Simuliere die Zukunft mit dieser KI-Schwarmintelligenz (MiroFish)

Heute zeige ich dir eines der spannendsten Open Source Projekte, die ich seit langem getestet habe. Und zwar werden wir heute gemeinsam die Zukunft simulieren mit Hilfe von KI. Was du hier siehst, ist eine simulierte Welt mit hunderten von Agenten. Jeder mit seiner eigenen Persönlichkeit, eigener Meinung, eigenem Verhalten, die alle miteinander kommunizieren. Das Ganze hat ein 20-jähriger Student in China innerhalb von 10 Tagen gebaut und dafür innerhalb der ersten 24 Stunden nach Veröffentlichung 4 Millionen Dollar Investment bekommen. Das Projekt hat mittlerweile über 57 000 Sterne auf Gitub, ist komplett open source und kostenlos und macht den Marktforschungsbranche gerade etwas nervös. Und zwar heißt es Mirofisch und es funktioniert folgendermaßen. Du lädst Mirofisch erstmal Kontextmaterial hoch. Das bedeutet irgendwelche Daten über deine Zielgruppe, z.B. über dein Produkt, über deine Konkurrenz, also jegliche Berichte und Dokumente, die für deine Simulation nützlich sind. Dazu formulierst du dann eine Frage, die du simulieren möchtest. Das heißt z.B. Wie reagieren deine Kunden auf eine Preiserhöhung? Wie kommt dein neuer Werbespot an? Oder z.B. kommt deine Idee für ein neues SAS Produkt auch wirklich bei deiner Zielgruppe an? Mirofisch liest daraufhin deine Dokumente, extrahiert die Akteure, die Argumente, Interessen, Beziehungen und so weiter und baut dir daraus dann hunderte von virtuellen Menschen. Jeder mit seiner eigenen Biografie, mit seiner eigenen Meinung und Interessen. Und es werden auch nicht nur Menschen erstellt, sondern ganze Organisationen und Unternehmen. All diese Menschen setzen sich dann in einer simulierten Welt zusammen und fangen an miteinander zu reden, zu streiten, sich gegenseitig zu überzeugen, so wie es eben echte Menschen tun würden. Am Ende siehst du, welche Lager sich bilden, wer stimmt zu, wer widerspricht und warum. Das bedeutet, du kriegst ein realistisches Bild davon, wie Menschen auf dein Ereignis, dass du hier simulierst, reagieren würden. Und nicht nur kriegst du einen sehr detaillierten Bericht, sondern du kannst auch mit jedem einzelnen Agenten, also jedem virtuellen Menschen, der erstellt wurde, kommunizieren und direkt hier im Chat schreiben. Ich zeige dir in diesem Video, wie das Ganze funktioniert. Ich habe Mirofisch nämlich mit einer eigenen SAS Idee einmal komplett durchgespielt und am Ende wirst du genau wissen, wie du das du für dich einsetzt, um z.B. für deine eigenen Produktideen an Zielgruppen zu testen oder um als Unternehmen vorherzusagen, wie deine Kunden auf ein bestimmtes Ereignis reagieren würden. Und natürlich zeige ich dir auch, wie du das Ganze in 2 Minuten selbst bei dir zum Laufen bekommst. Im Prinzip ist Mirofisch ein Schwarminelligenztool, das aus fünf Phasen besteht und die schauen wir uns jetzt als erstes an. Diese fünf Phasen sind essentiell, damit diese Simulation auch wirklich gut funktioniert. In der ersten Phase liest Mirofisch deine Dokumente durch und baut daraus einen Knowledge Graph. Das heißt, wer kommt vor, welche Themen, welche Beziehungen, welche Konflikte. Das Ergebnis ist dann eine Datenbasis, auf der alles andere aufbaut. Das heißt, allein hier ist es schon wirklich sehr wichtig, dass die Dokumente, die du als Input gibst, auch wirklich sinnvoll sind und genügend Informationen enthalten. Denn wenn du jetzt vorne einfach Quatsch reinkipst, dann wird am Ende auch einfach Quatsch bei rauskommen und deine Simulation wird überhaupt keinen Sinn ergeben. In der zweiten Phase wird dann die Umgebung erzeugt. Das heißt, es werden jetzt virtuelle Personas erzeugt, die speziell aus deinen Dokumenten abgeleitet werden können. Das heißt, angenommen, du simulierst die Veröffentlichung eines neuen E-Autos. Dann