# AI as Enterprise Operating System Strategy

**Podcast:** AI FIRST Podcast
**Published:** 2026-03-13

## Transcript

Herzlich willkommen zum AI First Podcast.
Ich bin heute alleine und will diesen Moment einfach mal nutzen, um zu reflektieren, was eigentlich in den letzten Wochen im KI-Markt passiert ist und in welche Richtung wir gerade laufen.
Denn ich glaube, dass wir gerade an einem ganz ähnlichen Punkt stehen, wie das mit JetGPT der Fall war, nur noch deutlich größer und wir gerade ein Tempo erleben und eine...
Gewaltigkeit der Entwicklungen, auf die wir, glaube ich, nicht vorbereitet sind.
Aber wir sind ja hier in diesem Podcast, oder ich habe mir das zur Mission gemacht, Erfahrungen zu teilen, um voneinander zu lernen, um gemeinsam irgendwie durch diese KI-Transformation zu kommen und als Gewinner auf dem Platz im KI-Zeitalter zu stehen.
Und ich will meinen kleinen, bescheidenen Teil dazu beitragen.
Also lass mich einmal reflektieren, was hier eigentlich gerade passiert.
Für mich hat sich die Anwendung von KI und wie ich über KI nachgedacht habe, vor acht Wochen noch ziemlich anders angefühlt, als das heute der Fall ist.
Und dann gab es irgendwie diesen Moment und für mich kam der ziemlich plötzlich, wo sich das alles verändert hat.
Und ich habe echt ein bisschen gebraucht, was eigentlich dieser Moment war.
Und es gab dann natürlich mehrere Ereignisse, die so aufeinander aufgebaut wurden.
Claude Code wurde als Coding Agent extrem performant Anfang dieses Jahres.
Sehr, sehr viel Popularität gewonnen.
Auch wir haben immer mehr damit gemacht.
Das war schon so ein Teleskop in die Zukunft, was da passiert.
Dann kam Mold Bot Open Claw und hat diese Fähigkeit nochmal erweitert.
Vor allem auch gezeigt, dass Agenten jetzt nicht nur auf Befehl, sondern auch proaktiver werden können.
Ich glaube ja immer noch, da sind wir noch ganz am Anfang.
Ich bin auch kein Fan davon, immer gleich auf all diese Trends draufzuspringen, sondern ich glaube, es ist total okay, sich anzuschauen, wie sich bestimmte Trends und Strömungen entwickeln, dass sie erstmal eine gewisse Reife bekommen, gerade im Enterprise-Kontext.
sich das in Ruhe anzuschauen und zu evaluieren, die Fähigkeiten dahinter aber zu verstehen und zu gucken, wie werden sich diese Fähigkeiten denn auf uns auswirken.
Und was wir bei all dem gesehen haben, war eine Sache, nämlich dass die Modelle, die unter der Haube von den Coding Agents und auch Anwendungen wie Open Claw gelaufen sind, immer agentischer geworden sind.
Jetzt werfe ich hier ganz viele Buzzwords und Begriffe rein, aber das ist meiner Meinung nach der entscheidende Unterschied, der gerade passiert.
Die Modelle, die vor drei Jahren noch Sekunden an einer Aufgabe arbeiten konnten, GPT-3, 3.5, da waren das wenige Sekunden, GPT-4.
Ein paar mehr Sekunden.
Irgendwann kamen die ersten Reasoning-Modelle, die länger an Aufgaben arbeiten konnten.
Aber auch das war nichts im Vergleich zu dem, was jetzt gerade passiert.
Da gibt es von Meter eine schöne Auswertung.
Die machen das mit allen neuen Frontier-Modellen, die rauskommen.
Testen sie anhand von Coding-Aufgaben insbesondere, wie lange die Modelle an einer Aufgabe arbeiten können.
Und wie gesagt, vor drei Jahren waren das Sekunden.
Jetzt hat Opus 4.6, was, glaube ich, vor fünf Wochen, sechs Wochen rausgekommen ist, 14,5 Stunden an einer Aufgabe gearbeitet.
14,5 Stunden.
Da gibt es auch noch andere Artikel, die sagen, dass das irgendwie zwei Wochen gearbeitet hat und irgendwas entwickelt hat, was zwei Wochen gedauert hat.
