# AI Agents Reshape Software Strategy and SaaS

**Podcast:** Stories Connecting Dots with Markus Andrezak
**Published:** 2026-03-17

## Transcript

Stories connecting dots.
A business podcast to discover a world of possibilities through stories told.
Mensch, Matthias, wie cool.
Wir kennen uns seit hunderten von Jahren gefühlt, so alt sind wir schon.
Wir haben nicht immer eng zusammengearbeitet.
Verrückterweise treiben uns die Themen wieder zusammen.
And we have in the last time often talked about it.
And we wrote in the year 2026, just before Easter, after Fasching...
...Carrneval, please, Carnneval.
Carnneval, right.
Now you have already revealed where you come from.
You come from the Rheinland.
Not from Köln, but from Bonn.
The topics are the same.
Of course it's AI and the uncertainty there.
And we want to do that a little bit on the work.
You're a longer and intensiver with me than I in the practice.
I'm a spät-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it-it- So, if I will or not, I live a little bit on LinkedIn.
I see you there often.
And on LinkedIn, everything goes down and down.
There are FOMO, people who know not where their mind is.
There are two bubbles.
One is, everything will end up very furchtly.
And that's the Singularity.
It will not be soon.
Jobs are not yet.
The other bubble says, how cool is that?
You can't do enough.
And that helps you so much.
Lean in.
And I set up to the discussion, sometimes from Unknowing, sometimes from Angst, sometimes from Weiss of Teufel, which is very polarised.
It's a phase in my life, so the third or fourth time, where people tell me, that what I do, not goes.
That was I do not do.
That was actually a good sign, that something beautiful comes, something good, what helps me in my life.
That's the reason why I, from your perspective, a little bit of clarity in the Unklarity Also, yeah, it's been a pleasure, here to be.
Thank you for your invitation.
And yeah, we know each other for not long, but long.
And I'm very excited to see you.
I'm very excited to see you from the critic to the überzeugt.
That's what I've seen.
I found it very nice.
Yeah, Matthias, Rheinländer, Südkölner, also I come from Bonn.
I live here and make this Software-Kram for very, very long.
And we have been in the past these agiles times.
And your product portfolio Kanban board I always raise up, if there is something bigger to do.
And I use that a lot.
I have been in the last few years with Product Management.
That was my last job.
And I have then this AI-Welle, yeah, I saw two years personally on me.
And I think that I, yeah, I say, the discussion, the now many have, also in the entire Tech-Bereich, whether now Software-Entwickler or Product-Manager, I just...
for myself we took off.
I saw it on myself and said, I just went right there and looked at it, if I stay on water.
We can go a little deeper into that.
But for me, I think, the Sorgen or the fear or the question is similar to me.
I was just like, I tried to try it out and see what happens.
And that's just the way I'm a little bit of a game kid and I'm going to play with the new Kram and see what's going on.
Yeah, also ein ausschlaggebender, der Punkt ist glaube ich noch wichtig, warum habe ich damit angefangen?
Und ein ausschlaggebender Punkt war für mich, dass ich mit, also ich mit dann mit, und das war dann Cloud Code, oder warum ich dann mit anderen Tools rumgespielt, aber als ich Cloud Code ausprobiert habe, habe ich gemerkt, dass ich einzelne Themen, die ich normalerweise im Software-Team über mehrere Leute, delegieren oder organisieren würde, auf einmal alleine machen kann.
Und ich will jetzt nicht sagen, dass man bestimmte Aufgaben dann zu 100% von einem Agenten machen lassen kann oder Coding oder was auch immer, LLM, aber es war gut genug.
Und das war bei mir der Schalter, wo ich gemerkt habe, oh Gott, was mache ich denn mit Teams?
Wie würde ich denn in Zukunft ein bestimmtes Team organisieren?
Und da hat es dann so puff gemacht, ich habe keine Ahnung.
And then I thought, I just need to focus on a little bit, to develop a feeling.
Yes, and without a feeling of going to want to, probably we'll talk about later, what does that mean for teams and so.
I think that's something that I'm going to do with this conversation now, because I see a lot of things, there's a lot of studies from a half a year and we're the Teufel was refering to it.
95% bring no ROI and so on.
And if you then tiefer reingeh, it's just like...
We know, the people interviewed, what did they do?
If you had the 100.
Chat-GPT-Rapper built, probably from the best wishes, because you wanted to deal with a new technology.
Were there any ROI-Irwaltungen behind?
We know all the time, how the numbers go.
Plus, so blöd it sounds like it, there comes a lot of experiences, from which in theory is said, what everything doesn't matter and what it can't do.
It comes from a time that is already over.
You will give us a little bit a time when something was over.
It's been a time-up break at the end of the year, since there are some weird things that work on, from which my theory would say, it doesn't work.
But the situation with the material, with the what really goes, so einen pragmatischen Filter für den Alltag vorhält.
Also mein dummes Beispiel, das wahrscheinlich schon 100 Leute von mir gehört haben, ist in so einem schlechten Beispiel von ich lasse mir ein PRD aus Interviews generieren über 100 Stufen und so und dann liegt er da.
Ich kann mir den PRD angucken und sagen, ha ha ha, der ist ja doof.
Das könnte ich ja besser.
Das Schreckliche ist aber, wenn ich den PRD genau angucke, is the first thing not so doof.
Second thing, if I compare it with the reality, how is the discussion in real life?
When you get 20 customers interviews, then I ask them, when can we talk about it?
The normal answer is in two weeks.
And what we talk about in two weeks is almost never better than the real...
I think that's a very good point.
good engineering things in the end.
And so, egal, we can see later talk about it.
But that will I today solve this, what's going on, what's going on, what's going on, what's going on, what's going on there, what's going on there, what's going on there, that people get information, that sort of get and so.
Maybe that's the point where we start to start, what was your journey was.
What are the Stufen, the you have gone on, since you said before two years, that thing comes on me, I'm going to go to the whole list of theory, I'm going to look at it now and I'm going to do it.
Ja, es fing an, also, obwohl ich mich mit Produktmanagement, hauptsächlich Produktmanagement gemacht habe, war ich immer Softwareentwickler und wollte immer gucken, was da geht und was da passiert.
Habe immer an technischen Produkten gearbeitet, deswegen war ich auch immer so ein bisschen Softwareentwickler.
Genau, und ich, genau, es kamen ja diese ersten Coding-Assistenten, ich glaube, GitHub Copilot war einer der ersten, ganz früh.
And I looked at the first version, two, three versions.
And that was a bit of a magic.
You could see this autocomplete on steroids.
And that was nice, but still not a little bit of a break.
I had to think, if you had a typic, statically typic language, then you had that much faster and much better and deterministic.
Anfang letzten Jahres habe ich dann mit anderen Tools rumgespielt und es war ganz interessant, weil das waren hauptsächlich die aktuelle Version von diesen Tools, das WindSurf und Cursor, aber das war im Prinzip, du hast deinen Code Editor auf und hattest irgendwie an der Seite so einen Chat.
Das fand ich total super und damals nicht verstanden.
Ich habe mit dem Entwickler von einem von diesen Tools gesprochen, Continue Dev mit dem Tyn.
And he said, yeah, that's all super.
And so we see a lot of things.
And it was also a really fun-up startup.
So a little nightfall.
And he said, yeah, but honestly, I don't think that's the end of the right interface.
And I said, what is that interface?
I said, no idea.
I don't know.
I don't know what it is.
Und das habe ich erst mal noch nicht so kapiert und habe ihm auch anschließend vor ein paar Wochen geschrieben, wie visionär er das gedacht hat.
Weil dann kam Cloud Code raus.
Und Cloud Code ist im Prinzip dieses Absurde, auch Softwareentwicklersicht, so auf einmal bist du wieder auf einem Terminal.
Da haben wir nichts gelernt.
Und auf einmal hast du nur so eine Zeile.
Da haben wir nichts gelernt.
And the, I forgot the name, the one that developed from Anthropic, that was a week-end test project.
So he had that thing really in a week built.
So, he was cherny?
Exactly.
Yeah.
Genau, thank you.
Genau, he had that in a week built and just went out.
And that is at the beginning, is not so much very big through the neck.
Then over the weeks, then.
And.
The theory behind it is the question, why then?
And that is, I believe, and that is very much for the whole thing.
I concentrate on the disclaimer.
If I say AI, then I mean large language model-based AI.
There are still more.
But that is the Metier, with which I am beschäftigen.
And yeah, The details I don't know, but that model was good enough, to bring this agent flow to fly.
And there are the magic moments for so software developers.
I can just go on to the right.
When you say, what's that with back to the command line and so on.
Because that makes something a little intuitive.
What happens is that I give a prompt and in the background happens a lot, but I have the control bewusst not.
Also the editor would not give me control.
And Boris Cheney himself makes a workflow, where he's actually bewusst.
the code will not see, but that feature will be on another level.
What is today in the software development a big deal.
I have been over decades over the code, which I produce, identified and now it's about the code development.
And my skills are on another level.
And that's what he wanted.
And maybe as a way for those who don't know, Boris Czerny was always someone who...
a mega productive Entwickler was and was already been doing Instagram and Meta and where the Teufel was, he was pretty much experimented, how he can produce productive and has many PRs produced and has always been looking at productivity.
