KI-Agenten mit Governance: Warum „Copilot einführen“ kein Plan ist
COHEMI einfach mal machen Podcast · 2026-04-15
· YouTube Playlist
https://www.youtube.com/watch?v=BjNSqVGep4M
https://www.youtube.com/watch?v=BjNSqVGep4M
📄 Zusammenfassung
Dieses Video von "KI-Agenten mit Governance: Warum „Copilot einführen“ kein Plan ist" enthaelt keine Beschreibung und kein Transkript. Bitte das Video direkt auf YouTube aufrufen fuer mehr Informationen.
📝 Transkript
[Jasmin]
Wenn du nicht willst, dass deine Firma Konkurs geht, dann
hör gut zu. Wir sprechen heute darüber, warum ChatGPT, Agenten oder andere KI-Tools ein
absolutes Muss in der Zukunft sind. Herzlich willkommen zum COHEMI-Podcast,
dem einfach mal machen Podcast. Heute habe ich für euch den Felix Meusel
dabei. Hi Felix, schön, dass du da bist. [Felix]
Hi, freut mich auch. [Jasmin]
Erzähl mal, wer bist du, wo kommst du her? [Felix]
Also, ich bin Felix Meusel, Gründer und Geschäftsführer von Arttac Solutions.
Ich komme ursprünglich aus München, habe relativ lange in Nürnberg gelebt, habe da studiert und
auch die Firma gegründet. Und bin eben jetzt seit 2019, eigentlich erst seit 2021 Gründer
und eben Geschäftsführer von Arttac Solutions. Und wir konzentrieren uns seit jeher auf Multiagentensysteme beziehungsweise auf
künstliche Intelligenz im Generellen. Und das ist auch ganz interessant, weil das
ist ein Thema, was mich selbst schon seit über zehn Jahren beschäftigt. Ich bin damals von
Google letztlich motiviert worden, weil wir sind in der Uni in mehreren Projekten gewesen und
haben unter anderem Google DeepMind gesehen. Und DeepMind war damals schon das Ding überhaupt
in der Welt der künstlichen Intelligenz, weil es in der Lage war, damals das im Spiegel zu
besiegen. Also das ist jetzt nicht so interessant für meine eigene Vorstellung. Aber auf
jeden Fall hat mich das dazu bewogen, tiefer ins Machine Learning einzusteigen
und insgesamt mehr noch in der Welt der künstlichen Intelligenz meinen Platz zu finden. [Jasmin]
Das heißt, da kann man ja schon fast sagen, du bist ein Pionier und bist so von
Anfang an dabei. Weil wenn wir so mal jetzt die Neuzeit mit der KI beleuchten, dann ist ja noch
alles sehr neu. Es ist ein permanenter Wandel. Und wenn du sagst, dass das damals bei
dir schon angefangen hat, dann bist du ja, ich sag mal so von Anfang an
dabei, mehr oder weniger, oder? [Felix]
Also gute Frage ist jetzt natürlich immer so die Frage, wo fängt
man an bei künstlicher Intelligenz theoretisch in den 50er Jahren oder in den 90er Jahren. Aber ja,
ich bin auf jeden Fall seit diesem Deep Learning, seit dem Machine Learning noch mal auf ein
anderes Level getragen wurde, mit dabei. Und jetzt hat spätestens seit dem Transformers,
also Jet GPT und so weiter, reinkommen. Das war für uns auch noch mal eine
Neuerung. Aber haben wir versucht, von Anfang an mitzutragen. Also es
war auch bei mir selber eben so. Ich habe Wirtschaftsinformatik studiert, habe
meine Abschlussarbeit über Deep Reinforcement Learning gemacht, da eben noch mal der
Anstoß zu Google. Und habe mich dann sehr lange mit Machine Learning und später
auch mit Deep Learning beschäftigt. Und das Interessante ist, damit bin ich dann
auch am Fraunhofer Institut gewesen, dass man sich immer mehr darauf konzentrieren
kann, was mit Machine Learning möglich ist. Also früher am Anfang waren es nur einfache
Sachen. Man kennt es aus der Google-Suche oder aus anderen Dingen, die wir gar nicht bemerken. Und
inzwischen, jetzt durch Jet GPT, weiß jeder, wow, wir können mit unterschiedlichen, also letztlich
Large-Language-Modellen ganz tolle Sachen machen. Können unterschiedliche, wie soll ich
sagen? Also können wir unterschiedliche Aufgaben lösen und jede Menge
Daten benutzen und alles immer weiter automatisieren. Und das war
von Anfang an meine Leidenschaft. Und ich war dann eben, als ich im Fraunhofer