würde Mirofisch Erstkäufer generieren, Tagjour Journalisten, Umweltaktivisten. Wenn du jetzt irgendeine politische Reform simulieren möchtest, entstehen Bürger, ne, Lobbyisten, Medienvertreter, also genau die Akteure, die in deinem Markt eine Rolle spielen. Diese Personas werden dann auf zwei simulierten Social Media Plattformen losgelassen. Einer twitterartigen für schnelle Reaktionen und einer Redditartigen für tiefere Diskussionen. Das heißt, jeder Mensch hat ja auch sein eigenes Social Media Profil und die kommunizieren dann über Social Media. Sie posten, kommentieren, streiten, liken und so weiter. Und diese ganze Social Media Dynamik ist auch nicht geskriptet oder so. Die ist jedes Mal bei jeder Simulation anders und ergibt sich einfach aus den unterschiedlichen Persönlichkeiten. Und diese Simulation dauert dann je nachdem, wie intensiv man sie macht, mehrere Tage in der simulierten Welt, wenn nicht sogar mehrere Wochen. In unserer Welt dreht sich das Ganze dann aber in wenigen Minuten oder auch Stunden ab. In der vierten Phase kommt dann ein spezialisierter Analyseagent dazu, der die komplette Simulation durchsucht, der das ganze Wissen aus dem Knowledge Graph hat und dir daraus dann einen sehr detaillierten Bericht macht über all das, was in der Simulation passiert ist, ne? Welche Meinungslager haben sich gebildet? Sind irgendwelche Überraschungen aufgetreten, gab es irgendwie Konflikte? Und in der fünften Phase kommen wir zur tiefen Interaktion. Da kannst du dann mit dem Analyseagenten noch mal kommunizieren oder du kannst auch jeder einzelnen Person selbst schreiben. Das bedeutet, du kannst noch mal tiefer verstehen, warum manche Personen in dieser Simulation so und so reagiert haben. Das waren auch schon die fünf Phasen. Wir wissen jetzt, wie Mirofisch funktioniert und als nächstes wollen wir uns jetzt ein konkretes Beispiel anschauen. Und zwar habe ich jetzt eine Idee für ein SAS Produkt und ich weiß aber nicht, ob dieses Produkt auch wirklich bei meiner Zielgruppe ankommt, so wie ich es mir vorstelle. Ich denke, so geht's vielen da draußen aktuell, denn mittlerweile haben wir dank Tools wie Cloud Code die Möglichkeit, eigenes Software zu erstellen, auch wenn man keine Programmiererfahrung hat. Das heißt, man kann endlich seine Idee, die man schon immer mal hatte, in die Realität umsetzen. Aber woher weißt du, ob deine Idee auch wirklich so bei deiner Zielgruppe ankommt, wie du es dir vorstellst? Tja, gut, dass du das Ganze jetzt simulieren kannst. Und zwar habe ich mir jetzt folgende App überlegt, die heißt Mealmate und das ist eine App, die Familien die komplette Essensplanung abnimmt. Die Idee ist, du sagst der App einfach, was im Kühlschrank ist, ne, was ihr zu Hause habt, ähm welche Allergien vorhanden sind, was das Budget für den Wocheneinkauf ist und was vielleicht die Essensvorlieben der Kinder sind, z.B. Und die App baut dann daraus einen Wochenplan mit Rezepten und auch automatischer Einkaufsliste, die dann zwischen den Eltern z.B. synchronisiert wird. Im Prinzip soll Mealmate drei Probleme lösen und zwar erstmal die Frage abends um 6 Uhr, was es heute zu essen gibt, wenn niemand vorher geplant hat, dann die paar hundert Euro, die eine deutsche Familie jährlich im Schnitt an Lebensmitteln wegwirft, weil falsch oder doppelt eingekauft wurde und vor allem auch den Mental Load, also diesen unsichtbaren Stress, ne? Was brauchen wir, was ist noch da, was koche ich morgen? Das heißt, mir meld soll einfach Familien mit Kindern, sei es alleinerziehend oder auch Stieffamilien, den Stress wegnehmen und die Essensplanung automatisch zwischen den Eltern aufteilen. Das Ganze soll 7 € im Monat kosten und ich möchte jetzt wissen, ist meine Zielgruppe überhaupt bereit, das zu zahlen? Kommt die Idee überhaupt gut an? Das heißt, ich