Folge 7: Arbeit neu denken: 12 Thesen zur Zukunft im Zeitalter generativer KI

00:00:00: Willkommen zu einer neuen Folge von Mind Meets Maschinen, dem KI-Podcast der EuroFH in dem wir über die Zukunft von Bildung Arbeit und Gesellschaft im Zeitalter der künstlichen Intelligenz sprechen.

00:00:11: Wer sind wir?

00:00:12: Ich bin Vera Lenz-Kesekamp Präsidentin der Euro FH und mit dabei ist...

00:00:16: Ja hier ist Julia Jochem.

00:00:17: ich bin die Teamleiterin Digitale Lehre und KI an der Eurofh Und unser heutiger Gast ist unsere Kollege Professor Dr.

00:00:25: Manuel Geisler.

00:00:27: Manuel stelle dich doch am besten selbst mal kurz vor!

00:00:29: Hallo zusammen, mein Name ist Manuel Gaisler.

00:00:32: Ich bin Professor für Elektrotechnik und Informatik an der EUROFH und betreue in dem Kontext auch zahlreiche Studiengänge von der technischen Informatika über die medizinische Informatica bis hin zu Elektro- und Informationstechnik und mich interessieren insbesondere technischer Aspekte wie beispielsweise generative KI aber auch gesellschaftliche Aspechte also insbesondere wie Technologie und Gesellschaft interagieren.

00:00:58: Du hast ja ganz spannende zwölf Thesen zur Zukunft von generativer KI formuliert.

00:01:04: Wie kam es denn dazu, dass du dich überhaupt damit beschäftigt hast?

00:01:08: Als Profs an der EuroFH pflegen wir ein recht großes Netzwerk in die Industrie vor allen Dingen auch um am Puls der Zeit zu bleiben und um sicherzustellen das unsere Studiengänge aktuelle Inhalte vermitteln.

00:01:22: Und aus diesem Netzwerk habe ich in den vergangenen paar Monaten, so vor allen Dingen seit Herbst, zwei Tausend Fünfundzwanzig viele Impulse erhalten die alle in die gleiche Richtung gezeigt haben und die alle damit zu tun hatten wie generative KI die Arbeitswelt und unser Arbeitsleben verändern.

00:01:43: Und all diese Signale waren so konsistent und auch tatsächlich hat es sehr gut meine eigenen Erfahrungen gespielt Dass ich das mal ein bisschen systematisieren wollte.

00:01:53: und daraus sind dann eben die zwölf Thesen zur Zukunft der Arbeit im Zeitalter von generativer KI entstanden.

00:02:00: Diese Zwölftesen, die werden wir auf jeden Fall auch nochmal in die Show Notes packen aber vielleicht willst du zu Anfang sie einmal kurz nennen Manuel damit unsere Hörerinnen und Hörern wissen worum es denn jetzt eigentlich gehen wird?

00:02:13: Sehr gerne!

00:02:13: Die erste These ist dass generative KI kein Werkzeug mehr ist sondern zu einem Akteur wird.

00:02:22: Die zweite Tese ist, dass Softwareentwicklung ihren Engpasscharakter verliert.

00:02:27: Die dritte, das der Mensch zum Orchestrator wird.

00:02:32: Die vierte Tese isst Domänenwissen wird zur zentralen Kompetenz.

00:02:38: Die fünfte Tese Contextmanagement wird zur Schlüsselresource.

00:02:43: Die sechste Tese Software wird zur Wegwerfahre.

00:02:49: Organisationen sind langsamer als Technologie, die achte These Produktivitätssprünge verändern Personalstrukturen.

00:02:59: Die neunte These Hierarchien werden flacher und direkter.

00:03:04: Die zehnte These Unternehmertum wird zur realistischen Option für viele.

00:03:10: Die elfte These Datenqualität verliert ihre exklusive Rolle.

00:03:16: und die zwölfte These, wir stehen unmittelbar vor einem Kipppunkt.

00:03:21: Und wenn wir jetzt mal so ganz global auf diese Zwölftesen schauen und das einmal zusammennehmen.

00:03:26: was ist denn das große Ganze dass du dann auch damit beschreibst?

00:03:31: Genau.

00:03:31: also wichtig ist diese zwölftesen sind keine einzelnen Beobachtungen sondern ich habe versucht einen strukturellen Wandel zu beschreiben.

00:03:41: Arbeit verschiebt sich gerade vor allen Dingen von der Ausführung Also von dem, was wir tun hin zur Koordination von Intelligenz.

00:03:51: Oder anders gesagt wie erleben gerade nicht einfach nur eine Automatisierung sondern wirklich die Externalisierung von kognitiver Arbeit.