Institut war, irgendwann an dem Punkt, dass ich gesagt habe, es ist unglaublich,
was wir nach wie vor für einen Standard in Deutschland entwickeln. Aber
wir sind nicht so gut darin, das Ganze rauszubringen. Und das war für
uns kurzerhand die Entscheidung, ein eigenes Unternehmen zu gründen und dann zu sagen,
okay, wir versuchen das jetzt selber. Wir versuchen das selber mit damals
noch Natural Language Understanding, also so den Vorläufern von Jet GPT. Und dann
haben wir einfach angefangen. Und ehrlich gesagt, wir haben einfach komplett ohne Plan angefangen. Das heißt, die nächsten Jahre wurden ein
bisschen wild. Also wir haben erst mal versucht, irgendwie selber eine KI zu entwickeln, die
wir auch eben davor schon. Ich hatte eben in meiner Abschlussarbeit schon
Erfahrungen aus der Universität. Mein Mitgründer Max Klein hat auch
schon einiges an Erfahrungen aus der Informatik mitgebracht. Aber
wir haben dann eben gemerkt, da gehört noch einiges mehr dazu. Und so sind
wir dann eben immer mehr zu dem Punkt gekommen, dass wir ein eigenes System gebaut haben,
was auch schon einfachere Chatbots konnte. Und das war alles vor Jet GPT. Und das
ist für uns ein ganz wichtiger Punkt, weil wir sind seit Beginn 2022 in Microsoft
Founders Hub. Und wir wurden dann intern, irgendwann wurde uns quasi so
schon gesagt, hey, da kommt was. Also da wird jetzt dann was sehr Starkes
kommen. Und GPT 2 war ja schon in den USA bekannt. Und dann war klar, okay,
Microsoft investiert 10 Milliarden in Open AI und die gehen jetzt all in mit künstlicher
Intelligenz, also mit Large Language Modellen. Und wir dachten dann erst mal,
okay, das war's. Weil wir haben was Ähnliches gemacht, aber es war viel
schlechter. Kein Vergleich zu GPT. Und haben erst mal so, sagen wir mal,
uns versucht wiederzufinden. Aber ... [Jasmin] Das war bestimmt eine schwere Phase, oder? Wenn
du etwas erschaffst, was ich stelle mir vor, und du denkst, wow, cool, wir sind auf
einem guten Weg. Und dann kommt da einer, der so viel Geld hat und das reinbuttern kann
und überfährt dich einfach auf gut Deutsch, ne? [Felix]
Ja, das war ziemlich übel, ehrlich gesagt.
Wir dachten eine ganze Zeit lang, also es hat sich über mehrere Monate erstreckt.
Dann kam eben auch Jet GPT raus, Ende 2022. Und wir waren total verloren.
Wir wussten überhaupt nicht, in welche Richtung gehen wir jetzt?
Können wir irgendwas da machen? Und dann ist uns letztlich aufgefallen, GPT
ist so was, ich würde es immer vergleichen mit Strom. Es ist eigentlich etwas, was wahnsinnig
viel kann, aber es hat nicht so wirklich eine Richtung. Ähnlich wie, klar, Strom kann Licht
machen, man kann mit Strom Staubsauger betreiben. [Jasmin]
Aber dafür brauchst du eine Lampe oder den Staubsauger. Der Strom selber
saugt dir nicht oder macht dir kein Licht. [Felix]
Exakt. Und an dem Zeitpunkt war dann quasi so wie so eine
Wiedererweckung. Und dann haben wir gesagt, okay, wir konzentrieren uns wirklich einfach
auf die Applikationen und auf die Anwendungen. Und seitdem sind wir eigentlich
ab Sekunde eins dabei, seitdem so dieses ganze Large-Language-Modell-Rennen
richtig an den Start gegangen ist und jeder kam mit eigenen Modellen und all dem. Und wir
haben uns von Anfang an darauf konzentriert, wie können wir das Ganze hier mit der
ja schon etwas komplexeren Landschaft, die wir in Deutschland haben, gerade
was Governance und Compliance angeht, was die Sicherheitsarchitektur angeht. Da sind
wir jetzt nicht ganz so locker wie die USA. Und wie können wir das hier machen? Wie können
wir das hier reinbringen, dass es in deutschen Großkonzernen, aber auch in mittelständischen
Unternehmen gut verwendet werden kann? [Jasmin]
Vor allen Dingen, auch wenn du dann Zertifizierungen hast.
Also gerade Großkonzerne, wir wissen alle, dass NIST 2 dieses Jahr noch kommt.