Ich kriege es nicht mehr genau zusammen, was das war.
Aber ist auch egal, 14,5 Stunden reichen schon aus.
Und damit sind wir jetzt im exponentiellen Wachstum von KI-Modellen endgültig angekommen.
Und die Skalierungsgesetze, die halten.
Denn die Modelle, Modellgenerationen vorher, bei denen waren das noch wenige Stunden, die die an einer Aufgabe arbeiten konnten.
Jetzt sind es 14,5.
Also großer Sprung, der da gemacht wurde.
Das gilt nicht nur für Opus 4.6, sondern auch GPT 5.4.
spielt in einer ähnlichen Dimension, was unter dem Coding-Agent von OpenAI, nämlich Codex, unter der Haube läuft.
Und damit passiert genau das, was uns eigentlich auch schon erklärt worden ist.
Da gab es so schöne Berichte oder Forecasts wie von AI 2027, wo sich fünf ...
Menschen aus dem KI-Bereich, unter anderem Ex-OpenAI-Forscher zusammengetan haben und gesagt haben, wir wollen mal forecasten, wie sich eigentlich KI entwickeln wird.
Und eine der zentralen Annahmen und Thesen war, dass die KI-Labore um Entropic, Google und OpenAI zuerst Coding knacken werden, damit, wenn das geknackt wird, sie mit diesen Coding-Agenten bessere KI bauen können und damit in diesen selbstbeschleunigenden Faktor reinkommen.
Und genau das scheint gerade zu passieren.
Und rückblickend würde ich sagen, dass diese Modellgeneration, die da so unscheinbar daherkommt, weil es wieder ein Punkt X hinter der 4 oder der 5 ist, doch ein deutlicher Sprung nach vorne war.
Und bei AI First, wenn wir solche Entwicklungen erleben, was wir dann immer wieder machen, ist, wir hinterfragen alles.
was wir tun, nochmal aus Perspektive von dieser Technologie, die wieder neue Fähigkeiten bekommen hat, die vorher so in dem Ausmaß nicht da waren und fragen uns, ist die Art und Weise, wie wir KI einsetzen, eigentlich noch die richtige?
Und das haben wir jetzt schon zweimal sehr grundlegend gemacht.
Am Anfang haben wir KI als Tool eingesetzt.
Das war eine Verlängerung von uns.
Wir hatten verschiedenste Tools für verschiedenste Aufgaben.
Meeting-Transkription, Prototypen-Coden, Bilderstellung, Texterstellung.
Aber dann wurde ja schon, das war schon im Laufe 2023, 2024 sehr schnell klar, dass die Modelle, die unter diesen ganzen Tools laufen, LLMs insbesondere, viel flexibler werden.
Also immer mehr Fähigkeiten entwickeln, die uns Menschen total ähnlich sind und uns in vielen dieser Fähigkeiten auch damals schon übertroffen haben.
Und dann kamen so die ersten auch agentischen Fähigkeiten da rein, also dass man mit den Modellen und Agentenarchitektur drumherum KI-Aufgaben ausführen lassen kann.
Und dann haben wir 2024, wie so viele gesagt, dann ist ja KI eigentlich gar kein Tool, sondern ist dann doch KI eigentlich ein Mitarbeiter.
Ein Mitarbeiter, dem wir eine Rolle geben können und der kann dann bestimmte Aufgaben aus dieser Rolle heraus bearbeiten und kriegt dann das Wissen bereitgestellt, die Daten, die er braucht und die Tools, die er braucht für diese Aufgaben.
Also sonst würde ich halt so ein Mitarbeiter, KI-Mitarbeiter.
Und die Menschen im Team, die werden dann zu Führungskräften.
Das haben wir auch so gemacht.
Wir haben dann gesagt, jeder in unserem Team baut sich ein...
Team aus KI-Agenten auf und wenn du mal hier in diesem Podcast ein bisschen nach unten scrollst, da habe ich von unserer AI First Story erzählt und wie wir so unsere Company aufgebaut haben, da habe ich genau davon erzählt und bis vor einigen Wochen hätte ich dir auch noch gesagt, wenn du gesagt hättest, hey, wie bauen wir eigentlich hier eine AI First Organisation auf, dann hätte ich gesagt, ja klar, du integrierst KI-Agenten als Mitarbeiter in dein Organigramm.
