich noch mehr über Software Engineering sprechen, aber ich finde das auch super spannend.
Gibt es noch andere Use Cases in der Firma, also wo sich das ein bisschen ausgebreitet hat?
Also, das ist so ein bisschen noch die Frage, die ich vorhin für mich hatte oder den Gedanken, den ich immer noch, den ich immer so ein bisschen bei mir habe, wie weit schafft man es einen Cloud Code oder halt auch andere Systeme halt in die Organisation zu bringen, sodass Leute, also Kollegen im Endeffekt Arbeiten automatisieren können.
Also einen einfacheren Zugang zu Technologien.
Habt ihr das noch woanders?
Ja, Cloud, also Cloud Code oder Agentic ist tatsächlich eben noch nicht ein Thema, also noch nicht groß jedenfalls.
Was aber von Anfang an ein Thema war im Marketing-Team, waren GPTs.
Also müsst ihr euch vorstellen, dass Marketing verschiedene Funktionen.
Einerseits hast du die Ads auf Social Media, andererseits die Suchmaschinen-Ads und dann hast du natürlich ganz viel Content, also Texte, die sowohl für CM als auch für die sozialen Medien geschrieben werden.
Also da ist es ein großes Thema.
Aber wir haben ja auch viele Kollegen, die bei uns die operative Org unterstützen, also Organisation unterstützen.
Und hast immer wieder Leute, die denen einfach das Wissen fehlt oder die wissen wollen, wie Sinnfragebogen aufstellen oder die einen Plan brauchen, wie eine wie eine Renovierung von einer Praxis gemacht wird.
Also für Planung verwenden wir das.
Also wir hätten das für ganz viele verschiedene Aspekte.
Und das gilt auch für mich.
Also man wird halt das so ein bisschen wie Kubernetik, nur fürs Brain.
Also ich finde, eigentlich arbeitern wir alle unser Wissen und unsere mentalen Kapazitäten.
Und ich weiß nicht, ob ihr, ob ihr euch noch daran erinnern könnt, wie dieses Gefühl war früher, als so Google eingeführt worden ist und man plötzlich so das ganze Wissen der Welt, vor allen Dingen mit Wikipedia, dann at your fingertips hatte, das hat sich ja mit dem iPhone noch verstärkt.
Und diese Art und Weise zu denken, in die Organisation zu bringen, das war von Anfang an immer Thema.
Also ich sage immer, Kollegen, die mich fragen, auch aus anderen Funktionen, hast du mal ChatGPT gefragt, was anderes würde ich jetzt auch nicht machen.
Und dann machen die das und dann ist das, und dann ist es plötzlich was ganz Normales, was sie immer wieder tun.
Das ist schon bei uns sehr, sehr, also stark im Einsatz, aber eben nicht, weil, aber eben deswegen, weil wir nicht Teams haben und etablierte Prozesse, sondern weil wir als Startup immer wieder gefordert sind, neue Dinge zu lernen.
Und das lernen wir mit KI zusammen einfach viel schneller.
Wann?
Danke dir.
Ja, das ist, glaube ich, auch ein guter Punkt, dass für ganz viele Anwendungsfälle, dass Chat-Interface schon auch ein ganz gutes Interface ist, so ein wirklich barrierearmer Startpunkt.
Sorry.
Und man, wenn man dann noch so ein bisschen prompten lernt oder auch sozusagen ein Gefühl dafür hat, wie die LLMs arbeiten, wie man Kontext generieren kann, sodass dann am Ende auch nicht so ein Gefühl entsteht, wie, ich habe zweimal probiert und es kam nur Bullshit raus, sondern dass man wirklich auch Ergebnisse rauskriegt, dann hat man schon dadurch einen riesen Hebel, wenn man das at scale in der Organisation schafft.
Also, wie du es gerade gesagt hast, dieser Google-Moment damals war so ein so Mindblowing.
Und jetzt gerade ist es ja auch wieder, wenn man das wirklich intensiv nutzt, dann ist es auch Mindblowing.
Man fragt sich, wie man es vorher machen konnte, so weil egal welche Domäne, du hast einen quasi Experten an der Hand, der dir nicht immer die perfekten Antworten gibt, aber zumindest so viel Borken hinwerfen kann, immer, dass du weißt, womit du weiterarbeiten kannst.
Und dann kannst du wiederum Google Research machen und findest dann wiederum neue Quellen.
Und so kann man sich in jedes Thema so ein bisschen oberflächlich einarbeiten, damit man ein Gefühl dafür hat für die Konzepte.
Und insofern, das Praxisrenovierungsbeispiel finde ich klasse.
Also, das ist tatsächlich, wir sind auch gerade dabei, wir müssen da eine Wohnung renovieren.
Und alle Angebote, die wir so bekommen, die landen natürlich erstmal bei Gemini und dann gehe ich die mit Gemini durch und hinterfrage die, was ist davon wirklich wichtig, was hat welchen Impact, ist es generell ein sinnvolles Angebot, es ist gutes aufzubauen und ja, einfach diesen Hebel zu haben.
Das wäre mir früher nie möglich gewesen, weil ich gar nicht das Domänenwissen für den Bereich Wohnungsrenovierung habe.
Und ich bin ja Sprachnerd und bei mir, also ohne viele Sprachen zu sprechen, bin ich immer mega interessiert daran, woher Worte kommen.
Ich frage immer ChatGPT auf Audiomodus in der Familie, woher das Wort etymologisch kommt, weil ich immer verstehen will, einfach rank schrank heißt.
Und das ist halt, oder, oder was ich ganz am Anfang gemacht habe, ich weiß nicht, womit ihr experimentiert, aber bei mir war ein ganz wichtiges Thema, weil ich auch Geschichte mag, dass ich gesagt habe, mach mir, sei mal ein Reiseführer am alten Rom.
Und ich möchte mal jetzt hier die Iden des März, zu denen ja der Geist Julius Cäsar ermordet worden ist, einfach miterleben, so in so einem Rollenspielmodus.
Und es ist unheimlich, was da möglich ist, also was man so für Geschichten spinnen kann.
Und das war schon vor zweieinhalb Jahren, das habe ich schon lange nicht mehr ausprobiert oder vor zwei Jahren.
Das ist wirklich irre.
Aber was ich noch sagen wollte, das eine sind natürlich die Möglichkeiten.
Aber was man halt nicht vergessen darf, ist, man schiebt halt unheimlich viele Menschen, unheimlich oft aus ihrer Komfortzone raus damit.
Also gerade in so einem Kontext wie bei uns, wo es schnell gehen muss und wo man natürlich versucht, schnell Fortschritt zu generieren.
Sind viele, vor allen Dingen Manager, auch ich, so schuldig daran, einfach keine Geduld zu haben, wenn sie ein Mitarbeiter was gefragt haben, das schnell mal in ChatGPT einzugeben und das Ergebnis dem Kollegen rüberzuschicken.