Wir kennen die ISO 27001-Verordnung. Wir wissen von der CISAC-Zertifizierung. Und das
sind ja alles Punkte, die es dem deutschen Markt unheimlich schwer machen, dass du wirklich, ich
sag mal, die KIs, die von den großen Big Players da sind, natürlich sind die gut in dem, was sie
tun. Aber du hast immer ein Compliance-Problem. Immer. In irgendeiner Art und Weise immer. [Felix]
Ja, und das geht ja dann sogar noch weiter. Wir haben interessanterweise im Bankensektor
angefangen. Da kommt auch noch DORA dazu. [Jasmin]
Stimmt. Oh, ja, ich peine hier. Oh ja. [Felix]
Ja, da kommen dann noch mehr einzelne Regularien dazu, die auch wieder beachtet
werden müssen. Es gibt Löschkonzepte. Wir müssen irgendwie sonst auch schauen, dass die Daten
auf keinen Fall an die falschen Punkte kommen. Und also alles insgesamt sehr kompliziert. Und das
macht es tatsächlich auch für viele US-Startups relativ kompliziert, in den europäischen und vor
allem in den deutschen Markt einzutreten. Und da dachten wir natürlich von Anfang an, okay, wo wir
normalerweise von der Finanzierung her, aber auch von anderen Punkten wie die ganze Adoption Rate
und so, also dass die Unternehmen auch benutzen, überhaupt keine Chance hätten, haben wir die
eben doch, weil US-amerikanische Unternehmen, die sich eigentlich viel leichter tun, weil
sie eben mehr Erfahrung mitbringen zum einen, aber natürlich auch viel mehr Geld haben. Das ist
der größte Unterschied. Tun sich trotzdem schwer, weil eben auf dem europäischen und insbesondere
auf dem Dachmarkt haben wir eben immer wieder diese Regularien und schon auch immer
ein gesundes Misstrauen gegenüber dem. [Jasmin]
Und vor allen Dingen auch, das haben wir jetzt gar nicht erwähnt, aber DSGVO ist ja auch einfach ein
riesengroßes Thema in Deutschland oder allgemein im Dachraum, wo du jetzt in Amerika nicht so
ein großes Thema mit hast. Also wenn du in Amerika schnell was rausstampfen willst oder für
deine Firma implementieren willst, die sind viel, viel, viel weniger streng. Hier in Deutschland
kannst du dir bei einem Großkonzern fast gar nicht vorstellen, dass du ein Tool oder eine KI oder
etwas implementierst, was nicht DSGVO-konform ist. Da würden dir die Forschenden den Kopf abreißen. [Felix]
Exakt. Und dann kommt noch Betriebsräte
dazu. Also wir kennen alles. Wir haben jetzt wirklich die letzten
zwei Jahre eigentlich damit verbracht, wie bringt man Künstliche Intelligenz, allen
voran natürlich Large Language Modelle oder Foundation Modelle, wie man auch sagt, wenn
man die Bildmodelle noch mit reinnimmt, wie bringt man die jetzt sinnvoll
in Großunternehmen in Deutschland rein? Und da sind wir auf sehr interessante,
unterschiedliche Pfade gekommen. Es gibt auch immer wahnsinnig viele Möglichkeiten,
wie es dann vielleicht doch geht. Und es wird ja immer viel von On-Premise, also lokal vor Ort gesprochen, was
ich selber für totalen Blödsinn halte. [Jasmin]
Vor allen Dingen sind wir ehrlich einfach unbezahlbar. So ein
Rack für eine normale Ding mit vier normalen Tausenderkarten von der GeForce drin, du
bezahlst einfach über 200.000 Euro für dieses Rack. Welcher Mittelstand kann es sich
leisten, einen 200.000-Euro-Rack hinzustellen? Wo der ganze Rest doch sagt, lern endlich mit dem Rest von deiner
Infrastruktur in die Cloud zu gehen. [Felix]
Ganz genau, genau das, was du sagst. Und für
uns war dann schnell die Frage, wie machen wir das jetzt? Wir sind am
Anfang sehr viel bei Azure gewesen. Ich meine, die liefern einfach, die Hyperscaler
liefern ja insgesamt sehr gute Infrastruktur und haben alle Large Language Modelle und man kann
auch sonst sehr viel damit machen. Aber das Problem ist, es gibt immer noch viele deutsche
Unternehmen, die sagen, nee, mit Microsoft, das wollen wir nicht. Und dann war für uns
erst mal so die Frage, was machen wir dann? Es gibt in Europa eigentlich, es gibt ein paar
mehr Spieler, aber es gibt eigentlich nur zwei wirklich Nennenswerte. Und das ist auf der
einen Seite die Deutsche Telekom, immer noch, der alte Riese. Und auf der anderen
Seite OVH oder Auverge aus Frankreich. Und wir haben uns beide angeschaut und haben uns