00:03:59: und der treibende Faktor hinter all dem ist generative KI bzw insbesondere die Agentifizierung von generativa KI.

00:04:08: Für die Hörer die das jetzt vielleicht nicht ganz einordnen können kannst du kurz erklären was Agentisierung überhaupt is?

00:04:14: Ja, gerne.

00:04:15: Also mit generativen KI-Tools wie zum Beispiel ChatGPt oder Claude haben sicherlich die meisten von uns schon den einen oder anderen Kontakt gehabt.

00:04:26: Die Chatbots, mit denen wir interagieren und von denen wir im Wesentlichen Wissen abfragen oder eben die wir ins kreative Schreiben reinbringen Agendifizierte generative KI ist dann ein kleiner Twist des Ganzen, nämlich lässt man in solchen Umständen die generativeKI relativ autonom handeln und zwar natürlich autonomen nur in dem Bereich den man erlaubt.

00:04:53: Aber zum Beispiel kann man auf seinem Computer einen generativen KI-Agenten einrichten und dem sagen Antworten mir mal automatisiert auf alle E-Mails mit Absender XYZ und wer genau schreibe vorgefertigte intelligente Antworten da jeweils drauf.

00:05:12: Das heißt ein KI-Agent kann Aufgaben übernehmen, die in den allermeisten Zellen eben auch von Menschen übernommen werden können.

00:05:23: Eine deiner zentralen Thesen ist ja auch dass generative KI kein Werkzeug mehr ist sondern ein Akteur.

00:05:30: das greift ja im Grunde genau diesen Aspekt auf Und das ist ja ein ziemlich grundlegender Perspektivenwechsel.

00:05:37: Was genau verändert sich dadurch aus deiner Sicht für uns?

00:05:40: Lassen wir es da vielleicht mal mit einem Gegensatz starten, also generative KI ist ja letztlich ein Tool und auch letztlich einen Tool wie so vieles andere auch.

00:05:50: Wie eine Tastatur oder was auch immer ich hier gerade vor mir habe.

00:05:53: Eine Maus an Bildschirm.

00:05:57: Aber klassische Tools, klassische Werkzeuge sind deterministisch bzw passiv.

00:06:03: Deterministisch heißt hier, ihr Verhalten ist komplett vorhersehbar und die machen jedes mal genau das was wir von ihnen erwarten.

00:06:11: Wir schlagen mit einem Hammer irgendwo drauf und was das Resultat davon ist eigentlich ziemlich vorhersehnbar und klar.

00:06:18: Generative KI ist fundamental ein bisschen anders denn sie sind nicht deterministisch oder generative KI-Systeme sind nicht determinstisch sondern probabilistisch.

00:06:28: Das heißt, es ist nicht exakt vorhersehbar nur wie eine Antwort von einem KI-Bot aussieht.

00:06:33: Man gibt den gleichen Prompt fünfmal rein und bekommt fünf mal leicht unterschiedliche Antworten.

00:06:39: Außerdem kann jetzt generative KI vor allen Dingen auch durch die Agentisierung eigenständig arbeiten Und ist im Prinzip dialogfähig.

00:06:51: Es ist ja eine schon durch den Kontext in dem wir mit generativer KI interagieren Ist diese Dialogfähigkeit eigentlich schon liegt auf dem Tisch.

00:07:00: und um es vielleicht auf einen Punkt zu bringen, ein Hammer kennt keine Handlungsspielräume.

00:07:07: Ein LLM allerdings schon innerhalb seines Möglichheitsraumes.

00:07:13: Das heißt wir arbeiten nicht mit Werkzeugen wenn Generativer KI arbeiten, zumindest arbeiten wir nicht nur mit Werkzeugen sondern mit Systemen die selbst Beiträge leisten können.

00:07:26: und da drinnen liegt der fundamentale Unterschied.

00:07:29: Das war jetzt mal auch der Blick auf die Tese Nummer eins und jetzt können wir einmal weitergehen und auch mal auf Tese zwei und drei blicken.

00:07:38: Du beschreibst ja hier auch, dass der Engpass nicht mehr in der Umsetzung liegt sondern sich ja auch die Rolle des Menschen ganz stark verändert.

00:07:46: Also wir gehen weg vom Machen und bewegen uns hin zum Steuern.

00:07:50: und wo führt uns denn deiner Meinung nach diese Entwicklung überhaupt hin?

00:07:54: Genau dieser Engpass den du gerade aufgegriffen hast, der verschiebt sich von der Umsetzungskapazität eher hin zur Entscheidungs- und Steuerungskompetenz.

00:08:06: Das heißt früher hat man gefragt, kann ich das bauen?