Darüber skalierst du deine Organisation, anstatt den Headcount immer größer werden zu lassen, wenn du weiter wächst, delegierst du immer mehr Arbeit an KI-Agenten und wächst darüber.
Weil diese neuen Modellgenerationen, Opus 4.6, GPT 5.4 und Opus 4.6 ist da für mich nochmal einen ordentlichen Schritt weiter vorne.
Das kann jetzt auf einmal, müssen gar nicht Stunden sein, aber auf jeden Fall viele Minuten an mehrschrittigen Aufgaben arbeiten.
Teilweise bricht es eine Aufgabe an.
in fünf Unteraufgaben runter und arbeitet parallel an fünf dieser Aufgaben, ohne dass ich es explizit dazu angewiesen habe, das zu tun, lädt sich für diese Aufgaben den nötigen Kontext aus verschiedenen Datenbanken, wendet Tools präzise an, erkennt Fehler, während es arbeitet, korrigiert diese Fehler selbstständig, während es arbeitet und bleibt extrem gut auf dem Weg, auf den es gehen muss.
Eigentlich muss ich nur noch ein Ziel beschreiben.
Und das Modell arbeitet sich Schritt für Schritt darauf hin.
Das ist alles auch noch nicht perfekt.
Auch da passieren noch Fehler.
Es ist immer noch menschliche Kontrolle notwendig.
Aber das ist ein Schritt nach vorne in der Eigenständigkeit, die diese Modelle haben.
Und der Qualität, die sie abliefern über einen so langen Zeitraum, die kannte ich vorher nicht.
Deswegen ist, wir sind gerade noch in so einer Übergangsphase, wo alle Leute, die mit Co-Pilot, mit ChatGPT, mit Gemini oder einem anderen dieser Chatbots arbeiten, noch gar nicht so richtig wissen, was das bedeutet.
Weil insbesondere Anthropic mit Claude hier gerade nach vorne stürmt und diese Fähigkeiten erst noch von anderen Anbietern adaptiert werden müssen.
Aber da kommen wir jetzt genau hin.
Und ich habe mich gefragt, Wenn wir jetzt diese neue Modellgeneration haben, was passiert dann eigentlich?
Und dafür haben wir mal ein Experiment gemacht und haben einem Agenten bei uns Zugriff gegeben auf die System-Prompts aller anderen Agenten.
Zugriff gegeben auf unsere, wir haben so eine Kontextkarte aufgebaut, quasi eine Landkarte.
mit all unseren Daten, wo was liegt, wie was genutzt werden soll, für welche Aufgaben, welche Daten notwendig sind, darauf Zugriff gegeben.
Große Daten, sagen wir, große Datenbank, zum Verständnis.
Und Zugriff auf die Tools, mit denen wir arbeiten, die Schnittstellen.
Das hatten wir vorher sowieso schon verbunden.
Und dann haben wir gegen diesen Agenten einfach mal unterschiedliche Aufgaben gespielt mit dem Opus-Modell dahinter.
einen Sales-Termin nachbereiten, ein Kundenprojekt onboarden, verschiedene Support-Anfragen bedienen, Marketing-Assets bauen.
Das waren ja vorher alles spezialisierte Agenten.
Und jetzt hat...
Dieser eine Agent ist dann losgegangen und hat sich halt die richtigen Systemanweisungen rausgezogen, hat sich dafür den notwendigen Kontext gezogen aus der anderen Datenbank, die Tools genutzt und hat sehr, sehr, sehr zuverlässig mit sehr hoher Qualität auf einmal diese Aufgaben ausgeführt.
Und deswegen glaube ich, und ich komme gleich dazu, was meine Konklusio daraus ist, aber ich...
bin mir sehr, sehr sicher, dass jetzt diese Zeit von den Frage-Antwort-Chatbots absolut vorbei ist.
Also so ein bisschen hin und her chatten, das war jetzt alles nett.
Ich rede immer über den Business-Kontext.
Privat ist das vielleicht nochmal für den einen oder anderen was anderes.
Aber im Business-Kontext werden jetzt all diese Chatbots, sei das ein Chat-GPT, Co-Pilot und, und, und, werden jetzt zu General-Purpose-Agents.
allgemeinen KI-Agenten, die insbesondere Aufgaben ausführen können.