am Ende aber für die Deutsche Telekom entschieden, weil wir dann doch irgendwie ein
näheres Bezugsverhältnis hatten und die sich tatsächlich auch zumindest
versuchen zu engagieren in diese Richtung. Und das ist das, wie wir so langsam diesen
Weg dahin gebaut haben, immer eben zu schauen, wie können wir die KI-Anwendungen, die wir gerade
anbieten, wie können wir die so voranbringen, dass sie trotzdem eben diesen ganzen Standards
standhalten. Und gleichzeitig aber nicht zu unpraktisch werden, weil das haben wir
ja in Deutschland immer relativ oft. Das ist okay, wir halten jetzt jetzt irgendwas,
hat sich auch mit einigen Kommunen zu tun, die haben dann, oh toll, wir haben jetzt auch
irgendeinen Chatbot, aber der verwendet noch nicht mal Large-Language-Modelle. Und wir haben
gesagt, okay, aber wenn der die nicht verwendet, dann werden die ja outdated sein in, weiß
ich nicht, ein paar Monaten. Dann sagen die, ja, aber wir haben halt jetzt das Projekt
durch und das machen wir jetzt erst mal. [Jasmin]
Oh Mann, ey, unglaublich. [Felix]
Ja, und so sind wir eben immer mehr diesen Weg gegangen
und haben mit deutschen Großkonzernen und Mittelständlern sehr viel darüber gelernt, wie
man es denn sinnvoll einbringt und sind jetzt auch auf dem aktuellen Stand so, dass wir eine
eigene Plattform dafür bereitstellen. Und auf dieser Plattform jetzt diesen ganz wichtigen
nächsten Schritt gehen, und zwar von, wir haben eben zum Beispiel ein Rack, also irgendwie
Chat-Welfare-Data, die praktischen FAQ-Dinger, oder dass man einfache Aufgaben damit erledigen
kann, hin zu Multiagentensystemen. Und das ist ja insgesamt schon wieder, da sind wir
beim nächsten Buzzword, das ist genau wie AI First und sonst irgendwas, man hört es die
ganze Zeit, aber was bedeutet das eigentlich? Und für mich ist eigentlich am wichtigsten,
immer so ein ganz einfaches Beispiel zu nehmen, ein Multiagentensystem oder generell ein
Agentensystem ist wirklich in der Lage, nicht mehr als Tool zu agieren, sondern ähnlich
wie ein Assistent oder eine Assistentin. Also ein bisschen mehr da hin zu gehen, hey,
man vergibt wirklich eine ganze Aufgabe und es kommt was relativ Sinnvolles zurück. Natürlich
nicht ohne Interaktion mit einem selber, das wäre dann Human in the Loop, aber am Ende kann dieses
System automatisiert ziemlich viel übernehmen. Und da gehen wir immer weiter rein. [Jasmin]
Ich denke gerade, wenn du in so Großkonzernen bist, wo du
mittlerweile, das ist ja Gang und Gang der Gäbe, wir haben ein Problem, wir führen ein
Tool ein. Weil ja viele immer denken, okay, Problem, Tool kaufen, dann ist das Problem
gelöst. Und mittlerweile haben ja so viele Firmen mittlerweile eine Tool-Landschaft,
die erschlägt dich als Mitarbeiter. Und ich finde, die Multiagenten werden
da halt auch einfach super spannend, wenn du am Ende vielleicht noch eine Plattform
hast, der Agent schiebt dir die Aufgaben zu, die du zu tun hast, oder du arbeitest mit dem
Agenten die Aufgaben ab und musst nicht immer in die Applikation abspringen, wo die Aufgabe
gerade hin müsste oder wo du sie erledigen musst, sodass der Agent sozusagen das Zusammensuchen
über die verschiedensten Plattformen oder Tools, wo deine Firma mit involviert ist, dass er dir
hilft, deine Arbeit mehr zu zentralisieren und an einen zentralen Punkt zu holen. Weil ich
glaube, das ist in der heutigen Arbeitswelt tatsächlich das, wo ich persönlich glaube, KI wird
uns am allermeisten helfen, weil die Leute einfach keinen Bock mehr haben, wenn die morgens ihren
Rechner hochfahren, die gucken ins Teams oder weiß ich nicht wohin und dann müssen sie in Software
XYZ abspringen, um in ihrer Arbeit zu machen. Und das ist jedes Mal, wenn du Pech hast,
ist es noch nicht mal mit SSO angeschlossen, dann darfst du auch noch für alles ein
eigenes Logging haben. Und wenn da der Bot einfach die Berechtigung hat, weiß,
wo du drin rumtouren darfst und wo nicht, wo es deine Aufgaben sind und was nicht,
dann fällt das alles komplett weg, ne? [Felix] Ja, wie du sagst. Und ich glaube
auch, dahin wird es entscheidend gehen. Und ich bin immer wieder jemand, der