00:08:10: Und heute ist die angemessene Frage vielleicht eher was sollte ich überhaupt bauen und wie orchestriere ich das Ganze.

00:08:19: In unserem täglichen Handeln in unserer tägliche Arbeit bewegen wir uns jetzt mal als Sinnbild eher weg vom Handwerker und mehr hin zur Dirigentin.

00:08:29: Das heißt wir orchestrieren oder so is eine sehr plausible These für die Zukunft.

00:08:34: In Zukunft werden wir ein System von KI-Agenten dirigieren, die entgegen großen Teil der Arbeit letztlich für uns übernehmen.

00:08:44: Man kann eine interessante Parallele ziehen zum Internet und vor allen Dingen auch zur Wikipedia als einen Repräsentanten des Internets.

00:08:52: Das Internet hat nämlich das Wissen kommodifiziert Während jetzt durch generative KI die Execution, also die Ausführung oder die praktische Arbeit wenn man so möchte komodifiziert wird und dadurch entsteht die Differenzierung jetzt über Problemformulierung und Systemsteuerung.

00:09:13: Und eben nicht mehr unbedingt da drin in einem bestimmten Aspekt der Arbeit besonders gut zu sein.

00:09:20: Ja und ganz wichtig, du formulierst ja in deiner Einenthese das eben gerade die Software-Entwicklung diesen Engpasscharakter verliert.

00:09:28: Aber das Thema betrifft nicht nur die Softwareentwicklung also es gibt auch andere Bereiche in denen dieser Wandel besonders stark wird.

00:09:36: Wo siehst Du das vor allem?

00:09:37: Und wo ist das vielleicht doch nicht ganz so ein großes Thema?

00:09:41: Ich würde sagen überall dort wo Wissen bisher produziert wurde verschiebt sich die Arbeit hin zur Strukturierung und Bewertung von Output Und mit Wissen produzieren, meine ich sowas wie kreative Texte schreiben.

00:09:55: Aber ich meine auch Software-Entwicklung die du gerade schon aufgegriffen hast.

00:09:59: und genau es gibt eine ganze Menge Beispiele von Branchen in denen das gerade greift zum Beispiel Marketing wo Contentproduktion extrem einfach und sehr sehr kostengünstig wird wenn es von KI Agenten getan wird.

00:10:15: Das heißt hier kann man sich mehr auf Kampagnen Architektur zB beziehen und damit aktiv arbeiten.

00:10:22: Oder im Rechtswesen muss man sich vielleicht auch weniger damit beschäftigen, einzelne Texte zu feilen und mehr den Fokus auf die Argumentationsstrategie legen.

00:10:34: oder auch in unserer Domäne in der Bildung geht es vielleicht weniger darum Wissen aufzuschreiben und mehr darum dass wir darüber nachdenken wie man ganze Lernprozesse designen kann.

00:10:46: Und nach der Frage wo das Ganze vielleicht weniger relevant ist.

00:10:51: Überall dort, wo Entscheidungen unmittelbar physische Konsequenzen haben oder stark reguliert sind wird diese Entwicklung langsamer sein würde ich sagen.

00:11:01: und eine regulierte Industrie wenn hier zum Beispiel Medizin- oder Luftfahrt da stehen eben teilweise Gesetze wie der EU AI Act einem sehr breiten Ausrollen von generativer KI entgegen.

00:11:14: Oder eben Aspekte, wo es eine hohe Haftung gibt oder eine physische Koppelung bei der kritischen Infrastruktur zum Beispiel.

00:11:24: Eine Brücke möchte ich nicht von einem KI-Agenten designt haben sondern lieber von extremenfähigen Ingenieuren und Ingenieurinnen.

00:11:31: Dann blicken wir doch auch nochmal auf die nächsten Thesen, zum Beispiel Nummer vier und Nummer fünf.

00:11:36: Da betontst du das Domänenwissen- und Kontextmanagement immer wichtiger werden?

00:11:41: Und warum genau verschiebt sich denn deiner Meinung nach der Fokus so stark in diese Richtung?

00:11:46: Was heißt das denn konkret für Kompetenzen an sich?

00:11:50: Genau!

00:11:50: Also fällt es an dieser Stelle wichtig mit domänen Wissen meine ich jetzt nicht unbedingt das Faktenwissen Um zum Beispiel den Energiesektor oder ums Marketing, was für eine Domäne wir auch immer bei uns bewegen.

00:12:03: Sondern mit Domänenwissen meine ich an dieser Stelle die Relevanzbewertung von Lösungen, die Kontextualisierung von Lösenden unserer Arbeit und auch von Zieldefinitionen.

