Studium im KI-Zeitalter: Braucht Lernen noch das Tal der Schmerzen?

Season 8· 4. Oktober 2026· 3134

Episode cover: Studium im KI-Zeitalter: Braucht Lernen noch das Tal der Schmerzen?
0:003134
  • Dr. Theo SteiningerCo-Founder & CEO at Erium
  • Dr. Maksim GreinerCo-Founder & CTO at Erium

Overview

In this episode, Theo and Maksim discuss the flip side of AI-accelerated knowledge acquisition: what is lost when the arduous learning phase is skipped? The two explore how AI is changing application processes, what strategies companies should pursue when getting started with AI, and whether a university degree still holds its value in the age of AI.

Summary

AI Risks and the Problem of AI Slop

To kick things off, Theo and Maksim talk about doomsday scenarios surrounding AI - not in a science-fiction sense, but in very concrete terms: how safe are powerful AI agents? And what happens when the internet is flooded with AI-generated content to the point where genuine human opinions can barely be represented? Maksim highlights that open-source models with removed safety guardrails pose a real IT security risk, because classic arguments like 'this service is too insignificant to attack' no longer hold. Theo, on the other hand, finds hope in the fact that the dangers are at least being discussed publicly.

The Valley of Pain: Why AI Shortcuts in Learning Are Dangerous

Theo describes a concrete experience: while creating a pitch, he let an agentic loop develop the entire argumentation and storyline - only to realise afterwards that he had never actually thought through the logic himself. The result sounded plausible, but he had no real ownership of it. Maksim aptly calls this 'review debt': you accept a result without truly understanding the path that led to it.

A study on math learning apps underscores the problem: apps that offer help too early may boost short-term learning success, but they harm long-term retention. The brain forms stronger neural connections when it wrestles with a topic over days - not when it receives an answer within minutes. Both agree: AI can personalise learning and make it more powerful, but the absolute shortcut does not exist.

Application Processes in the Age of AI: Proof of Skill Instead of Proof of Work

In the past, a highly personalised cover letter was a strong signal: the person had invested energy, so they were serious. Today, anyone can generate a perfect cover letter via AI in 15 minutes. Theo reports that during phone calls he can often tell immediately when someone has not truly internalised their own application.

The real question shifts: who uses AI meaningfully as a tool, and who blindly presses buttons? Theo cites two impressive examples from his own recruiting experience: one applicant who cracked the company's own HR bot via prompt injection, and another who proactively called after submitting their application - both signs that someone truly embodies the role. The sweet spot: use AI for the parts that can be automated, and apply your own brain to everything that cannot.

90-Day Plan: How Companies Without AI Experience Should Get Started

Maksim raises the question of what a new 'Head of AI' at an AI-naive company should do in the first 90 days. Theo recommends a two-pronged approach: first, an immediate measure - rolling out a privacy-compliant general-purpose chatbot that is good enough to prevent AI-savvy employees from entering company data into private tools, while giving AI-unfamiliar employees a first point of access. Second, a lighthouse project in a value-generating core process - not in peripheral processes like expense reporting, which nobody notices when they stop working.

When selecting the lighthouse project, several criteria must be met simultaneously: the process must be important, it must be able to tolerate AI errors, it must be technically automatable, and it must make economic sense. In parallel, a long-term strategy is needed to avoid ending up with a collection of incompatible AI silo solutions after 18 months.

Failed AI Experiments: The 'Not Ready Yet' Pile

Many AI experiments fail - that is normal. What matters is the right mindset: do not forget and bury them, but document them and put them on a follow-up list. Maksim suggests defining observation criteria for failed use cases to determine when a re-evaluation makes sense - for example, when a model provider announces that their new model has mastered a specific capability. Ideally, the test pipeline is set up so that switching models costs only a few clicks.

Knowledge Management and Wiki Systems: The Altitude Problem

Theo asks about the current best practice for company knowledge bases that are meant to be usable by both humans and AI models. Maksim identifies a still-unsolved problem: AI agents struggle to maintain the right 'altitude' - that is, to decide whether a piece of information belongs at the executive summary level or as a detailed how-to guide. When everything ends up on the same hierarchical level, the wiki becomes unusable for humans and only marginally useful for AI.

The analogy to OKRs makes it tangible: if an objective from three levels down sits at the same hierarchy as top-level management goals, the system collapses. Markdown-based wikis are LLM-friendly, but a human maintainer must retain editorial authority over the content. AI can help with searching and linking, but the decision of whether to create a new article or supplement an existing one should be made by a human.

University in the Age of AI: Shut Up and Calculate - But Why?

Maksim and Theo discuss whether a university degree still holds its value today, when AI can do homework and professors use AI to grade. Their shared answer: yes - but only if students discipline themselves and do not hand the learning process over to AI. The goal of a degree is not a certificate, but differently connected neurons.

When choosing a field of study, Theo advises carefully examining how future-proof the target profession is in the AI landscape. Professions that can be largely reduced to mechanical tasks - such as pure code typing or standard translations - are under pressure. Maksim distinguishes between degree programmes that are primarily vocational training and those that impart a broad skill set: the latter are more resilient. What matters is understanding how tasks work - even if you no longer carry them out yourself later, but instead review AI output and place it in strategic context. A physics degree is held up by both as a prime example: very few graduates become physicists, but the skill set is universally valuable.

Key takeaways

  • AI-accelerated learning saves time, but the brain forms deeper knowledge connections when it fights through the 'valley of pain' - the absolute shortcut does not exist.
  • Anyone who accepts AI output as merely plausible without understanding the path that led to it accumulates 'review debt' and loses genuine ownership of results.
  • In the application process, the personalised cover letter has lost its value as proof of work; what matters today is whether someone uses AI meaningfully and has truly internalised the result.
  • Companies without AI experience should start on two tracks: immediately roll out a privacy-compliant chatbot and simultaneously set up a lighthouse project in a value-generating core process.
  • Failed AI experiments belong on a 'not ready yet' pile with defined re-evaluation triggers - not in the bin.
  • Wiki systems often fail due to the altitude problem: AI cannot reliably assign content to the correct hierarchical level; editorial authority must remain with humans.
  • A university degree is still worthwhile - but only if students train their own minds rather than letting AI do the work; the certificate alone is becoming worth less and less.
  • The difference between future-proof and at-risk professions lies not in the profession itself, but in whether it is understood as a collection of tasks or as a strategic skill set.

Conclusion

AI is a powerful tool that shortens learning curves, polishes applications, and automates processes - but it does not replace independent thinking. Those who take the shortcut without knowing the route lose ownership, depth of understanding, and long-term competence. Whether in university, in the application process, or when building an AI strategy within a company: value is created where people deploy and control AI deliberately - not where they blindly press buttons.

For Students and Career Starters

Use AI as a learning tool, but resist the temptation to cheat your way through assignments and exams - you are only cheating yourself out of the learning curve. The certificate is becoming worth less and less; what counts is the trained mind behind it.

For Leaders and Decision-Makers

Anyone introducing AI into a company should think on two tracks: quick visibility through a solid chatbot, and lasting impact through a lighthouse project in a core process - backed by a long-term strategy that prevents silo solutions.

For Recruiters and HR Professionals

A perfect cover letter is no longer a quality signal; instead, invest in selection processes that make genuine thinking ability, ownership, and the meaningful use of AI visible.