stark betont, auf Dauer ist es auch so, dass es sehr schwierig sein wird, zum
Beispiel Technologiehoheit zu behalten. Das ist etwas, was früher Software sehr stark ausgemacht hat. So ist SAP
groß geworden. Microsoft hat ... Oder Google mit seinem sehr mächtigen
Suchalgorithmus bis heute. Aber dadurch, dass wir immer mehr KI benutzen, die immer
mehr kopieren und wieder antizipieren kann, ist es so, dass ich nicht denke, dass
auf Dauer wirklich den Mehrwert, den man schaffen kann, dass der durch Technologiehoheit
daherkommen wird. Und so sehen wir das auch. Unsere Plattform ist von jeher so aufgebaut, dass sie komplett flexibel ist, komplett
agil. Da kommen wir auch wieder daher, wir haben halt viel gelernt. Am Anfang
haben wir uns sehr auf GPT versteift. Wir dachten, okay, das ist halt jetzt
der Standard. Microsoft oder OpenAI setzen damit den Standard für die nächsten
Jahre. Dann hat uns unter anderem Meta, aber auch chinesische Unternehmen ziemlich
schnell gelehrt in gewisser Weise, dass das nicht der Fall ist, sondern dass solche
Modelle nachzubauen überhaupt kein Problem ist. Elon Musk kam ja dann auch noch mal
mit eigenen Modellen oder Google. Und alle haben jetzt irgendwelche superstarke Modelle, die Mathe-Olympiaden gewinnen
und so weiter. Wunderbar. Genauso ist es so, das war dann unser
nächster Lernschritt, würde ich sagen, dass wir gesagt haben, okay, wir müssen jetzt
auf so einzelne Systeme, Vektordatenbanken, also dass wir das alles schnell im Hintergrund
so zusammenschustern, dass die Knowledge Bases klar sind. Das ist aber auch nicht
richtig, weil hier ist es auch wieder so, das verändert sich alle paar Monate. Dann gibt es
wieder einen neuen Standard, der ist noch besser. Jetzt kam dieses Jahr das MCP, also Model Context
Protocol dazu, was wieder alles verändert hat. Und wir sind durch diese ganzen Learnings durch
und haben irgendwann gesagt, okay, wenn wir was bauen, dann muss es so nachhaltig sein, dass
wir nicht in einem halben Jahr wieder dastehen. [Jasmin]
Wieder von neu anfangen. [Felix]
Genau. Und das passiert eigentlich im Moment die ganze Zeit. Und das ist auch der Punkt,
wieso wir gerade wirklich erfolgreich in großen Unternehmen sind, weil wir gehen in Unternehmen
rein und es ist immer wieder die gleiche Story. Also wir gehen da rein und es ist ein ziemlich
hohes Budget angesetzt für Implementierung von künstlicher Intelligenz. Das
ist immer erst mal schon mal ... [Jasmin]
Das ist geil, oder? Was heißt denn das, Implementierung
von künstlicher Intelligenz? Genau. Ja, ich fühl's. [Felix]
Genau, und dann kommt man rein und hört, ja, okay, da wurde jetzt schon 1,5 Millionen
Euro verbraten. Und die Ergebnisse sind, na ja, also Chat with your data funktioniert jetzt.
Wir haben jetzt unser eigenes Company, GPT. [Jasmin]
Wow. [Felix]
Und dann ist so, aber jeder ist unzufrieden, niemand weiß, wie man
das richtig verwendet und so. Und wir sagen dann, okay, wir schauen uns mal dieses Thema an.
Was wollt ihr eigentlich damit erreichen? Was sind eigentlich die Arbeitsabläufe? [Jasmin]
Ich glaube, das ist der Kernpunkt. Ich glaube, viele Menschen, weil KI so
ein krasses Passwort ist und weil es ja auch eine Materie ist, die sich gefühlt wöchentlich ändert,
ich glaube, wirklich viele haben nicht verstanden, dass eine KI in einer Firma oder in ...
Egal, ob du ein Großkonzern bist oder ein kleinen Mittelständler, KI-Implementierung
lohnt sich erst, wenn du Use Cases hast. Du brauchst Use Cases. Wofür brauchst
du es? Was kannst du dir reell abnehmen? Und wenn du die erarbeitet hast in der
Firma, dann kannst du dir überlegen, was für eine KI du implementierst
und was funktionieren könnte, ne? [Felix]
Genau. Und da auch wieder so grab the low-hanging fruits. Also es ist irgendwie, schauen
wir uns mal an, was würde denn schnell gehen? Und da sind wir, wie gesagt, schon in mehreren
Beispielen einfach rein und haben gesagt, na ja, gut, wir können das jetzt
in 2, 3 Wochen aufziehen, weil eine Vektordatenbank-Spiegelung ist nicht
so kompliziert, irgendein Modell an den Start zu bringen und die Standardberechtigungen