Also ein Chat-GPT wird kein Chatbot mehr sein, sondern es wird ein Agent sein, ein großer Agent sein.
Und an diesen Agent kann ich dann Skills dranhängen.
Das ist jetzt die neue, wie nennt man es, vielleicht Methodik.
Aber wir gehen jetzt quasi weg von so diesen ganz vielen spezialisierten Assistenten und Agenten und hin zu einer Skill-Logik.
Skill bedeutet, ich sage immer gerne, das ist alles, was die Organisation kann.
Also wie Dinge getan werden.
Wie erstellt ihr ein Angebot zum Beispiel?
Oder wie beantwortet ihr Kundenanfragen?
Oder wie erstellt ihr Marketing-Content-Assets?
Und das kann alles dokumentiert werden, wie das gemacht wird.
Und kann diesem General Purpose Agent bereitgestellt werden.
Und auf alle Skills, die dokumentiert sind, auf die der Zugriff hat, die kann der ausführen.
Anstelle, dass ihr sie ausführen müsst.
Und das ist eben viel, viel skalierbarer als diese ganzen vielen Assistenten und Agenten.
Kennt Unternehmen, da gibt es Hunderte oder Tausende davon.
Keiner kann das mehr überblicken.
Die werden nicht mehr richtig gewartet.
Es gibt da total den Wildwuchs.
Das Risiko gibt es natürlich bei Skills auch, aber man kann es deutlich besser kontrollieren.
Und alle Skills, die dann in verschiedenen Abteilungen liegen oder auch allgemein fürs Unternehmen zugänglich sind, können dann eben von diesem Agent ausgeführt werden.
Und man muss nur noch sehr einfach Eingaben machen.
Man muss nur sagen, erstell mir ein Angebot und der sucht sich diesen Angebotsskill raus entsprechend aus mit der genauen Anweisung, die dahinter liegt.
Anstatt, was wir ihr immer genau vorgeben müssen, was sie tun soll, kann sie sich jetzt immer mehr genau so zusammenbauen, wie es notwendig ist, dass die Aufgabe, die wir ihr geben, ausgeführt wird.
Und ich hoffe, ich bin jetzt nicht zu...
Ich hoffe, ihr könnt mir so ein bisschen folgen, aber es sind alles so Gedanken, die mir gerade im Kopf rumschwirren.
Mein klarer Take ist, Das mit allem, was ich jetzt gesehen habe und wir haben wirklich 14 bis 16 Stunden am Tag in den letzten Wochen gearbeitet und sehr viel am Wochenende, um unsere Company umzustellen und irgendwie auch zu verstehen, was geht da und was vielleicht auch noch nicht.
Aber ich glaube, jetzt kommen wir wirklich in eine Zeit rein, wo KI einen Großteil der digitalen Arbeit erledigen kann, den es in Unternehmen gibt.
Auf eine sehr niedrigschwellige Art und Weise.
Also wir brauchen die Prozessdokumentation.
Wir müssen natürlich die Daten bereitstellen können.
Das ist diese ganze Kontextkiste.
Also es ist nicht nur, was die Organisation kann, sondern auch, was die Organisation weiß.
Wir brauchen ein klares Regelwerk, was KI darf und was nicht.
Und wir brauchen Schnittstellen zu Systemen und Tools, die sie nutzen muss.
Wenn wir diese Bausteine haben, bin ich überzeugt davon, dass KI einen Großteil der Arbeit, die digital erfolgt, heute schon ausführen kann.
Jetzt noch mal mehr mit diesen Modellen.
Und für mich ist die Konklusio, dass wenn KI das kann, und wir sehen das gerade bei uns, es gibt kaum Aufgaben, die wir wirklich verstanden haben, wie sie gemacht werden sollen, die jetzt nicht mehr von KI ausgeführt werden können.
Oftmals ist die...
der Weg, den wir gehen, um eine Aufgabe zu erledigen, ist sogar nicht mal der beste, wenn wir da nochmal eine Prozessverbesserungsschleife mit der KI drehen.
Also KI kann viele Dinge wahrscheinlich sogar noch besser machen.
Wenn das der Fall ist, dann ist meine Konklusio daraus, dass wir jetzt ganz radikal anfangen müssen, Unternehmen so umzubauen, dass KI darin möglichst gut arbeiten kann und nicht, dass nur Menschen darin, Weil bisher sind Unternehmen so organisiert, dass Menschen darin gut arbeiten können.