Now have probably Teufel and Beelzebub got caught when he worked in Topic and he was able to do what he learned from it.
I think there comes a huge difference in what the tools are now doing.
Und das ist psychologisch unheimlich schwer für Entwickler zu akzeptieren, was da passiert.
Ich studiere Computer Science, ich lerne Coden über 15 Jahre, jetzt genau Coden, was mir abgenommen wird.
Und das, was immer schwer war, Architekturentscheidungen, Overview, ein Feature in der Funktionalität abnehmen, aber nicht unten drunter.
Das ist plötzlich die Qualität, die gefragt wird.
Oder wie Kent Beck sagt, nur 90% seiner Skills sind im Wert auf 0 gesunken, 10% haben sich vertausendfacht im Wert.
And that's the way that the difference is that it's possible to make it a tool that makes it a principle that I don't look at Code.
That's the first time.
And I think that many discussions come from the way that it can be said, that what I define now is not needed and software development in a different quality, well not better, but in a different quality.
I think that's the paradigm that it's been called Cloud.
where many discussions come from today, which we see today, this is not going to go.
Yes, but it will be the future.
But it's not going to go.
I think that comes from the end of this paradigm, that this paradigm is not so communicated.
That's very exciting.
I had that for myself personally also.
And I think that's also so different phases, which one goes through.
So, it's been a bit of a code editor, where you have the code editor open and then the chat window there.
There you have to be more control.
I was always on the terminal, but I had and have always been a code open.
And then, and then again, little changes.
Because it's also interesting, that's so...
It works never to 100%.
And if you have small things, don't do that, make it better, then you can see it sometimes, when you are very caught in a normal editor, you have the part now much faster.
Das heißt, die Frage, also jetzt bei Softwareentwicklung sind es irgendwie die verschiedenen Code-Artefakte, sei es irgendwelche normalen Java-Source-Finds, Skripte, Make-Files, Package-Manager, diese ganzen Artefakte, die lasse ich dem Agenten über.
Also der Agent kann an diesen, an den Teilen arbeiten.
Und die Frage, die sich jetzt, und ich glaube, das ist auch keine Sache, die man abschließend bewerten kann.
Ich merke das nur für sich selber und Boris ist da einfach wild in dem, wie er es macht und vielleicht ist das die Zukunft, vielleicht nicht.
Aber die Frage ist, wann ich in welcher Weise diese Sachen überprüfe.
Und genau, am Anfang war das im Code-Editor, also ganz ohne Dings hat man sowieso nur gecodet, hat man vielleicht so ein paar Skripte, die Sachen automatisiert haben, man hatte die EDE, aber das war immer dieses EDE-zentrische.
And now I'm more in the terminal and now the question is how it goes on.
And as I said, Boris is there very far away.
I have the VS Code still open and still open, but not yet.
Und ich glaube, um mal den Bogen nach ganz weit vorne zu schlagen, ich glaube, das gibt auch so ein bisschen einen Ausblick auf das, wie vielleicht auch andere Jobs in Zukunft aussehen werden.
Du meintest eben das PRD.
PRD ist am Ende des Tages auch Mittel zum Zweck.
Und vielleicht ist das auch einfach das Artefakt, was da drin liegt, wo ich gar nicht mehr drauf gucke.
Und das sind andere Dinge, die produziert werden.
Also ich würde gerne, also das klingt zwar ein bisschen ab, aber ich würde gerne noch einmal darauf eingehen, ich weiß, dass du das nicht gemeint hast, der ist ganz wild auf der Richtung, der guckt fast nie mehr Code an und sagen, wo er nicht wild ist, das macht er ja nicht, weil er wahnsinnig ist, sondern weil er jetzt sozusagen eineinhalb Jahre nichts anderes trainiert, als das zu können und eineinhalb Jahre lang sowohl psychologisch als auch von den Guardrails, die er setzt, zu lernen, dass er dieser Ebene vertrauen kann.
And also, that's he, he sets so many Guardrails in the system, that he knows, the code will not be bad.
What you must also know, is that, in your own opinion, he's more than 60% of them, what he makes, away.
Because he says, it's just completely egal.
I have always these 5-10 fans open.
Teilweise work that stuff on the iPhone and so.
But it's just completely egal, if a lot of stuff is away from it.
I take just this feature, that works and that makes what I want.
The other eight, the not worked, the not worked, the don't play.
I can work verschwender.
It has probably also to do with it, that he feels comfortable with these 10 windows open.
There must not be any one feeling.
But that's not the thing, what he makes.
That's a lot of things.
He has learned a lot of methods and learned a lot.
with the aspect that security is quite high.
So from his, in Anführungsstrichen, wilden work, he tries to find out how to build the system, so that he can trust him.
That's for the background.
Yeah, a good point.
Thank you, that you have to do it again.
I think there are two aspects that are for me important.
One thing I tried to explain was that I had my own journey through my journey.
I started doing things at first and started to go more and more in this direction.
I'm not there where Boris is.
Maybe I'm not there anymore.
Vielleicht will ich da auch nicht hin.
Und ich glaube, dass es auch für jeden selber ist.
Und ich glaube, dass das auch sehr viel dann, vielleicht wird das auch darüber dann später auch Experten definiert.
Also wann, an welcher Stelle sie welche Artefakte nochmal genau kontrollieren.
Ja, also jetzt, keine Ahnung, ich habe jetzt.
Letztens, vor zwei Wochen, habe ich einen Performance-Test gemacht.
Und ich bin kein Performance-Test.
Ich habe Freunde, die das mal gemacht haben.
Deswegen weiß ich grob, welche Tools ich anschmeißen muss, grob, was ich sagen muss und habe es gemacht.
Und mein erster Eindruck war, es war in Ordnung.
Ich weiß ganz genau, dass wenn Basti oder Lars darauf gucken würden, die würden viel früher und viel...
anders auf die Artefakte draufschaut.
Die würden anders damit umgehen.
Aber für mich hat es in dem Moment, dieses Artefakt hat gereicht.
Und ich konnte es noch gar nicht bewerten.
Ich habe es rübergeworfen und geguckt, was damit passiert.
Und das andere, was ich total merke bei diesem Rübergucken und passiert, und das muss ich mir immer noch abgewöhnen, was du gesagt hast, mit dem Code wegwerfen.
Es ist was anderes.
Der produziert diesen ganzen tollen Code.
Aber der ist ja auch schnell.
the way I don't want to lose.
This way to throw away is also a...
So I have to push myself to say, maybe it doesn't fit.
And I make it also very different for the architecture.
My Parade-Beispiel are the data-bank schemas.
Mal generated the so, mal generated the so.
Irgendwann I said, okay, you can't generate the data.
Aber anwerfen tue ich.
Also dann da an der Stelle gucke ich nochmal ganz exakt drüber.
Hat er das richtig gemacht etc.
Und ich glaube, das sind so die Sachen, also sehr viel voneinander lernen, aber ich glaube nicht, dass es da eine pauschale Antwort gibt und vor allen Dingen nicht jetzt.
Und man muss, glaube ich, man muss da selber hinkommen, um sich selber zu gewöhnen und entwöhnen.
Ja, ja, absolut.
Man muss überhaupt mal das Vertrauen lernen.
Und ich glaube, was für...
ganz wenig geredet wird.
Es gibt ja zwei Jobs.
Das eine ist, du baust das Ding, die Software, die am Ende rauskommt oder bei mir halt meinen Dokumentenkram.
Ich mache ja fast keine Software, außer um zu sehen, dass es geht sozusagen und was dabei zu lernen.
Und das andere ist ja, du baust die Maschine, die das Ding baut.
Und ich glaube, was bei jemandem wie Czerny und ich erwähne das immer nur, weil das so ein Extrem ist.
Man kann ja immer von Extrem was lernen, ohne dass man da hin muss.
Bei ihm ist, glaube ich, fast 80-20% der Maschine baut und 20% ist sozusagen Outcome.
Und bei mir sehe ich das auch.
Also sozusagen der PRD, wenn ich den jetzt in dem Begriff One-Shot, ich sage dem, hier sind 20 Interviews, baue mal ein PRD draus, dann ist das Ergebnis relativ dünn erstmal.
Und wenn ich dann hingehe und sage, guck mal erstmal jedes Interview für sich an und analysiere nur das und dann mache eine Synthese aus allen Interviews.
Und jetzt guck auf folgende Aspekte.
Und jetzt, wo du diese Aspekte hast und synthetisiert hast, jetzt schreibe Stück für Stück ein PID, indem du erst Folgendes dir anguckst.
Das heißt, in dem Moment, wo ich jetzt die Maschine baue, die PID-Schreibemaschine, wird das Ergebnis viel besser.
Und dadurch, dass ich die Maschine baue, kann ich dem Ergebnis viel besser trauen.
Auch nachdem ich zehn PIDs habe, schreiben lassen.
Wie du sagst, ich das wahrscheinlich irgendwann nicht mehr brauche und so.
I think that's also a trustee, the one can get.
Because I know what the machine is doing and because I've seen it 100 times, is the moment where I could, that's not I'm not, the PRD could almost blind give away.