00:12:16: Auch eine Marketingkampagne z.B verfolgt ja immer ein bestimmtes Ziel genauso wie der Entwurf von bestimmten Softwarelösungen.

00:12:23: Es geht aber ja immer darum dass wir konkrete Probleme lösen und bestimmte Ziele erreichen.

00:12:29: Das Contextmanagement wiederum ist ein etwas im anderer Aspekt, das ist bestimmt auch was, was ihr aus der Alltagspraxis kennt wenn ihr mit generativer KI arbeitet.

00:12:42: Wenn so einen Chatverlauf wird zum Beispiel ChatGBT sehr lang wird merkt ihr es wird zum Einen deutlich langsamer bis Antworten kommen und andererseits nimmt auch die Qualität der Antworten ab.

00:12:54: Und das liegt daran, dass beispielsweise ChatGbt immer versucht seine Antworten im Rahmen des Kontextes den ihr mit dem Gespräch gesetzt habt zu lösen.

00:13:09: Wenn das Gespräch immer länger und länger wird geht der Kontext immer länger weiter.

00:13:14: und jetzt einmal sehr plastisch ausgedrückt irgendwann explodiert das Gedächtnis von einem generativen KI-Bord.

00:13:21: Genau so passiert es natürlich nicht, aber es stößt auf jeden Fall an seinen Grenzen und ist irgendwann nicht mehr in der Lage genau zu verstehen.

00:13:30: was sind eigentlich die relevanten Informationen die ich zum Beantwortung der Frage benötige oder zum Erreichen meines Ziels.

00:13:39: Das heißt eine sehr wichtige Kompetenz auch schon jetzt aber nochmal umso mehr in Zukunft ist das wir generativen KI-Systeme genau den richtigen Kontext mitgeben damit eben die generative KI gute Antworten geliefert.

00:13:53: Das ist eine Sache, die wir im Software-Design, also was dort bereits eine Brot und Butterkompetenz ist, die man wirklich einfach braucht um gute Lösungen zu entwerfen.

00:14:02: aber es ist eine sache, die im Prinzip auch wie alle schon kennen wenn wir eben hinreichend lange Chatverläufe mit zum Beispiel ChatGBT haben.

00:14:11: Ja und wenn das jetzt so die entscheidenden Fähigkeiten werden?

00:14:14: Was passiert dann mit dem klassischen Fach oder Methodenwissen?

00:14:18: wird das weniger relevant oder verändern sich da?

00:14:21: Oder verschieben sich Dinge einfach nur, wie schätzt du das so

00:14:24: ein?".

00:14:25: Das ist eine super spannende Frage.

00:14:28: Und in meinen Augen stehen wir hier vor einem spannenden Widerspruch, den ich ... Ich würde sagen, nur beleuchten kann und leider nicht aufklären kann.

00:14:37: Denn einerseits ist es sicherlich Je besser die Systeme, also die KI-Systeme werden, desto entscheidender wird das Problemverständnis mit dem man eben nur in die Gespräche mit generativer KI geht um die entsprechenden Probleme zu lösen und desto weniger wichtig werden vielleicht einzelne Fakten.

00:14:56: nun weil sie eben eh bereits Teil des Kontextes der generativen KI sind.

00:15:01: Auf der anderen Seite um nochmal auf das Beispiel zurückzukommen mit der Brücke von vorhin möchte ich natürlich trotzdem, dass eine Brücke von Leuten gebaut wird die über ein hinreichend hohes klassisches Fach- und Methodenwissen verfügen.

00:15:19: Und eben nicht von Leuten die die Brücke zur Hälfte gepromptet haben sinngemäß.

00:15:25: Das heißt Ich sehe in absehbarer Zeit es auf jeden Fall weiterhin das Fach-und Methodenbissen sehr relevant bleibt Wobei ich mir aber, und das hast du auch schon in der Frage angerissen.

00:15:37: Ich mir vorstellen kann, dass sich der Fokus dabei ein bisschen

00:15:39: verschiebt.".

00:15:40: Eine These steht ja für sich.

00:15:42: Das ist Nummer sechs.

00:15:44: Du sagst ja, Software wird zunehmend zur Wegwerfware.

00:15:47: Und das klingt natürlich erstmal radikal?

00:15:49: Was sind denn die Konsequenzen davon wenn wir anfangen genau so zu denken?

00:15:54: Genau!

00:15:55: Es war diese Tese, die mich als Software-Entwickler mit am meisten das Herzbluten ließ... Ich sehe es leider so kommen und was ich damit meine ist, dass die Grenzkosten für Softwareentwicklung quasi gegen null gehen.