gehe jetzt hier zu Mirofisch und keine Sorge, ich zeig dir auch am Ende des Videos, wie du das Ganze hier bei dir aufsetzt und ich habe mir jetzt hier von Cloud einen sehr langen Bericht über Mealmate generieren lassen. Das heißt, was macht das Produkt genau? Wer ist die Zielgruppe demographisch und auch emotional? Welches Problem löst es? Wer ist die Konkurrenz? Was soll es kosten und so weiter. Und dieses Dokument lade ich dann hier hoch und dann beschreibe ich hier unten, was ich simulieren möchte und auch meine Frage. Also z.B. Mealmate launcht heute im deutschen App Store. Die App übernimmt die komplette Essensplanung für Familien, berücksichtigt Vorrat, Budget, Allergien und Geschmäcker, generiert die Einkaufsliste und synchronisiert beide Elternteile. Premium kostet 7 € im Monat. Wie reagiert die Zielgruppe auf Produkt, Preis und Versprechen? Und dann können wir hier direkt die Engine starten. Und dann werde ich hier einfach durch den kompletten Prozess geleitet. Als allererstes, ne, werden die ganzen Entitäten und Personas hier erstellt. Wir sehen jetzt hier z.B. es wurden Eltern, Kinder, Familienhaushalte, Influencer, Regierungsbehörden, Unternehmen und andere Personen erstellt. Und wir sehen auch verschiedene Beziehungstypen, wie z.B. Teil von oder Partner mit oder reguliert. In der zweiten Phase nimmt Mirofisch dann jede Identität aus der Knowledge Graph und macht daraus einen vollwertigen KI Agenten. Das heißt, sie kriegen hier praktisch alle ihr eigenes Social Media Profil. Ich sehe jetzt hier z.B. es wurde ein Professor erstellt für Sozialpsychologie oder auch hier ein Unternehmen für Ernährung und Speiseplanung mit Fokus auf Verhaltenspsychologie. Und es werden jetzt hier auch z.B. Firmen wie Hello Fresh erstellt, die z.B. einen Zusammenhang dann haben können mit meiner App. Und hier wurde jetzt z.B. für eine Person generiert, die ein Abonnement hat bei Hello Fresh und einen großen Wert auf die Planung und Organisation von Familienmahlzeiten legt. Das heißt, hier werden dann wirklich detaillierte Personas erstellt, wie z.B. jetzt hier auch Edeka und auch Aldi hier rechts. Ich kann auch übrigens die einzelnen Personas hier anklicken und mir noch mal genau durchlesen, was hier generiert wurde. Danach sehe ich auch die geplante Simulation und wie lange sie dauert. Also jetzt hier z.B. 72 Stunden in der simulierten Welt. Und hier unten kann ich dann auch noch mal angeben, wie viele Simulationsrunden ich haben möchte. Ich würde dir empfehlen, am Anfang hier das Ganze bei 15 oder 20 Runden einzustellen, denn wir arbeiten hier im Hintergrund mit einer Knowledge Graft Datenbank und die hat ja für im Free Tier ziemlich hohe Rate Limits. Deswegen wird das Ganze hier oftmals bei 40 nicht funktionieren. Das heißt, stell das dann schon mal beim ersten Versuch auf jeden Fall hier auf 15 oder 20. Und dann können wir hier die Simulation starten und dann sehen wir hier auch, wie die Agenten anfangen auf Social Media zu kommunizieren und zu posten. Hier ist z.B. ein Post: "Als Vater finde ich die Synchronisation zwischen Elternteilen ein sehr sinnvolles Feature, da oft einer die Planung übernimmt und der andere den Einkauf. So bleibt alles transparent und koordiniert." Jemand anders schreibt: "Die Integration von Mealmate mit Supermarkt Apps wie Edeka oder Kaufland könnte die Einkaufserfahrung deutlich verbessern und Zeit sparen. Wir haben aber auch negative Kommentare, wie z.B.: Ich bezweifle, dass die KI basierte Essensplanung die Vielfalt und den Geschmack von Familienrezepten wirklich erfassen kann. Oder auch hier, der Preis von 9 € pro Monat für Premium klingt moderat, aber Familien mit knappem Budget könnten zögern. Und hier wird jetzt wirklich sehr intensiv kommuniziert und die Agenten fangen dann auch an Kommentare zu geben, ne? Also