für irgendwas, was eben noch einfach ist, was noch nicht highly confidential ist,
wo wir noch nicht darüber reden, dass, oh, oh, da darf eigentlich nur der Vorstand
drauf zugreifen, das ist nicht so schwierig. Und da können wir direkt dann sagen, okay, guck
mal, das funktioniert doch. Und mit der Strategie sind wir ziemlich erfolgreich gefahren und sind
jetzt auch in einigen Unternehmen damit schon präsent. Und genau das haben wir jetzt noch mal
so ein bisschen auf das nächste Level gebracht. Weil das Interessante ist ja eigentlich ab
diesem Zeitpunkt dann, und da kommen wir dann zu agentischen Systemen, ich meine, an
sich ist alles ein Agent. Diese Wörter sind sowieso immer sehr missverständlich und man
denkt dann, ah, was kann das jetzt anders als ein normales GPT? Eigentlich nicht so viel, es
kann halt gewisse Tools zum Beispiel verwenden. Also es kann im Web suchen oder in
Datenbanken oder sonst irgendwas. Und interessant wird es eigentlich erst ab dem
Zeitpunkt, wenn man jetzt einen Orchestrator hat oben und dann unten drunter mehrere Agenten,
die alle unterschiedliche spezielle Aufgaben haben. Also die wirklich, einer ist für, weiß ich
nicht, Support zuständig und weiß dann wirklich, dass er kann selbstständig Tickets schreiben,
einer kann wirklich helfen direkt beim Coaching, einer kann wiederum Transkriptionen
aufnehmen und die zusammenfassen. [Jasmin]
Der nächste Verteil, die arbeiten aus dem Sales-Postfach an
die zehn Mitarbeiter. Genau. [Felix]
Und das muss man jetzt irgendwie orchestrieren und jetzt haben wir
eine schöne Schleife gedreht und kommen wieder zurück auf den Punkt, dass wir dann ziemlich
schnell bei Governance landen. Weil dann haben wir das Problem mit einem oder mit zwei oder
ich würde sagen, selbst mit zehn Agenten hat man normalerweise noch kein Problem. Die sind
in einer Abteilung, das ist relativ einfach. Aber es wird schwierig ab dem
Zeitpunkt, dass man sagt, okay, wow, wir haben ganz viele Daten, die könnten
wir jetzt auch für die Nachbarabteilung übernehmen. Und ab dem Zeitpunkt sagt
man aber, ja gut, aber ein Teil ... [Jasmin]
Die dürfen nicht alles sehen. [Felix]
Genau, ein Teil der Daten sollte da nicht rüber. Und
jetzt wird das Ganze sehr kompliziert, weil jetzt müssen wir anfangen. Und
Microsoft zum Beispiel bietet das in Teilen. Es gibt natürlich auch jede Menge
andere Systeme, die sagen, okay, klar, hier sind die Rollenzuteilungen, hier
haben wir irgendwie Restricted Access und so weiter. Aber wenn man das Ganze unternehmensweit
betrachtet, dann reden wir ja meistens auch von, wie du es schon vorhin gesagt hast, von einer
riesigen Tool-Landschaft. Und die haben alle ihre eigenen Berechtigungen, die haben alle
ihre eigenen Rollenzuweisungen und so weiter. Und hier wird es jetzt richtig kompliziert.
Hier muss man jetzt irgendwie eine Schicht finden, mit der man das Ganze so
definiert, dass man sagen kann, okay, wir kriegen das trotzdem hin. Und das
ist das, womit wir uns neben der Traction, also neben dem Ausführen der
Agenten, ganz viel beschäftigen. Also wir sagen, okay, wie läuft
jetzt dieser ganze Prozess ab? Und das ist auch so das Grundprinzip,
würde ich sagen, warum wir meistens so erfolgreich in den Großunternehmen
sind. Wir beschäftigen uns nur damit. Wir beschäftigen uns mit nichts
anderes. Ich habe keine Ahnung, wie Energiekonzerne funktionieren. Ich weiß
nicht, wie Banken ihre Geschäfte machen. Ich weiß nur, was künstliche Intelligenz kann und
wie sie in irgendwelche Prozesse rein kann. Den Rest müssen mir zum Beispiel Bankenmitarbeiter
erklären. Und das ist so der entscheidende Punkt. Wir konzentrieren uns nur darauf. Und
das ist auch das, inwiefern ich denke, dass in Zukunft vermutlich sich das sehr viel
mehr wieder spezialisieren wird. Weil im Moment sind wir wirklich dabei, dass jeder Konzern hat
so seine eigene KI-Implementierungsstrategie. Das machen alle selber. [Jasmin]
Aber weißt du, was ich noch viel schlimmer finde? Es gibt noch so viele Konzerne und gerade auch
Mittelständler, die meiner Meinung nach immer noch der Meinung sind, das ist nur ein Trend, das geht