00:16:09: Also was ich da mit meine wenn wir einen Softwarepaket entworfen haben und dafür entsprechend bereits gestefft sind also genügt Leute haben die in der Lage sind sowas zu entwerfen dann sind die Kosten um ein weiteres Softwareprojekt zu entwickeln quasi null weil eben der Großteil der Arbeit generiert wird und nicht von Menschen entwickelt wird.

00:16:32: Und das heißt, wenn Software jederzeit neu erzeugt werden kann verliert sie so ein bisschen ihren Status als ein langlebiges Artifakt.

00:16:43: In der Softwareentwicklung ist es eigentlich so dass wir natürlich zunächst damit beginnen eine Lösung zu entwerfen und dann geht sie in einen Bereich über dem man DevOps nennt wo die Lösung gleichzeitig betrieben wird, aber auch weiterentwickelt wird.

00:16:59: Jetzt ist aber die Sache... Der Betrieb ist auf jeden Fall eine Sache, die Geld kostet.

00:17:06: und wenn wir Software extrem einfach entwerfen können, warum entwerften wir dann die Software-Lösung nicht einfach alle paar Monate nochmal neu?

00:17:13: Anstelle davon dass man sie betreibt kann man sie auch einfach in regelmäßigen Abständen neu entwickeln auch die neusten Einflüsse aus zum Beispiel Cyber Security oder Coding-Praktiken mitnehmen, um dafür zu sorgen dass die Lösungen extrem robust sind.

00:17:31: Und dadurch verschiebt sich der Fokus ein bisschen in der Softwareentwicklung.

00:17:35: nebenbei gemerkt das versuche ich auch im Studiengang künstliche Intelligenz und Software Engineering zu verankern.

00:17:41: Der Fokus verschiebte sich ein bisschen weniger oder verschiebe sich weg vom reinen Code wobei ein Verständnis davon wie man programmiert weiterhin sehr wichtig ist an meinen Augen Und eher hin dazu zu verstehen, wie Softwarearchitektur funktioniert.

00:17:55: Wie Schnittstellen aufgebaut sind und wie man sie bedient.

00:18:00: Um es in einem knackigen Satz zusammenzufassen würde ich sagen die Halbwertszeit von Software droht drastisch zu sinken.

00:18:09: Das heißt wenn einer Software in der Vergangenheit vielleicht ein Lebenstürbis von drei Jahren hatte ist das in ein paar wenigen Jahren unnötig eine Software so lange am Stück laufen zu lassen, wenn man eben in sehr, sehr kurzer Zeit mit wenig Aufwand eine neue Bessere erzeugen kann.

00:18:27: Ja also das heißt da ist ne riesige Beschleunigung im Gange und dann hast du ja als nächste These die Organisation sind langsamer als die Technologie, also die kommen nicht hinterher.

00:18:37: Also wir haben enorme Produktivitätssprünge Wir haben veränderte Strukturen Und eben Tatsächlich eine Welt in der dass aber noch nicht so richtig abgebildet werden kann.

00:18:49: Wo siehst du da die größten Spannungsfelder?

00:18:52: Die Spannungssfelder sehe ich vor allen Dingen zwischen Produktivität einerseits und Strukturfähigkeit von Organisationen andererseits oder anders ausgedrückt von Geschwindigkeit einerseits, und Governance auf der anderen Seite.

00:19:09: also wir können uns wahnsinnig schnell bewegen verlieren dabei nur unter Umständen Governance Aspekte aus dem Blickwinkel was ärgerlich wäre.

00:19:20: Und der Hintergrund dafür ist, dass sich die Technologie letztlich exponentiell entwickelt und ich würde sagen das es wieder vor allen Dingen seit Herbst, zwanzig, fünfundzwanzig sehr offensichtlich.

00:19:34: Seitdem ist im Prinzip die die agentische KI wirklich durch die Decke gegangen und kommt immer mehr und immer mehr Fähigkeiten und ist immer besser in der Lage Aufgaben zuverlässig zu erledigen.

00:19:48: Wenn sich Technologie exponentiell entwickeln, entwickeln sich Organisationen eher linear.

00:19:55: Das Problem ist wenn sich eine Organisation zu schnell entwickelt kann sie brechen.

00:19:59: Deswegen sind Organisationen da typischerweise eben langsamer als dass die Technologie ist.

00:20:05: und das heißt die größte Reibung entsteht hier dann nicht zwischen Mensch und Maschine denn Es gibt immer genug Leute, die sehr technologie- und zukunftsoffen sind.

00:20:16: Und Early Adopter sind und eben auf den Zug der generativen KI aufspringen beispielsweise.

00:20:22: Sondern ich sehe die große Reibung tatsächlich zwischen Technologie und Organisationen.