z.B. unter den Posts hier noch mal selbst was reinzuschreiben. Das ganze dauert natürlich ein bisschen, deswegen habe ich hier jetzt schon mal nach vorne geskippt. Und jetzt sehen wir hier den detaillierten Bericht und dieser Bericht enthält jetzt alles, was in der simulierten Welt passiert ist. Funktionale Vorteile von Meate und Akzeptanzstatus bei den Nutzern. Wir sehen dann auch hier immer Zitate von den einzelnen Nutzern, Trends bei der Nutzerakzeptanz und Preisfeedback. Und hier finde ich jetzt auch interessante Sachen heraus, wie z.B., dass die Synchronisationsfunktion von Mmade als einer der wichtigsten Wettbewerbsvorteilen gilt. Das heißt, dieses Feature wurde anscheinend überwiegend positiv aufgefasst und ich dachte eigentlich eher, dass es so ein kleineres Feature ist, aber anscheinend wurde das hier in der Simulation sehr sehr gut aufgenommen. Wir sehen hier auch Reaktionen und Verhaltensmuster verschiedener Akteure. Anscheinend wurde Milmate zunächst von Familien mit hohem städtischen Lebensstandard, zwei Verdienern, einer Affinität zu modernen Technologien und einem starken Gefühl psychischer Belastung genutzt. Mütter trafen typischerweise die Entscheidungen und trugen den Großteil der implizierten psychischen Last der Familienmahlzeitplanung. Hier steht auch, dass bestimmte Gruppen eher sensibel gegenüber den Preis waren. Das heißt, vor allem Familien der Arbeiterklasse mit begrenzten Budget, Schichtarbeiter und einige Familien mit Migrationshintergrund und diese wünschen sich flexiblere oder günstigere Abonnementmodelle. Und wir sehen insgesamt noch viel weiteres, ne? Was kommt gut an, was kommt schlecht an, was sind Hindernisse? Es werden auch Zukunftstrends und potenzielle Risiken aufgedeckt. Hier sehen wir die Risiken auch noch mal, ne? Datenschutz und Sicherheitsrisiken. Nutzer legen großen Wert auf die Sicherheit ihrer familiären Ernährungs- und Gesundheitsdaten, insbesondere auf den Schutz der Privatsphäre von Kindern. Ein weiteres Risiko ist, ob die KI überhaupt die Ernährungsbedürfnisse so gut widerspiegeln kann und auch eben kulturelle Unterschiede und spezifische Allergien von Mitgliedern dann so berücksichtigt, dass das Ganze auch wirklich passt. und noch einige weitere Sachen. Das heißt, ich kann jetzt als derjenige, der das Produkt entwickelt, diese Information nutzen, um noch mal mein Produkt zu überdenken, um vielleicht noch ein paar Features einzufügen. Und das ist natürlich ziemlich nützlich. Aber was noch viel cooler ist, ich kann jetzt direkt hier in die tiefe Interaktion eintreten mit den einzelnen Personas und ich kann jetzt hier entweder mit dem Analyseagenten sprechen, der wie gesagt Zugriff auf die gesamte Simulation hat, den gesamten Knowledge Graph und sozusagen einen Überblick hat über alles oder ich kann ja auch direkt mit einer Person oder einem Unternehmen kommunizieren und nicht wundern, das wird ja jetzt alles auf Chinesisch angezeigt, denn die App ist tatsächlich eigentlich auf Chinesisch. Also, ich übersetze das hier gerade oben mit dem Browser Übersetzungstool, aber wenn ich das Ganze hier oben übersetze, dann rutscht das hier nach links und ich kann einfach nicht sehen, welche Person das hier sind. Jedenfalls kann ich jetzt hier z.B. mit einer alleinerziehenden Mutter schreiben. Ich bin alleinerziehende Mutter und bemühe mich Berufen Familie unter einen Hut zu bringen. Ich teile leidenschaftlich gerne meine Erfahrungen als Mutter und möchte die Herausforderungen und Lösungsansätze für alleinerziehende beleuchten, insbesondere im Hinblick auf Zeitmanagement und die Verbesserung der Lebensqualität. Und sie kann ich jetzt z.B. Fragen, wie findest du Meal Mate? Okay, jetzt habe ich Meal Malte geschrieben, ist egal. Und dann antwortet sie mir auch und ich muss jetzt einmal kurz hier zurück zu