Und man löst halt damit unheimlich viel Zugzwang aus bei den Kollegen.
Natürlich erzeugt der Druck auch eben bei denen dann das Umdenken, dass sie auch die Tools benutzen und das von ganz alleine tun.
Aber ich weiß nicht, ob ihr das Gefühl könnt, kennt, aber ich kenne das definitiv auch, dass es halt, also dass man das ständig wird einem irgendwas geschickt.
Hier, guck mal, wir führen jetzt Lovable ein und kombinieren das mit unserem Shopify und in der CTO-Rolle, die man ja hat, macht das natürlich was mit allem, ne?
Also man denkt, das habe ich jetzt gar nicht auf meinem Schirm.
Ich habe jetzt auch keine Zeit dafür.
Es wird jetzt aber erwartet, dass ich mich da positioniere.
Und so geht das allen im Unternehmen.
Es gibt wenig, die sich davor wehren können.
In größeren Konzernen kann man sich vielleicht noch davor verstecken und uns nicht an sich ranlassen.
Aber bei uns geht das gar nicht.
Also jeder ist damit konfrontiert und man entwickelt sich unheimlich schnell weiter.
Das ist dann wieder die positive Kehrseite.
Gut, ja, wir haben in der letzten Episode mit Markus Andretzack gesprochen, der hatte so ein schönes Bild.
Beim Skifahren, da hat man zwar auch grundsätzlich ja die Kontrolle, aber man hat nicht immer Bodenkontakt, sondern man ist halt, gerade wenn man so Olympia sich anguckt, oft einfach mit beiden Skieren in der Luft und genau dieses Gefühl.
Man hat schon noch eine Kontrolle und weiß auch, wie man steuern kann, aber man ist nicht immer mit beiden Schieren am Boden.
Das ist genau das.
Und das fühlt sich tatsächlich auch nicht immer gut an.
Und sicherlich so.
Ja, so oft, also, und vielleicht liegt es auch am Start-up, ne?
Aber so oft wie in den letzten, im letzten Jahr würde ich sagen, es hat sich verstärkt, definitiv war ich nicht außerhalb meiner Komfortzone.
Nie.
Also in keinem Rollenwechsel, den ich gemacht habe in meiner Karriere.
Und das liegt schon sehr stark daran, dass einmal im Monat ein neues Modell rauskommt und genauso oft ein neues Tool, was auf den neuen Modellen aufbaut.
Ja, erzähl doch mal ein bisschen Agentic Engineering.
Neues Tool, neues Modell.
Ist das, was spielt bei euch für eine Rolle?
Ich muss schon sagen, dass ich war schon sehr stark Pionier zusammen mit unserem Lead-Frontend-Entwickler.
Also wir waren so die beiden, die das eigentlich am meisten wollten.
Unser führender Analyst ist dann auch sehr, sehr schnell aufgesprungen und so hat das eben für die Datenseite verwendet.
Und dann gab es eine ganze Liste an Kollegen, die das so ein bisschen an sich vorbeigelassen haben, die das nicht so viel gemacht haben.
Und wir haben ja auch, wir haben ja auch schon mal drüber gesprochen, welche Formate man etablieren kann, um Umentwickler dazu zu bringen, das zu nutzen.
Ich habe bei unserem Unternehmen eine AI-Corner etabliert, habe dafür gesorgt, dass jeder ein AI-Budget hat.
Und so in der AI-Korner, das ist eigentlich nur so 10, 15 Minuten innerhalb von unserem von unserem monatlichen Produkt-Tech-Data-Meeting.
Kann halt immer mal, also wird immer mal wieder jemand gebeten, noch einfach mal vorzustellen, was man da eigentlich gerade Spannendes gemacht hat.
Also so viele verschiedene Dinge.
Aber tatsächlich ist es dann oft auch wieder genau dieser Druck, jetzt was liefern zu müssen und eigentlich keine Zeit zu haben, weil man auch gleichzeitig ein großes Projekt hat, weswegen man doch mal dann bei dem Cursor-Bugbot sich traut, denen zu fragen, einfach diesen trivialen Bug zu fixen, wo es wahrscheinlich einfach nur ein kleiner Logikfehler ist.
Und das hat dann auch dazu geführt, dass tatsächlich auch die letzten gallischen Dörfer bei uns umgefallen sind und das immer mehr benutzen.
Eben nicht für komplexe Sachen, für große Datenbank-Refactorings, aber definitiv für so trivialere Dinge, wo man eigentlich recht gut einschätzen kann, dass man das nutzen kann.
Aber das irre Spannende ist halt, dass natürlich machen die dann viele Fehler in diesem, also mit dem KI-Nutzungstool und die ersten Code-Reviews gehen so in die Hose und man kriegt von den von den erfahrenen Entwicklern das um die Ohren gehauen und muss nochmal drüber.
Aber die Modellentwicklung geht halt so irre schnell weiter, dass es jetzt eher so ist, dass man das Modell um das Review bittet, weil es halt einfach schneller geht und dass sich kaum einer noch damit wirklich beschäftigt, daran zu zweifeln, dass das wahrscheinlich eine gute Lösung ist.
Man guckt schon noch drauf, was gemacht worden ist, aber viel oberflächlicher.
Und wenn dann auch alle Linter und alle Reviews von den Code-Review-Bot von Cursor sagen, das ist grün, dann ist es gut und dann lässt man das so durch.
Und das ist halt, weil du gefragt hast, wie arbeitet ihr denn damit?
Das sind halt alles Dinge, die so in den letzten zwei, drei Monaten passiert sind.
Ich habe mir fast gedacht.
Ich habe ganz viele Folgefragen, Stefan.
Erstens, ich hätte heute einen anderen Podcast gehört und da wurde gefragt, wie viel Prozent der Produktionssoftware, die ihr heute schreibt, ist AI generiert.
Das ist wahrscheinlich eine Zahl, wo mein CEO auch gerne wissen würde, was meine Antwort ist und ich habe die Antwort noch nicht.
Ich würde behaupten, dass die Hälfte unseres Codes, also die, sagen wir mal, die Hälfte unserer Pushes AI-generiert sind.
Vermutlich ist es mehr, wenn man einfach auf die Lines of Code guckt, weil logischerweise ja sehr man sehr viel schneller und mehr auch generieren kann und ja auch gerade auch viel Tests generiert werden, die Test-Coverage ist viel leichter sicherzustellen, wenn man es einfach in kürzerer Zeit entwickeln und reviewen kann.
Also ich denke mal, wenn man auf die Lines of Codes guckt, ist das Verhältnis halt noch viel krasser.
Und auch da muss die Entwicklung, also ich will tatsächlich die Analyse auch gerne mal machen, aber da muss auch die Entwicklung gerade in den letzten zwei, drei Monaten raketenmäßig nach oben gegangen sein.
Also wenn ich, wie gesagt, bis vor kurzem mal noch Cursor benutzt, jetzt sind wir alle gerade, weil es effizienter ist, auf Clot Code umgestiegen.