I said, I don't have to look at the point of the screen.
That the okay is.
I can't focus on better interviews.
if I find the result bad.
And now I can focus on working and making the Kram.
And I think that's a trend that you can see.
machine building, outcome getting and actually working on different levels are different.
Total.
Und das Interessante ist, dass dieses Maschine-Bauen, also ich übersetze das jetzt mal für mich, eine ordentliche Agents-MD anzulegen, eine ordentliche Skills anzulegen, darüber zu iterieren.
Für die Nicht-Coding-Beispiele reden wir gleich darüber, mein CRM, eine ordentliche Pfeildruckstruktur anzulegen.
Das Interessante ist, wenn man damit anfängt, ist das klar, gibt es irgendwie so eine Einstiegshürde.
But this machine is not a classic machine, not a classic software machine, because it's very, very weak.
It's very strong and with a different model can that go in a different direction.
There are certain parts of the way that are infallible.
It's a very, very living artifact, a living artifact of my work, which I always have to do with it and adapt to it.
not only for the people who are not so busy, overwhelming, but also for the people who are not busy with it.
Also if the next models come out, look at what happens.
Look at how good the machine is.
Or something will better be, but many parts you need to adjust.
Because, verrückt, the models have a kind of character.
And that's right.
And that's right.
And that's right.
And that's right.
And I understand that many people say, character, are they now a legend or not?
Genau, aber um das als Beispiel zu nehmen, was hatte ich denn letztens?
Ja, das war so ein allgemeines Beispiel.
Also vielleicht für die Leute, die es nicht wissen, viele von diesen Coding Agents, die arbeiten in einem Verzeichnis und du machst dieses Verzeichnis auf und lädst dann.
Und er hat so ein paar well-known Dateien, die er sich anschaut.
Es gibt so einen Standard, AgentsMD, bei Cloud ist es CloudMD.
Und die lädt er erstmal in seinen Prompt-Speicher und guckt auch da rein, was es da weitere Sachen gibt.
Da können irgendwie Skripte referenziert werden, was ein wichtiger Teil ist und weitere Markdown-Dateien.
And exactly this Hop, I say, the standardization, this is the enablement of Agent MD, but what the model does, how much it does interpret it, with the further ways, that can then be different.
And so that must be done with it.
Also bei mir persönlich, es gibt ja immer Leute, die sagen, ich nehme jetzt dieses Modell dafür und dieses Modell dafür.
Ich habe meinen eigenen Coding Agent py.dev, der witzigerweise bei OpenClaw drin ist.
Deswegen bin ich auch darauf gekommen.
Aber bei dem kann ich das Modell einfach direkt drin wechseln, auch innerhalb eines Threads.
And I merke, that I use a lot of Claude, also the models from Anthropic, but the Codex models from OpenAI should also be good.
I switch a little bit back and forth, but I merke, that I'm in one thing, and most of the other models use a different model, because the other is down.
Because I get a lot of mistakes, and then I make that other.
I'm going to notice that I'm more than that one.
I think that I have to do a lot of things.
I think that it's for someone who hasn't tried it, it's very magical.
At the end of the day it's not magic.
It's LLM calls, which go ahead and go with a few principles that I would like to explain.
But it's not magic.
It's not just a magic.
And I think that is probably also, and I have no answer, I'm not sure about it, but I think that we have to think about software.
I think that we have to think about software.
I think that we have to think about this weichery part of the system.
For future software systems, how they behave.
What do you do with that?
Also what are the things, what are the things, what are the things, what are the things, what are the things that are doing?
the you triggered, where you said, I'll see if it works.
How far can I go and what are the experiences you made?
I think my first example, what I bring to bring, especially when the question of the question that these things are dumb, it's always this, I throw it out and then things happen.
I wanted to test from the beginning, can I do a application with it?
And I have now, I don't know, four or five applications with it.
And I have always, I have software back-end development done a little bit front-end, but I have never, I have also done a lot front-end, but desktop was that was that was.
And I have never done React-Sprung.
I have always looked at it, I wanted to always read it and so.
And that was the first point from software development.
I said, okay, I learn now.
We'll do that now.
Cloud Code, hello, Matthias hier.
Wir machen jetzt eine React-Anwendung und ich habe keine Ahnung, was hier passiert.
Und das war einfach großartig, weil ich einen Tutor bei mir hatte und währenddessen React gelernt habe.
Bin ich jetzt React-Experte?
Auf gar keinen Fall.
Kann ich jetzt React-Anwendungen bauen, die, ich sage jetzt mal, Basis-Software-Architektur-Prinzipien, Modularisierung, Separation of Concerns, bringen die die mit?
Bringt das Ding neue Sachen mit?
Also das erste Beispiel, glaube ich, für mich war ganz konkret, dass ich eine Technologie einsetzen wollte, die ich grob kannte, aber nicht beherrscht habe.
That was the other.
GitHub-Issues gescraped und wollte mal so ein bisschen Analysen drüber machen.
Und dann hat er mir vorgeschlagen, dann machen wir ein Machine Learning-Ding draus.
Ich so, krass, ja, dann machen wir das wohl.
Und dann hatte ich ein Python-Notebook.
So, jetzt wusste ich, dass ich ein Python, ich kannte Python-Notebooks, ich kannte grob die Machine Learning, aber im Detail hätte ich das nie, hätte ich das nie, wäre ich das nie angegangen.
Und ich glaube, das ist so einer der Sachen, die sich für mich fundamental verändert haben, dass ich auf einmal nicht mehr, dass die Barrier of Entry so klein geworden ist, dass sie praktisch bei Null ist.
Also ich kann jetzt, ich weiß grob, wie ein Load-Test geht.
Ich weiß grob, wie jetzt React geht.
Ich weiß grob, wie was Machine Learning, welche statistischen Modelle man vielleicht nehmen sollte.
Früher hätte mich das jetzt zwei, drei, vier Wochen gedauert.
Jetzt kann ich das in ein paar Stunden machen.
Wie gesagt, ich bin danach kein Experte, aber ich kann damit loslegen.
Das sind so ein bisschen die the developer activities but I say it's already early and that's the developer now I have this hammer and I can search other nails where I can put it on the right and I have last year for me for my different activities I have my CRM and I have very early noticed I've also talked about other Startups about how to do this and how to do this here or how to do this.
And I've noticed that if you just just markdown-Datees speichern, then it works.
So that's what I'm doing right now and you see the trend behind.
I have my, also I have a grove structure.
Ganz einfach.
Ich habe den Agenten gefragt, Cloud Code war das damals.
Hör mal, ich will mir ein ganz einfaches CRM aufbauen.
Wie macht HubSpot das denn?
HubSpot ist der große CRM.
Und hat mir ein riesiges Ding.
Ich sage, nee, nee, nee, nee, nee.
Ich brauche es viel simpler.
Und da sind wir drauf gekommen.
Okay, wir machen eine einfache Folderstruktur mit den Personen drin, Kontakten.
Und wir machen Aktivitäten.
Und die referenzieren sich gegenseitig.
Und dann haben wir noch so eine leichte Folderstruktur, damit wir sehen, in welchem Stadium die sind.
And so on, we have started.
And it's also nice to say this we.
My CRM is now the time so.
I have a folder, there is an AgentsMD in the folder and the description of what this CRM does.
That is the CRM for Matthias and his work.
And here are the contacts and here is the schema.
And what I can do now, I have now email and calendar to the end.
And if we have a call, then I can ask questions.
What have I talked about with the last time?
What is it going on?
And could it be some other topics that have come from other feeds?
And I can talk about that.
But I can't just speak with them.
It's just like I always put things in.
I have it at the moment not yet on LinkedIn.
But if someone gives me a LinkedIn-Inchance, then it's very often so that I put them in there and put them in there and say, okay, I have it all set up as an activity and what do you do with that and that?
And the half of the time is this is the same thing.
And the other half is that is cool.
And then I take the ideas and write them back and tweak them.
With emails it's the same thing.
I don't send emails automatically.
I always leave them draft.
But the ones that are on this markdown basis are on the basis.
Factor X besser, als wenn ich das durch den E-Mail-Assistenten habe, weil der nicht genug Kontext hat.
Am Ende des Tages, das ist das große und das ist irgendwie dieses Begriff Context Engineering.
Diese Agenten schmeißen, also der Agent macht nichts anderes als so ein LLM aufrufen und unsere Aufgabe oder die Aufgabe, die wir gerade und jeder, der mit diesen Tools anfängt, ob er das jetzt bewusst oder unbewusst macht, geht es darum, den richtigen Kontext so viel wie nötig, aber nicht zu viel dem Agenten, dem LLM mitgeben, um dann einen ordentlichen Result zu haben.
Ich habe jetzt zwei Fragen, die in sehr unterschiedliche Richtungen gehen.
Ich muss aufpassen, dass ich mich nicht verheddere.
Die erste Frage ist, du sagst ja, du beschäftigst dich stark damit, was Leute, die nicht so technisch orientiert sind, with these systems.
Maybe you can describe it for those who are not so good at the same time, because that has to do with the context engineering or context aussuchen, context kuratieren and so on.
Yeah.