Und deswegen gibt es alle möglichen Sachen, die für eine KI nicht notwendig sind.
Zum Beispiel irgendwie so Hierarchie-Ebenen oder irgendwelche X-Abstimmungsschleifen oder schön aufbereitete Präsentationen, um irgendjemanden zu überzeugen.
Aber all das ist für KI...
nicht unbedingt notwendig, um die Arbeit auszuführen, die anfällt.
Also, wir müssen unser Unternehmen so umbauen, dass KI darin möglichst gut arbeiten kann.
So, und jetzt versuche ich einmal hier die Brücke zu schlagen zu dem, was ich am Anfang gesagt habe.
Wenn wir unser Unternehmen so umbauen müssen, dass KI darin möglichst gut arbeiten kann, wie sieht das denn eigentlich aus?
Und ich hatte gesagt, dass wir KI als Mitarbeiter definiert hatten und in unser Organigramm integrieren wollten oder integriert haben.
Hatten wir gemacht.
Und das ist ja auch erstmal total intuitiv.
Aber damit, mit dem, was ich gerade gesagt habe, nämlich wir können KI alle Prozesse geben, alle Daten geben, alle Tools geben und die Regeln geben, nach denen sie sich verhalten soll.
Und dann können wir ihr alle möglichen Aufgaben entgegenwerfen und der ist egal, welche Rolle sie hat und ob sie jetzt der KI-Mitarbeiter Peter ist, der irgendwie das Controlling macht oder der KI-Mitarbeiter, KI-Mitarbeiterin Susanne, die ...
das Content-Marketing macht, ist egal, weil sie baut sich einfach aus den Prozessen, den Daten, den bereitstehenden Tools sich so zusammen, dass die Aufgaben, die wir ihr geben, erledigt werden können.
Und damit, wenn sie das kann, macht es keinen Sinn, KI in diese Mitarbeiterrolle zu pressen.
Und ich glaube, rückblickend, auch von uns war das einfach nur ein Versuch, KI irgendeine Form zu geben, die wir kennen und kontrollieren können, die wir irgendwie verstehen und begreifen können.
Aber KI hat diese Limitierung, die wir als Menschen haben.
KI arbeitet ja nicht wie Menschen.
Weil wir Menschen, wir haben begrenzte Fähigkeiten, begrenzten Kontext, begrenzte Erfahrungen, die wir mitbringen.
Das ist alles...
Menschlich, das ist alles auch okay so.
Und deswegen organisieren wir uns in Unternehmen ja auch in Teams, damit wir gemeinsam zusammenkommen können und all diese unterschiedlichen Erfahrungen und Fähigkeiten kombinieren können, um gemeinsam größere Ziele zu erreichen.
Das ist auch alles gut so.
Aber KI hat, wie gesagt, diese Limitierungen nicht.
Also warum sollten wir sie in ein Korsett stecken?
dass die Limitierung dann immer noch hat.
Und dann haben wir ganz viele voneinander losgelöste KI-Agenten, die alle nicht so richtig was von sich wissen und die versuchen wir so wie KI-Mitarbeiter zu steuern und zu führen.
Ich glaube, dass wir einen ganz anderen Ansatz brauchen.
Und wir haben sehr lange darüber nachgedacht in den letzten Wochen und das hin und her gedreht.
Und ich, so nenne ich das, Und ich bin gespannt, was sich da noch für Begriffe auftun werden, aber meine Definition von KI ist, dass es das Betriebssystem des Unternehmens wird und auch werden muss, wenn wir im KI-Zeitalter noch wettbewerbsfähig und zukunftsfähig bleiben wollen.
Was heißt das jetzt?
KI, ein Betriebssystem, ist ja auch erstmal nur ein Wort.
Fähigkeiten, was die Organisation kann, einen Kontext, was die Organisation weiß, die Governance, welche Regeln und Prozesse gelten und alle anderen Systeme und Tools innerhalb des Unternehmens so steuert und nutzt, dass digitale Arbeit wiederholbar, skalierbar und qualitätsgesichert erledigt werden kann.
Also KI kann die Dinge so tun, wie wir sie tun würden, wenn wir alles, was wir tun und nutzen für KI demokratisieren, aber mit all den Vorteilen, die wir eben von KI kennen.