Show full transcript

Theo: Vor ein paar Folgen haben Maxim und ich gefeiert, dass uns die KI das mühsame Theo: Reinfuchsen in neue Themen abnimmt. Theo: Heute schauen wir uns die andere Seite der Geschichte an. Denn die Frustrationsphase, Theo: die die KI einem heute wegkürzt, ist gleichzeitig eigentlich eine wichtige Lernphase. Theo: Was heißt es, wenn wir die nicht mehr durchlaufen? Theo: Für uns selbst, wenn wir ein neues Thema jetzt auf einmal in zwei Stunden statt in drei Tagen lernen. Theo: Oder zum Beispiel im Studium, in dem die KI, wenn man möchte, Theo: die Hausaufgaben für einen erledigt. Theo: Und was bedeutet es für einen Bewerbungsprozess, wenn jeder Kandidat, Theo: jede Kandidatin auf einmal ein perfektes Anschreiben liefern kann? Theo: Und was bedeutet es für Firmen, die gerade erst mit KI anfangen? Theo: Zum Aufwärmen gibt es heute ein kleines Weltuntergangsszenario. Theo: Willkommen bei Beyond AI. Let's go! Theo: Es muss nicht die KI sein, die einen umbringen will. Es reicht schon, Theo: wenn es der Mensch mit der KI macht. Maksim: Sehr erbaulich. Theo: Wie geht es dir da eigentlich dabei? Hast du so Doomsday-Gedanken bezüglich KI? Maksim: Ach, ich weiß nicht. Das ist so tatsächlich nicht die Art von Gedanken, die ich mir viel mache. Maksim: Ich meine, man kann aus allem ein Doomsday konstruieren. Maksim: Aber trotzdem, also jetzt auf der quasi eine Ebene tiefer, Dass man jetzt wirklich Maksim: rational darüber nachdenkt, okay, also wie Maksim: erreicht man bei immer mächtigeren KI-Agenten trotzdem eine gewisse Sicherheit und Zuverlässigkeit? Maksim: Doch, darüber denke ich schon öfter nach und insbesondere so, Maksim: ich meine, in der analogen Welt, das ist jetzt noch die eine Sache, Maksim: aber keine Ahnung, ist in fünf Jahren das Internet einfach nicht mehr zu benutzen Maksim: vielleicht, als komplett von der KI entweder, Maksim: also in den bösen Szenarien feindselig übernommen, in den weniger Bösen halt Maksim: einfach überschwemmt, das mit AI-Slop, Maksim: sodass du halt, keine Ahnung, ich meine, wie viele Accounts auf sowas wie X Maksim: sind heute schon wahrscheinlich Maksim: entweder Old-Fashioned Bots oder halt New-Fashioned AI-Bots und das heißt, Maksim: für so eine Meinungsbildung macht es dann ja irgendwann nicht mehr viel Sinn Maksim: oder früher bist du auf irgendwie in irgendein Forum gegangen, Maksim: um eine ehrliche Produktreview zu kriegen, Maksim: heute spottest du dann, die ist zugeschliffen vom... Theo: War wahrscheinlich nicht ein Mensch. Maksim: Ja, genau. Und in ein paar Jahren sind sie dann vielleicht sogar, Maksim: also auch nicht mehr in der Geschliffenheit zu unterscheiden. Also ja. Maksim: Es kommen schon noch ein paar Downsides. Theo: Ich denke mir da immer, solange die Menschheit so als Ganzes das am Schirm hat, Theo: kann es gar nicht mehr so schief gehen. Also ich habe viel mehr Angst vor den Theo: Themen, die die Unknowns darstellen, wo man dann hinterher feststellt, Theo: so hoppla, das hätte man am Schirm haben müssen. Theo: Und ich finde, da wird, also für mich persönlich wird ausreichend stark diskutiert, Theo: wie einen KI oder Menschen mit KI umbringen könnten, als das dann nicht so weit kommt. Maksim: Also du meinst Gefahr erkannt, Gefahr gebannt? Theo: Ja, schon. Also ich finde das ja krass, wenn wir doch Pentests machen mit einem Theo: Klot-basierten Modell, dann wiegelt der ja teilweise sofort ab, Theo: weil der Befürchtung hat, dass wir jetzt gerade jemanden angreifen. Theo: Weißt du, wie ich meine? Also dass das kein interner Pentest ist, Theo: sondern dass das extern aggressiv ist. Maksim: Das sind ja diese klassischen Sicherungen der kommerziellen Modelle. Maksim: Aber umgekehrt hast du ja mittlerweile immer potentere so Open-Source-Modelle, Maksim: wie häufig aus China kommt, die Maksim: je nachdem, wie man so glaubt, nur so sechs bis neun Monate hinter den kommerziellen Maksim: Flagship-Modellen hinterherhinken. Maksim: Also denen, dass da jemand sagt, er nimmt sich jetzt die Compute-Zeit, Maksim: um denen einfach sozusagen die Sicherheitsschranken wieder rauszutrainieren Maksim: und das Modell ist aber an sich so agentisch mächtig wie vielleicht ein Cloud-Code, dann Maksim: kannst du schon ganz schön viel Hackerschaden anrichten. Maksim: Also so die digitale Welt, das Hardening da, das wird schon sowohl eben auf Maksim: der reinen IT-Sicherheit als auch auf der Content-Seite. Maksim: Also dieses Überschwemmen, dass der ganze Content-Space mit KI-generierten Content Maksim: überflutet ist und sozusagen die menschliche Meinung dann damit eigentlich nicht Maksim: mehr abgebildet werden kann, das ist das eine. Maksim: Und bei der IT-Sicherheit im Prinzip musst du dann, also in den nächsten Monaten Maksim: und Jahren müssen die In-House-Pen-Tests halt extrem umfassend werden, weil du Maksim: nicht mehr sagen kannst, ah ja, die Art von Sicherheitslücke, Maksim: die findet kein Hacker, weil es sich nicht lohnt, weil es zu lange dauert, was auch immer. Theo: Oder irgendein Service ist zu unbedeutend, als dass sich jemand die Mühe machen Theo: würde. Das ist auch immer so ein Wegwisch-Argument. Maksim: Genau, das gilt halt so langsam nicht mehr. Ja, aber wir haben heute eigentlich Maksim: ein eigenes Thema, nicht nur Doomsday-Prognosen, Theo. Maksim: Und ich darf zur Abwechslung mal wieder dir ein paar Fragen stellen. Maksim: Und ja, so ein bisschen Follow-up zu unserer letzten Folge, wo es ja auch um Maksim: die Nachhaltigkeit und so weiter geht. Maksim: Wollen wir halt mal ein bisschen darüber sprechen. Ich habe ja auch gerade schon Maksim: über so Content, jetzt eher im so Social-Media-Sinne gesprochen, Maksim: aber gibt ja auch ganz, eigentlich gibt es ja Content in dem Sinne auch in der Maksim: reinen One-on-One-Geschichte. Maksim: Also da will ich später mit dir darüber sprechen, weil du ja auch bei uns das Maksim: Recruiting machst, so ein Thema wie Bewerber anschreiben und sowas, Maksim: was früher mega wichtig war, wie siehst du das heute? Aber lass uns erst mal Maksim: einsteigen mit der Frage, Maksim: Wir hatten nämlich neulich darüber gesprochen, dass KI einem hilft, Maksim: in neue Themen schnell reinzukommen. Maksim: Aber nichts ist umsonst. Also wann hat dich KI-Unterstützung vielleicht daran Maksim: gehindert, dann auch ein Detail zu verstehen oder in die tiefen Details reinzukommen? Maksim: Magst du da ein bisschen deine Erfahrungen teilen? Theo: Ja, also das war immer wichtig, dass wir darüber heute auch sprechen, Theo: weil mir das so klar geworden ist, Theo: beim Ausarbeiten von einem Pitch, Also es ist jetzt mal was weniger Technisches, Theo: ging nicht um Softwareentwicklung, auch wenn dann natürlich auch die Barriere Theo: zwischen einem selbst und einem Code oder die Distanz wird größer, Theo: und das war eine Situation, wir haben eine Präsentation gebaut, Theo: die Rohdaten waren drei Transkripte und ein Strategiepapier und die Kollegin Theo: von uns und ich, wir haben uns hingesetzt und haben dann gesagt so, okay, Theo: hier agentischer Loop, zieht mal die Rohinformationen, raus, Theo: wir haben die ganzen Pros und Cons und so weiter und wie unsere Strategie ausschauen Theo: soll, war alles im Transkript und dann haben wir aber relativ lazy gepromptet, Theo: bau da mal eine gute Präsentation raus und. Theo: Mit dem Slide-Tool, das wir in der Firma ja auch haben, ging das dann auch quasi Theo: reibungslos, dass da schöne Slides draus wurden und ich habe dann aber hinterher Theo: realisiert, so Moment mal, auch die ganze Argumentations- und Storyline kam Theo: dann am Ende aus Allerium raus, Theo: und ich habe das dann noch gereviewt und so mir gedacht, Theo: dieses ganz gefährliche, ja, das klingt plausibel. Theo: Und musste mich dann wirklich nochmal an der Nase fassen und mich quasi zwingen, Theo: den roten Faden dieser Argumentationskette, warum ist dieser Pitch jetzt wertvoll Theo: und gut, den nochmal gegen zu checken. Theo: Das war so ein Blick in den Abgrund. Maksim: Das war das, wovon wir letztes Mal gesprochen haben, die Review-Schuld, Maksim: die man die man so schnell