Chinesisch wechseln, damit die Antwort hier auch korrekt geschrieben angezeigt wird, weil ansonsten wird das irgendwie doppelt übersetzt. Als alleinerziehende Mutter, die viel Wert auf gesunde Ernährung und praktische Lösungen legt, finde ich mir wirklich eine tolle Idee. Es ist nicht immer leichter als Single Parent neben Job und Kinderbetreuung noch gesund zu kochen. Meate bietet da eine schöne Unterstützung, weil es einfache ausgewogene Mahlzeiten bereitstellt, die Zeit sparen und trotzdem nahhaft sind. Für mich zählt jede Minute und solche Angebote helfen dabei, den Alltag besser zu meistern, ohne dass die Ernährung leidet. Ich kann sie auch speziell fragen, was sie an der App jetzt noch besser machen würde. Und dann gibt sie mir hier ihre persönliche Meinung als alleinerziehende Mutter, was sie sich noch bei der App wünschen würde. Z.B. für mehr Angebote, um Kinder aktiv mit ins Kochen einzubeziehen oder einen emotionalen Supportbereich mit kleinen Motivationshilfen oder eine engere Verzahnung mit ihrem Kalender. Das heißt, du kannst jetzt mit verschiedensten Akteuren hier in den Austausch gehen. Du kannst auch allgemein hier mit dem Analyseagent sprechen. Ich finde das Ganze mega spannend und sehe hier sehr viel Potenzial. Wie gesagt, du kannst jetzt verschiedenste Szenarien hier testen, wie z.B. ne öffentliche Reaktionen auf politische Ankündigungen oder um dich bei finanziellen Entscheidungen zu unterstützen. Krisensituationen, testen der Marktstrategie. Du kannst sogar Geschichten und Fiktionen weiter simulieren, ne? Angenommen, du hast irgendeinen tollen Roman gelesen oder irgendeinen Film geschaut oder eine Serie und die hört dann ab einem gewissen Punkt natürlich auf, dann kannst du hier schauen, was danach passieren würde, wenn die Geschichte jetzt nicht zu Ende wäre. Man kann hier mit einer Menge simulieren und wir wollen uns jetzt anschauen, wie wir das Ganze hier auch installieren, damit du es direkt testen kannst. Ich lasse dir übrigens den Link zu dieser Seite hier in der Videobeschreibung. Falls du das Ganze mal selber durchtesten möchtest, ohne was zu installieren, kannst du hier an dem Live Beispiel das mal testen. Du kannst das Ganze natürlich lokal installieren. Hier wird im Gitter Repository auch ganz genau erklärt, wie du das machst, ne? Also mit den Commands. Ich würde dir aber einfach empfehlen, lad das Projekt runter und lass dir von Cloud Code das Ganze hier konfigurieren und einstellen. Du kannst das Ganze mit lokalen KI Modellen nutzen oder du kannst auch einfach einen API Key hier angeben und dann z.B. für die GPT Modelle von Open AI nutzen. Die Knowledge Graft Datenbank wird dann auch über Z Cloud genutzt. Da gibt's ein Freier, der für einfache Nutzung auf jeden Fall ausreicht. Aber falls du das Ganze komplett lokal nutzen willst, wird das hier nicht funktionieren, außer du änderst ja diese Datenbank hier hinten. Da kann dir aber wie gesagt auch Cloud Code helfen. Ich habe das Ganze nicht lokal aufgesetzt, sondern ich nutze hier so einen virtuellen privaten Server, auf den ich alle meine Anwendungen wie z.B. auch OpenClore oder Hermis Agent installiere. Das ganze ist mega billig und mir wird hier auch vor allem das gesamte Deployment dieser App schon übernommen. Ich nutze dafür Hostinger, denn Hostinger hat ja auch vor allem so ein Katalog, wo du sofort jetzt z.B. neue Open Source Projekte installieren kannst und du musst hier einfach nur deine Daten dann eingeben und das Ganze wird dann fertig aufgesetzt und du kannst direkt loslegen. Falls du noch keinen Server hast, kannst du auch mit dem Link in der Videobeschreibung direkt einen Server buchen, wo Mirofisch fertig installiert ist und du kannst natürlich auch weitere Anwendung dann auf diesem Server installieren. Das Ganze kostet hier lediglich 9$ im