wieder. Und die sich gar nicht damit befassen. Und wo ich halt, also ich meine,
ich bin auch im Mittelstand tätig, wo ich mir dann halt einfach denke, so
Leute, ihr werdet abgehängt. Also irgendwie, und selbst wenn du dich erst mal nur damit
beschäftigst, dass du halt erst mal nur sagst, ja, da sind wir Microsoft-Kunde, dann nehmen
wir halt Co-Pilot oder holen uns Chat-Tipi-Team und machen zu oder so. Aber irgendwie musst
du lernen, du musst lernen, damit umzugehen. Und ich finde vor allem, du musst deine
Mitarbeiter enablen, es zu benutzen. Weil das ist meiner Meinung nach nochmal ein
richtig heftiger Punkt. Du kannst noch so ein geiles System mit noch so geilen Agenten,
was noch so governance-mäßig gut funktioniert. Wenn Dörte aus dem Back-Office mit ihren
56 Jahren keinen Bock hat, das zu benutzen, weil du sie nicht mitnimmst und
es ihr nicht ordentlich erklärst, dann bringt dir die beste
KI im Unternehmen nicht, ne? [Felix]
Ja, exakt. Also wir haben es auch so gemerkt. Wir haben ein Modell, in
dem wir oft mit Beratern zusammenarbeiten und die dann wirklich reingehen und dann eben zum Beispiel
diese jetzt neuartigen Promptatons dann mitnehmen und dann quasi letztlich den einzelnen Benutzern
zeigen, wie verwende ich das eigentlich überhaupt? Wie nehme ich das so wahr, dass ich nicht ... Wir
hatten sehr oft Sachen, ich komme selber aus der Tech-Welt, wie ich ja vorhin schon beschrieben
habe. Und ich kann mir das dann teilweise gar nicht vorstellen, dass da Leute ein Tool, was für
Marketing gedacht ist, nach dem Wetter fragen. Aber das passiert. Und das muss man auch
realisieren, dass das passiert. Und das ist auch absolut okay, weil sich eben nicht jeder,
so wie ich, den ganzen Tag damit beschäftigt. Und genau, es ist wahrscheinlich dieselbe
Leier, die schon seit zehn Jahren oder wahrscheinlich seit Beginn der Digitalisierung
immer wieder durch die Medien geht und worüber alle immer wieder sprechen, aber es wird nicht
gemacht. Und das ist, nimm die Menschen mit. [Jasmin]
Ja, mach ein vernünftiges Change Management. [Felix]
Ja, genau. [Jasmin]
Absolut. Und da hilft dir auch keine ... Also
das ist auch wieder so was Schönes. Du kannst ein Change Management wunderbar mit
einem Large-Main-Language-Modell aufbauen, weil es wird dir perfekte Texte
... Wenn die Idee und das Wissen, worüber du die Mitarbeiter informieren musst, von
dir kommt, kann es dir perfekte Texte generieren, die den Mitarbeitern super leicht zu lesen
fallen. Es ist so ein mächtiges Tool. Aber man muss halt wirklich lernen, es
einzusetzen. Und ich finde bei dir und bei deiner Lösung, die du hast, halt super strambannend,
dass ihr den Hauptaugenmerk auf dieses Governance habt. Weil das ist tatsächlich was, wo ich der
Meinung bin, dass wir in Deutschland und gerade in der DACH-Region ein Riesenproblem haben,
weil wir eben so krasse Regularien haben. Und alle Big-Player, die wir gerade am
Markt haben, wenn wir ganz ehrlich sind, eigentlich für keinen von uns zu 100% in
Frage kommen, weil sie alle nicht zu 100% die Governance erfüllen können.
Zumindest bis heute noch nicht. [Felix]
Definitiv. Und da denke ich, werden wir auch immer wieder an Probleme kommen
oder an gewisse Schwellenwerte, weil eben die US-Regierung hat zum Beispiel kein Interesse
daran, jetzt da großartig was zu ändern. Ich glaube, es wird seit 15 Jahren darüber diskutiert,
wie man das mit dem Datenaustausch macht. Und es funktioniert ja bis heute nicht.
Und ansonsten ist es auch so. Natürlich, jeder hat seine eigenen Interessen. Und gerade im Sinne der europäischen
Souveränität, aber auch darin, dass wir es für uns einfacher machen. Es ist,
glaube ich, sinnvoll, jetzt etwas zu nehmen, was hier um die Ecke ist, anstatt einen
weiteren Silicon-Valley-Tech-Konzern. Weil ich sehe halt eben oft, die
Probleme kommen dann im Nachhinein. Sie sind super einfach einzuspielen.
Es ist wahnsinnig einfach, das Ganze zu übernehmen. Aber das Problem ist dann. Und dann kommt, weiß ich nicht, der
Datenschutzbeauftragte oder andere. Und dann wird es doch wieder schwierig.