aufbaut, gerade weil es plausibel klingt und Maksim: ja, das ist halt so, keine Ahnung, wie wenn du Maksim: Eigentlich, damit du zum Beispiel über so einen Pitch dahinterstehen kannst, Maksim: musst du ja eigentlich den Weg dahin innerlich haben. Maksim: Aber jetzt hast du schon das Ergebnis da. Es ist so ein bisschen wie, Maksim: wenn dir jemand einen Schrank gibt und jetzt sollst du den eigentlich nochmal Maksim: auseinanderbauen und wieder zusammenbauen, damit du ihn besser verstehst. Maksim: Warum? Ich habe doch hier den Schrank. Das ist so ein bisschen auch beim Content von KI. Maksim: Gut, dass du dich dann selbst diszipliniert hast und das durchgegangen bist, Maksim: aber Also das passiert sicher hunderte Male, du weißt, was ich meine, Maksim: zigmal am Tag in der Geschäftswelt oder auch im Privaten, das Maksim: passt schon, raus damit. Theo: Ganz genau, ja. Und das ist halt gefährlich, weil das war jetzt halt auch ein Theo: neuartiger Pitch, deswegen das als Beispiel auf diese Frage, Theo: wo hat mich das quasi mal gehindert. Theo: Und klassischerweise hätte man sich halt hingesetzt und sich selbst nochmal Theo: Gedanken gemacht, okay, wie baut man jetzt diesen Pitch, also diese Verkaufspräsentation Theo: auf Deutsch nochmal genau auf und naja, also diesen Initial Pain, Theo: der wurde mir jetzt sozusagen abgenommen, obwohl ich es eigentlich so retrospektiv gar nicht wollte. Maksim: Ja, ich hätte tatsächlich bei der Frage auch noch einen anderen Aspekt mit dem, Maksim: ich habe ja auch vor ein paar Folgen gesagt, es hilft mir wahnsinnig, Maksim: mich in neue Themen reinzufinden. Maksim: Das ist ein Mega-Also, weil du halt einfach das, es wäre, als würdest du mit Maksim: einem Experten zu dem Thema chatten und der erklärt dir alles. Maksim: Und ich finde, es gibt keine schönere Methode zu lernen. Maksim: Aber natürlich bleibt es nicht hängen, weil du hast dich dann vielleicht zwei Maksim: Stunden damit auseinandergesetzt und konventionell hättest du dich halt, Maksim: zwei, drei Tage hinsetzen müssen und dich durch irgendwie Literatur etc. Maksim: Quälen müssen. Das wäre weniger anstrengend gewesen, du hättest es vielleicht Maksim: wahrscheinlich gar nicht gemacht, weil du die Zeit nicht hättest, Maksim: aber zwei, drei Tage bleibt natürlich mehr im Gehirn hängen, Maksim: weil dein Hirn dann sagt, okay, ich habe mich jetzt zwei, drei Tage damit beschäftigt, Maksim: ich verknüpfe ein paar Neuronen neu versus du hast das jetzt quasi kurz mal Maksim: in dein Kurzzeitgedächtnis gepumpt. Maksim: Also das ist ein zweiseitiges Schwert. Theo: Da habe ich neulich etwas echt Interessantes gelesen und zwar über eine Analyse Theo: für so Mathe-Lern-Apps. Theo: Es gibt ja mittlerweile auch die verschiedensten Webplattformen oder Direkt-Apps, Theo: bei denen du dynamisch Unterstützung kriegst, wenn du jetzt so, Theo: Sekundarstufenmäßig dir irgendwie, Theo: keine Ahnung, die dritte binomische Formel oder sowas reinziehst. Theo: Und das Ergebnis war, dass es hinderlich ist für den langfristigen Lernerfolg, Theo: wenn dir zu früh geholfen wird. Theo: Also diese Apps, da gibt es welche, die erkennen, wenn du stecken bleibst und Theo: dann bieten die dir sofort Hilfe an. Theo: Und ich verstehe das so, dass sozusagen für den kurzfristigen Lernerfolg, Theo: du hast es quasi dann jetzt in der einmaligen Ausführung schneller verstanden, Theo: das schon, aber du bist nicht durch dieses, Theo: Tal der Schmerzen durchgegangen, das ist nochmal vielleicht auch eine stärkere Theo: emotionale Aktivierung. Maksim: Ja, man lernt durch Schmerzen, oder? Theo: Ja, gibt schon den Spruch, ja. Maksim: Also ja, da ist was dran. Ich meine, du wirst dich auch aus dem Physikstudium Maksim: daran erinnern, teilweise irgendwelche Sachen, die einfach, die gingen nicht Maksim: ins Hirn rein, aber es musste jetzt, weil, Maksim: ich weiß nicht, also du musstest halt jetzt irgendwie diese Übungsaufgabe erledigen Maksim: und so weiter und wie das teilweise Stunden gekostet hat. Maksim: Und da weiß ich noch da gab es dann quasi manchmal hattest du einen kommilitonen Maksim: dabei deshalb was schon total geblickt hat und dann bist du so mitgeschwommen Maksim: dann total macht total sinn was der gerade sagt Maksim: und dann hast du diese illusion du hättest es verstanden die illusion dass du Maksim: was verstanden hast weil es dir jemand gerade erklärt der es verstanden hat Maksim: richtig ist was anderes als es später dann auch zwei tage später alleine Maksim: sinnvoll reproduzieren zu können. Theo: Nochmal von scratch, ja genau. Manchmal sind dann nur die Bücher schuld, Fließbach. Maksim: Ja genau, das ist also, das würde ich sagen, das ist definitiv was, Maksim: was man auch jetzt in der AI-Welt, weil nur weil du jetzt lange gequält hast, Maksim: war es nicht automatisch effizient oder gut. Maksim: Also du kannst dein Lernen total personalisieren und dadurch super mächtig machen, Maksim: aber den absoluten Shortcut gibt es nicht. Maksim: Also wenn du nicht die nötige Zeit deinem Hirn gibst und die nötigen Schmerzen Maksim: und dieses unkomfortable Gefühl, Maksim: was Neues zu lernen, also kostet halt Energie, da musst du schon durch. Maksim: Aber vielleicht schweifen wir ab. Ich wollte eigentlich auch den Bewerbungsprozess, Maksim: nehme ich gerade hinaus, weil das ist so ein Klassiker mit in dem KI-Zeitalter. Maksim: Was ist für dich sozusagen Proof of Work in gewisser Weise oder Proof of Work Maksim: nicht im Sinne von, jemand hat so und so viele Stunden, sondern Proof of Skill. Maksim: Das ist das bessere Wort. Also gehen wir mal in, also ein Bewerber schickt dir Maksim: das perfekte Anschreiben, das perfekte Portfolio, perfekte Probeaufgabe. Maksim: Das wäre vor fünf, sechs Jahren, okay, hey, her mit dem, ja, Maksim: weil das hat halt ein bestimmtes Skillset repräsentiert, wenn jemand das konnte. Wie ist es jetzt? Theo: Also vielleicht einmal zur Einordnung, ja, ich merke immer wieder, Theo: dass es vielen gar nicht so bewusst ist. Theo: Bei mir landen am Schreibtisch die Bewerbungen und es gibt so total verschiedene Abstufungen, Theo: zum Beispiel so die niedrigste Klasse, das sind automatisierte Bewerbungen, Theo: die dadurch entstehen, weil sich irgendjemand bei einer Plattform, Theo: so wie StepStone, Arbeitssuchend gemeldet hat und dann versucht StepStone mit Theo: Gewalt irgendwelche Matches zu erzeugen. Theo: Also da hat die Person sich noch nicht mehr aktiv dazu entschieden, Theo: dass die Bewerbung an die Firma rausgeht. Das ist so der Bodensatz. Theo: Und dann gab es früher immer dann so die Unterscheidung, schickt jemand... Theo: Einfach 0815, eine Bewerbung raus, ohne Lebenslauf, dann quasi schon besser mit Lebenslauf, hey, Theo: man ist imstande, einen Anhang anzuhängen und dann gibt es sozusagen nur die Theo: Eskalation mit anschreiben und da gibt es, du merkst natürlich sofort, Theo: einmal die 0815 anschreiben, Theo: wo im Zweifel noch nicht mal die Firma eingetragen ist und dann gibt es sozusagen Theo: die, die total overdeliveren und die genau auseinandernehmen im Anschreiben, Theo: warum sie sich jetzt bei dir bewerben möchten. Theo: Und also wie du sagst, nur vor fünf, sechs Jahren war es so, Theo: wenn jemand so ein personalisiertes Anschreiben gemacht hat, Theo: dann wusstest du eigentlich schon, oh krass. Theo: Also jemand investiert auch nur die Energie, wenn die Person glaubt, Theo: dass der Match super gut ist. Maksim: Ah, das war also auch Proof of Work Maksim: im Sinne von, wenn jemand so viel Mühe investiert, dann meint er es ernst. Theo: Dann meint er es ernst und hat sozusagen von seiner Seite her schon die Hausaufgaben Theo: gemacht, um zu gucken, ob der Match da ist. Also ist die Wahrscheinlichkeit, Theo: dass es wirklich ein Match ist, sehr, sehr hoch. Theo: Und das war für mich dann immer ein super starker Indikator. Theo: Oder zum Beispiel die Kunden von uns, die ihn kennen, der Fabi, Theo: der hat von uns einen Vortrag gesehen und hat sich dann hyperspezifisch bei Theo: uns beworben und es war wirklich krass. Theo: Und ja, turned out super guter Fit. Theo: Und das