『Think Different. Think AI.』のカバーアート

Think Different. Think AI.

Think Different. Think AI.

著者： Jens Scharnetzki und Mark Zimmermann
無料で聴く

Willkommen bei „Think Different. Think AI.“ – dem Podcast von Mark und Jens. Zwei technologieverliebte Köpfe, die nicht nur über künstliche Intelligenz reden, sondern sie leben. Hier gibt’s klare Einordnungen, echte Praxiseinblicke und einen frischen Blick auf das, was möglich ist – verständlich, kritisch und immer mit einem Augenzwinkern. KI zum Nachdenken. Zum Schmunzeln. Und vor allem: zum Mitreden.... von Menschen … für MenschenJens Scharnetzki und Mark Zimmermann 政治・政府 社会科学
エピソード
  • Speed vs. Safety

    Speed vs. Safety
    2026/07/12
    Was macht man, wenn die eigene Loop-Engineering-Folge von letzter Woche von der Realität überholt wird, bevor die Tinte trocken ist? Genau das ist Mark und Jens passiert, deshalb gibt es diese spontane Zusatzfolge. Auslöser ist Fable, das Anthropic-Modell, das vor wenigen Tagen für Nicht-US-Bürger gesperrt wurde. Die Strategie der US-Regierung könnte sein, ausgewählten Firmen und der eigenen Verwaltung einen Vorsprung beim Schließen genau dieser Lücken zu verschaffen, bevor Modelle aus weniger kontrollierbarer Hand ähnlich leistungsfähig werden. Von dort geht es zu Destillation: Chinesische Modelle bauen die Fähigkeiten großer US-Modelle nach, indem sie ihnen mit automatisierten Massenanfragen quasi das Wissen aus der Token Prediction herausextrahieren. Das trifft auch Unternehmen hart, die ihre Prozesse zu früh auf ein einzelnes Modell ausgerichtet hatten. Mark und Jens berichten von Kanzleien, die ihre komplette Textanalyse auf Fable umgestellt hatten und jetzt vor genau diesem Problem stehen, wenn das Modell abgeschaltet wird. Nebenbei taucht auch noch ein neuer Herausforderer namens Fuku (von einem Anbieter, an dessen Namen sich Jens im Gespräch selbst erst erinnern muss) auf, der eigene Rekord-Benchmarks für sich beansprucht. Direkt anschließend an die Loop-Engineering-Folge der Vorwoche geht es um die praktischen Grenzen von Loops: Jens berichtet von einer mehrtägigen Sperre bei Anthropic, nachdem er sein Wochenlimit im Max-Plan an einem einzigen Abend verbraucht hatte. Noch tückischer ist ein zweiter Fall: Trifft ein Loop mitten in der Arbeit auf ein API-Limit statt ein Modell-Limit, bricht er zwar ab, meldet sich aber nach einem einfachen "mach weiter" so zurück, als sei alles erledigt, samt der beiläufigen Bemerkung, es habe acht Abstürze gegeben, die man reparieren solle. Am Ende steht ein Ergebnis, das aussieht wie ein normaler Prompt, nicht wie die eigentlich gewünschte gründliche Iteration. Der Aufruf der Folge: weg vom reinen Prompt Engineering, hin zum Loop-Ingenieur. Zum Schluss ordnen die beiden ein, wie früh diese Phase der KI-Entwicklung eigentlich noch ist, vergleichbar mit dem Internet um 1997: vieles funktioniert schon, aber es gibt noch keine etablierten Standards, dafür aber schon die ersten Kurs-Verkäufer, die das große Geld versprechen. Ein Streitpunkt dabei sind Commodity-Harnesses wie ChatGPT, Gemini oder Anthropics Cowork gegenüber dem eigenen, selbstgebauten Agent Harness, der mit ständig wechselnden Modellen und Umgebungen klarkommen muss. Mark erzählt von jemandem, der sein selbstgebautes Harness-Ergebnis als "so eine JSON-App" abgetan hat, ein Anlass für eine eigene, ausführlichere Harness-Engineering-Folge, die die beiden ankündigen. Trotz aller Rückschläge bleiben Mark und Jens optimistisch: Sie vergleichen die aktuelle Phase mit dem iPhone-Moment, nach dem erst Anwendungen wie WhatsApp entstanden sind, die vorher niemand kommen sah, und erwarten Ähnliches für spontan generierte Software statt fertig gekaufter Programme.
    続きを読む 一部表示
    23 分
  • Loop Engineering