Und dann wird es wieder eingestellt. [Jasmin]
Oder stell dir vor, du holst dir das Model und
es passt zu dir. Aber nach 5, 6 Jahren gibt es komplett neue Regularien
oder es kommt irgendwas Neues. Und dann hast du schon 5 Jahre mit den Agenten, mit
der KI, mit dem Model hast du es gefüttert. Und dann sollst du umziehen. Klar, wissen wir
alle, man kann auch Vektoren programmieren. Aber das ist dann auch wieder mehr Aufwand, als wenn du dich von Anfang an für etwas
interessierst, was vielleicht eher Bestand hat oder zu der Compliance-Richtlinie passt,
die wir in Deutschland halt nun mal haben. Was würdest du sagen, was würdest du unseren
Zuschauern mitgeben wollen in Bezug auf KI? Was ist so deine Key-Message, was du sagen
würdest? Ey Leute, KI-Zeitalter ist da. Es geht nicht mehr weg. [Felix]
Das ist immer eine sehr spannende Frage. Weil mir kommt so viel
in den Kopf. Aber ich denke, das Allerwichtigste und wirklich, das ist auch wieder so, es ist
so einfach, sich damit auseinanderzusetzen. Weil das sehe ich immer noch. Ich toure seit
2 Jahren eigentlich immer wieder mit derselben Message umher und sage, das ändert sich nicht mehr
zurück. Das ist genau wie damals das Internet. Das wird kommen, das bleibt und das wird immer
mehr. Erstmal ist es einfach auch vollkommen egal, ob man jetzt so eine sehr fortgeschrittene
Lösung für Multi-Agenten-Systeme wie unsere Plattform nimmt oder einfach nur ein bisschen
mit Chat-GPT oder Automatisierungs-Workflows oder irgendwas rumspielt. Das Wichtige ist, sich damit
auseinanderzusetzen, denn der Unterschied kommt. Das Gemeine ist, gerade dann wieder
in der Wirtschaft, die Unternehmen, die es verstehen, haben am Ende
doch einen ziemlich großen Vorteil. [Jasmin]
Absolut. Oder sind am Ende noch die, die noch stehen. [Felix]
Ja, definitiv. Geschäftsmodelle werden sowieso auch durch diesen
berühmten AI-First-Ansatz infrage gestellt. [Jasmin]
Das merken wir doch schon mit den ganzen Kündigungenwellen, bei den
Bigplayern. Es ist da, es wird nicht weggehen. [Felix]
It is what it is. Ja, das, was du sagst. Deswegen,
ich denke, das Wichtigste ist, sich zu überlegen, zuerst eben sich generell damit
auseinanderzusetzen und dann im zweiten Punkt, und das ist für mich, das jetzt aber speziell
für Unternehmer und Unternehmerinnen, ich finde, es ist ganz wichtig, sich darüber im Klaren zu
sein, dass man eine nachhaltige Strategie baut. Du hast es vorhin gerade gesagt, ja, dann führen
wir halt einfach den Copilot ein. Einfach den Copilot einzuführen, löst meistens überhaupt kein
Problem, sondern die Frage ist, welche Prozesse haben wir heute schon, die uns eigentlich nerven,
oder die sehr einfach automatisierbar sind, die man abgeben kann, und was können wir
damit tun? Unsere eigenen Prinzipien, unser Prinzip seit jeher, seit ich diese Firma
gegründet habe, ist automate the boring stuff. Versucht es einfach, es ist heutzutage so
einfach möglich, ich meine, man kann selbst einem Praktikanten im Unternehmen inzwischen die
Möglichkeit geben, mit ChatGPT eigene Excel-Makros zu programmieren, und das ist auch schon eine Form
der Automatisierung. Einfach in diese Richtung zu gehen, weil ich sehe viel zu oft noch Sachen, ja,
das funktioniert ja nicht so, ich habe auch aus dem persönlichen Leben manchmal das Beispiel,
da muss ich mich wieder Stunden dransetzen, weil ich kann nicht so gut Englisch, und das
Übersetzen fällt mir schwer, und ich so, wirf doch das ganze Dokument einfach in ChatGPT rein, das
hat keine vertraulichen Daten, also passt schon, wirf es rein, das gibt dir das im perfekten
Englisch wieder und fertig. Und ich denke, das ist so das, was ich immer ganz allgemein
mitgeben würde, klar, es verändert sich alle zwei Wochen was, es ist sehr anstrengend, da dabei
zu bleiben, aber das muss man auch gar nicht. Man sollte sich nur ganz generell vielleicht mal
überlegen, wenn man in irgendeiner Wissensarbeit selbst arbeitet, ist es nicht möglich,
mit einem Large-Language-Modell oder mit irgendeinem GPT-Tool oder sonst was, sich selber
die Arbeit zu erleichtern. Das würde ich sagen, ist wirklich so der allergrößte Punkt.
Und wenn es dann noch GDPR-compliant oder Governance-mäßig sein soll, dann
sind wir bestimmt die Richtigen. [Jasmin]
Wunderbar, in dem Sinne, liebe Zuschauer, vielen, vielen
Dank fürs Zuschauen. Ich wünsche euch noch einen wundervollen Tag, schaltet gerne das nächste
Mal wieder ein und abonniert unseren Kanal.
📺 Ähnliche Videos
🔮 MiroFish simuliert die Zukunft mit tausenden Agents | Alles was du wissen musst!
Christoph Magnussen · 2026-05-11🇩🇪 DE
Ich habe das fortschrittlichste KI-Tool der aktuellen Zeit entdeckt… Das ist Hermes Agent 🔥
Der KI-Doktor · 2026-05-09🇩🇪 DE
Diese OpenClaw MasterClass Wird Deine Arbeitsweise Für Immer Verändern
Der KI-Doktor · 2026-05-08🇩🇪 DE
Paperclip Is Insane | Full Tutorial
Ferdy․com | Ferdy Korpershoek · 2026-05-06🇬🇧 EN