I have noticed that when I chat GPT use, I have a few things I have learned.
And that is, that I first bring him context to the point.
So when I chat GPT on and a certain topic I have, no idea, spec driven development.
Spec driven development is one of the methods, how people in the future software development make.
And so a large language model has always a cutoff date.
And so on, there are also these tools, there are also these web search, that you see sometimes when you use ChatGPT, that the person begins to search for the Internet.
I turn it up.
I say to the beginning, these are the three articles to Spectre Development, which I noticed in the past.
You read them, then we can start to speak.
And that's for me the first step for context management.
Ein Large Language Model per se ist stateless.
Also das heißt, jeder Call, den ich hin und her schicke, da fange ich wieder von vorne an.
Der Thread, den man in ChatGPT sieht, der wird immer komplett mitgeschickt.
Also der komplette Thread wird immer mitgeschickt.
Es gibt so ein paar Compaction, weitere Themen, aber konzeptionell kann man darüber nachdenken.
If you have some things from you, then it's there, that you said before, they have now so an internal memory.
That's, they have an intern, they have something about the Matthias learning, what he does.
That's what he does.
That's what he does.
I like it not, because it's a bit of a black box.
But in principle, these einzelnen Nachrichten, Contextblöcke werden genommen and immer wieder an das Large Language Model geschickt.
Like I said, I think that you can learn from the chat GPT, um that better and more and more.
And these Context-Fencers, what you can send to a large language model, they can grow into enormous.
Früher had you a paragraph, four or five Sets could write, now can you all the books.
That means not that you should all the books.
the relevant information.
And now you have to do Compaction, so that it is again good.
But you have to manage that.
So, why is that now anders with Cloud?
That is a basic principle that it has already been done.
And that have also the first Coding Assistant made.
A little bit of a little bit of a thought about what is Cloud and what does that actually do?
In principle, it is...
First of all, it is the information to the Large Language Model.
interpretiert die Rückmeldung und probiert es neu.
Also schickt diese Nachrichten sich gegenseitig.
Das ist so ein glorified while loop, wie sie sagen.
Der große Twist, und ich habe eben nochmal nachgeschaut, weil das natürlich auch total spannend ist, ist Toolcalling.
Also ein Large Language Model gibt dir nicht nur Nachrichten zurück, sondern gibt dir auch zurück.
Übrigens, um diese Nachricht zu beantworten, wäre es gut, wenn du XY machst.
Wenn du XY machst, das Beispiel, was Leute in ChatGPT sehen, ist Websearch.
Also wenn da auf einmal anfängt, oh, ich suche jetzt mal im Internet, hat das Modell selber entschieden, ich weiß die Information nicht, ist nach meinem Cut-Off-Date oder von heute oder so.
In dem Moment entscheidet das Modell, ich suche mal.
Aber es ist nichts anderes, als dass das Modell zurückgibt, ich weiß die Antwort nicht.
Ruf mal das Tool auf.
Und dieses Ruf mal das Tool auf ist, dass das Modell vorher mitbekommt, hier der Benutzer hat folgende Frage und hat folgende drei, vier, fünf, zehn Tools zur Verfügung.
Websearch ist eins davon.
Und dann gibt es eine Beschreibung dazu.
Wenn du die Information nicht hast oder du glaubst, dass sie tagesaktuell ist, etc., dann nutze Websearch.
Und diese Tools.
The use Cloud Code is extensive and a special feature in this system is, they have, yes, this is a little technical, but they have Unix Tools.
Also, that, what you as a software developer or what not Technica on a black screen.
These little tools, List, Grab, Execute, these little tools.
And that, what Cloud Code found, and that has a lot to do with that model at the point, as it was, but what was at the point of the switch was, is that the Large Language Model was so good, that it has the right tools called.
And the context is now, in my CRM-Beispiel, I have now a verzeichnance with different Markdown-Datees.
Das Large Language Model kann in dem Moment, oder der Cloud Code sagt in dem Moment, okay, das sind deine Tools.
Du kannst suchen, du kannst Sachen machen und das Large Language Model benutzt diese Tools.
Und es stellt sich heraus, dass genau diese Kombination, also ich habe ein Large Language Model, was Toolcalling hat und ich gebe dem die Tools, um auf einer Unix, Linux Ebene diese Tools aufzurufen.
Und ich gebe dem, ich sage jetzt mal, klassische Software-Artefakte, in diesem Fall sind es jetzt Markdown-Dateien und Skripte, dass diese Kombination eben dazu führt, dass so wahnsinnige Sachen passieren.
Und ich muss ein Beispiel kurz erzählen, weil das für mich, mich selber noch jedes Mal Head-Exploding ist.
For those who don't know, at the beginning of the year came OpenClaw.
That's a personal assistant.
Peter Steinberger has brought this out.
All in the media has now been opened.
He's now doing the biggest GitHub Stars project in the time ever.
He has more GitHub Stars than Linux.
Also, absolutely.
There are different reasons.
But the key is, I have a coding agent.
I have a cloud code.
Die benutzen was anderes, Pi benutzen die, aber im Prinzip kann man sich Cloud-Code vorstellen.
Und die haben eigentlich, hat Peter eigentlich eine Sache gemacht.
Der hat den an WhatsApp angeschlossen.
Das heißt, ich kann den per WhatsApp Nachrichten schicken.
Und wenn man per WhatsApp Nachrichten schickt, dann verändert man so ein bisschen die Kommunikation, man verändert so ein bisschen, was hin und her geschickt wird.
Aber am Ende des Tages ist es das, was ich in einem Terminal eingebe.
So, und die Geschichte, die ich erzählen will, ist...
Peter Steinberger in his first version, he just texted that thing.
I sent him a text, he sent him a text.
Super, great.
And I don't know if he did it or did it.
But he sent him a voice message.
And then came this voice message by OpenClaw or by the Coding Agent.
And the data, that's not a text.
What do I do here?
And this, what should I do here, is this Ping Pong Large Language Model.
Which tools have I?
And he had a Unix Environment.
He had a Compute Environment.
He had tools available.
And he said, okay, I can take a look at the data.
I have to make a look at the data.
Okay, that seems an audio data to be.
Okay, for audio data, what does it take normally?
That stands now in Large Language Model.
Okay, I'll try this then.
Hmm, I don't have it.
Okay, was gibt es denn noch?
Ach, es gibt auch so Audio Text to Speech, Speech to Text von OpenAI, also von wieder Large-Leggage-Model.
Dann suche ich mir, wie kaufe ich denn, dann rufe ich das mal auf.
Oh, ich bin ja gar nicht autorisiert.
Was muss ich denn zum Autorisieren machen?
Oh, ich habe hier so ein Token.
Und dann hat sie sich den Token genommen, hat diese Datei genommen, hat sie an die OpenAI geschickt, transcribed und denen die Nachricht zurückgeschickt.
Tool Calls, kleine Linux, Unix Dinge.
Und das ist im Prinzip, wenn Leute jetzt OpenClaw benutzen, wieder als Beispiel, das ist das, was intern passiert.
Radaradarada.
Und dann ist, wenn man diese kleinen Schritte, die alle nachvollziehbar sind, für jeden, der Linux, Unix macht, ist doch klar.
Aber da man diese ganzen kleinen Schritte nicht, dann sieht es am Ende des Tages bei OpenClaw.
I don't know how much I'm here.
You said that in the moment you can also write a book in the context, but it's not always helpful.
And my metaphor for this is, if you say to a person read the fucking manual, or if you say that the problem that you do, is in chapter 5, chapter 4.
That's a bit of a difference, which can be seen.
What comes with the people maybe to do that?
Maybe he also finds chapter 5, chapter 4 and so on.
The probability that something cool is coming out of the way, when I say, his problem is at the point described and the point I give you with.
I think so can you see that a little bit...
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhalts, right.
Inhal Also meine AgentsMD schreibe ich, also und das Inhaltsverzeichnis ist jetzt in vielen Fällen ist das diese AgentsMD und die erstelle ich auch nicht mehr per Hand, sondern ich gehe dann auch viel einfach hin und sage, guck mal, das ist das, was ich jetzt hier mache.
Ich beschreibe das und kannst du das mal, guck dir nochmal das Projekt an.
Dann durchsucht er alle Dateien, alle Verzeichnisse, macht sich selber einen Blick darüber.
Also ich sage im Prinzip, worum geht das Buch?
And he looks like that book and makes it an Inhaltsverzeichnis.
And that's maybe a good tip, to learn that the context is always new to make.
Also, a lot of work is, I make a job and when I realize...
Ab jetzt wäre es, alles was ich die letzten 10 Minuten gemacht habe, ist für meinen nächsten Schritt irrelevant, mache ich einen neuen Kontext auf.
Bei Cloud Code ist das Slash Clear, bei Pi ist das Slash New.
Aber in dem Moment stelle ich A sicher, dass der vorherige Kram mir nicht in die Wege kommt, dass er manchmal nicht abgelenkt wird.
Okay, der hat doch vorher gesagt, vielleicht sollte ich hier rumgehen.
Und B, ich verifiziere auch immer wieder ständig.
and I aktualise it then also, that my Inhaltsverzeichnis, my AgentsMD, is well-offsetting.