00:20:28: Das ist zu befürchten dass es eine ganze Reihe von Organisationen also beispielsweise Unternehmen gibt Die einfach mit der Geschwindigkeit nicht werden mithalten können.

00:20:41: Und das spricht ja eher dafür, dass es tatsächlich durch diesen Wandel, durch diese Disruption der Produktivität und der Strukturen eher als auch Bedrohung wahrgenommen wird.

00:20:52: Aber siehst du denn auch neue Chancen?

00:20:55: Ja!

00:20:56: Also, dass mich vielleicht kurz anerkennen, dasses auch bedrohungen und Risiken gibt.

00:21:01: also ich glaube viele Leute haben zurecht ein wenig Befürchtungen um ihre Job-Sicherheit Wenn vor allen Dingen auch generative KI-Systeme in der Lage wären, ihren Job zumindest zum Teil zu erfüllen.

00:21:14: Also das ist eine Sache die ich auf jeden Fall anerkennen möchte.

00:21:18: Gleichermaßen gibt generative AI Menschen und Organisationen aber auch einen enorm riesigen Handlungsspielraum nämlich eben die Geschwindigkeit die ich gerade eben angesprochen habe wirklich auszuspielen.

00:21:32: Das heißt Brohung entsteht weniger durch die Technologie selber, sondern eher durch die mangelnde Anpassung an sie.

00:21:40: Manuel Deine These neun lautet das Hierarchien flacher und direkter werden?

00:21:46: Was bedeutet das denn ganz konkret im Zeitalterfonds generativer KI?

00:21:51: Also durch die unmittelbare Umsetzbarkeit von Ideen verkürzten sich letztlich Entscheidungs- und Kommunikationswege Und dadurch verlieren so Zwischenebenen ein bisschen an Bedeutung.

00:22:02: Das war jetzt ein bisschen abstrakt, deswegen lassen wir das vielleicht ein bisschen konkreter machen.

00:22:07: Die These war tatsächlich das Resultat von einem sehr spannenden Gespräch mit dem Bereichsleiter eines großen deutschen Konzerns der erzählt hat dass sie bei sich im Konzernen generative KI-Tools in diesem Fall Claude ziemlich in die breite Anwendung finden lassen und Mitarbeiter eben dazu angehalten sind diese Tools auch tatsächlich zu benutzen.

00:22:31: Das führt zum Beispiel dazu, dass der CTO einzelne Lösungen selber vibecoded und sie dann vorstellt.

00:22:42: Sie auf den Prozess bringt das es operationalisiert wird.

00:22:46: aber gleichermaßen für vielleicht komplexere Anfragen kann der Cto direkt auf entsprechende Bereitsleiter zugehen und sagen hey kannst du mir einmal kurz diese und jene Daten zusammensuchen, die brauche ich für meinen Report oder sowas.

00:23:02: Und dann muss es der Bereichsleiter nicht mehr weiter delegieren sondern kann das eben von einem generativen KI-Agenten selber durchführen lassen.

00:23:10: Das heißt im Prinzip werden die Hierarchien flacher dadurch dass man den Eindruck gewinnt, dass die unterste Hierarchieebene stärker und stärker an Bedeutung verliert.

00:23:21: Eine weitere These von dir ist ja, dass Unternehmertum vielmehr menschenrealistisch wird also eben diese ganzen technologischen Sprünge.

00:23:30: Was macht das möglich und wo liegen da vielleicht auch Grenzen bei dieser Entwicklung?

00:23:36: Genau, die... Das was im Prinzip eine neue Welle an Unternehmertum wirklich möglich und sehr einfach macht ist dass die Eintrittsbarrieren für Wertschöpfung dramatisch sinken und noch weiter sinken werden mit Hilfe von generativer KI.

00:23:53: Also gerade für Technologiestartups ist es fast schon ein Klischee, aber auch nicht ganz unwahr.

00:23:58: Dass eben im Kern eine softwarebasierte Lösung steht die in der Lage ist irgendwas zu tun.

00:24:06: Sei es Uber oder Tinder oder sonst irgendwas.

00:24:09: Im Zentrum von diesen Technologien von diesem Unternehmen steht eben einer Software-Lösung und so etwas selbst zu entwickeln, zu entwerfen wird eben extrem Einfach und schnell.

00:24:23: Als RunningGag beispielsweise hat der YouTuber Fireship versucht mit jeder neuen Iteration von generativen KI-Systemen einen Tinder für Pferde zu entwickeln, was zu fantastischen Ergebnissen führt.

00:24:39: Und man sieht eben die zum Einen wird die Umsetzung vom Horst Tinder immer schneller und schneller aber auch qualitativ immer besser und besser.