Und natürlich auch mit all den Nachteilen, das will ich nicht vergessen und deswegen brauchen wir da natürlich auch immer noch eine gewisse menschliche Übersicht und Steuerung und das wird auch vorerst nicht verschwinden, aber muss es auch nicht.
über KI als Betriebssystem nachdenke, dann heißt das für mich auch, dass dieses System mit jeder Ausführung, mit jeder Nutzung sich selbst erweitert und vor allem auch sich selbst verbessert.
Ein ganz einfaches Beispiel ist, wenn ein Angebot erstellt werden soll.
Und in diesem Angebot wird dann vom System bei der Ausführung erkannt, hey, der Kunde, der hat hier was angefragt, das ist so ein Spezialfall, aber in meiner Prozessdokumentation steht gar nichts geschrieben, wie ich damit umgehen soll, dass die KI dann einen Vorschlag macht, wie die Prozessdokumentation angepasst werden sollte, damit in Zukunft dieser Spezialfall ausgeführt werden kann.
Und dann ein Mensch das nochmal freigeben kann und die KI dann die Prozessanpassung, äh Prozess.
überarbeitet.
Das könnte ein Beispiel sein und das könnte über ganz, ganz viele Prozesse so ausgeführt werden.
Wir haben uns das jetzt so aufgesetzt und mich würde interessieren, bitte dazu auch einfach mal Feedback geben, ob ihr da tiefer reingehen wollt, weil dann würde ich nochmal eine Folge aufnehmen, wo ich mal genau erkläre, wie wir das aufgesetzt haben.
Aber wir haben jetzt schon eine Lernschleife drin nach jeder Ausführung und immer wenn wir ein Feedback geben, nachdem die KI was gemacht hat, wird das automatisch in die Anweisungen mit eingebaut, dass beim nächsten Mal dieses Feedback nicht mehr gegeben werden muss und somit die KI die ganze Zeit besser wird.
Das ist eines dieser systemischen Prinzipien, was wir aufgesetzt haben.
Indem wir das tun, also eine KI auf...
allem, was die Organisation kann, allem, was die Organisation weiß, alle Systeme und Tools, die in der Organisation genutzt werden und alle Regeln, die gelten, drauf sitzen haben und all diese Dinge für die KI demokratisieren, sodass sie das nutzen kann, genauso wie es Menschen tun würden, haben wir meiner Meinung nach ein System, das digitale Arbeit erledigt und das sich fortlaufend selbst verbessern kann und extrem skalierbar ist im Vergleich zu hunderttausenden KI-Agenten, die am Ende niemand mehr kontrollieren.
Das ist jetzt eine Logik, wo wir auch schon sehen können und das auch passiert alles jetzt gerade, dass die großen KI-Anbieter genau in diese Richtung gehen.
Anthropic führt da gerade den Weg an, aber Claude Cowork zeigt ziemlich genau, dass das in diese Richtung geht.
OpenAI hat mit OpenAI Frontier auch eine Enterprise-Plattform gelauncht.
Ich konnte da leider noch nicht reinschauen.
Wenn da jemand Insights hat, wäre ich sehr interessiert an einem Gespräch.
Mit OpenAI Frontier gehen die noch so ein bisschen einen anderen Weg.
Also die gehen noch sehr, sehr stark auf ganz viele Agents, die irgendwie da über diese Plattform organisiert werden.
Aber auch das ist ein sich selbstverbesserndes, selbstlernendes System.
Microsoft hat Microsoft Cowork angekündigt, auch mit einer KI, die auf dem gesamten Microsoft-Stack sitzt und nicht nur Daten rauslesen kann, wie das der Copilot ja mehr schlecht als recht, aber immerhin schon halbwegs konnte, sondern auch.
das gesamte System nutzen und steuern kann.
Also alle Apps, die es in dem Microsoft-Ökosystem gibt.
Wie gut das dann umgesetzt wird, das werden wir alles noch sehen müssen.
Aber es geht von dieser Logik her, die ich jetzt beschrieben habe, gehen immer, immer mehr Anbieter in genau diese Richtung.
Und ich habe auch mit einigen Startups gesprochen, die ähnliche Produkte anbieten, die auch jetzt immer stärker in diese Richtung gehen werden.