Aber in Cursor hat man immer einen guten Überblick gehabt, wie viele, also welche Kollegen so die Leaderboardliste anführen in der Token-Generierung.
Und deswegen kann ich mit ziemlicher Sicherheit sagen, also mit Sicherheit 50 Prozent der Pushes sind zum großen Teil AI.
Und das ist wahrscheinlich die Frage, kann ich mir so ein bisschen schon raus ableiten, was du gesagt hast, ihr seid zu Cloud Code gewechselt.
Das heißt, ihr habt ein Setup oder macht ihr, weiß ich nicht, Codex für Reviews oder habt ihr da ein differenziertes Setup oder one?
Genau, ich erkläre kurz, warum wir eigentlich switchen.
Wir machen ja wie die meisten Firmen jährlich ein Budget und haben halt angenommen.
Ich weiß jetzt nicht, wie viel, aber pro Entwickler, aber wir haben eine gewisse Rate angenommen, wie viel pro Entwickler ausgeben.
Und wir haben es tatsächlich ab Januar, also im Januar sofort geschafft, das zu knacken und das, obwohl wir eigentlich nur die Hälfte ausgegeben haben im Dezember, also es ist wirklich krass nach oben gegangen.
Und deswegen bin ich halt mit unserem mit unserem Director Engineering zusammengegangen und habe überlegt, okay, was können wir denn eigentlich tun?
Also, also was können wir, wie können wir denn das Geld effizienter ausgeben?
Weil offensichtlich haben wir jetzt ja gerade ein Problem.
Und dann haben wir das durchgerechnet, haben wir halt gesehen, wie viel Token-Usage man bekommt, wenn man das bei Cloud im Abo macht.
Wir haben halt gesehen, dass es halt viel, also man kriegt halt viel mehr fürs gleiche Geld.
Und deswegen diese Entscheidung.
Aber im Moment sind noch nicht viele umgestiegen.
Ich würde sagen, vielleicht ein Drittel.
Und wir kontrollieren es halt über das Budget.
Und wenn irgendjemand sagt, das reicht mir nicht, dann ermuntern wir den Umstieg.
Und es heißt, das Budget ist der Treiber, nicht die Fähigkeit der Modelle, weil die relativ eng miteinander muss auch ehrlich gestehen, da fehlen mir auch so ein paar Insights, also oder eine abschließende Meinung, quasi welche, also quasi welche Umgebung man wofür verwendet.
Aber es scheint, zumindest hört man es immer wieder, die sich da intensiver mit auseinandersetzen, dass da ein differenziertes Setup zumindest auf der Bauchebene Sinn macht.
Sagen wir es mal so.
Und ich glaube, wir bleiben auch gern differenziert.
Und wenn jemand ein überzeugendes Modell findet, wie man mit Cloud-Code und Cursor zusammenarbeiten kann, was ja eigentlich, glaube ich, geht, man kann ja, glaube ich, sein existierendes Clot-Code-Modell verwenden und dann bezahlt man aber trotzdem noch die 20 Dollar für den Cursor-Seed oder 40.
Aber das sind natürlich auch Dinge, die man als Startup gern vermeiden will, wenn man einfach sagt, okay, ich kann auch einfach direkt Quote Cloud-Code verwenden.
Dann haben wir trotzdem, glaube ich, immer noch den Bugbot, der pro Seed bezahlt wird von Cursor.
Wir lassen also automatisch jeden Commit da durchlaufen und gucken, also und da wären ist es halt irre, dass da einfach so banale Fehler gefunden werden, auf die man selbst nicht gekommen wäre, die aber auch, wo er einem auch erklärt, warum eigentlich dieses Nil oder das Null an der Stelle in der in der Situation Problem wäre.
Und da wäre mir halt irgendwann auf die Nase gefallen, was man halt nicht tut.
Und deswegen haben wir das halt eben auch noch.
Und da habe ich ja auch schon gesagt, ChatGPT benutzen wir uns auch viele, vor allen Dingen im Produkt und UX.
Ist das ein großes Thema.
Also wir haben schon ein sehr diverses Setup und wir werden immer hin und her switchen, je nachdem, was das, was gerade am besten funktioniert.
Aber das beste Modell ist schon gerade im Moment das Opus 4-6.
Und da kriegt man nach unserer Rechnung doppelt bis dreimal so viel Leistung, wie wenn man das über die API mit Cursor benutzt, wenn man das einfach direkt bei Cloud im Abo nimmt.
Und das wird sich sicherlich auch wieder ändern.
Bin ich von überzeugt.
Ja, da bin ich tatsächlich erstmal gar nicht so von überzeugt, zumindest nicht solange Cursor noch lebt, weil Answort hat natürlich den Vorteil, dass sie selber eine Marge haben auf dem Modell, die sie einfach intern, wenn sie Leute auf ihr eigenes Tooling, Ökosystem, ihr eigenes Harnes umswitchen wollen, dann einfach, da können sie reinfressen, ne, Cursor kann das nicht.
Die müssen einfach die API-Tokens bezahlen.
Und genau, das ist so ein bisschen was auch, wovor ich tatsächlich Angst habe in der Zukunft, heute Morgen auch kurz angesprochen, dass wir jetzt alle super abhängig werden von den großen Anbietern sozusagen von Agentic.
Und irgendwann sind dann die, sagen wir mal, ist dann die große Competition weg und es gibt dann halt noch wenige große Anbieter, die dann wiederum natürlich die Preise nach oben treiben.
Aber am Ende ist es so, als Startup muss man aktuell sagen, wir nehmen, was uns schneller macht, genau, und nehmen die Probleme dann, wenn sie kommen.
Und also das, was ja das Irre ist, es gibt ja gleichzeitig auch die offenen Modelle, wo man dann immer wieder in den Benchmarks sieht, dass sie gar nicht so weit weg davon sind.
Und ich glaube, das ist, das ist halt das Gute, dass es eben einen Wettbewerb auch auf verschiedenen Ebenen gibt.
Und der Wettbewerb auf den verschiedenen Ebenen führt halt dazu, dass everybody on their toes bleibt.
Natürlich versucht man dann die chinesischen Modelle schlechter zu machen oder zu fragen, was sind die Sicherheitsrisiken, aber da ist ja auch immer eine Agenda dahinter, das sagt man ja nicht vergessen.
Und deswegen, ich bin nicht so überzeugt, dass es so schnell geht.
Ich glaube, tatsächlich der Wettbewerbsfaktor und natürlich auch die Profitabilität der Inferenz.
Also, weil wenn das sich nicht rechnet und man dann halt durch Milliarden durchbrennt, dann ist das ja nicht nachhaltig.
Aber also ab irgendeinem Zeitpunkt muss man ein bisschen auf Profitabilität gehen.
Aber auch da entwickelt es sich da weiter.
Die Hardware wird effizienter, die Modelle werden effizienter.