ist halt heutzutage ist das sehr, sehr anders tatsächlich. Theo: Also allein schon in der Bewerbung, ich kriege Anschreiben, die sind hyperpersonalisiert, Theo: Aber wenn du dann mit den Leuten telefonierst, dann hast du überhaupt keine Theo: Ahnung von deiner Firma, dann fliegt es quasi sofort auf. Theo: Oder was natürlich auch dann auf der inhaltlichen Ebene dazukommt. Theo: Wir haben heute eine deutlich anspruchsvollere Arbeit, weil eben nicht mehr Theo: bezahlt wird, dass man einfach Software-Code entwickelt oder so diese reine Theo: Execution, die halt jetzt die Theo: KI-Agenten machen, dafür bezahlen uns unsere Kunden ja auch nicht mehr. Theo: Und also ganz konkret jetzt in unserem Fall, was müssen wir testen im Einstellungsprozess, Theo: ob jemand gut mit Leuten kann und ob jemand verstanden hat, wie Denken funktioniert Theo: und macht dafür mal irgendwie einen Test im Assessment Center, das ist super hart. Theo: Also es ist wirklich ein Arms Race auf beiden Seiten. Theo: Die Bewerbungen werden immer besser, aber wir müssen immer besser testen, Theo: um die Spreu vom Weizen zu trennen und gar nicht im Sinne von nicht nur schlecht Theo: und gut, sondern passt Mensch und Firma zueinander. Maksim: Aber würdest du jetzt sagen, also nehmen wir mal zwei Bewerber, Maksim: die schicken dir beide Muster anschreiben und so weiter. Maksim: Und der eine, oder beim einen kriegst du es raus oder er gibt es auch sogar Maksim: offen zu, ja klar, hat er komplett mit KI gemacht, hat 15 Minuten gedauert. Maksim: Der andere sagt, ja, der hat den ganzen Tag investiert und hat quasi sich durchgegoogelt, Maksim: Formulierungen sich überlegt, hat das mit seinem besten Freund besprochen, Maksim: was denkst du über die und die Formulierung und kam so zum Ergebnis. ist. Maksim: Was ist jetzt eigentlich besser? Weil du willst ja auch in der, Maksim: im Arbeitsalltag, dass die Leute da KI benutzen, wo es Sinn macht, Maksim: Und dann jetzt mal den Gedankenexperiment, dass bei dem, der 15 Minuten investiert Maksim: hat, das nicht alles im Telefonat schon zusammenbricht, weil er es nicht mal selbst gelesen hat. Maksim: Also dieses Ownership und Reviewschuld und sowas, nehmen wir mal das als abgehakt Maksim: an. Aber ist dann der, der es in der Kürze gemacht hat besser oder der, Maksim: also du verstehst, worauf ich hinaus will? Theo: Ich denke mal, das kommt auf die Rolle drauf an, weil man ja den Bewerbungsprozess Theo: als Proof of nicht nur Skills, sondern auch Habits verwenden kann. Theo: Und wir hatten zum Beispiel eine Bewerbung, das war kurz vor Signing dann tatsächlich, Theo: der Bewerber, der hat unseren HR, also unseren Bewerber-Bot, Theo: der quasi Lebenslauf und so weiter entgegennimmt, über eine Prompt Injection geknackt. Theo: Das ist natürlich perfekt, wenn du dich als AI-Consultant bewirbst Und dann Theo: diesen Bot, der damals noch nicht so gut gesichert war, Theo: dass der den einmal dazu bringt, eine perfekte Empfehlung an mich dann zu schicken. Theo: Also das war das eine. Und das andere, ich habe mir eine Bewerbung bekommen Theo: für eine Business-Developer-Stelle. Theo: Und der Kerl hat halt nicht einfach nur seine E-Mail rausgeschickt mit den Unterlagen Theo: und dann mal abwarten, vielleicht passiert ja was, sondern der hat mir hinterher telefoniert. Theo: Und das, also weißt du, wie ich meine? Das ist dann natürlich cool, Theo: wenn du merkst, jemand verkörpert auch im Bewerbungsprozess das, worauf er sich bewirbt. Maksim: Okay, und dann ist dir aber eigentlich egal, ob mit KI oder ohne, Maksim: sondern das Ergebnis zählt. Theo: Solange KI halt für die richtigen Dinge verwendet wird. Also auch wenn wir jetzt Theo: zum Beispiel mit einer Agentur zusammenarbeiten würden, einer neuen, Theo: dann wäre mein Quality-Gate oder das Acceptance-Gate wäre, arbeiten die mit KI, aber nicht blind. Theo: Also ich wäre nicht bereit, Tagessätze zu bezahlen für Arbeit, Theo: die nicht KI unterstützt ist, aber nur jemanden dafür bezahlen, Theo: dass der für mich aufs Knöpfchen drückt bei einer komplett unüberwachten Prompt. Theo: So gut kann das Prompt-Template nicht sein. Maksim: Genau, aber das heißt, du willst eigentlich rauskriegen, oder der Sweetspot Maksim: wäre eigentlich, dass die Leute ihr Hirn vollumfänglich benutzen, Maksim: aber für den Teil, der sich halt nicht automatisieren lässt. Theo: Ja, richtig. Und das, was sich automatisieren lässt? Maksim: Bitte automatisieren, weil wir haben Normaler Zeit ist Geld. Theo: Ja, richtig. Maksim: Aber das ist natürlich wahnsinnig schwer dann oder eben deswegen schwer jetzt Maksim: allgemein zu beantworten, meine Frage, weil das dann individuell ist, Maksim: auf welche Rolle und welchen Umstand und welche Aufgabe etc. Maksim: Gerade im Bewerbungsprozess abgefragt wurde. Ja. Maksim: Gehen wir mal den Sprung zurück in die Zeit. Vor fünf, sechs Jahren. Maksim: Und ich würde mal aus unserer eigenen Erfahrung sagen, es gibt ja auch immer Maksim: noch einige Firmen da draußen, die sich in den letzten fünf, Maksim: sechs Jahren nicht verändert haben. Maksim: Also, Klartext, du kommst in eine Firma, die noch nichts mit KI am Hut haben. Maksim: Sagen wir mal, erste drei Monate, also 90 Tage. Maksim: Womit fängst du an? Welchen Prozess? Wen feuerst du? Oder was machst du? Theo: Also sozusagen unter der Annahme, willkommen, neuer Head of AI. Theo: Hier ist der super Admin-Modus für alle Prozesse in der Firma. Maksim: Sagen wir mal, du hast das Backing von der Geschäftsführung. Theo: Ist ein spannendes Thema, weil man ja den Balance finden muss zwischen strategisch Theo: klug vorgehen und aber Impact erzeugen. Maksim: Erklär mal kurz, warum das ein leichter Zielkonflikt ist. Das denke ich nicht Maksim: allen Zuschauern bewusst. Theo: Wenn du eine KI-Initiative strategisch perfekt aufbaust, dann gibt es da Themen, Theo: die du behandeln musst, die lange brauchen, bis sie wirken. Theo: Also total unterschätztes Thema, auch nach wie vor ist sowas wie Datenqualität, Datenanbindung. Theo: Und wenn du jetzt anfängst mit erst mal, okay, wir machen jetzt zwölf Monate Theo: Stammdatenbereinigungsprojekt, um dann irgendwann einen nützlichen KI-Assistenten Theo: zu befähigen, dann geht dir irgendwann die Luft aus, weil die Leute halt sagen. Maksim: Ihr macht seit zwölf Monaten und ich sehe noch nichts. Theo: Sieht man schon was? Ja, genau. Wann KI? Wann KI? Theo: Auf der anderen Seite, wenn du irgendeinen Billo-Chatbot aufbaust, Theo: der immer schnell Antworten ausspuckt, aber qualitativ aufgrund von irgendwelchen Theo: Compliance-Regeln zum Beispiel dann auch noch schlechter ist, Theo: als das, was die Leute privat von JetGPT, Claude oder Gemini gewöhnt sind. Maksim: Ja, das haben wir bei vielen Kunden gesehen. Theo: Ui. Maksim: Bei ihr in der Zwangsjacke. Theo: Da bist du echt in einer Argumentationsnotlage, warum das, was du jetzt hier Theo: gerade machst, irgendwie professionell und hochwertig ist. Theo: Das ist so der Spagat. Theo: Und deswegen, wenn du jetzt sagst, deine Prämisse war, glaube ich, Theo: wie du es formuliert hast, die Firma hat noch gar keine KI. Maksim: Ja, Computer haben sie schon. Theo: Computer haben sie schon. Dann wäre aus meiner Sicht sinnvoll, Theo: dass du zweigleisig fährst, einerseits so einen General Purpose Chatbot mal Theo: auszurollen, weil auch heute noch, Theo: Surprise. Es gibt einfach noch viele, viele Leute, die noch nicht wissen, Theo: wie eine Prompt richtig zu schreiben ist, beziehungsweise die noch gar nicht Theo: am Schirm haben, was KI-Modelle heutzutage alles können. Theo: Also ganz legitim die Aussage, dass man sagt, okay, für mich ist ein Chatbot Theo: heute sowas wie Wikipedia, weil das einfach so einer der ersten Use Cases war. Theo: Ich kann mir von der KI Fragen beantworten lassen. Theo: Aber die KI-Modelle von heute können ja auch Aufgaben erledigen. Theo: Mit Konnektoren haben wir alles diskutiert. Theo: Und quasi da erstmal Bewusstsein zu schaffen, okay, es ist vielleicht nur ein Theo: ganz einfacher Chatbot, aber schau mal hier, was du mit dem schon machen kannst. Das wäre Gleis 1. Maksim: Das sind