So, und damit...
wird sich jetzt auch die Nutzung von KI in Unternehmen ziemlich stark verschieben.
Weil auf einmal, wenn wir es schaffen, diese Fähigkeiten, den Kontext, die Tools weiter zugänglich zu machen, der Hebel, den wir aus KI rausbekommen können, deutlich größer wird und viel niedrigschwelliger.
Also es wird viel einfacher sein, dass KI einen viel größeren Anteil an Arbeit für uns erledigen kann.
Das hat natürlich jetzt zur Folge...
Dass insbesondere die Unternehmen profitieren werden, die entweder keine Legacy hinter sich her schleppen müssen und genauso wie wir einfach super agil sehr schnell diese Dinge adaptieren können und sich darüber selbst hebeln können.
Für alle anderen gilt es einfach weiterhin.
was ich immer und immer wieder hole und wir hier in diesem Podcast auch hoch und runter schon gehört haben, wir müssen unsere Prozesse im Griff haben und die müssen dokumentiert sein und auch so dokumentiert sein, wie sie wirklich ablaufen und nicht in den Köpfen existieren.
Weil nur wenn KI darauf zugreifen kann, wenn alles, was implizit ist, explizit gemacht wird, dann haben wir ein KI-System, was ...
echte Arbeit für uns aufzuführen kann.
Ansonsten bleibt es ein netter Chatbot, der uns mal ein paar gute Tipps gibt, aber es wird uns nicht mehr weit bringen.
Daten schlägt da natürlich auch genau rein.
Wenn die KI nicht das weiß, was die Organisation weiß oder darauf nicht zugreifen kann oder das veraltet ist, dann werden wir uns einen Großteil der Anwendungsfälle wieder abschneiden.
Drittens, Schnittstellen in die Systemlandschaft.
Wenn wir weiterhin Copy-Pasten müssen, weil die KI nicht das Tool nutzen kann, was notwendig ist, um das Angebot an den Kunden zu schicken, dann geht uns da wieder ein Effizienzpotenzial verloren, was man heben könnte.
Der Punkt ist, dass all das ja nicht neu ist und alle IT, KI, Unternehmensverantwortlichen da draußen wissen das.
Die Relevanz, die Wichtigkeit davon, die nimmt jetzt noch einmal zu, weil diese neuen Modellgenerationen einfach nochmal ein neues Spielfeld eröffnet haben, in dem, wenn man diese Hausaufgaben gemacht hat, der Hebel einfach deutlich größer ist.
Und da spielen natürlich auch KI-Anwendungskompetenzen wieder eine große Rolle.
Wenn ich jetzt schon ein Team habe, was fit ist im Umgang mit KI, wird es diese...
neuen Möglichkeiten, die da jetzt entstehen, viel schneller adaptieren können und nochmal einen großen Produktivitätsboost bekommen.
Da glaube ich enorm dran.
Und ich glaube, dass sich die Rolle von jeder Person verändert von ich mache die Arbeit zu ich baue das System, das die Arbeit macht.
Und wenn ich ein System baue, was die Arbeit macht, dann kann ich halt damit Kapazität freisetzen.
Die kennen wir gar nicht.
Ich glaube, die größte Frage wird gar nicht mehr sein, wie irgendwas erledigt werden soll, sondern was wir eigentlich mit der freigewordenen Zeit machen und wie wir darüber neue Ideen...
die wir dann einer KI geben können, die das abarbeiten soll.
Und auch unsere ganze Art und Weise, wie wir überhaupt arbeiten, das muss sich alles noch mal stärker verändern.
Und diese Entwicklung, die beschleunigt sich immer weiter.
Und ich glaube, dass in dieser Zeit jetzt extrem viele Chancen auf uns warten.
Ich glaube, dass das noch mal eine Das sage ich auch immer wieder und möchte es nochmal wiederholen.
Ich glaube, dass KI uns eben helfen kann, wirklich menschlicher zu werden, viel menschlicher zu arbeiten, zu dem zurückzukehren, auch wofür wir unseren Job mal angetreten sind.
Das ist oft nicht das, womit wir heute die meiste Zeit verbringen.