Und die Anbieter werden immer versuchen, dass das, was sie anbieten, fürs gleiche Geld nach mehr aussieht, als das, was der Konkurrent hat.
Und dass solange, solange, sage ich mal, dass er noch ein Wachsendermarkt ist, und das ist es ja, glaube ich, unbestritten, auf Jahre hinaus, denke ich, wir müssen uns keine Sorgen machen.
Wir werden dann einfach andere Dinge ausprobieren, wenn irgendein Anbieter versucht, jetzt die Margen in die Höhe zu treiben.
Ich habe noch, wir hatten gerade schneller gehabt, ich habe noch eine zweite CEO-Frage, Stefan.
Was ist denn der Impact dahinter?
Also weil das Spending ist ja schon nicht schlecht.
Ich habe das gerade hochgerechnet.
2K pro Entwickler pro Engineer pro Motor.
Ne, 2K insgesamt.
Okay, dann haben wir zum Glück das falsch notiert.
Ich hätte kurz gedacht, mir wird es gerade ein bisschen schwindelig, wenn ich die Summen halt hochrechne.
Ich glaube 100, ich glaube 100 Euro oder 120 pro Kopf oder so.
Dann ist es ja quasi vom Investment her quasi überschaubar.
Aber nichtsdestotrotz, das ist ein der Impact dahinter.
Wir sind eigentlich eigentlich ziemlich gut darin, bei Felmo auf ROI zu gucken.
Also wir versuchen eigentlich alle unsere Dinge, die wir tun, immer darauf zurückzuführen, dass es wahrscheinlich der Firma an Mehrwert gebracht haben wird.
Wenn man jetzt nicht direkt Profit ausrechnen kann, dann extrapoliert man halt irgendwas.
Und ich habe, ich habe ja noch nicht gemessen, was AI tatsächlich beiträgt.
Und ich habe auch vorzugucken, ob das irgendeinen Effekt auf den Throughput tatsächlich hat.
Ich kann natürlich jetzt keine genauen Zahlen sagen, aber das ist sehr gut, der Cases sehr, sehr leicht zu machen.
Ich habe mich am Anfang, als du das gesagt hast, seit sechs Software-Engineers hatte ich so gedacht, das ist nicht so viel.
Deswegen hätte ich jetzt quasi im Umkehrschluss es wahrscheinlich auch relativ leicht zu messen, also im Sinne von einfach beobachten, quasi man schafft mehr, es geht schneller, also das würdest du so unterschreiben.
Das würde ich so unterschreiben, aber wenn du so ein kleines Team hast, beschäftigst du dich halt jetzt nicht jedes Quartal damit, den Fokus zu messen.
Sondern du guckst, du guckst, was du eigentlich machst, ist, du guckst dir, guckst dir an, ob es sich gut anfühlt und wenn es sich nicht gut anfühlt, dann guckst du in die Zahlen rein und versuchst es zu quantifizieren.
Und das ist mal wieder fällig, so, obwohl es sich eigentlich gerade völlig okay anfühlt.
Aber ich werde auf jeden Fall mal die Übung machen und euch das mit euch dann später mal teilen, was ich glaube, was das für ein Unterschied macht.
Du kannst du als Kommentar unter dem Podcast schreiben.
In die Shownotes machen wir das dann.
Sehr gerne.
Ja, oder du kommst nochmal vorbei, je nachdem, wann du das schaffst, ja.
Genau, aber ich glaube, das ist auch ein guter Punkt.
Hatte auch Stefan Schmidt schon gesagt, dass die Firmen durch diese Geschwindigkeit, die jetzt da ist, gar nicht richtig ausnutzen können, weil die Ideen gar nicht da sind, um diese freiwerende Kapazität auszunutzen.
Und es ist, glaube ich, nochmal potenziert bei euch, und du hast es ja am Anfang gesagt, ihr seid jetzt kein, ich sag mal, Tech-Startup im herkömmlichen Sinne, sondern euer Hauptprodukt sind ja die Arztbesucher.
Das heißt also, ihr seid Tech-Enabled.
Das heißt also, der Impact von Tech ist natürlich schon auch gigantisch, weil nur der macht wahrscheinlich dieses Modell so möglich, wie es derzeit gefahren wird.
Aber das sind dann vermutlich wirklich eher so in der Customer Acquisition oder im Process Improvement, sind das wahrscheinlich dann Punkte, statt irgendwie komplett neuer Produkte zu ermöglichen.
Das ist sicherlich auch denkbar, aber wahrscheinlich deutlich weniger als bei einem reinen Tech-Startup machen.
Ideen sind auch jede Menge da, wie wahrscheinlich die Firmen, in denen ihr arbeitet, haben wir übervolle Backlogs, Ideen, die Jahre alt sind, das sammelt sich alles an.
Aber was wir halt immer machen, ist, wir gucken immer darauf, ob das gerade ein Unterschied macht und priorisieren dann auch so.
Und das ist halt der Punkt.
Die Ideen sind schon alle da und es kommen auch ständig Ideen von den Kollegen, aber man sagt dann halt lieber nein, weil das ja für einen Startup auch immer eine Distraction ist.
Ja, ich wollte eigentlich bloß ganz kurz den Link zur Folge mit Markus machen.
Das ist, glaube ich, es muss halt einfach zu deiner Strategie und zu deiner, also zu deiner, zu deiner Ausrichtung halt irgendwie passen.
Das ist nicht die Idee, also du solltest es nicht, also du solltest AI oder Gentech Engineering nicht als Hebel sehen, jetzt jede Idee umzusetzen.
Es muss halt immer noch der Fit sein.
Ich glaube, Fahrt ist eins, quasi Folgekosten, Second-Order-Impact und so eine Sache, die bleiben halt alle.
Also da mögen auch günstiger werden, aber sie bleiben halt alle.
Und was man auch nicht unterschätzen darf, was schon immer eine Stärke von Felmo war und finde ich, glaube ich, was auch viele, die in so kleineren Startups arbeiten, voll unterschreiben würden.
Es ist halt leider auch so, je weniger Kollegen man hat, desto schneller Pingpong die Ideen und desto schneller werden Dinge umgesetzt.
Also ich glaube, es wird sehr viel stärker dahin gehen, dass einzelne, dass einzelne Menschen viel mehr Verantwortung übernehmen, die die Grenzen zwischen Front-end und Backend verschwimmen, was woran wir schon ewig gearbeitet haben, was jetzt aber auch tatsächlich bei mehreren Kollegen immer stärker passiert.
Dann gleichzeitig kann Businessverantwortung übernommen werden.
Die Entwickler arbeiten sehr viel stärker mit den Designern zusammen, weil plötzlich, weil es plötzlich so schnell geht, eine Idee, mal schnell auf die Straße zu bringen, also wirklich live hinzustellen.
Und man kann sich wirklich sehr gut vorstellen, dass es in einem Jahr, das ist ja jetzt alles in ein paar Monaten passiert, dass in einem Jahr das so weit gelaufen ist, dass es ganz neue Arbeitsmodi gibt.
