Markus Edgar Hormeß, warum braucht kein Mensch ein KI-Whitepaper? [4]
Eine Unterhaltung über KI, Spielfreude und die Zukunft
06.03.2025 72 min
Zusammenfassung & Show Notes
Was passiert, wenn wir künstliche Intelligenz nicht als Werkzeug, sondern als Teamplayer mit Stärken und Schwächen ansehen? Die Antworten darauf gibt's in Folge 4 von ZUSAMMEN WACHSEN.
In dieser Episode erfahren wir, wie Teamarbeit funktionieren kann, wenn KI ins Spiel kommt. Können wir künstliche Intelligenz vielleicht einfach in ein Team integrieren? Wie eine Kollegin oder einen Kollegen betrachten? Darüber reden wir in dieser Episode von ZUSAMMEN WACHSEN – und über die Bedeutung von KI, Spielfreude und Zukunft im Teamkontext.
Euer Gastgeber ist Jürgen, verantwortlich für Text, Podcast und anderen Unfug bei BRANDAD – sein Gesprächspartner ist Markus Edgar Hormeß, Co-Founder of WorkPlayExperience, Co-Initiator des Global Service Jams und Co-Autor von Teaming with AI.
Euer Gastgeber ist Jürgen, verantwortlich für Text, Podcast und anderen Unfug bei BRANDAD – sein Gesprächspartner ist Markus Edgar Hormeß, Co-Founder of WorkPlayExperience, Co-Initiator des Global Service Jams und Co-Autor von Teaming with AI.
---
ZUSAMMEN WACHSEN ist ein Podcast von Jürgen Krauß für BRANDAD.
Wir glauben, dass wir das mit der Teamarbeit nach mehr als 15 Jahren agiler Softwareentwicklung in Teams ganz gut beherrschen. So gut gar, dass wir unsere Dev-Teams seit einigen Jahren auch an Kunden verleihen. Wir nennen das Teams as a Service – und sind schon auch ein kleines bisschen stolz auf die Ergebnisse, die unsere Teams in Kundenprojekten erzielen.
Trotz großartigen Feedbacks durch unsere Kunden sind wir überzeugt: Es geht auch noch besser. Und: Was heute funktioniert, könnte morgen schon nicht mehr funktionieren. Von daher fragen wir uns, euch und unsere Podgästinnen und -gäste regelmäßig, wie wir und unsere Teams noch weiter zusammen wachsen können. Was können wir von Großfamilien lernen? Was von Einsatztruppen? Was von Staffelläufern, Bands und Impro-Theatergruppen? In diesem Podcast wollen wir es herausfinden.
Folgt uns gerne in den üblichen Podcast-Verzeichnissen, direkt über unseren Feed, unsere Social-Media-Kanäle, oder unsere Webseite. Schreibt uns gerne euer Feedback und eure Themenwünsche an: podcast@brandad.de
Transkript
Hi, ich bin Jürgen und du hörst den BRANDAD Podcast "Zusammenwachsen über moderne Teamarbeit".
Unsere Dienstleistung bei Branded heißt Teams as a Service. Da schicken wir Softwareentwicklungsteams
zu Kundenprojekten, wo sie sofort ab Tag 1 an wirksam werden können. Warum das so gut
funktioniert? Weil wir den Leuten viel Eigenverantwortung geben und auch ausreichend Zeit, um vorher
schon ein Team zu werden. Und gemessen an den Ergebnissen können wir das mit dem Teams
zusammenstellen inzwischen ganz gut. Aber wir wären ja doof, wenn wir uns nicht trotzdem
auf uns zu fragen würden, hey, gibt's da draußen vielleicht noch andere erfolgreiche
Teams, von denen wir uns was abschauen können, wo wir noch was lernen können, wo wir uns
noch weiterentwickeln können, wo wir weiter wachsen können. Und diese anderen Teams, das
können Großfamilien sein, das können Bands sein, das können Sportmannschaften sein, das
können Hundertschaften sein und noch viele, viele andere. Wenn das spannend für dich
klingt, dann lade ich dich ein, uns auf dieser Reise zu begleiten und ja, lass uns zusammenwachsen.
Nein, Halt, Moment, das klingt komisch. Lass uns lieber zusammen wachsen. Und Vorsicht,
jetzt wird's laut.