00:24:50: Also, ich würde meinen Pferd ja noch nicht anmelden.

00:24:52: Dafür würde ich dieser Plattform nicht genug vertrauen tatsächlich und ich habe auch kein Pferde nebenbei gemerkt aber hätte ich eins, würde ich es nicht tun.

00:25:02: Aber genau man merkt eben die Wertschöpfung also dass es Stellen von so einer Applikation wird.

00:25:06: extrem einfach weil ja die Eintrittsbarrieren dank generativer KI gerade im Programmieren ebenso gering sind.

00:25:13: Die Limitationen liegen genau da wo sie bei Unternehmertoumen eigentlich auch schon immer gelegen haben und das sind die Distributionen beziehungsweise der Vertrieb.

00:25:25: Und das Vertrauen, das vertraue dann hier gerade schon angesprochen.

00:25:29: aber ich sag mal technologisch wäre es für uns wahrscheinlich relativ einfach möglich innerhalb von zwei drei Monaten oder sowas eine Hochschule zu gründen und den ganzen Content dafür zu erstellen wenn man So möchte das Rennen von der Content-Perspektive, vor der Governance Seite wäre das dankenswerterweise nicht möglich.

00:25:54: Allerdings hätten wir natürlich keine Kunden, also sprich der Vertrieb und das Vertrauen in diese Hochschule wäre erst mal nicht da.

00:26:03: Das heißt jeder kann heute bauen aber nicht jeder kann Aufmerksamkeit oder Vertrauen gewinnen.

00:26:10: Und darin liegen eben einerseits stärker und andererseits auch die Limitationen der Entwicklung.

00:26:16: Ja und du sagst auch in einer These, dass Datenqualität ihre exklusive Rolle verliert.

00:26:22: Das widerspricht ja eigentlich vielen bisherigen Annahmen weil wir ja in den letzten Monaten immer wieder gehört haben viele KI-Projekte scheitern an der mangelnden Datenqualité den Unternehmen also wie ist deine These da gemeint?

00:26:33: Und wie kommt es dazu?

00:26:36: was verändert sich dadurch in der Praxis

00:26:38: genau die diese erfordert glaube ich noch ein bisschen Erklärung.

00:26:44: Es geht mir um strukturierte Daten vor allen Dingen.

00:26:48: Und ich behaupte, dass strukturierte Daten unwichtiger werden.

00:26:53: also in der IT gibt es zum Beispiel die Begriffe von einem Data Warehouse oder vom Data Lake bei denen die Daten eines Unternehmens eben auf eine sehr strukturiert und einfach zugängliche Art und Weise abgelegt werden.

00:27:07: und genau solche Systeme werden heute noch gebaut und sind auch weiterhin sehr, sehr wichtig für viele Unternehmen.

00:27:15: Die große Änderung die ansteht ist allerdings dass sich generative KI-Agenten die Daten diese benötigen eigentlich eigenständig holen können.

00:27:26: das heißt wenn wir vorher über strukturierte Daten gesprochen haben und Data Warehouses und Data Lakes würde ich sagen ein KI Agent kann auch in einem Datensumpf arbeiten.

00:27:37: Man schickt ihn einfach los und sagt, hey, such mir mal die relevanten Daten und KPIs für meine Fragestellung raus.

00:27:48: Und genau, ich mache das für die Zeiträume im Jahr six bis heute.

00:27:51: Dann wandert die generative KI eigenständig los, sucht sich die Daten zusammen, transformiert sie entsprechend und zeigt dir dann eine individualisierte Auswertung des Ganzen.

00:28:04: Genau dafür wären eben keine... kein Data Warehouse, kein Data Lake notwendig.

00:28:09: Das ist ja aufwendig diese Elemente zu erzeugen und sie kosten sehr viel sondern die generativen KI-Agenten können sich eben in unstrukturierten Datenmengen bewegen und sich selber mehr oder weniger ein Reim daraus bilden wie die Daten miteinander zu vernetzen sind.

00:28:28: das heißt für viele Anwendungsfälle verlieren strukturierte Daten ihre Exklusivität weil Agenten zunehmend in der Lage sind, auch unstrukturierte Daten zu erschließen.

00:28:39: Das hört sich vor dem Hintergrund meiner KI-Projekte die ich betreue sehr attraktiv an muss ich sagen.

00:28:44: also ich hoffe sehr dass das eintritt!

00:28:48: In deiner letzten Tese also Tese Nummer zwölf sagst du, dass wir unmittelbar vor einem Kipppunkt stehen.

00:28:55: was lässt dich denn glauben?

00:28:56: Dass wir so kurz davorstehen und woran können wir das überhaupt erkennen?