Because in the moment, it starts from the beginning.
The AgentsMD is the one, the other data reference, and then it looks like it.
And that is at the end of the day, it is exactly that.
And I think that is what you must learn.
And there is probably, there is a lot of Muster.
But that's still too early.
You can tell me a few tips and tricks, how I do this with my CRM.
But at the end of the day, everyone has to learn and work.
Before I make a huge piece of advice, I would like to ask if you have an explanation why that is what works for Code works, also for other things.
Also wieso klappt das überhaupt?
Das klingt ja erstmal nicht normal und führt auch dazu, dass Cloud Code wahrscheinlich mit der schlechtesten Produktname aller Zeiten ist.
Sogar dazu führt das halt Cloud Cover bauen, was so ähnlich ist, aber halt anders aussieht, aber eigentlich ähnliche Fähigkeiten hat und so, egal.
Aber der schlechte Name macht notwendig, dass man ein anderes Produkt baut, das irgendwie anders heißt, ähnliches kann.
Und ich wollte noch ein Beispiel geben, wie absurd anders das sein kann.
Also ich mache so komische Dinge, wie dass ich Ich schmeiße zum Beispiel ein Strategiedokument von einem CEO in die Maschine und dann Backbriefings dazu vom mittleren Management und dann vergleiche ich, was waren denn die letzten 50 Slack-Nachrichten, die in diesem Unternehmen so geschrieben wurden.
Und das wirkt super, super zufällig, was ich jetzt gerade beschreibe.
Und das sind wirklich kurze Segmente.
Ich muss gar nicht das ganze Strategiedokument nehmen.
Ich nehme irgendein Bruchstück davon.
Irgendwelche Bruchstücke random, damit mein Bias nicht drin ist.
from these Backbriefings and just the last 50 news.
What I just analyzed the machine, is to say, what will the chef, what will be planned and what will be done?
And the irre is that in Unternehmen, which I know for years, months, the analysis, which comes out of this random random random random example, totally to the point is.
And that makes me a little bit nieder, but I could have this analysis from outside not better written.
as that so a LLM makes.
That's really degrading for me.
And I even behaupted even, that McKinsey makes a lot of social hacking, they sell not the clear analysis, but something else.
They would not write an analysis, better than this random example.
And the question is, the question is, what do we talk about and why do we talk about so many months in the strategy?
if that doesn't play a role in the way, what comes on the floor.
The more question is, why do we believe that white color and the human being so much of this work is defined, that we have so much new work in the work, that the LLM has no problems, but that signal to the point out, that you want to plan, that you do it.
And the gaps are in the gaps.
Total absurd.
Also warum kann die Maschine, die Code schreibt, sowas erkennen?
Also es gibt erstmal eine ganz einfache technische oder einfache oder die technische Theorie ist, wie Coding-Agenten aufgesetzt sind, ist, dass die Large Language Model sehr viel auf Code trainiert worden und einfach so etwas wie Markdown-Dateien und Verzeichnisstrukturen darüber suchen einfach sehr gut ist.
Tatsächlich gibt es ja andere Ansätze mit Rack-Systemen, die vorher versuchen, anders diesen Kontext zu machen, vor allen Dingen semantische Suche.
Und das ist auch keine exklusives.
Aber ich weiß jetzt nicht, wie du das gemacht hast, diese Slack-Nachrichten da reingepackt hast.
Aber es stellt sich eben heraus, dass wenn ich meine Informationen...
wieder mit Hilfe von einem LLM strukturiert in einem Unterverzeichnis haben, leicht lesbar mit einem Markdown, also PDFs in Markdown packen, mit Passkripten zur Validierung etc., dass man sehr, sehr weit kommt.
Ich muss gestehen, dass ich das theoretisch verstanden habe, aber die Theorie für mich nachvollziehbar ist, aber ich jetzt kein Large Language Model Experte bin und mir genau erklären kann.
why that so is, but it turns out to be, that it's good.
And your second question was more philosophical.
Where now my work ends and the agent begins.
I think, I can say for myself, how you do it all, I think this, excuse me, this question of strategy.
I had another.
My name is my friend, he makes also a strategy-based training in another field, but he has been there very long and has been a pleasure to have that.
He has also been through chat-chapter and said, hey, it's 80% of what I wrote.
I can't answer that for me, I can't answer that for me, I can't answer that for me, that the moment I have been doing my steering...
Also ich steer das Ding und bewerte.
Und nochmal, es ist ja irgendwie bei 80, 20 Prozent und ein Fünftel der Fälle oder was auch immer kommt da Quatsch raus.
Und ich glaube bei dir jetzt bei dem PRD Beispiel, du guckst da drauf und sagst, ja klar, es sind gute PRDs.
Alle anderen gucken da drauf und...
Keine Ahnung, die werden ja jetzt nicht sofort raussehen können, ob das ein gutes PID ist oder nicht.
Deswegen dieses Steering und Taste und eigene Meinung.
Also ich fände es mal interessant, das müssten wir mal machen, dieses Abgleichstrategie mit Nachrichten.
Ich würde jetzt mal philosophieren, dass du auch, gerade wenn du dann die Leute kennenlernst, dass du sagst, ja.
Kollege XY hat das und das geschrieben, aber ich weiß, oder ich mache mal die Hypothese, dass er im Subkontext was ganz anderes meinte.
Und solche Informationen wird er ja nicht rauslesen können.
Also ich glaube, durch das Steering und persönlichen Einschätzungen, Bewertungen da noch ganz viel drin ist.
Ja, also ich glaube auch, dass die, das ist ja das Verrückte, dass sagen, mit allem, ich gucke nicht mehr auf den Code, was dann wieder, wenn wir auf den Czerny zurückgehen.
The judge is a good feature or I'll throw it away.
And it works like I thought.
And he's driving that specific game on the spot.
He's going to take the patience in the middle of the day with Claude Code to write the specific code and then plan mode to go.
Until he's one shot and then looks like that was not good.
And so.
There's still a lot of effort in.
So eine Skill, die es ja zu geben scheint, ist dieses zu beschreiben, how does good look like?
Was ist das Ergebnis, das ich erwarte?
Und das ist ja das, was ich mit dem Maschine bauen beschrieben habe.
Der erste PRD, den ich jemals in meinem Leben habe generiert, war ja relativ schwach.
Und dann gehe ich halt und sage, wie kann der gut werden?
Was für Instruktionen muss ich geben?
Wie muss es runtergebrochen werden?
Maschine bauen, beschreiben können, wie gut aussieht, das ist halt trotzdem eine Skill.
Das ist halt...
what's from 80% up to 85%?
And a important point, and I think Cloud Code is a nice example, there are many people who don't find Cloud Code and just as bloated and not performant.
And now, as I said, I have from Pi, also pi.dev, PiDev is so my favorite.
Open Source, auch aus Österreich gebaut, interessanterweise.
Und das ist ein interessanter Punkt, weil die benutzen natürlich auch AI, um das Ganze in ihren eigenen Agent zu bauen, haben aber eine sehr viel mehr Meinung, was die Architektur angeht.
Der Coding Agent ist viel reduzierter und ist im Kern sehr...
Also sehr viel Hand geformt und noch mit sehr viel Übersicht.
Und das ist für mich ein schönes Beispiel, ein anderes Modell.
Bestimmte Sachen, und wie gesagt, hatte ich eben das Beispiel auch, Datenbank-Schema gucke ich nochmal drüber.
Da endet es bei mir, da lasse ich noch einmal drüber.
Is it in a half year so?
I don't know.
But I think that one on the one hand, as you said, the context form the right way and so on, but also intern, and that must every software, every system, for itself decide, intern, what are the guardrails?
Also a classic example, what I know.
I hear it, that AI in the enterprise is unsicher.
No, it's just so unsicher, how much freedom you give.
And by the question about Access is for me actually clear, the user, who does system work, his rights, the rights of the LLM.
Of course, the LLM doesn't have a different tenant, another data of a different user.
The user, who does that use, the model...
Natürlich stellt sich die Frage, müssen wir einem Benutzer, damit er erfolgreich ist und damit diese Magie entsteht, mehr Rechte geben?
Open Claw ist das beste Beispiel.
Man sagt hier, nimm meinen persönlichen Computer, nimm alle meine Daten, mach.
Und dann auf einmal passieren wahnsinnige Dinge.
Natürlich ist das keine Antwort für Enterprise.
Aber wenn man über Sicherheit nachdenkt und Daten und Zugriff, dann muss man sagen, It's the same principles as before.
The user, the right thing is, the thing is to do, the has a certain access control and the agent does not have to do.
It's the same thing in real life.
My favorite example is that...
Historically, it's so that Kletterrouten...
Also, in so einem Sportklettergarten, where they are also Anfänger.
There's no 7er route, which just as 3er route begins.
The Hürde is very low.
If you don't come over there, you have to find the 7th route nothing to search.
And so a problem with OpenClaw is probably...
I think that's not so...
I think that's not so trivial.
And there's enough false tricks.
And then it's not so...
I think that you don't install that thing, and that's what you do on Twitter.
I install that thing, and that's how it's worth a app.
And it's all a bit Fabeland.
It's not trivial, that thing to go to the way.