    Loop Engineering
    2026/07/05
    Vor zwei, drei Jahren drehte sich alles um eine Frage: Wer schreibt den besten Prompt? Heute ist die eigentliche Frage laut Mark und Jens eine andere: Wer baut die beste Schleife, den besten Loop. Auslöser der Folge ist ein Zitat von Andrej Karpathy, der kürzlich öffentlich gemacht hat, dass Loop Engineering inzwischen wichtiger sei als Prompt Engineering. Mark zeichnet daraufhin seine eigene Entwicklung nach: von einer frühen Notion-Prompt-Datenbank ("Diskette war schon immer gut, wer will schon eine CD?") über Skills als Markdown-Dateien mit Sub-Skills und ausführbarem Python-Code bis zum eigentlichen Loop Engineering. Der Unterschied: Ein Loop bekommt kein einzelnes Kommando, sondern ein Ziel, klare Erfolgskriterien und die Anweisung, sich selbst so lange zu überprüfen und zu wiederholen, bis das Ziel erreicht ist. Die praktische Warnung der Folge: Wer eine KI ihre eigene Arbeit prüfen lässt, bekommt oft nur Selbstbestätigung zurück. Mark und Jens plädieren deshalb dafür, das Ergebnis (das "Act") von einem anderen Modell checken zu lassen, statt von demselben System, das es erzeugt hat, denn ein System, das sich selbst belobigt, ist kein kritischer Beobachter. Als Beleg zitiert Mark einen Post von Peter Steinberger zu genau diesem Ansatz und dem dazugehörigen Tokenverbrauch. Darauf aufbauend ordnen die beiden aktuelle Funktionen wie Claude Codes Goal-, Loop- und Workflow-Modus ein, inklusive Marks eigenem Ablauf: erst planen, dann mit einem Kritiker- und einem Meta-Analyse-Skill gegenprüfen lassen, dann per Goal automatisiert umsetzen lassen, auch wenn das mal 10, 12 oder 20 Stunden dauert. Ein wachsendes Thema in diesem Zusammenhang ist Harness Engineering. Je mehr Agenten und Loops parallel arbeiten, desto wichtiger werden Kontext und Memory (Stichwort "Second Brain", mit dem Beispiel der kurzfristigen Fable-Abschaltung als Warnung, wie schnell Kontext sonst verloren geht) sowie Governance-Fragen wie Auditierung und signierte Skills. Mark spinnt das Gedankenspiel humorvoll weiter zu einem "deutschen Behörden-Harness", der Bürokratie automatisiert und dadurch zum heimlichen Exportschlager werden könnte. Zum Abschluss grenzen die beiden Harness noch begrifflich von "Agentic OS" ab. Das Fazit der Folge: Es geht nicht darum, mit möglichst vielen Tokens zu beeindrucken, sondern ein klares Ziel zu definieren und der Maschine geduldig den Weg dorthin zu überlassen.
    続きを読む 一部表示
    46 分
  • Vibe Consulting & Bonus

    Vibe Consulting & Bonus
    2026/06/28
    Was passiert, wenn Agenten anfangen zu beraten? In dieser besonderen Doppelfolge sprechen Mark und Jens mit zwei Gästen direkt vom adesso Digital Day 2026: Prof. Dr. Volker Gruhn, Aufsichtsratsvorsitzender der adesso SE und Hochschullehrer für Software Engineering an der Universität Duisburg-Essen, sowie Stephan Kempf, Experte für Mobile, On-Device AI und Agent Harnessing bei adesso mobile solutions sowie Co-Autor von „Corporate LLM". Im Mittelpunkt steht die Frage, wie sich Softwareentwicklung, Beratung und Make-or-Buy-Entscheidungen durch KI verändern. Was bedeutet es, wenn Anwendungen heute scheinbar per Prompt entstehen können? Wo liegen die Chancen von Vibe Coding, und wo beginnt die gefährliche Illusion einfacher Softwareentwicklung? Volker Gruhn zieht dabei die Parallele zur Dotcom-Ära, als plötzlich "jeder zum Webseitenschreiber" wurde, und ordnet ein, warum Vibe Coding für Spielzeug-Apps reicht, aber nicht automatisch für ein produktionsreifes ERP-System. Die Diskussion zeigt: KI kann Entwicklung massiv beschleunigen, aber nachhaltige Software entsteht nicht allein durch gute Prompts. Entscheidend bleiben saubere Spezifikation, Softwarearchitektur, Requirement Engineering, Skills und ein stabiler Agent Harness. Stephan Kempf bringt es im Fazit auf den Punkt: Das eingesetzte KI-Modell ist am Ende fast austauschbar, entscheidend ist, wie robust der Harness drumherum gebaut ist.
    続きを読む 一部表示
    52 分
adbl_web_anon_alc_button_suppression_t1
まだレビューはありません