00:29:00: Dass es jetzt auch erreicht ist und dass uns das unmittelba bevorsteht?

00:29:04: Das war ein sehr tiefer Blick in die Glaskugel und ich muss auch so vorzuhagen, dass wenn man sich gerade auf einen Kipppunkt hinzu bewegt ist es sehr schwierig das zu identifizieren.

00:29:15: Aber ich habe zwei Marker identifiziert, die sehr stark in die Richtung deuten, dass dieser Kipp-Punkt bald bevorsteht.

00:29:26: also um mich mal noch irgendwas festzunageln in den zwölf Monaten oder sowas, in den nächsten zwölfen Monaten oder so was.

00:29:32: Und diese möglichen Marker sind, dass wir massive Produktivitätssprünge in mehreren Branchen gleichzeitig sehen.

00:29:41: Und das Entscheidende dabei ist nicht, dass es Produktivitätssprünge sind sondern, dass sie durch den selben Mechanismus enabled werden und das ist die Generierung Variation oder erste Strukturierung von Output, dass davon die Kosten so stark sinken.

00:29:58: Das wird sehr billig!

00:30:03: In vielen Branchen, in vielen Industriem würde wir vorhin schon gesprochen haben.

00:30:07: Aber eben zum Beispiel in der Softwareentwicklung, im Marketing, in der Medienproduktion aber auch in der Forschung ja also... Wenn man möchte kann man Paper am laufenden Band von generativer KI schreiben lassen.

00:30:21: das sehen Journal zu Recht sehr ungern.

00:30:25: Aber es ist eben durchaus möglich.

00:30:28: Produktentwicklungen, Kundenservice Bildung all das sind Bereiche in denen die Generierung und erste Strukturierung von Output erstens sehr, sehr wichtig sind für die Arbeit.

00:30:40: Und wo sie eben beim Generativer KI extrem günstig werden.

00:30:44: Der zweite Marker den ich sehe ist dass autonome Agendensysteme den Arbeitsalltag immer mehr und immer mehr erreichen und wir in sehr absehbarer Zeit agendenssysteme standardmäßig auf unseren an unseren Workstations, in unseren Laptops und unseren Desktop-PCs integriert haben werden.

00:31:03: Die eben in der Lage sein werden alle möglichen Aufgaben mehr oder weniger selbstständig zu übernehmen.

00:31:10: Und um es vielleicht orientiert auf einen Punkt zu bringen ein Kipppunkt ist erreicht wenn wir aufhören über KI als Technologie zu sprechen und anfangen sie als selbstverständlichen Teil von Arbeit zu betrachten.

00:31:28: dem nähern wir uns in einer gittig rasanten Geschwindigkeit.

00:31:33: Wir haben jetzt ganz viel über deine verschiedenen Thesen gesprochen, also tatsächlich darüber dass generative KI kein Werkzeug mehr ist sondern ein Akteur das Software-Entwicklung eher einen Engpass-Charakter verliert oder der Bench zum Ochrichterator wird bzw Domänenwissen zur zentralen Kompetenz wird aber auch das Thema Context Management als Schlüsselressource angesehen werden sollte und sogar auch die steile These von dir, dass es Software zur Wegwerfware wird.

00:32:02: Und das wir als Organisationen langsamer sind als die Technologie sind.

00:32:07: Dass wiederum Auswirkungen hat auf unsere Personalstrukturen und dass damit auch hierarchienflacher und direkter werden.

00:32:14: Das heißt aber auch im nächsten Schritt, dass vielleicht Unternehmertum eine realistische Option für viele wird und dass aber auch Datenqualität nicht mehr exklusiv sein wird Und diesen Kipppunkt, den du gerade zuletzt beschrieben hast uns ja auch unmittelbar bevorsteht.

00:32:31: Das sind zwölf einzelne total spannende Thesen und ich danke dir lieber Manuel dass du das aus deiner Perspektive heute auch einmal mit uns geteilt hast.

00:32:43: Ich freue mich darauf, dass wir auch in Zukunft einerseits über deine Forschungsthemen und Ideen zusammenarbeiten aber auch zusammen in unserem KI und digital innovation habt, die bestimmten Dinge auch noch mal miteinander besprechen können.

00:32:57: Und sage herzlichen Dank dafür!

00:32:59: Es war mir wirklich eine Freude und vielleicht können wir die Thesen ja noch in die Show Notes packen?

00:33:04: Ja und an die Hörerinnen und Hörern wenn es euch gefallen hat lasst uns ne Bewertung da schreibt uns ne Rezension abonniert uns empfehlt uns weiter und schaltet wieder ein.

00:33:13: Wir freuen uns auf euch.