It's a bit trivial, that it can be on things, which it should not be able to.
That's probably going to change.
It's a bit of a bleeding edge, which probably not everyone should be able to get.
But I think the installation is now already hard enough, that not every Oma comes up to it on their PC and just to have it.
Yeah, where we have to choose.
We have on the one hand the developer tools, Cloud Code, which is called on Terminal.
Anthropic, you just mentioned, has Coworks brought out.
And that is a desktop tool.
And what they do intern, they don't do their computer, but start a VM.
All of them, what we just described, they try to pack them so.
that that's an Autonomous-Normal-Verbender and that's what I'm doing with many people.
Witzigerweise HR is my biggest group, which is a great group, but they want many things automatisieren or better, easier to make.
And Cowork is first of all ChatGPT, but there is a lot of...
from the interface etc.
So a couple of things different.
It's important to understand the people that they understand behind it.
But there is a VM that can be asked.
What has you?
I have a Ubuntu.
What tools have you installed?
So, und Anthropic experimentiert gerade damit, diese Tools auf und zu zu machen.
Zum Beispiel haben die Netzwerk Access Restricted.
Du hast keine Sudorechte, also kannst bestimmte Sachen auf dem System nicht machen.
And that's also a big discussion, especially in the Agenda world.
It's all about the word sandboxing.
How much do I have to do my agent, who has the tool calls, the Unix access, file access etc.
How much do I have to do with them?
And to keep that example, yes, Cloud Code.
That's not my first step.
I would like to recommend people...
I wanted to talk about Open Claw first, that you could do everything wrong and where you have to be careful with the first step.
Yeah, yeah, yeah.
Yeah, yeah, yeah.
Yeah.
OpenClaw auch.
Ich glaube, ich meine, das ist das Interessante.
Peter Steinberger sagt ganz, ganz, ganz explizit, du musst dieses Sachen machen.
Der war am Anfang, war das ganze Ding terminal-basiert.
Der wollte gar keine Web-UI machen, damit nicht Leute auf falsche Ideen kommen.
Du musst dich damit auskennen, was hier passiert.
Aber das Prinzip, was dahintersteht, ist das Gleiche und wird woanders auch benutzt.
Ich wollte noch einen Riesenschwenk machen.
Ich wollte nämlich nochmal auf dein CRM-Beispiel kommen.
The Bogen is following.
You describe it, that it works with the MD-Files, the machines are super.
I have a short story.
I studied from the design of Programmiersprachen and so on.
And then there is a topic that you make, Kommunikationsprachen and so on.
And then we had the super-slaue idea, Kommunikation over the file system to make.
Scrum, wie es kommen musste.
Eines Tages steht der Systemadministrator von der Universität neben uns und sagt, was habt ihr denn für einen Scheiß getrieben?
Das ganze File-System von der ganzen Uni stand still, weil wir halt Koordination darüber betreiben.
Was ich damit sagen will, ist Folgendes.
Wahrscheinlich wird man HubSpot für ein Enterprise nicht mit MD-Files bauen können.
Das muss auch gar nicht schlimm sein.
Warum ich es frage, ist, wir müssen ja diskutieren, wie müssen wir Software anders denken.
Ich glaube, da kommt es jetzt rein.
You build a CRM and it works for you.
It's kind of hyper-personalized.
You have a little software that I build.
When I tell my daughter, she says, that's a little software for my Lauftraining.
I'm a little bit shy.
What's that for a nice use case?
How do you do that?
That would be for her.
Egal.
The Witz is, for me is that geiler than your bought software.
I don't know.
Follow the money.
Also es gibt ja, ich glaube vor einem Jahr hat das Microsoft CEO Satya Nadella gesagt, SARS is dead.
Und was er damit meinte ist, dass dieser ganze klassische SARS-Layer die...
software as a service anwendungen für viele bereiche nicht mehr so passen und ich glaube dein beispiel ist gut ich glaube dass viele oder viel geld wird mit mit unternehmens software gemacht die wo man irgendetwas von der stange nimmt und es funktioniert so halb gar ich was war das jetzt da ich letztens mit jemandem gesprochen und die haben die sitzen seit einem jahr an ihrer erp einführung das war ein kleines mittelständisches unternehmen und I think that's a classic, where you have to find something like that and then you have to find something like that.
I don't think that SARS is totally dead, but I think that we have to think differently.
Um a example, um a CRM-Beispiel to build, of course, I wouldn't have a markdown-based CRM with a shared drive-folder for 1000 people.
Although, maybe it's funny.
But I think that's...
that these systems more to a system of records give and that LLMs can speak with ordentlich APIs.
It's a model context protocol, which is basically nothing different than this tool calling, what I just said, a little to pack, that you can use different tool calls to make sure that you can use it.
And I think that at the time there will be a lot of happening.
In your example, now you have the app built, now you have to do it yourself.
I think so good that the question of maintenance and security and so many companies will SaaS-inventure completely use.
But there will be a lot of pressure from people.
I have in the past a lot with companies that have a cloud-based company.
intern haben, die werden auch dieses Vibe-Coden dieser App machen.
Und ja, die Maintenance ist noch nicht beantwortet und da sind noch viele weitere, auch Security etc.
Fragen, aber ich glaube, da wird ein Druck ausgerupt und ich glaube, so eine hyperpersonalisierte Software, das ist einer von den Sachen, die ich auf jeden Fall, also mich nicht wundern würde, wenn es davon mehr geben würde, auch.
What I find also interesting is that I, what I so in the market, that the budgets are totally closed for any big use of this whole form and uncertainty, where it moves from.
And just from the fear of the fear of that you invest in something big old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old old irgendwas hyper-customized, einfach den Schmerz löst für billig Geld, ein bisschen Time Material und der Schmerz ist weg.
Hast du da Beobachtungen gemacht?
Also bei dir selbst, im Umfeld?
Ja, also ich kann es nachvollziehen, dass Leute jetzt, ich sag mal, ihre klassische IT-Strategie mal auf Pause setzen.
and think about how it goes.
What me a little bit is that only PowerPoint and data strategy paper are done and that nothing is done.
I'm a big fan of prototypes, small things, which you can start.
But that's also my advice to an entrepreneur.
If there are no big things...
So a little prototype, even if you put them in a year away, there will be a lot of learning.
And that's also my advice.
And I see also, I have a ERP-Advice with whom I've spoken last.
They know that of course.
And they react to that.
They need a little longer.
That's also.
But I think that the existing SaaS-Advice to the existing system, the Vordenker, there will be a reaction from them.
That will be a customer.
And there will be new products and new products in the next time on people.
So that the question of the new strategy, the new strategy, the way there will be.
There will be a way to help them.
I'm sure.
Have you already seen it?
I have not seen it before.
I think that they all...
And if I would have seen them, I would have said that.
But I think they are in a big innovation dilemma.
We all see this world on us.
And at the same time, 99% of the people there are not using it.
We can't do that thing on the left.
What we're trying to do is to try new products, new products, the people to lock.
The question is, if they're fast and good enough.
So now that's a example.
We're at the Coding Agents.
And this as a concept of software as a co-work.
And in the other hand, Microsoft has yesterday announced, that they have the same model.
They cooperated even with Anthropic.
That's insane.
That's so fast, that the big question for the big companies, that would be for me the biggest question, how fast they are going to be able to do this, these things to do.
And that would be a little bit more than a small or a little bit more than a small or a little bit more than a small.
We are already in the German middle of the world, whether they are still enough to do the German things or just wait until now.
And Microsoft, that's what I find really great.
We are old enough to know the Internet Explorer time.
But I must say that new Microsoft is, I'm always fascinated by it.
And as they now this Coworks announced, how they do it, Ganz kurze Erklärung, also bei Cloud läuft die VM auf deinem Rechner und da packst du die ganzen Sachen rein, also abgeschlossen, aber auf deinem Rechner.
Und bei Microsoft Copilot Cowork läuft dieser Rechner in der Cloud, was völlig normal ist oder ich sag mal echt tektonisch völlig nachvollziehbar ist.
Haben dann ein paar andere Einschränkungen, aber es geht in die Richtung.
Why should SAP so a model not make?
Yes, that's true.
At Microsoft, I think, can't be able to touch and touch and touch and touch with the changes that are in the way.
How good is it, but also how much, what decisions in such a company get attracted to that.
You're actually with OpenAI in the bed and you say...
Oh Mist, die werden rechts überholt, also bei aller Macht werden die rechts überholt von Claude.
Dann holen wir halt Claude mit rein, auch egal.
In dem Moment, wo sozusagen der große Regierungsbann in den USA über Claude ausgeschüttet wird mit Gerichtsprozess, ob das okay ist, dass wir sagen, in der Supply Chain von Regierungs- und Regierungszulieferern so nichts drin sein dürfen.
In dem Moment sagt Microsoft.
Is it's not that it's so good, we take the choice.
Wahnsinn, right?
Absolutely Wahnsinn.
One of the insane, the most, the most, the most, the most, the most Geschäfts decisions I've seen in the last years, I believe.
That's how you can't imagine what that means.
And then also, and it's been always this information from the internal Code Red, Google had that in a year.