Für diese Episode habe ich mir Markus Edgar Hormeß eingeladen. Markus ist Service-
und Innovation-Expert. Und da kann man sich schon mal fragen, Service-Innovation, was
ist denn das überhaupt? Und also im Prinzip ist es das Feld, das sich mit der Entwicklung
und Einführung neuer Dienstleistungen beschäftigt und neue Dienstleistungen heutzutage ganz
oft was, das mit Computern, mit KI, mit Technologie, mit UX und so weiter zu tun hat. Markus lebt
das aus in seinem Unternehmen Workplay Experience. Er ist aber auch übergreifend immer sehr,
sehr stark dabei, sich zu diesen Themen auszutauschen, zu vernetzen, Workshops anzubieten, gleichgesinnten
sich zusammenzutun. Er ist zum Beispiel Co-Organisator des Global Service Chairs und auch sonst auf
sehr, sehr vielen Veranstaltungen zu solchen Themen unterwegs. Markus hat außerdem zusammen
mit einigen anderen ein White Paper verfasst und das White Paper heißt "Teaming with AI".
Und das ist tatsächlich auch der Grund, warum ich ihn angesprochen habe. Teaming with AI.
Ich habe mich gefragt, hey, was passiert eigentlich, wenn wir KI nicht als Tool oder als Bedrohung
für unseren Job verstehen, sondern als jemanden, den wir einfach in unser Team mit einladen
und mit dem wir so umgehen, wie wir es mit neuen Kolleginnen und Kollegen vielleicht
auch machen würden. Und das betrifft Fehlerkultur, das betrifft Feedback, das betrifft die Art
und Weise, wie wir zusammenarbeiten. Und ja, ich glaube, da könnte ein ganz spannendes
Gespräch daraus entstehen. Und dafür konzentrieren wir uns vorzugsweise auf die drei Themengebiete
KI, Spielfreude und Zukunft. Viel Spaß!
Würdest du sagen, du bist ein Teamplayer?
Ja, schon, denke ich. Also die meisten Sachen, die ich gemacht habe, waren nicht allein,
sondern hatten für und mit anderen Leuten. Wenn man sich so anschaut, wir haben vor einigen
Jahren den Global Service Jam gemacht, wo es darum geht, Leute zusammenzubringen, dass
sie Prototyping ausprobieren, Service Jam, Global Jams, genau. Da geht es darum, in 48
Stunden mit einem Team etwas Anfassbares zu schaffen, anstatt nur zu quatschen die ganze
Zeit.
Glaubst du, dass die Welt auch einfach schon so komplex ist, dass man Challenges eigentlich
auch nur noch im Team lösen kann?
Ach Gott, ich glaube, die Antwort ist da sicher eher grau, im Graubereich. Es braucht immer
beides. Also wir arbeiten sehr viel mit, wie wir das nennen, komprimierten Formaten, Sprints,
eine Woche, um irgendwas zu machen, ein Jam, ein paar Tage, wo man im Prinzip fokussiert
an einer Sache arbeitet und im Prinzip durch ein, zwei, drei Schleifen von einem Design-
oder Innovationsprozess durchgeht in kurzer Zeit. Was ganz, ganz wichtig ist und was wir
da gelernt haben auf dem Weg ist, dass das kein Projekt ersetzt, sondern dass das Beschleuniger
sind, die mal einen Fokus auf eine bestimmte Sache setzen und dann aber Effekte haben auf
die Arbeit, die danach kommt. In einem Sprint verstehe ich ein Problem, ich habe erste Ideen
für Lösungen und dann muss ich aber die Detailarbeit halt auch doch trotzdem noch
machen. Ich muss trotzdem noch überprüfen, ob das, was ich mir da ausgedacht habe, dann
am Ende auch wirklich funktioniert, weil alles geht halt einfach nicht in eine Woche. Und
das ist auch immer das Gefährliche, wenn Leute Sprints für alles als Allzweckwaffe
einsetzen, anstatt zu sagen, okay, Sprints sind ein Werkzeug, das ich habe, das ich einsetzen
kann. Also wir sagen lieber, ein Sprint ist kein Projekt, aber nutze Sprints oder Jams
in deinen Projekten als ein Tool. Und das ist auch das Spannende, wenn wir über Teams
immer nachdenken, ist, ich habe ein Projektteam, das immer wieder mal zusammenkommt, bespricht,
was wollen wir machen, dann geht man aber oft auseinander und macht Dinge für sich.