Monat. Wenn du das Ganze hier nutzen willst, kannst du dir übrigens auch mit dem Code Julian Ivanow noch mal 10 % bei deinem Kauf sparen auf alle Jahrespläne. Wenn du mirfisch dann installierst, wirst du erstmal nach dem API Key abgefragt. Ich möchte z.B. für die GPT Modelle nutzen und habe jetzt bei der Open AI Plattform einen Account, wo ich einfach ein API Key erstellt habe hier oben. Du musst natürlich auch etwas Geld hochladen. Hier kannst du dann einen API Key erstellen und diesen kopieren und den dann einfach hier einfügen. Als Modell wird hier standardmäßig GPT4O ausgewählt. Ich würde dir ein kleineres Modell empfehlen und zwar GPT 4.1 ein Mini und dann auch hier genauso geschrieben mit diesem Datum am Ende, denn das ist noch mal deutlich billiger, aber trotzdem sehr gut und solche Simulationen verbrauchen schon ziemlich viele Tokens. Je besser die Modelle, desto natürlich auch besser die Simulation, aber ich habe damit schon sehr gute Ergebnisse bekommen. Und damit du mal ein Preisunterschied siehst, habe ich hier GPT41 Mini und GBT4O nebeneinander gestellt und hier siehst du die Inputpreise für GBT Mini sind nur 40$ Cent, hier sind es 2,50 und beim Output sind wir nur bei 60 und hier bei 10$. Bei GPT4 Mini habe ich jetzt bei Simulationen mit so 15 Simulationsrunden, wie ich vorhin gezeigt habe, ca. 3 € gezahlt. Aber wenn du ein bisschen mehr Geld in die Hand nimmst, kannst du auch GPT4 testen. Übrigens funktioniert das Ganze, soweit ich weiß, nur mit GPT4O oder den GPT 4.1 Modellen. Bei der Fünfer Reihe gibt es anscheinend Kompabilitätsprobleme. Falls du andere Modelle testen willst, nimm auf jeden Fall immer hier dann genau den Namen des Modells hier über Kopieren. Der ist nicht immer genauso wie hier angegeben. Und dann müssen wir unten noch einen Z Cloud API Key angeben. Wie gesagt, Z ist die Datenbank für den Knowledge Graph und hier gibt es einen Free Tier, das heißt, du kannst ja einfach einen Account erstellen und schon loslegen. Wenn du das Ganze jetzt aber planst wirklich viel zu nutzen, dann wird der Free Tier nicht ausreichen. Der bezahlte Plan beginnt aber erst bei 125$, also das ist schon ziemlich viel und lohnt sich meiner Meinung nach wirklich nur, wenn du das Ganze echt intensiv testen willst und das Ganze wirklich in der Produktion brauchst. Wenn du dich hier ein Account gemacht hast, musst du einfach nur auf Project klicken und dann siehst du hier unten API Keys und hier kannst du ein API Key erstellen, den dann wieder kopieren und hier einfach eingeben und dann klickst du auf deploy und Hostinger setzt alles für dich auf. Am Ende siehst du hier deine Miroish Instanz und kannst die einfach öffnen und das Ganze wird dann wie gesagt auf Chinesisch sein. Du kannst es aber jederzeit hier oben bei Google jetzt z.B. über das Übersetzungstool ändern s, dass es dann auf Deutsch angezeigt wird und dann kannst du hier unten deine Daten hochladen und deine Simulationsfrage stellen. Und das war's im Prinzip auch schon. Teste das Ganze gerne mal aus. Lass mich gerne in den Kommentaren wissen, was du von Mirofisch hältst und ob du hier vielleicht ein Potenzial siehst. Falls du dich noch tiefer mit dem Thema KI Automatisierung beschäftigen möchtest und wie man das Ganze im Unternehmenskontext einsetzen kann, dann schau auch gerne in meine Community vorbei. Link dazu in der Videobeschreibung. Hier haben wir zahlreiche Kurse zu N8N, Cloud Code, OpenCla, wie man sein KI Business aufbaut und so weiter. Und du kannst d hier natürlich mit vielen anderen Unternehmern und selbständigen austauschen. Das heißt, falls dich das Thema interessiert, schau gerne vorbei. Du bist herzlich willkommen. Ich wünsche dir schon mal viel Spaß bei deiner Simulation und bedanke mich noch mal fürs Zuschauen. Wir sehen uns beim nächsten Mal wieder. Bis dann.