Dass diese, dass diese zwei Mann-Teams aus UXA und Entwickler oder zwei Menschen-Teams aus UX und Entwickler viel, viel enger zusammenarbeiten und das gar nicht mehr diesen PRD-Gap gibt, also dass dann irgendjemand noch was spezifizieren muss.
Da haben wir schon einige Projekte, die eigentlich diese Zwischenspezifikation gar nicht erfordern, sondern man iteriert einfach zusammen, weil es so schnell geht.
Also die Arbeitsweise wird sich wahnsinnig ändern in viel kleineren Teams und du wirst trotzdem mehr Ideen auf die Straße bekommen.
Guck mal auf die Zeit.
Haben wir noch Zeit für eine technische Frage?
Immer, wir sind immerhin, hier geht es um Agen Decoding.
Hallo?
Eine Sache, die mich, vielleicht habt ihr die Herausforderung, Stefan, gar nicht so sehr, weil es nicht so riesig ist.
Wie schafft ihr es, so eine technische Governance oder so eine Kontext-Governance, mach ich das gar nicht.
Ja, eine Kontext-Governance halt hinzubekommen.
Also wie schafft ihr, dass alle gleiche Cloud-MD nehmen?
Oder weißt du, auf ich hinaus will?
Ja, ja, weiß ich.
Tatsächlich machen wir da noch gar nichts, sondern wir machen halt das, wo wir gerade den Bedarf sehen.
Jeder experimentiert mit seinen eigenen MDs.
Wir haben es noch kaum, dass es wirklich notwendig ist, Projektbasierte Dinge einzurichten, was auch damit zu tun hat, dass natürlich sehr viel individuelle Verantwortung bei individuellen Kollegen liegt, logischerweise.
Aber es arbeiten schon einige Leute auf unserer Backend-Basis.
Das ist im Grunde so ein nicht so großer Monolith.
Es ist auch nicht klein, aber die arbeiten da zusammen drauf.
Und bislang war das einfach kein Thema.
Aber das wird mit Sicherheit ein Thema.
Und wir machen es aber typischerweise erst zum Thema, wenn es wirklich ein handfestes Problem gibt.
Vielleicht kann ich dazu noch sagen, ich glaube, die Governance oder genau, die kommt eigentlich bei uns eher über die Constraints der Deployment Chain.
Also am Ende des Tages wollen wir halt eine gewisse Test-Coverage erreichen.
Wir wollen erreichen, dass es eine gewisse Performance auch gibt.
Also das heißt, dass unsere, dass unsere Tierärzte zum Beispiel keine Seiten haben, die in ihrer mobilen App länger laden als eine Sekunde.
Und lauter so einer nicht-funktionalen Anforderungen und die versuchen wir natürlich relativ stark zu enforcen.
Manche Dinge davon gehen schon mit KI.
Also Testabdeckung testest du halt, testest du halt automatisch auf dem GitHub und lässt es dann von sorgfinden der KI dafür, dass es halt schnell nachgerüstet wird, quasi.
Und andere Dinge, wie zum Beispiel die Side-Performance des Monitors und auch mit klassischen Mitteln und lässt dir dann aber von ChatGPT oder von Claude Tipps geben, was du jetzt eigentlich an diesem, an diesen Datenbankanfragen besser machen kannst oder an dem DDL, damit es schneller geht.
Die Governance kommt, glaube ich, bei uns sehr stark durch die Metriken, die wir nach der Entwicklung haben.
Okay.
Und habt ihr vielleicht noch eine technische Frage bei anderen Bereich.
Seht ihr so eine Verschiebung in so Themen?
Das habe ich auch schon ein, zwei Mal jetzt so in Podcasts gehört, dass ja viel mehr quasi Code-Reviews zum Beispiel halt irgendwie stattfinden.
Also, das ist halt, also die Arbeit verschiebt sich gar nicht mehr quasi das Coding an und für sich, sondern viel mehr, was ich nicht, wie gesagt, halt Codereviews, Dokumentation, Spezifikationen.
Und passt das noch zu den Leuten?
Und dann dritt und letzte Frage dazu, hatten wir vorhin ja schon.
Stressst das?
Ja, ich kann tatsächlich die zweite Frage gar nicht so beantworten, weil mir nicht ganz klar ist, so bei unserem durchschnittlichen Entwickler, was das eigentlich mit ihnen macht, wenn sie jetzt so viele Themen vielleicht auch gleichzeitig bearbeiten können.
Weil das ist ja sehr viel mehr Kontextwechsel, wissen wir ja alle von früher Kontextwechsel sind, sind Probleme, es ist auch für mich definitiv ein Problem.
Also, man hat dann vielleicht mehrere Cloud-Code-Fenster offen und das Hin- und Herschalten macht manchmal Spaß und dann kommen noch auf Slack Anfragen von Kollegen rein und dann wird es dann doch zu einem Problem, weil man dann nicht mehr weiß, wo einem der Kopf steht.
Also, ich kann mir schon vorstellen, dass das stresst.
Die Anzahl der Code-Reviews erhöht sich, Frage 1, die Anzahl der Code-Reviews erhöht sich schon, aber man reviewt halt mehr, was die KI tatsächlich macht.
Ich habe noch nicht mitbekommen, dass das wirklich ein Problem ist.
Für mich ist das, dass man reviewt auch nicht mehr alles.
Also jetzt mit den neuen Modellen geht es ja auch stärker zurück.
Es kommt sehr darauf an, ich habe hier die Episode mit dem Jörg Müller gehört heute Morgen.
Es kommt, glaube ich, sehr darauf an, was man so vorhersagt, wo die KI wahrscheinlich scheitern wird, wo man stärker drauf guckt.
Und es gibt so Dinge, wo man denkt, das ist jetzt nur ein Randding in der App, das ist nicht so zentral, da brauche ich jetzt nicht drauf gucken, oder da kann man eigentlich nicht viel falsch machen.
Man guckt eigentlich nur ganz schnell in den Div rein, der generiert wird.
Und das dauert dann aber auch nur Minuten oder Sekunden wahrscheinlich.
Und dann akzeptiert man das schon, sagt push, push, push in den Prompt und dann wird es gepusht und den Rest übernimmt dann die GitHub-Actions beim Checken.
Also gefühlt die Arbeitsweise ändert sich total, weil man viel weniger Zeit mit Nachdenken über Code verbringt und viel weniger Zeit damit, wie also zu knobeln und zu recherchieren, wie man Dinge genau tut.
Sondern stattdessen geht es schon, Claude Code sagt, ich schalte jetzt in den Plan Mode um.
Bei Casa macht man das explizit, also man entscheidet explizit, mach das mal bitte im Plan-Mode.
Und dann beschäftigt man sich bei komplexeren Fragestellungen schon eher damit, okay, wie genau setzt du das um?