zwei Punkte im Prinzip. Also du hörst auf, dass die Leute, Maksim: die schon KI kennen, ihren Privat-Account nutzen und da Firmendaten reinklopfen, Maksim: weil sie nicht einsehen, Aufgabe X oder Y von Hand zu erledigen. Maksim: Die hast du auch immer. Und dann der Rest, die... Maksim: Überhaupt einmal abgeholt werden müssen. Das heißt, so ein Thema, Maksim: hey, hier ist ein offizieller Chatbot und der stinkt nicht komplett. Maksim: Deswegen können ihn jetzt auch die, die schon quasi Vorreiter sind, Maksim: jetzt auch benutzen. Und das ist dann eine Data Compliance, die die Firma unter Maksim: Kontrolle hat. Und das andere Schulung für den Rest. Theo: Ja, ganz genau. Und das haben wir auch schon ein paar Mal. Maksim: Das sind eine Sofortmaßnahmen, oder? Theo: Das ist eine ziemliche Sofortmaßnahme. Und man kann das auch ein bisschen testen, Theo: je nachdem, wie viel Staub man aufwirbeln möchte. Theo: Ich habe das jetzt seit ein, zwei Mal erlebt, dass mir Leute erzählt haben, Theo: in ihrer Firma wurde per Firewall-Regel JetGPT und Cloud gesperrt im Firmen-WLAN, Theo: und das waren Tools, die waren auch vorher schon verboten, vor der Sperrung Theo: und was das dann für Umwälzungen gegeben hat, weil die Leute halt einfach, Theo: weil sie sich nicht anders zu helfen mussten, Theo: Co-Pilot war noch nicht aktiviert oder irgendeiner. Maksim: Oder er war noch in der zu starken Zwangsjacke oder sowas, hatten wir auch oft gesehen. Theo: Ja, und auch ein Funfact, ich habe neulich gelernt, es gibt von Microsoft über Theo: 60 Produkte, die Co-Pilot heißen, also auch da ist nicht Co-Pilot gleich Co-Pilot. Theo: Das ist schon echt interessant, also wie du sagst, eine Sofortmaßnahme eigentlich. Maksim: Okay, aber du hast 90 Tage, what's next? Theo: Das andere wäre, dass man sich in einen Bereich in der Firma rausgreift, Theo: der, wenn man den automatisiert, richtig was bringt. Theo: Und dass man damit dem Reflex widersteht, dass man sagt, okay, Theo: wir haben jetzt hier irgendwie eine Geschichte in der Firma, Theo: die ist automatisierbar und das passt schon, wenn es auch nicht funktioniert, Theo: dann ist es okay, dass man sozusagen Theo: die KI so ein bisschen auf so einen Nice-to-have-Prozess abstellt. Maksim: Das haben wir selber schmerzhaft gelernt in dem einen oder anderen Kundenprojekt, Maksim: wenn uns das quasi, wenn uns die Spielwiese ja, okay, wir wollen mal was mit Maksim: KI machen, hier ist ein Budget und hier ist der Prozess, wo es sowieso niemandem Maksim: wehtut, wenn es nicht klappt. Maksim: Das waren immer Kundenbeziehungen, die statt Upscaling dann Downscaling erfahren Maksim: haben. Egal, wie gut die Arbeit war, weil es einfach dann eigentlich keiner Maksim: benutzt hat, weil da war kein Schmerz da. Theo: Weil es egal ist. Also ein klassisches Beispiel, das ist sowas wie Reisekostenabrechnung. Theo: Wenn du jetzt eine Firma bist, die über das, dass deine Consultants wirklich Theo: jeden Tag bei drei Kunden gleichzeitig irgendwie auftauchen. Theo: Also wenn das nicht eine Kernwertschöpfung ist, sondern wenn das so ein Neben- Theo: Nuisance-Thema ist, ey, come on, dann baust du da nicht jetzt irgendwie dein Theo: Leuchtturmprojekt auf dem drauf. Maksim: Also ein Prozess aus der Kernwertschöpfung und da gibt es ja auch verschiedene. Maksim: Also wonach jetzt würdest du da Maksim: Also, you tell me, aber nach welchen Kriterien suchst du dann das Opfer aus, Maksim: wenn du gefiltert hast nach, es ist ein wertschöpfender Prozess? Theo: Das ist knifflig, weil jetzt multifaktoriell. Also erstens, der Prozess muss wichtig sein. Theo: Er muss es aber gleichzeitig vertragen, dass mal was nicht läuft. Theo: Also du brauchst diese Prozessresilienz, wenn die KI Scheiße baut, Theo: dass dann trotzdem der Mensch noch eingreift und du nicht entweder sofort im Theo: Grabe oder im Knast landest. Theo: Der Prozess muss überhaupt erstmal automatisierbar sein, das habe ich nämlich Theo: auch oft erlebt vor allem bei den VDI-Geschichten, also mit den Ingenieurs getriebenen Theo: Use Cases, dass die Leute wollen, Theo: ja da werfen wir so eine Bleistiftskizze rein und kriegen dann gleich das perfekte Theo: 3D-CAD File am Ende von einem Chatbot raus, also das ist technisch einfach nicht feasible. Maksim: Ja oder es ist halt ein gigantisches Projekt, weil es eben nicht State of the Maksim: Art ist, sondern darüber hinaus das heißt es muss etwas sein, was mit den Maksim: ich sag mal out of the box Tools durch das richtige Zusammenstecken höchstwahrscheinlich funktioniert. Theo: Genau, höchstwahrscheinlich ist das Stichwort. Und am Ende bezahlbar. Theo: Also wenn der Use Case dann auch noch so ist, dass am Ende es günstiger gewesen Theo: wäre, einfach zehn Leute einzustellen. Maksim: Und was ist dieses höchstwahrscheinlich? Sind das die rein Textgeschichten? Maksim: Also was die Large Language Modelle halt gut können oder Maksim: Oder kann man das gar nicht so? Muss man da einfach die Erfahrung haben, um das zu sagen? Theo: Also textbasiert ist natürlich ein guter Indikator. Oder wenn es gute Konnektoren Theo: out of the box gibt, macht natürlich auch einen dicken Unterschied. Theo: Ob du einen MCP-Server von deiner Plattform, mit der du dann arbeiten möchtest, Theo: out of the box kriegst. Oder ob du erst mal Schleifen drehen musst und schauen, Theo: kommen wir überhaupt an die Lösung ran. Theo: Und ob mal so erste Tests flutschen. Theo: Vor allem, wenn es zum Beispiel eben bildverarbeitende Use Cases es sind. Theo: Hey, komm mal, dann nimmst du mal drei Screenshots, packst die in das Modell Theo: rein, probierst es einfach mal aus, ob das Modell imstande ist, Theo: Szenen zu erkennen. Ja, das können die Modelle super gut. Theo: Ein klassisches Beispiel von mir aus den Schulungen ist, du hast einen Zollstock, Theo: einen Meterstab auf dem Bild und fragst dann das Modell, okay, Theo: wie groß ist jetzt das Ding, das du gerade gemessen hast? Theo: Geht total in die Hose. Maksim: Das haben wir ja erlebt auch bei technischen Zeichnungen und so weiter, Maksim: dass das die zumindest die generellen Large-Language-Modelle einfach nicht gut können. Maksim: Aber das heißt, dann würde es pragmatisch sagen, okay, so nach der Erfahrung Maksim: sucht man sich irgendwie drei, vier Maksim: Kandidaten aus und macht eine schnelle Feasibility und macht dann mit dem Maksim: besten halt weiter. Und das ist dann sozusagen, wo man dann vorhat, Maksim: dass nach den 90 Tagen oder innerhalb der 90 Tage da halt dann Impact, Maksim: also Wirkmächtigkeit entsteht in einem für die Firma kritischen Prozess. Maksim: Das heißt, wir haben, um es nochmal zusammenzufassen, Sofortmaßnahme-Chatbot, der nicht stinkt, Maksim: der der Datensicherheit entspricht, die man als Firma braucht und der damit Maksim: quasi allen Mitarbeitern die Möglichkeit gibt, schnell Assistenz zu kriegen Maksim: bei Dingen, die sonst vielleicht länger dauern. Maksim: Dann eben das Leuchtturmprojekt auf einem wichtigen Prozess, Maksim: ausgesucht nach Machbarkeit und gleichzeitig, das hattest du am Anfang erwähnt, Maksim: eine Langfriststrategie aufbauen, damit man nicht nach 12 Monaten, 18 Monaten, Maksim: 17 nicht miteinander kompatible, nicht miteinander sprechende KI-Silo-Lösungen hat. Theo: Ganz genau, ja. Und also vor allem diesen Wichtigkeitsaspekt, Theo: ich kann das nur unterstreichen, ich habe heute früh erst eine E-Mail bekommen, Theo: das war ein super tolles Signal wieder, weil, Theo: wir wöchentlich ja reporten, wo stehen wir, wie ist die Auslastung auf den KI-Pipelines, Theo: und da hat der Geschäftsführer der Firma auf den Weekly Report reagiert, Theo: weil er dachte, dass eine Nummer höher ist als die, die im Report angegeben waren. Theo: Und das waren quasi nur zwei leicht verschiedene Metriken. Das eine war quasi Theo: mit und das andere ohne bereinigte Duplikate. Theo: Und also da merkst du, wenn der Geschäftsführer von der Firma. Maksim: Weil du in der Metrik sich auskennt, Theo: Ja. Erstens die Metriken kennt und danach fragt, wenn der Wert, Theo: der im Reporting steht, um 1,5 Prozent verschieden ist von dem, Theo: was