Aber ich glaube auch auf der anderen Seite, dass es eine riesengroße Herausforderung sein wird, diesen Wandel zu meistern und dass der Impact, der erlebbar wird von KI, wenn diese neuen Fähigkeiten, die in den letzten acht Wochen ausgerollt worden sind, wenn das jetzt in die ganzen Office-Produkte kommt und vielen, vielen Millionen Menschen, die mit diesen Tools, die heute nette Chatbots sind, auf einmal ganz anders arbeiten können.
Ich glaube, das wird einen großen Schub auslösen und das Versprechen, was KI hatte, was möglich ist, wirklich spürbar machen.
Wir sind jetzt seit acht Wochen dabei, alles Mögliche umzustellen.
Ich würde sagen, seit vier Wochen mehr oder weniger produktiv in dem neuen System.
Und wir sehen jetzt schon einen unfassbaren Hebel, den wir darauf haben.
Ich glaube, wir müssen erstmal noch die Vorstellungskraft lernen, was wir jetzt nach vorne raus noch alles damit machen können.
Aber wir sind wahrscheinlich auch immer noch am Anfang.
Und ich glaube, wenn wir in einem Jahr rauszoomen aus den ganzen Kurven, die wir uns gerade angucken können, die alle diesen Hockeystick nach oben zeigen, dass wir in einem Jahr ganz am Anfang von dieser Kurve...
Und in zwei Jahren noch weiter rausgesumt ist das jetzt gerade wirklich der Beginn, wo es losgeht, weil die KI-Labore eben diese Coding-Agenten gebaut haben, die jetzt eingesetzt werden, um immer bessere KI zu entwickeln.
Das war jetzt mal eine halbe Stunde Reflexion über die letzten Wochen.
Ich hoffe, ich habe...
Ich habe das so halbwegs erklären können, was gerade in meinem Kopf vorgeht, wie ich darüber nachdenke.
Ich glaube, es ist super, super wichtig, dass wir, wie wir über KI und die Organisation von KI und Unternehmen nachdenken, nochmal diesen Shift machen im Denken darüber, weil wir nur dann die Möglichkeiten der Technologie wirklich gehebelt bekommen, wenn wir in unserem Ich-baue-KI-Agent-für-KI-Agent-Denken drinbleiben.
Was heißt schlimm, aber schade um das Potenzial.
Ich habe hier mein Chatbot, mit dem ich Frage-Antwort-Spiele spiele.
Dann lassen wir einfach viel Potenzial auf der Straße und ich will mich dafür einsetzen, dass das Potenzial möglichst gehoben werden kann.
Von dem her, lasst mal bitte Feedback da, ob ihr, ob das...
irgendeinen Wert stiftet, ob ihr mehr erfahren wollt, wie wir dieses System für uns aufgebaut haben, welche Learnings wir da gemacht haben, auf welchem Stack wir das machen, wie wir das weiterentwickeln wollen.
Dann mache ich dazu noch mal eine Folge.
Ansonsten noch kurz in eigener Sache.
Wir haben das AI Collective vor einem Jahr gegründet.
Das ist eine Community.
Plattformen für KI-verantwortliche Führungskräfte, Geschäftsführer, insbesondere aus mittelständischen Unternehmen.
Alles Leute, die das Mandat für die KI-Transformation in ihrer Firma haben.
Und wir bieten dort ganz viel Wissen, Werkzeuge, Netzwerk, um Erfolg in der KI-Ära zu haben, das eigene Unternehmen erfolgreich in die KI-Ära zu bringen.
Wir haben jetzt noch ungefähr zehn Plätze für die nächste Kohorte, die am 1.
April startet.
Wenn du ...
dabei sein möchtest, wenn dich das interessiert, dann schreib mir nochmal an felix at ai-first.ai und ich lasse dir da gerne Infos zukommen.
Ansonsten einfach vielen, vielen Dank für den ganzen Support.
So viele Leute, die mich hier immer unterstützen und auch Feedback zu dem Podcast geben, Gäste vorschlagen, selbst Gäste, die sagen, hey, ich möchte gerne mal mein Wissen teilen.
Ich glaube total, dass wir Alle voneinander lernen können, um zu verstehen, wie wir mit dieser Bestie an Technologie, diesem, wie Andre Kapate jetzt so schön nannte, diesem Alien-Tool umgehen sollen.
Und ja, freue mich da immer von euch zu lesen und zu hören.
In diesem Sinne, vielen Dank.