Und wenn der Plan überzeugend aussieht und man danach gebohrt hat, aber ganz ehrlich, die Funktion gibt es schon, vielleicht solltest du das jetzt nicht so benutzen, macht das, ne, benutzt doch das, was schon da ist.
Wenn man dann so eine Sache gesagt hat, dann ist meistens das Ergebnis auch gut und dann reviewt man das natürlich.
Also, ich glaube tatsächlich bei komplexeren Fragestellungen geht viel mehr Zeit in die Spezifikation rein.
Und die Reviews, das ist viel besser geworden mit den Euron-Modellen.
Was ich ja tatsächlich gedacht habe, ist, dass die Peer-Reviews, also die Code-Reviews von anderen Kollegen stark zunehmen, weil das ja in allen Unternehmen oder hier einen Unternehmen, aber in vielen Unternehmen, die so Clean Code machen, ist das natürlich ein wichtiges Thema, dass der Kollege A den Code von Kollege B reviewt und wenn Kollege A aber viel mehr produziert, dann müssen natürlich auch viel mehr Code-Reviewed werden.
Aber tatsächlich sind wir darüber hinaus.
Also es hat am Anfang sehr, sehr gestresst, diejenigen, die mehr reviewen.
Aber wir reviewen gar nicht mehr so viel Peer, sondern wir lassen sehr viel KI machen und machen eher High-Level-Reviews oder Sample-Checks oder wir checken bei sehr kritischen Dingen noch, aber wir machen nicht mehr bei allen Themen Code-Reviews.
Also das, also dieser Stressfaktor, der ist tatsächlich raus.
Wird deine, wird die Software, die du damals übernommen hast, gereviewt?
Oder weil du CTO bist, kann man das außen vor lassen?
Nein, die wird nicht gereviewt.
Und das liegt einfach daran, dass es, das wurde vorher auch nicht gereviewt.
Manchmal machen wir ein Meeting und dann erkläre ich mal, wie der aktuelle Stand ist.
Ich habe eine, mache manchmal High-Level, also erkläre ich die Architektur, aber das ist schon sehr nerdig, was da passiert und geht sehr tief.
Das kann man sich aber zum Glück mit KI auch heutzutage sehr gut erarbeiten, was andere Kollegen vorher gemacht haben und sich das erklären lassen, wie es high level gedacht ist und die Dokumentation ist ja auch schnell generiert.
Also tatsächlich glaube ich, ironischerweise, obwohl man so viel mehr produzieren kann, sinkt auch der Buzz-Faktor gerade schon stark in den Kontexten, wo KI im Einsatz ist.
Also ich glaube, wird auch nicht mehr so viel Angst davor haben.
Ich würde auch nicht so viel Angst mehr davor haben, dass wenn was nicht gepairprogrammed ist, was komplex ist, dass das schief geht.
Ich würde sagen, da sind wir jetzt drüber hinaus.
Und wir haben auch in der Vergangenheit gesehen, dass das schon geht, also dass auch relativ juniorige Kollegen sich sehr schnell in den Code einarbeiten können, wo man vorher gedacht hat, oh Gott, die Prozessautomation, die der gemacht hat, kann man das wirklich, kann man das wirklich handeln?
Das ist ja auch viel Komplexität.
Aber tatsächlich fragt man dann einfach, früher haben wir dein Cursor gefragt, ich habe dann den Kollegen das gezeigt, wie man das macht.
Guck mal, du kannst ja einfach fragen, erklär mir mal den Prozess und das ist viel klarer, als man sich das sonst vorher in Stundenlanger oder vielleicht tagelanger Recherchearbeit erarbeitet hätte.
Also der Buzz-Faktor ist definitiv ein viel geringeres Thema als noch vor zwei Jahren.
Gutes Statement.
Gutes Statement.
Und bringt uns wieder zu dem Thema Authorship versus Ownership.
Genau.
Tatsächlich wollte ich das auch sagen, dass das ein, also irgendwie auch auf der Hand liegt, weil du dir mit KI natürlich Code auch schneller erschießen kannst.
Aber dass der Busfaktor sinkt, ist ein tolles Finding, ja, finde ich auch echt genial.
Und auch das Finding, dass ihr im Prinzip über den Human in the Loop schon hinaus seid.
Wenn man normalerweise irgendwie so Automationen einführt, dann hat man ja immer noch ein Human in the Loop.
So lange, dass man festgestellt hat, naja, in irgendwie 99 von 100 Fällen passiert nichts.
Insofern kann ich mir auch gucken, welche Heuristik ich finde, um genau dieses eine Mal besser rauszupicken und lass die anderen dann einfach durchlaufen.
Da seid ihr ja auch.
Dasselbe machen wir übrigens auch jetzt gerade mit QA.
Wir haben immer auch manuelle QA gehabt bei uns und werden es auch weiterhin, werden es auch weiterhin für komplexe Sachen haben, also machen dann Session-Based Testing und so eine Geschichte.
Das gibt es immer noch.
Und wir haben auch früher jedes einzelne Ticket durch eine manuelle QA geschickt, weil man fester Bestandteil an den Teams.
Aber auch da bringen wir den Human in the Loop gerade raus und sorgen eher dafür, vielleicht als Hintergrund.
Es war immer zu teuer für uns, eine automatisierte Test-Chain zu bauen, weil ihr wisst ja, dass da ziemlich viel Komplexität drin steckt, gerade wenn man so Browser-Testing macht und wenn man so wenig Kollegen hat, die sehr viel produzieren, dann ist das schon sehr schwer, die so eine so eine Dokumentation aufrechtzuerhalten und dann dafür zu sorgen, dass du eine stabile Test-Suite hat, die nicht ständig kaputt geht.
Das fordert dann immer Entwickleraufmerksamkeit.
Und das ist jetzt auch keine Herausforderung mehr.
Also, das ist jetzt unser nächstes Projekt, tatsächlich Human in the Loop zu reduzieren.
Da können die QA-Mitarbeiter tatsächlich viel Verantwortung übernehmen an der Stelle, weil das auch nicht mehr unmöglich ist, durch KI das aufzusetzen und es mittlerweile da auch die ersten Tools gibt.
Ja, ist ja auch ein guter Punkt.
Human in the Loop wird weniger ein Thema.
Ich würde tatsächlich sagen, was eigentlich passiert, ist, dass der Produktentwickler, also nicht der Frontend oder der Back-End-Ewickler, sondern der Produktentwickler eben viel mehr Verantwortung auch übernehmen wird von der Spezifikation, also vielleicht auch in der Kollaboration mit dem Designer, bis hin tatsächlich zum Business Outcome.
Ob sie jetzt auf die Anzahl der Transaktionen gucken oder auf den Umsatz oder so, das ist gar nicht so wichtig.
Aber es ist viel leichter vorstellbar, dass das Quality-Gate, ob das, was am Ende, ob das am Ende funktioniert, weggeht von den Zahlen, die eigentlich auch die KI im Griff haben kann und dann eher tatsächlich hingeht zum Kunden nutzen.