er quasi im Kopf sich dachte, was es sein müsste, dann merkst du, Theo: das ist kein Nice-to-have-Thema. Maksim: Ja, das stimmt. Maksim: Wir haben davon gesprochen, Feasibilities oder auch das Beispiel mit den technischen Maksim: Zeichnungen und so weiter. Maksim: Viele KI-Experimente scheitern. Also die Kunst ist natürlich fail early. Ich denke, das ist klar. Maksim: Aber was macht man mit diesen gescheiterten Experimenten? Maksim: Vergessen und nie wieder darüber sprechen? Theo: Das ist jetzt eine Suggestivfrage. Ihr habt da mal ein interessantes Wording Theo: mitbekommen. Und zwar, dass man den geht noch nicht Stapel einführt. Theo: Also erstens, man muss es erst mal irgendwo dokumentieren. Okay, Theo: man hat was ausprobiert, es hat nicht funktioniert. Theo: Und dann aber vom Mindset her, dass man nicht sagt, okay, ist halt für die Tonne, Theo: sondern vielleicht ist das Modell einfach nur noch nicht, noch nicht eben mächtig Theo: genug oder billig genug oder schnell genug. Maksim: Was denn in der idealen Welt würde man quasi auch definieren? Maksim: Sag mal Beobachtungskriterien, ab wann eine Wiedervorlage oder eine neue Evaluierung. Maksim: Also nehmen wir mal an, sowas wie mit den technischen Zeichnungen. Maksim: Dann könnte man ja in der idealen Welt sagen, okay, jetzt machen wir sowas quasi Maksim: wie so ein Google Alert oder ein Newsletter Screening, was sagt, hey, wenn im Maksim: Space der Modellprovider einer da sagt, hey, unser neues Modell kann Vision Maksim: auf technischen Zeichnungen, dann ist es dein Trigger, diese Feasibility Maksim: einfach neu auszuführen. Maksim: Idealerweise ist es alles sogar so aufgesetzt, als dass es sich im Prinzip nur Maksim: ein paar Knopfdrücke kostet, die Testpipeline jetzt mit einem anderen Modell durchzulaufen. Maksim: Das ist jetzt eine Idealvorstellung, weil im Detail ist nicht immer alles so Maksim: direkt austauschbar, aber das wäre eigentlich der ideale Backlog an noch nicht möglich Cases. Theo: Wobei sich mir die Frage stellt, also ich bin da immer hin und her gerissen, Theo: am Ende ain't nobody got time for that, also alles quasi wirklich per Hand aufzuschreiben. Theo: Und auf der anderen Seite so diese rein KI-gemanagten Wikisysteme und Informationsspeicher, Theo: die haben dann ganz häufig so ein Qualitätsproblem, dass die Information, Theo: die im Wikisystem einfach veraltet, weil eben kein Mensch mit der Meta-Aufsicht drüber schaut. Theo: Was ist denn da deiner Meinung nach aktuell so der Best-Gas für diese Informationsdatenbanken? Theo: Einfach um Wissen nutzbar zu speichern in der Firma, also sowohl für einen Mensch Theo: als auch ein KI-Modell dann am Ende. Maksim: Also wie du es sagst, ich finde, das ist nach wie vor kein zufriedenstellend gelöstes Problem. Maksim: Also meine Erfahrung ist, dass die KI-Agenten noch sehr schlecht die Flughöhe Maksim: halten können. Was meinst du damit? Maksim: Wenn du ein Wiki-System aufbaust oder etwas Vergleichbares, dann erwartest du Maksim: von den Artikeln so eine gewisse Flughöhe im Sinne von wie tief ins Rabbit Hole Maksim: und wie tief in die Details gehen sie. Maksim: Und unter Umständen hast du da Hierarchien. Also quasi es gibt da vielleicht Maksim: hier die Ebene, das ist sozusagen so die Executive Summary und dann gibt es Maksim: da vielleicht schon nochmal Details, wie genau funktioniert der Zugriff auf Maksim: KI-System X oder Y, was muss man da machen und so weiter. Maksim: Irgendwo willst du vielleicht schon diese Detailanleitung haben. Maksim: Also die so ganz wirklich jeden Screenshot oder jedes Kommando, die er abtippt. Maksim: Es ist gut, die zu haben, aber wenn die auf der gleichen Hierarchie-Ebene existiert, Maksim: wie was für IT-Systeme haben wir überhaupt? Maksim: Dann ist das strukturell, das Wiki für den Menschen nicht mehr nutzbar. Maksim: Eine KI kann da vielleicht noch semantisch drin suchen, aber dann ist es eigentlich Maksim: ein Datengrab für eine semantische Suche geworden. Maksim: Das merkt man extrem stark, wo es vielleicht jetzt spezifischer leider wird Maksim: für ein paar Zuhörer, aber vielleicht greifbarer für die anderen, Maksim: ist im Requirements Engineering, also im Zusammenfassen, was soll überhaupt getan werden. Maksim: Und da sind diese Hierarchien meiner Meinung nach unglaublich wichtig. Maksim: Also sagen wir mal, du möchtest überhaupt erst mal aufschreiben, Maksim: wir brauchen eine App, die diese fünf Sachen kann. Maksim: Dann ist es wichtig, dass diese fünf Sachen auf ungefähr einer Flughöhe stattfinden. Maksim: Und klar gibt es dann Details. Wie macht es denn diese Sache? Maksim: Die wird dann wieder runtergebrochen und die wird dann wieder runtergebrochen. Maksim: Und dann irgendwann bist du quasi schon fast bei der Implementierung. Maksim: Aber wenn du diese fast bei der Implementierung auf die gleiche Ebene bringst, Maksim: wie unsere App besteht aus fünf Komponenten, Maksim: Da bricht dir dieses ganze Strukturhaus zusammen und das machen meiner Erfahrung Maksim: nach die KI-Modelle immer noch zu schlecht und das macht dann halt auch ein Wiki-System schlecht. Maksim: Also da hast du Walls of Text, die eigentlich ein Absatz sein sollten und umgekehrt. Theo: Ja, da gibt es eine Analogie aus dem Management, wenn du sagst Requirements Theo: Engineering, ja eher was Technisches aus der Softwareentwicklung, OKRs. Maksim: Ja, da habe ich genau auch dran gedacht. Theo: Die Key Results des einen sind die Objectives des anderen. Maksim: Genau, da ist es total eingebacken, wie wichtig die Hierarchie ist. Maksim: Wenn plötzlich ein Objective von drei Ebenen weiter unten, also drei Key Results Maksim: weiter unten, auf der gleichen Hierarchie ist wie die Top Level Management Objectives, Maksim: dann ist dein ganzes OKR-System eigentlich für den Arsch. und Maksim: ja, deswegen Maksim: Welches Format genau? Also, ich meine, es gibt LLM-freundliche Sachen wie irgendwie Maksim: Open Knowledge Format und so weiter oder generell alle so Wikisysteme, wo Maksim: die nahen Markdown, also der Syntax Markdown funktioniert, die sind super zu Maksim: navigieren für LLMs, aber die Hochheit über den Content, Maksim: die muss dann immer noch ein Mensch haben. Maksim: Also du kommst wieder um dieses Review, diese Review-Schuld nicht drumherum. Maksim: Deswegen kann ich da jetzt nicht sagen, hey, folgendes Wikisystem, Maksim: hey, das flutscht mit den LLMs. Ja, manche sind leichter anzubinden als andere. Maksim: Aber ob du jetzt ein Confluence oder ein GitLab-Wiki oder du machst irgendwie, Maksim: wie hieß das, Gollum, dieses ganz einfache mit den Reihenmarktern und basierten Maksim: Sachen, du nimmst was auf LLMs geeichtes wie Open Knowledge Format. Maksim: Die Herausforderung aktuell ist aus meiner Sicht Maksim: Dieses Flughöhenmanagement, was gehört überhaupt auf welcher Flughöhe rein, Maksim: weil ein Wiki, was komplett flach ist, ist aus meiner Sicht für Menschen unbrauchbar. Maksim: Und diesen Prozess, der geht nur über einen Maintainer des Wikis, Maksim: der natürlich mit der KI, der kann dann suchen, hey, ich habe jetzt ein neues Maksim: Informationsschnipsel, wo habe ich jetzt überall Sachen, die halt dadurch korrigiert Maksim: gehören, aber vor allem dieses, Maksim: ich habe jetzt hier ein Informationsschnipsel, liebe KI, entscheide du, Maksim: ob das ein neuer Artikel wird oder ob ein alter ergänzt werden soll, don't. Maksim: Das ist meiner Meinung nach dann, dann wird es ein Wildwuchs, Maksim: der für den Menschen unbrauchbar wird. Maksim: Und für die KI leidlich brauchbar, aber auch die wird dann irgendwann den Mischmasch Maksim: aus alten und neuen Informationen haben und die Qualität wird dann über die Maksim: Zeit schlechter statt besser. Theo: Das wird spannend, wie sich das die nächsten Monate entwickelt mit den neuen Theo: Modellgenerationen, weil es ist ja so eine, Theo: aus meiner Sicht so eine kernkognitive Fähigkeit des Kontextverständnisses und Theo: so, um das zwischen den Zeilen zu lesen, was die Modelle ja früher überhaupt Theo: nicht konnten und es wurde besser, aber Besser. Mal schauen, ob es sättigt. Maksim: Es ist bei mir immer noch auf dem Geht-noch-nicht-Stapel, aber die Wiedervorlage, Maksim: also wäre es auch ein Thema, was ich so auf der Watchlist habe. Theo: Mhm, mhm. Maksim: Ja, aber kommen wir mal zurück zur Proof of Skill. Theo: Okay, ja. Maksim: Wir haben beide Physik studiert, haben beide viel dabei gelitten im Sinne von, Maksim: dass man viel ins Gehirn kriegen muss, nicht in der Menge, sondern in der konzeptionellen Fremdartigkeit. Maksim: Und man hat da dabei keine KI-Hilfe. Maksim: War das jetzt unser Glück oder unser Fluch? Maksim: Bringt mich eher zu der Fundamentalfrage, was sind denn die Studien, Maksim: die es heutzutage gibt, aus deiner Sicht noch wert? Maksim: Weil man hört ja aus den Universitäten, die Studenten logischerweise nutzen Maksim: dann KI, um die Hausaufgaben für sie zu machen und so weiter. Maksim: Diese Versuchung ist natürlich da. Maksim: Der Prof korrigiert dann vielleicht mit KI und irgendwann hast du quasi nur Maksim: noch KIs, die miteinander sprechen und niemand lernt was. Maksim: Das ist jetzt sehr, sehr provokant gesagt. Aber das Format der Universität, Maksim: das Format der Studiengänge, wie ist denn dein Blick darauf aus der HR-Brille Maksim: auch? Also was würdest du jetzt jemandem raten, der vor der Studienwahl oder Maksim: seiner Ausbildungswahl steht? Maksim: Wie gehst du da ran? Oder auch einem Prof? Theo: Okay, also vielleicht mal der letzte Punkt. Theo: Ich würde heute, wenn ich mir einen Studiengang aussuche, ganz genau schauen, Theo: wie sich so die Profession, die man dann am Ende damit machen kann, Theo: einordnet so in die KI-Landscape. Theo: Also weil es gibt einfach Berufe, die sind hardcore obsolet. Maksim: Also du würdest jetzt nicht mehr Übersetzer werden? Theo: Eher nicht. Außer du bist entweder super, super, super drüber, Theo: also so diese Top 0,1 Promille-Leute. Theo: Da outperformst du natürlich auch quasi so eine Standard-KI-Automatisierung. Theo: Oder du hast da irgendwie eine super Nische. Theo: Zum Beispiel, was ich mal gelesen habe, es gibt für Gebärdensprache, Theo: es gibt verschiedene Gebärdensprachsysteme und es gibt Gebärdensprach-Dolmetscher. Theo: Da gibt es in Europa irgendwie, ich weiß die Zahl nochmal, drei ja, Theo: also sowas super nischiges okay, Theo: aber so der Wald und Wiesen, auch Software Codierer, also der der sich selbst Theo: so definiert, ich bin gut drin Code zu tippen, Theo: die Zeiten sind halt vorbei also das wäre jetzt mal so die fundamentale Studienauswahl Theo: und ansonsten aber bitte, Theo: halte mal deine Sichtweise dagegen. Ich denke, wenn man selbst diszipliniert Theo: arbeitet, dann kann man auch heute noch sehr, sehr wertvoll studieren. Theo: Also es ist eher so, man muss halt zur Versuchung, den Shortcut zu nehmen, Theo: einfach nur Nein sagen, weil man am Ende sich selbst betrügt um die Lernkurve. Maksim: Ja, also das Klassische, du musst erstmal ohne Taschenrechner rechnen lernen, Maksim: bevor du den Taschenrechner nutzt. Theo: Ja genau, wo man sich ja bewusst dazu entscheidet. Maksim: Genau und hin und wieder, ja also meistens zwingt dich die Schule, aber... Maksim: Aber dass man diesen Teil quasi einfach selber, also lernt, dass man heutzutage Maksim: aufgrund dieser Omnipräsenz von KI, die quasi das Schweizer Taschenmesser fast Maksim: für jedes Studium dann ist, Maksim: dass man sich selbst diszipliniert, was natürlich dem Unterprüfungsdruck und Maksim: Hausaufgaben, Deadlines und so weiter wahnsinnig schwierig ist. Maksim: Aber das ist eigentlich das, womit du mit dem Studium rausgehen willst, Maksim: ist eigentlich ein Hirn mit anders verknüpften Neuronen. Theo: Ja, genau. Maksim: Und das kriegst du nicht, wenn du die Arbeit für dich machen lässt. Maksim: Dann hast du ein Zeugnis. Maksim: Aber die Zeugnisse sind vielleicht auch immer weniger wert. Also ich weiß von Maksim: dir, dass du auf das Zeugnis nicht so viel Wert legst, wie der Bewerber dich beeindruckt. Theo: Definitiv. Also es kam schon einige Male vor, dass ich bei einem Kollegen gefragt Theo: wurde, so, ah, habt ihr einen neuen Kollegen und was hat der studiert, Theo: was hat der für ein Background und ich dann erst realisiert, Theo: fuck, ich weiß ich gar nicht. Maksim: Ja, genau, er ist gut. Theo: Ja, ganz genau. Und ansonsten war schon klar, irgendwie man muss da vielleicht Theo: auch unterscheiden zwischen Schule und dann, was machst du, nachdem du volljährig bist, Theo: im Sinne von einer Selbstverantwortung, aber come on, also wenn du studierst, Theo: irgendwie Bachelor, Master, zehn Semester, Theo: Und dann sozusagen sagst, okay, ich studiere jetzt hier komplett mit KI-Unterstützung Theo: und mogel mich jetzt mal gegenüber mir selbst dadurch. Theo: Ja, Glückwunsch, du hast jetzt zwar das Zeugnis, hast aber nichts gelernt und Theo: hast fünf Jahre deines Lebens verschwendet. Selber schuld. Theo: Das Einzige, wo ich halt ein Problem sehe, ist eben auch in der Vergleichbarkeit von den Zeugnissen. Theo: Weil ich finde es halt unfair, dann insofern, wenn die Abschlussnote die gleiche Theo: ist von jemandem, der sich richtig reingekniet hat und wirklich was gelernt hat. Theo: Und jemanden, der quasi den Cheatcode benutzt hat. Maksim: Na gut, aber das ließe sich ja, Maksim: keine Ahnung, mündlichen Prüfungen beispielsweise ja trotzdem abprüfen. Theo: Aber das sind ja die Professoren, die gearschen, weil deren Prüfungsaufwand Theo: natürlich jetzt exponentiell steigt. Mhm. Maksim: Ich würde noch ein bisschen, ich habe letztes Mal so ein bisschen davon gesprochen, Maksim: dass ich zwischen Aufgaben und Berufen unterscheiden würde. Und was jetzt hier Maksim: noch, da kommen hier noch die Ebene hinzu, Fähigkeiten. Theo: Ja. Maksim: Also ich wäre vorsichtig heutzutage mit Studiengängen, die im Prinzip eine akademischere Maksim: Berufsausbildung sind. Maksim: Also das Paradebeispiel dafür wäre ja das Jura-Studium, das dich eigentlich Maksim: genau zu einem Beruf, okay, wenn du jetzt Richter, Staatsanwalt und so weiter Maksim: unterscheidest, sind es mehrere Berufe, also da bin ich jetzt gemein, Maksim: aber es ist im Prinzip eine höchst intellektuelle, Maksim: aber es ist irgendwo auch eine Berufsausbildung. Maksim: Berufsausbildung, zumindest für den Großteil der Studenten. Maksim: Und wenn du es nur als Berufsausbildung aufgreifst, dann begibst du dich, Maksim: glaube ich, dann auf gefährliches Terrain, weil wir wissen beide, Maksim: wie gut, also auch wie schlecht, aber wie gut die KI in der Rechtsberatung ist. Maksim: Also das wird da auch bestimmt einigen Einzug erhalten. Maksim: Aber ein Beruf ist ja mehr als das. Ein Anwalt muss ja auch überlegen, Maksim: was ist denn überhaupt der Angle of Attack und so weiter. Maksim: Gleichzeitig ist es wahnsinnig wichtig aus meiner Sicht, dass der Anwalt, Maksim: der nachher vielleicht total mit KI arbeitet, weil es halt 90% der Arbeit wegschafft, Maksim: dass der aber wüsste, wie diese Aufgaben gehen. Maksim: Also dass ich wüsste, wie könnte ich ohne Taschenrechner rechnen. Maksim: Dass ich wüsste als Pilot, wie kann ich ohne GPS navigieren. Maksim: Auch wenn ich es im Alltag dann nicht mache. Maksim: Aber es ist wichtig, um deine Tools zu kontextualisieren. Maksim: Und die KI schafft dann vielleicht wahnsinnig viel Aufgaben vom Anwalt weg, Maksim: aber bestimmt nicht den Beruf des Anwalts. Maksim: Aber das heißt dass dann, wenn, schau, dass du quasi die Maksim: Die Ratio dahinter mit dem Blick hast und nicht einfach nur sagst, Maksim: ja, ich muss gut Gutachten schreiben können, dann werde ich Anwalt. Maksim: Und dann fokussierst du dich auf einen Beruf, der vielleicht total transformiert Maksim: wird. Das heißt, wenn du den Beruf in deinen Gedanken freest, Maksim: lernst du entgegen das falsche Ziel und du versteifst dich dabei auf eine Aufgabe. Maksim: Und Aufgaben sind das, was die KI am meisten wegschafft. Maksim: Das heißt, ja, ich muss wissen, wie man Gutachten schreibt und ich sollte das üben und so weiter. Maksim: Aber ich werde es wahrscheinlich nachher nicht in der Form selber machen. Maksim: Und was ist meine Daseinsberechtigung, dann ist