OpenAI, oder vor zwei Jahren weiß ich nicht mehr, OpenAI letztens, ich glaube, dass da wirklich, also ich finde auch Google, die sind ja, das ist ja total spannend, die haben ja im Prinzip die Large Language Model erfunden, die haben dieses Transformer Paper rausgebracht und im Prinzip die Grundlage dafür gelegt und dann kommt so ein OpenAI von links und überholt die.
But they have good on.
Gemini, they have the whole thing.
They have also the processors.
They have also Enterprise-Kunden.
Right.
Also, by the whole critique, the companies are good on it.
Also, there are a few big ones, where I really put up.
Yeah.
How they manage it.
Yeah.
Yeah.
einen kühlen Kopf zu behalten und schnell zu sein, ist absurd eigentlich.
Das ist schon cool.
Was sind denn Probleme, die es noch gibt, Matthias?
Jetzt haben wir eine rosige Welt gemalt, es geht ganz viel und so und alles ist cool.
Was sind denn Probleme, die du noch siehst bei der Arbeit mit der Technologie?
Ja, also ich glaube, das Erste ist, dass man wirklich ein neues, man muss und Das habe ich auch tatsächlich mit einer bekannten gestern darüber gesprochen, die von ihrem Team erzählt hat, die sich Cowork angeschaut haben und die dann sukzessive Erfolge machen und man lernt es beim Tun.
Aber das Problem ist nach wie vor, und das merke ich bei mir selber auch immer, dass ich erstmal einen anderen...
a different mindset, what this software can be used.
80, 90, you search the number of numbers.
In the high number of numbers, Cloud Code is super and it works well.
And the other 10% works not.
And that must be for me...
Or that people have to accept it first for themselves.
And not to look at these 10% and it's gone.
But to say, okay, it works in another way.
And that I have it maybe not.
And I can do that a little bit more.
I think that's a topic where people come from.
That other problem, what is also very important, and that is also for Claude and Cowork etc.
That problem of prompt injection is not solved.
The models are always better, but it's not solved.
Also ich schmeiße meine Suchmaschine an und der kommt auf eine Webseite, wo schadhafter Code ist, schadhaftere Promts drin sind, die werden reingeladen und der schafft es irgendwie, die Brücke zu schlagen und die Sachen auszuführen.
Lies alle meine Dateien, lies alle meine Sachen aus etc.
Das Problem ist faktisch noch nicht gelöst.
Es ist aber so.
that the new models, and the big labs, as they say, work on it, it's always better to make it.
And the tests say that happens always seldom.
But it's just very important to know, there are always little things that are in the case, where the coding assistant did things, which he did not do it.
And so...
For me are then, there are then, there are then, that I always work with backups, that I really don't know or don't know physically.
That means the file, which is theoretically theoretically has, are all in order.
And that third is certainly cost and Also Token-Cost und Verbrennen von Ressourcen.
Die Frage stellt sich ja, muss ich, keine Ahnung, 100.000 Tokens verbrennen für irgendeine kleinere Aufgabe?
Ich finde, das ist ein wichtiges und offenes Thema.
Aber wenn man sich ansieht, wie sehr die Open-Source-Modelle besser werden, dann gucke ich da eigentlich schon optimistisch in der Zukunft, dass es im Prinzip am Ende des Tages ein kleineres, spezialisierteres Modell ist, was bei dir auf dem Rechner oder deinem Rechenzentrum lokal läuft, wo man A, Datensicherheit es besser hat und B, wo es auch wesentlich effizienter ist.
Ganz konkret bedeutet das, holt euch bitte eine Subscription.
Also wenn ihr irgendetwas von diesem Kram ausprobiert, nehmt eine Subscription.
Wenn ihr per Token bezahlt und da nicht aufpasst, dann hat man schon 200 Euro verbrannt.
Deswegen bin ich, mache ich schon sehr lange, aber bin ein großer Freund von diesen Subscriptions.
Und das kannst du jetzt bei Claude.
Gibt es, ich glaube, diese Pro Subscription, fängt bei 20 Euro oder so etwas an oder eben von den anderen, von OpenAI oder anderen Modellen.
There would I have to start with saying, take a subscription, they are going to turn off, but then, until then, you have a very good control.
And what is important to know, the calculation of the tokens is different, whether I get the cashed or get the cashed.
And this caching is much more expensive.
And just through these subscriptions, is you longer and better on the road and can more and more earn, as if you have the tokens 1 to 1.
If someone starts to start, how much is he going to do?
How much is he going to do?
So 20€, 100€, 200€?
That's for normal people, real costs and a Netflix-Abos, we know what the hell is.
Or eating with the family or something.
Also nicht jeder Arbeitgeber zahlt die einfach so und vieles davon ist auch jetzt ein Hobby sozusagen und ist bei der Arbeit gar nicht gern gesehen.
Ich kenne auch Unternehmen, die ein Subkomitee gegründet haben, die Prompts ausarbeiten, die reused werden dürfen im Unternehmen, andere Prompts, die man nicht benutzen darf und sowas.
Also das ist auch eine Realität, die es ja gibt für solche Leute.
How much do you give out of a token in the month for a slim job?
Yeah, no scale, but actually in order.
Two or three subscriptions and I give in the month so 200 Euro out.
But I can't say it now, but it's a good question.
How far do I come with so a...
With a 20-$, 20-Euro-Subscription, I think that you can get there well enough.
You can make a monatical account, so that you can cancel.
I would recommend it, you to recommend it.
You can also do small tests, but you have to take a little away from each token.
So a little, where we can go to this, a little, that's important.
That's important.
Also vielleicht ist das ein Aufruf für die Leute, die mit der 20 Subscription nicht weit genug kommen, mal ihren Case mal zu benennen.
Und vielleicht kann man dann da den nochmal reinschauen.
Ich glaube, dass man für so Standardfälle und wenn man das jetzt auch nicht wie ich als Softwareentwickler irgendwie acht Stunden am Tag macht, sondern eine Stunde am Tag für bestimmte Aufgaben oder sagen es zwei, ich glaube, dass man sehr, sehr weit kommt.
Ich bin auf dem Level, dass...
If I don't make any weird things, 20€ still can be enough.
Because it's not so high, I repeat it, I don't sit eight hours at the end of the day, but I'm not going to go up and not play around.
I'm going to go into the rate limits.
So for me, it's often so that I have to pause for the next three hours, because then I could go on and then I can go on and say, like when E-Auto driving, it's just a load of pause.
Then it's probably so thought.
Wo es bei mir nicht klappt, ist OpenClaw, weil ja sozusagen alle Flatrates fast alle gerade versagen und irgendwie auf API-Zugriff gezwungen bist.
Und da war ich ein bisschen schockiert, weil beim Aussetzen war ich dann relativ schnell relativ viel Geld los, weil ich im Chat alles aufgesetzt habe und dann nicht die billigsten Modelle genommen habe.
Da gibt es, glaube ich, gerade keine richtig gute Lösung.
Weiß ich gar nicht.
Doch, also das ist ja von OpenAI.
and is to OpenAI gewechselt.
And they say, that they can use their flat rates.
That they can use.
That's the way the Empathic from OpenAI.
And there is another important thing.
And that's very interesting.
Let's see, a old friend called a newbie.
And he's not a techie.
And he started with words, to throw out, he said, he uses OpenClaw.
And he had a technical word for it.
That's insane.
Ganz wichtig bei OpenClaw ist, zurück zum Thema Sicherheit, diese Prompt Injections sind vor allen Dingen bei den neuesten Modellgenerationen nicht mehr so schlimm.
Alte Generationen sind da wesentlich anfälliger.
Das heißt, wenn man jetzt ein günstiges Modell nimmt, man spart auch an der Sicherheit.
Deswegen ist meine Empfehlung schon, ein gutes neues Modell zu nehmen.
OpenAI Codecs, glaube ich, ist das Modell.
That works also with the Flatrate.
That's cool.
Matthias, a round of applause.
Where do you see people next?
You are incredibly active in Köln.
Community Events without end.
Input without end.
Organizations without end.
You just heard the clats and trash.
You can tell us what you next to the public.
And what you do in the public.
Mir ist erstmal total wichtig, dass wir alle wieder zurück ins Experimentieren kommen.
Also ich weiß nicht, haben wir am Anfang gesagt, es gibt irgendwelche Sachen, die rauskommen, Bücher, die rauskommen, Konzepte, die rauskommen.
Das ist alles Quatsch.
Also da sind natürlich ein paar fundamentale Sachen, die wichtig sind und die auch die Prinzipien, die wir meinen.
Aber am Ende des Tages wissen wir alle nicht, wo ist, wo die Reise hingeht.
And I find it totally important that we also especially in Germany experimentally experiment.
I have a former former colleague of a former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former former warum ich die Sachen mache, ist, diese ganzen Tools, das ist ein riesiger Enabler.
Man kann so viele coole Sachen damit machen.
Dann lass uns mal mit Sachen machen.
It's time to build.
Rumtüfteln.
Und das ist so meine Motivation.
Genau, in Köln oder im Rheinland hier mache ich die AI Tinkerers.
Das ist so ein globales Ding.
Und Tinkerer übersetze ich mit Tüfteln.