Und das ist auch was, wo ich meine Aufmerksamkeit eher drauf bringen würde.
Weil wenn du das schaffst, dann ist der Human in the Loop auch gar nicht mehr so kritisch.
Dann ist es tatsächlich, weil das kann ja ein Mensch alleine, das ist leicht vorstellbar, heute im Griff, also heute im Griff haben, dass er vormittags spezifiziert und coded, dann pusht er das direkt in die Produktion rein.
Es dauert zehn Minuten, bis das alles durchgelaufen ist, dann ist es live und am Abend guckt er dann schon mal, ob es irgendwelche Bewegungen eigentlich gibt bei dem, was er gerade gemacht hat.
Also ich glaube, wenn du so viel, wenn das Coden so viel weniger Aufmerksamkeit bindet, ist es auch viel leichter vorstellbar, dass man Verantwortung übernehmen kann für das, was am Ende beim Kunden ankommt.
Sehr cool.
Ja, eigentlich ein schönes Schlusswort für diesen Teil, würde ich fast sagen.
Super spannend auf jeden Fall zu hören und tatsächlich insofern auch toll, ja, mal Einblick aus einem echten Unternehmen zu bekommen, wie ihr da seid natürlich klein, deswegen auch sehr nimble und ihr müsst halt schauen, was möglich ist so, ne, und das reißt ja auch vollkommen aus.
Super interessant.
Wir haben nochmal so zwei Recurring-Segmente am Schluss des Podcasts.
Das eine ist, so eine Frage nach, was sind so What the fuck-Momente, die du immer mal wieder hast, wo du die KI einfach scheitert und dann wiederum im Umkehrschluss, was für dich gerade der heißeste Kram ist, sozusagen, in dem du dich gerne weiter einarbeiten würdest, wenn es da was gibt.
Ja, ich glaube, mein What the Fuck-Moment ist gar nicht spannend, eigentlich, sondern es ist eher was, wir verstehen ja ungefähr, wie KI funktioniert.
Am Ende sind es halt quasi große, große Pattern, also große Mustererkennungsmaschinen und dann wiederholen Maschinen.
Aber was mich immer noch wundert, ist, dass diese standardmäßigen Agentic-Tools das eben nicht schaffen oder nicht so gut schaffen, zu gucken, wie ist das, was da schon da ist, eigentlich strukturell aufgebaut.
Wie ist es gedacht quasi und wie ist, und was gibt es vielleicht auch schon für Funktionen, die ich wiederverwenden kann.
Also es ist tatsächlich immer noch so, auch mit Opus F4.6, dass dann irgendeine Datenbankanfrage einfach nochmal gemacht wird.
Und zum Glück gibt es den Plan-Mode, deswegen merkt man das, weil der dann schreibt, ich mache hier diese neue Funktion, die dieses abfragt, und dann sage ich, aber guck mal halt genau das gleiche, gibt es auch in dem Kontext auch schon.
Ach ja, super Kommentar, das muss man eigentlich nicht.
Also, das kriegt es ja immer die bestätigende Antwort, die man dann kriegt, die Compliant-Antwort.
Das ist schon what the fuck.
Die Compliant-Antworten, by the way, sind, ist auch what the fuck.
Also ich hätte gerne weniger von diesen Chishi und mehr einfach straight Nerdery.
Also das ist eigentlich sehr, sehr viel, sehr, sehr viel interessanter für mich.
Ansonsten, was so Tools betrifft, muss ich sagen, ich bin schon sehr, oder nicht Tools, sondern so Trends betrifft, wo ich gerne reingehen will.
Ich bin schon sehr heads down.
Also hier die oft angesprochene Ralph Wigam Loop, was man so in den sozialen Netzwerken auch liest, was andere machen.
Das klingt schon cool, aber ich bin schon eher so, dass ich sage, ist es gerade was, was ich brauche?
Und dann gehe ich diesen Schritt oft dann eben nicht.
Sondern es ist schon so, dass ich sehr einfach versuche, effizient mit meiner Zeit zu sein.
Aber ich gehe halt Schritte vor allen Dingen dann, wenn, also nicht so sehr aus Neu geht, sondern mehr, wenn es das braucht.
Und natürlich bin ich neugierig, aber ich passt schon sehr auf mit meiner Zeit.
Und deswegen würde ich sagen, ich probier's gerade nicht aus.
Ich gucke eher, was andere sagen und wenn andere sagen, das ist jetzt so und so weit und das und das kann man machen und das und ich dann denke, das ist in meinem Kontext super anwendbar, dann will ich es auch machen.
Was mich viel mehr interessiert, ist, was dieses Jahr in der Zusammenarbeit mit Google mit Siri passiert.
Weil das nervt uns ja vielleicht alle, dass man seinem Telefon immer noch nicht sagen kann, spiele mal den Humanized Podcast weiter.
Sondern dass man das nur mit Touch machen kann und dann regnet es und der Screen ist gerade nass und dann geht es gerade überhaupt gar nicht.
Oder die Brille hat Regentropfen drauf und das Face-ID erkennt eigentlich.
Man kann mit seinem Telefon immer noch nicht so reden wie mit ChatGPT und mit Cloud Code, obwohl es super klar ist, dass es eigentlich gehen müsste.
Und das wäre was, da wäre ich natürlich sofort drauf und würde das sofort machen.
Und hier auch meine kleine Apple Home-Automation würde ich auch sofort darauf umstellen, weil das in der Familie immer noch eine Hürde ist und ich manchmal der Einzige bin, der sie Sachen bedienen kann.
Da freue ich mich tatsächlich drauf.
Also, wenn diese Nerd-Bubble-Technologie auch so konsumertauglich in die Breite reingeht und die in meinem Alltag viel, also mehr kann, als quasi ein Advance Stack Overflow und Google und Ideenrat und Lebenshilfe zu sein.
Makes sense, genau.
Bist du eher Fast Follower sozusagen, statt jetzt irgendwie der Early Adopter, genau.
Geht mir ehrlich gesagt auch so.
Ich habe genau das gleiche, auch Zeit ist eine unfassbare, eine unfassbare harte, unfassbar harter Constraint.
Und da muss ich auch gucken, womit ich meine Zeit so verbringe, genau.
Was diese Compliance angeht, da hatte ich vorhin so einen Moment.
Tatsächlich habe ich einen Screenshot von einer UI, an der ich gerade arbeite, zu Gemini gepostet und habe gesagt, hier kein Shishi, ich habe da in die UI noch nichts reingesteckt, sei einfach bland.
Und was rauskam, war, this is a classic developer UI, it functions, the data is there, but it lacks the spatial efficiency, hierarchy and intuitive flow, blah blah blah.
Also das war wirklich in your face, ne, wo sich tatsächlich kurz mal schlucken und sage, okay, ich wollte das so.
Meine ganze Asked vor.