eher… Maksim: Eine Ebene drüber, was ist denn die Strategie, wenn wir jetzt bei der Rechtsberatung Maksim: bleiben, also was ist denn die Strategie für meinen Mandanten, Maksim: um mir möglichst gut dazustehen. Maksim: Und das betrachtet, verlangt einen anderen Blickwinkel. Maksim: Und bisher hat man wahrscheinlich sagen können, ja, dieser Blickwinkel, Maksim: der ergibt sich dann und wir quälen jetzt die Studenten damit, Maksim: dass sie alle Aufgaben lernen und der Rest ergibt sich dann. Maksim: Und zum Teil stimmt das ja auch, aber in dem Moment, wo du nur auf die Aufgaben Maksim: abprüfst und auch die Leute im Prinzip darauf drillst, erfüllt die Aufgaben, Maksim: was wir aus dem Physikstudium kennen, so Shut Up and Calculate. Maksim: Dadurch, dass das von der KI abgenommen werden kann, hast du damit nicht mehr Maksim: hinreichend den Nebeneffekt, dass sozusagen das Übergeordnete, Maksim: was du eigentlich erreichen willst, dass ich blicke jetzt anders auf die Welt, Maksim: Erreicht wird. Ich weiß nicht, ob das kohärent genug formuliert war, Maksim: aber du verstehst vielleicht, worauf ich hinaus will. Theo: Ja, ich wollte im ersten Moment fast widersprechen, als du gesagt hast Anwälte. Theo: Ja, weil also für mich ist der Anwaltsberuf hochgradig zukunftsfähig, Theo: eben weil der Anteil dieser eben nicht-mechanischen Tätigkeiten und sehr, Theo: sehr stark zwischenmenschlichen Tätigkeiten extrem hoch ist. Theo: Wenn man sich mal anguckt, es gibt ja total diverse Ausfächerungen. Theo: Nimm einen Scheidungsanwalt. Theo: Inwiefern muss ein Scheidungsanwalt Psychologe sein? Theo: Ja, genau. Oder glänzen, um das Komma richtig zu setzen. Das ist völlig sekundär. Theo: Du musst ja irgendwie einen Konsens herbeiführen auf die eine oder andere Art. Maksim: Ja, aber was hat der Scheidungsanwalt im Studium gelernt, also im klassischen Studium gelernt? Theo: Naja, das Handwerkszeug, um dann souverän mit den Basics, also mit denen im Theo: Hinterkopf zu arbeiten. Maksim: Ja genau, aber aus diesem Blickwinkel muss man halt darauf gehen. Maksim: Vielleicht ist dementsprechend mein Filter nach, ist es eine Berufsausbildung, Maksim: ja oder nein, zu beantworten. Maksim: Stark formuliert, aber ich würde besonders bei dem, was in Richtung Berufsausbildung Maksim: geht, wäre ich halt, würde ich mit besonders, besonders wachsam sein, Maksim: wie kann das Berufsbild später aussehen und was lerne ich hier trotzdem, Maksim: was fundamental wichtig dann ist. Maksim: Weil beispielsweise Physikstudium ist eigentlich keine Berufsausbildung. Maksim: Wie viel Prozent der Physikstudienten werden Physiker? Maksim: Also von allen, die ich jetzt da kenne, ist das… Einstelliger Prozent. Ja, ja. Maksim: Also das heißt, man geht eigentlich gleich in dieses Studium rein mit, ich lerne ein Skillset. Maksim: Und das ist auch mit KI automatisch dann wichtig. Maksim: Und da gibt es unterschiedliche Studien. Und im Prinzip könnte man wahrscheinlich Maksim: dann wieder, wenn man zum Übersetzer zurückkommt, ich lerne hier nicht, Maksim: also klar, Übersetzen ist auch ein Skillset, aber ich lerne jetzt nicht, Maksim: sollte heutzutage nicht lernen, auf das Zielbild, ich werde nachher Simultanübersetzer Maksim: oder Buchübersetzer oder sowas, Maksim: Sondern eher, ich lerne, klar, das Handwerkszeug, damit ich, Maksim: weil irgendjemand muss auch später dann die KI überprüfen können und sich nicht Maksim: einfach nur darauf verlassen, Maksim: aber auch mit, was sind die Dinge, worauf es ankommt? Was ist denn die Strategie dahinter? Maksim: Ich weiß es überhaupt nicht, weil ich mich in Übersetzung nicht auskenne, Maksim: aber ich kann mir vorstellen, dass man sich vielleicht vorher überlegt, Maksim: wenn du jetzt irgendwie so einen Harry Potter übersetzt, was ist denn das Sprachkonzept, Maksim: mit dem das Buch nachher auch sich dann auf Deutsch gut liest? Maksim: Und das ist ja was, was du kohärent durchziehen musst und kannst nicht auf Seite 5, Maksim: keine Ahnung, aus Magic Wand Zauberstab machen und dann auf Seite 55 Magiestab Maksim: oder ich weiß nicht was, aber Maksim: darauf will ich hinaus, dass es immer der Beruf oder der Beruf bleibt, Maksim: sieht vollkommen anders aus. Maksim: Die Skills brauchst du trotzdem, mindestens um die KI kontrollieren zu können. Maksim: Und ja, das bedeutet jetzt in der Quintessenz, die Studien sind immer noch gerechtfertigt. Theo: Also aus meiner Sicht schon. Maksim: Aber die Studenten sind mehr in die Pflicht genommen, sich selbst dabei zu Maksim: zu transformieren im Sinne von nicht einfach die Hausaufgaben, Maksim: egal wie, lösen, sondern das eigene Hirn trainieren. Theo: Und im Idealfall, also vielleicht ist es ja jetzt so ein Kicker-Richtung, Theo: dass die Berufung dann wieder mehr in den Mittelpunkt oder vielleicht das erste Theo: Mal überhaupt in den Mittelpunkt gerückt wird. Theo: Weil wenn ich das angucke, mein Lehramt, da hat sich viel jetzt die letzten Theo: Jahrzehnte auch geändert, aber früher war das, du hast, um Mathelehrer zu werden, Theo: hast du ein Mathematikstudium gemacht und hattest null Didaktik. Maksim: Ja, ich glaube, das ist mittlerweile anders. Theo: Das hat sie massiv natürlich verschoben. Aber das ist, finde ich, Theo: immer so das Prime-Beispiel dafür, dass du hast es vorhin formuliert mit, Theo: man gibt den Leuten die mechanische Tätigkeit und der Rest ergibt sich dann oder bei den Anwälten. Theo: Ja, lernen die Paragraphen auswendig und das Zwischenmenschliche ergibt sich Theo: dann. Also vielleicht rückt es dann in den Fokus, was die eigentliche Berufung Theo: ausmacht und auch der Übersetzer. Theo: Ich habe aus unserem neuesten Bewerbungsprozess Shoutout Laura mit, Theo: linguistischem Background die hat Theaterübersetzung gemacht und da kannst du Theo: eben nicht sagen, du übersetzt Viktualienmarkt einfach stumpf in der Fremdsprache, weil, Theo: in dem Wort Viktualienmarkt steckt für Leute, die den kennen, Theo: einfach extrem viel Kontext drin, Theo: und das einfach nur zu übersetzen mit, Theo: Vegetable Market ist schon okay, das ist völlig an der Information, Theo: die eigentlich ausgedrückt werden wollte, vorbei. Theo: Insofern, also auch Übersetzer, wenn du halt dich nicht verstehst als ja, Theo: ich übersetze den ganzen Tag Impressums für Internetseiten. Theo: Die Wiesen ist g'mat. Maksim: Und das ist ja auch was beim Programmieren. Also wenn du den Softwareentwicklerberuf Maksim: so verstehst als naja, ich kriege da meine Requirements und ich gieße die dann in Code Maksim: Das ist genau, wie ich übersetze das Impressum von Deutsch nach Englisch. Maksim: Du musst dann halt viel mehr in die Richtung. Hey, machen die Requirements Sinn? Maksim: Wie komme ich zu den Requirements? Maksim: Welche Architektur stellt uns hier dann zukunftssicher aus? Weil das kann ja Maksim: sich die KI auch nicht aus der Nase ziehen. Maksim: Die hat ja nicht den gleichen Kontext, den du hast als Softwareentwickler, wenn du mit dem Maksim: Kunden oder Product Owner und so weiter gesprochen hast dann vielleicht bei Maksim: einem Meeting dabei warst, wo über die Firmenstrategie gesprochen wird, Maksim: da kannst du ganz andere Sachen noch in Betracht ziehen. Theo: Genau. Also Maxim, das heißt, dein Fazit ist, shut up and calculate. Maksim: Ja. Ja. Maksim: Aber wissend, dass es darum geht, dein eigenes Hirn dabei zu trainieren. Maksim: Nicht, weil du es später den ganzen Tag machst. Theo: Ich fand das total spannend heute, war für mich ein totaler Flashback in die Theo: Studien- und Promotionszeit und nächste Woche wird das Ganze dann Mike Steinmetz Theo: nochmal aus seiner Perspektive aufgreifen. Maksim: Da haben wir jetzt mal einen Prof dabei. Theo: Da haben wir mal einen Prof dabei, genau, der ist ein Insider. Maksim: Mal gespannt, was er sagt. Ob er dann sagt, Jungs, ich habe eure Folge angehört. Theo: Naja, die... Maksim: Wir müssen reden. Theo: Die mit ihm ist schon im Kasten, also er kann jetzt nicht mehr drauf reagieren. Maksim: Blick hinter die Kulissen. Theo: Richtig. Ja, danke Maxim. Maksim: Danke dir. Bis bald.

More episodes from season 8 →