Das sind die KI-Tüftler.
It's a very engineering focused story, but in Köln there are other formats around Open Claw, Vibe Coding and so, there's a lot of stuff.
And there I'm just on different events.
Spreading the word.
That is a bit of a thing that I'm doing.
I'm now on an event in Bonn, in Heidelberg in a few weeks.
What we said before, in April, I'm in London at the AI Engineering Conference.
That is very engineering.
I'm talking about the Coding Editor Pi.
But I try to see what I'm going to try in the next weeks and months to see how far the not coding workflows, we talked about co-work, one of the cloud and one of the Microsoft, and that I tried to do with concrete examples, to look at how far they come, and I made workshops and helped the people with it.
So that's my job for the next couple of weeks.
Yeah, how beautiful.
I can also do this with the experiment here.
Also, es ist ja mein Beruf mit dem Produktmanagement und Strategie und so.
Und speziell Produktmanagement war für mich jahrelang so, so, so langweilig.
Es war nur, was sagt Marty Kagan und alles geht auf ein Modell und so.
Und genau, was du sagst.
Many disciplines are so long-term, if the books are written, if the books explode.
If there are 500 books, not three.
And the most exciting times, when something happens, are the ones that are not happening.
Like at Cannes and Portfolio Cannes.
There were three Blog posts.
What's that?
What's that?
What's that?
What's that?
And that's also always a polarizing time, where people are really aggressive, because they're saying that something works.
Just as a example, when I started with Portfolio-Kernbahn, I had a eBay colleague to see what we do.
He wanted to see what we do.
Then I described what we do.
Then he said, Marcus, you're lying.
That can't work.
What the hell?
It can't work.
I'm doing it.
That's the outcome.
You asked me.
It's not a reason for aggression.
I can't even say that, what they do, what they do, doesn't work.
The funny thing is, when it happens, it happens, that something big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big, big In 10 Jahren werden die Haifische unterwegs sein und das irgendwie konsolidiert haben und sortiert haben und so.
Und dann ist es eine ganz andere Welt und wir haben das alle nicht mitgekriegt.
Wie beim Internet auch damals.
Irgendwie fünf Jahre sind vorbei, drehst dich um, alle haben ein Geschäft gemacht, du nicht.
Neue Arbeitsweisen sind da, du hast gar nicht mitgekriegt, wo das herkommt.
Aber dabei zu sein ist so cool und das ist die Möglichkeit, die man jetzt hat.
And also, that's my favorite thing about AI.
AI is not using AI, but the person who uses AI, the person who uses AI.
Also, for me personally, but I see that also for other people, it's just a huge Enabler.
And I say now, if you look at the social political influence and that's egoist for one's own, I can recommend that.
It's a total Enabler.
Genauso wie du sagst, es gibt noch ganz, ganz viel zu entdecken.
Die Bücher sind noch nicht geschrieben, die Standards sind noch nicht gesetzt, aber die Grundprinzipien sind da und deswegen bin ich da auch ganz beruhigt.
Ich glaube auch Cowork zu empfehlen, nicht weil ich ein Tropic-Fanboy bin oder das das Beste ist, sondern weil ich weiß, die Grundprinzipien werden von anderen, dieses Prinzip der Coding Agents taucht immer, immer, immer wieder auf.
Deswegen muss da was...
There must be something there.
And I think in very many white-collar-Büro-Jobs there are so many things, where you say, if that's just the way I say, hello computer, make my Excel-Sheet look good.
That was just a bad example, a bad problem.
But here is my old Excel-Sheet, you can do that on the new data.
That are things that work.
These are not things that work, which are always working, there are many questions to answer, but these things happen and I think...
Or again, the challenge is to say, please give the use cases, which don't work.
I think that there are many things that are already in your everyday life.
and also in the workplace, then already automatically are.
And to experiment with the actual Grenzen to see and the consequences to make and to make the most exciting things.
And that's what I think.
For me it's a total Abler, because I can do all the things I can do.
But maybe also again, by the question, what is the consequences for others?
I have two examples.
One of the one I heard was I was a podcast.
There was this support, support, Support wird durch KI-Agenten gemacht.
Und dann ist die erste Reaktion, oh Gott, die haben irgendwie ihren Job hier nicht mehr.
Die Reaktion von den Support-Leuten war, endlich muss ich mich nicht mehr um den Scheiß kümmern, sondern kann doppelt so viel Zeit für die coolen, die wichtigen, spannenden Themen machen.
Und das war für mich der erste Schritt.
Und ich habe jetzt hier ein anderes Beispiel, mit dem ich gerade arbeite.
Das ist so eine Qualitätssicherung.
Und das ist ein Brain-Dead-Job.
Also, da sind den ganzen Tag nur Excel-Sheets offen, es werden Zahlen verglichen und es werden irgendwelche PDFs kommen rein und so, brain dead.
Und das war ganz lustig, mit dem ich das Projekt am Maffel gefragt habe, hör mal, kannst du da mal so Kosten dranhängen und so und was, Effizienzsteigerung oder weiß ich was.
Meinte er so, nee, aber Matthias, du wirst die Leute glücklich machen.
Und ich so, ja, gut.
So be it.
Then I take that.
I think there are many things to discover and it's the right time to start with it.
Yes, it's probably repetitive.
But I think there are a few bad ideas.
One bad idea is that you want to try to find the future.
The future to find the way to find the future is always a super, super bad idea.
And I think a good idea is, that's how Jason Mollick wrote last time.
If the AI-Centwicklung would now stop, without thinking about the future, what's coming from now?
Just if it's now, it's the way we see from the standpoint of the world, for two decades, massive.
So I think that what the Kent Beck says, 90% of my skills have the value now, 10% have 1000% of them.
society's task is the task of finding 10% where is the value of people for everyone?
Is it time to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start to start viel besser zu machen, als ich bis jetzt konnte, weil der ganze Krempel weg ist.
Also wie der Support-Mitarbeiter, den du erwähnt hast, sagen kann, jetzt kann ich das gut machen, ein gutes Kundengespräch haben, jetzt kann ich mit Stakeholdern reden, jetzt kann ich weiß, dass heute was machen, viel mehr kommunizieren.
Die paar Touchpoints, die ich jetzt habe mit Devs, die es noch geben wird, die ausnutzen, dann Richtungen diskutieren und geben.
Wie cool, das konnte ich ja vorher gar nicht genug.
Das und dann die Chance, also eine persönliche Story von jemandem, die ich ...
I'm a CFO in a company that I'm a company.
I found that a lot of fun, but he wanted to be a little bit.
He had to be a couple of weeks now, he had to be a little bit of a clawed, with his own work.
He had 20€ there, and the news was, that were the best 20€, which I've invested in my whole life.
Because here is the Witz, Marcus.
I have today...
This stupid Excel is there.
We have today simulations of the AI, which I have been driving for five years.
That's the result was so cool, so precise.
I was on so many Likes, which are clear, but I never think about it.
I always think about it.
The day today was the best CFO-Tag I had since years.
I wanted that not to do it.
But how cool.
Yeah, and that is, I think, that is the example where it's now going to go.
Also that the CFO does the thing use.
A little bit more about it, because you just made it with the, we must do it for us.
The other point is of course, for the, for our life, I have three children, the eldest one studied.
The other two are in the school.
That's of course also a fun topic.
But there is for me the same principle.
Let's try things to do.
And I think that's actually a fun question.
What does the people make?
And what are the key elements?
I don't want to talk about the school system etc.
but that's the way I think we can learn as a society.
But a important point for me is that my children should and should do it, what they want.
But I will not be able to informatics.
Also ich werde Ihnen nicht davon abraten, die Systeme, die Ideen darunter zu lernen.
Und ich weiß nicht, ob es eine gute Analogie ist, aber in der Ausbildung zu einem Tischler oder anderen Handwerksberufen, da wird man auch Sachen machen, die man im täglichen nicht macht, aber um es einmal durchgegangen zu haben, um es einmal verstanden zu haben, damit, wenn eine Maschine irgendetwas macht, man abschätzen kann, in welche Richtung das geht.
Und deswegen finde ich den Informatikjob genauso nach wie vor spannend.
The first step in the next step is to go to the next step.
is relevanter than je.
Absolutely.
A wonderful word, Matthias.
It was really great.
Super.
So long have we not talked about it.
That's true.
Thank you for the invitation.
I hope it's a good time.
Maybe you heard the one or the other one, the one or the other one gave us, what you can offer us.
I'll do this again in the show notes, what were the questions that we had.
Vielleicht kriegen wir Antworten geliefert.
Mal gucken.
Ich bitte darum.
Challenge accepted.
So sollen die harten Problemfälle bitte rüberwerfen.
Nicht die einfachen.
Sehr gut.
Genau.
Das werfen wir nochmal mit raus.
Vielen Dank, Matthias.
Alles Gute bei allem, was du in den nächsten Wochen, Monaten treibst.
Wir sehen uns bestimmt bald wieder.
Ich komme nach Berlin.
Genau, habe ich noch gar nicht gesagt.
Ich komme nach Berlin.
Genau, das müssen wir vorabreden.
Sehr cool.
Ich bin hier.
Sehr gut.
Bis bald.
Ciao.