Meine Most-hated response von ChatGPT ist tatsächlich, und das kommt jedes Mal, wenn ich da eine Frage stelle, ich habe in meinen Regeln drin, dass ich bitte straight answerses haben will.
Und die, und die Antwort ist immer, hier ist deine No-Bullshit-Antwort.
Und das regt so auf.
Es ist, ich habe auch jetzt reingeschrieben in die Regeln, bitte keine Meta-Kommentare darüber und es kommt trotzdem.
Also das ist mit das Schwerste, diese Compliance rauszukriegen.
Ich habe auch schon mitbekommen, Gemini war schon schon immer besser.
Mir hat nur der Coding-Aspekt damals, als ich das letzte Mal ausprobiert habe, als Gemini 3 kam, nicht so gut gefallen wie bei Codex und bei Opos und bin deswegen da nicht hängen geblieben.
Make sense.
Genau.
Du hast ja auch schon so ein paar Predictions vorhin gemacht, wie sich die Arbeit verändert, dass es wahrscheinlich, dass der Scope der einzelnen Leute sich verbreitern wird, sprich weniger Leute dafür, mehr Generalisten, eher auch kleinere Teams, und auch vor allem die interdisziplinäre Zusammenarbeit, dass irgendwie die Trennung zwischen Front- und Backend weggeht, dass auch Entwickler viel enger mit Designern zusammenarbeiten werden.
Gibt es darüber hinaus noch irgendeine andere Prediction, die du unseren Hörern noch mitgeben möchtest?
Oder wirst du sagen, nee, das fasst es eigentlich ganz gut zusammen, was man derzeit sehen kann.
Ich glaube, das für mich persönlich das Spannendste an KI und das ist aber auch schon, sehe ich schon so seit anderthalb Jahren, ist, dass das immer unabhängig von den ganzen dystopischen Szenarien, wie viele Entwickler ihre Jobs oder generell White Collar Workers ihre Jobs verlieren, was definitiv passieren wird.
Also es wird, also dass es einen Impact of the Economy hat und auch auf Lebensstandards haben wird, leider.
Was ich aber auch sehr spannend finde, ist, dass das, was wir heute als Durchschnitt bezeichnen, also durchschnittliche Performance stark nach oben gehen wird.
Also das heißt, was bedeutet gute SEO?
Also durchschnittlich gute SEO.
Was bedeutet durchschnittlich guter Code?
Was ist eine durchschnittlich gute Test coverage?
Was ist eine durchschnittlich gute App?
Also die Standards werden sehr stark ansteigen dadurch.
Ihr müsst euch mal überlegen, dass ja auch viele von denen, deren Jobs heute bedroht sind, auch versuchen, ihre Jobs zu behalten oder sich dann selbstständig machen und dann auch Apps bauen.
Apps, also es gibt ja heute schon zu viele Apps, aber App Spam wird, glaube ich, ein totales Ding sein.
Und du wirst bei dem App Spam ofden, was eine geile App, um erst dann später festzustellen, dass du hier, also dass du hier gerade gigantisch verladen wirst, dass da eigentlich nicht viel dahinter ist.
Also das heißt, also vor allem die oberflächlichen Standards werden sehr, sehr steigen.
Und ich glaube, der Schlüssel wird dann sein, wie stark diese Entwickler tatsächlich an Marktbedürfnissen und an Kundenbedürfnissen dran sind und dann halt noch höher als der Standard sein werden.
Und da wird viel Wettbewerb auf, also enabled durch AI möglich sein.
Und das passt eigentlich, bringt uns wieder full circuit zurück zu Felmo, wo ich ja am Anfang auch schon argumentiert habe, dass wir im Grunde unsere Kollegen so zu Superhumans machen, so technology enableder Superhumans und jetzt auch bald AI-enablete Superhumans.
Ihr müsst ihr euch vorstellen, wenn alle diese Tools have, werden natürlich alle im Durchschnitt besser.
Und wenn das im Markt auf die Gesellschaft trifft, bedeutet das, dass der Wettbewerb auf einen viel höheren Level stattfindet.
Und ich finde es mega aufregend, vor allem wenn man sich überlegt, was so bei technischer Innovation, bei wissenschaftlichem Fortschritt, also generell ganz vielen gesellschaftlichen Themen dadurch möglich wird, dass alle auf einem höheren Level agieren, auch die Jungen, das gibt ja auch viele Ängste, dass Junior-Entwickler oder Junioren jetzt ein Problem haben, aber ihr müsst euch überlegen, dass die alle mit diesen Tools aufwachsen.
Und dann gibt es auch immer curious people, die trotzdem versuchen wollen werden, alles zu verstehen, aber die sind alle Superhumans.
Also die haben alle diese Tools und können dann Quantenphysik auf einem Level machen, wo du vorher ganze Teams von Wissenschaftlern gebraucht hast.
Und das finde ich eigentlich, ja, wir reden immer von Dystopie, aber das utopische Szenario von KI, dass wir alle einen großen Level up als Gesellschaft machen.
Und ich bin echt, freue mich da so drauf, dass wir gerade in dieser Zeit leben und da dabei sein können.
Das ist eigentlich meine Prediction.
Wir machen alle ein Level up.
Let's let's hope for the Utopia instead of the dystopia.
Genau.
Weil du hast, du hast bei deiner Prediction, dass der Durchschnitt sich erhöht hat, also stimme ich dir voll und ganz zu, ne?
Und dann bei den Beispielen, da würde ich wiederum, da habe ich dann schon auch so ein bisschen gezuckt, so SEO und App-Qualität, weil natürlich viel, viel mehr Apps entstehen werden und dann genau das passiert, was du beschrieben hast, aber da hast du ja den Bogen noch bekommen, ne?
Insofern.
Aber eben auf der Spam, der Spam operiert auf einem viel höheren Durchschnitt, ne?
Also, wie viele Scam-Mails habt ihr in letzter Zeit auch bekommen, wo ihr dachtet, ach du Scheiße.
Also das ist jetzt wirklich schwer.
Und das, und das heißt auch die Qualität von Kriminalität geht hoch.
Der gesamte Durchschnitt geht hoch.
Und da wird dann die Utopie, sagen wir mal, und die Grenze zur Dystopie verschwimmt da so ein bisschen.
Die Tools haben halt alle, ja.
Ja, das ist richtig.
Cool.
Vielen Dank.
Gern.
Der HMZE Podcast ist ein gemeinsames Projekt von Sebastian Heidemeyer zu Erben und André Neubauer.
Infos zum Gast und Themen aus dem Podcast findest du in den Shownotes.
Diskutieren kannst du mit uns bei LinkedIn und für alles andere, zum Beispiel wen du gerne mal hier hören möchtest, kannst du gerne eine E-Mail an Podcast.hmze.tech checken.
Vielen Dank für deine Zeit.
Wenn es dir gefallen hat, abonniere den Podcast.
Bis zur nächsten Folge.