Und diese Sprint- und Jam-Formate sind einfach Formate, wo man, während man im Raum ist,
eben nicht darüber redet, was man macht, sondern man macht es. Und anstatt zu diskutieren,
soll man das machen oder das machen, probieren wir beides aus, bauen es mal grob gut genug
und testen es am besten vielleicht mit den Leuten, die es eigentlich betrifft, anstatt
unsere Meinungen nebeneinander zu legen die ganze Zeit.
Das ist eine schöne Beschreibung des Unterschieds von dieser Sprint-Arbeit und dieser Projektarbeit.
Vielleicht an der Stelle auch ganz kurz für den Kontext, weil wir ja im Kontext Softwareentwicklung
irgendwie auch unterwegs sind. Da ist ein Sprint so nach Scrum, das ist was anderes als der
Sprint, den du jetzt beschreibst. Das ist eher so als einmaliges Event, um in einem
kurzen Zeitraum ein Problem zu lösen. Ich weiß nicht, ob man es löst in einem Sprint
oder ob man es wirklich hauptsächlich mal angeht.
Man versteht es, glaube ich. Man versteht es, je nachdem, wo man gerade steht, hat man
vielleicht eine erste Lösung und man hat schon einen Prototyp und sieht, wo das hingehen
kann. Was aber im Prinzip als zweite Ebene bei solchen Sachen passiert ist, dadurch,
dass das Team einfach viel Zeit miteinander verbringt und intensiv an diesem Problem arbeitet,
haben sie hinterher auch eine Sprache, eine gemeinsame. Und das ist eigentlich so ein
Nebeneffekt, der noch viel weitere Wirkung hat dann ins Projekt und in das Team rein.
In deiner täglichen Arbeit oder in diesem Space, kannst du dich erinnern, wann du so
diesen einen Aha-Moment hattest, als KI ins Spiel kam, wo du gesagt hast, wow, geil, hier
kann ich mit KI jetzt was machen, das ich vorher einfach gar nicht machen konnte oder
ganz anders machen musste. Gab es da so eine Initialzündung, gab es da so den einen Erleuchtungsmoment?
Ja, das erste Mal, als ich die GPT-2-Modelle benutzt habe, um so ein paar Werbeslogans
zu generieren. Das war schon ziemlich cool. Hintergrund ist der, wenn wir Service Design
Projekte machen, geht es ja darum, wie verändern wir das Kundenerlebnis, wie bauen wir im Prinzip
ein neues Geschäftsmodell für eine Dienstleistung auf. Und das Essentielle hier ist, dass man
versteht, wie wird denn das Zukunftsbild aussehen. Also dafür brauchen wir Prototypen. Und Prototypen
sind in unserem Fall eben nicht ein Stück Software immer unbedingt. Das spielt vielleicht
eine Rolle in vielen Projekten. Aber wir müssen ganzheitlicher ausprobieren, was sich verändert
am Ende. Das heißt, die Software ist ein Teil davon. Dann vielleicht, wenn ich mit
Shops arbeite, dann ist es tatsächlich auch was passiert auf der Fläche. Wie ist das
aufgebaut? Wie reagieren die Mitarbeiter in dem Shop auf die Kunden? Wie ist der ganze
Ablauf, der da stattfindet? Und das muss man quasi so in kleine Teile teilen und dann halt
eins hinausprobieren. Die Figma-Sachen sind da relativ, das ist quasi auf Schienen. Weiß
man, wie es geht heutzutage. Wir müssen es aber ganzheitlicher sehen, dass es am Ende
auch funktioniert in der Organisation mit all den Leuten. Und das Spannende hier ist,
bevor ich diesen ganzen Aufwand treibe, muss ich eigentlich rausfinden, ob das, was ich
mir ausgedacht habe, jemand braucht, jemand will. Also wir nennen das einen Value Prototype.
Gibt die Value Proposition irgendwas her? Und eine ziemlich coole Methode, das zu machen,
ist einfach einen Werbeposter zu gestalten. Eine Werbung von dieser zukünftigen Dienstleistung
oder von diesem kleinen Teil der Dienstleistung. Ich sage, ich packe das jetzt einfach mal
in Format, das jeder kennt. Das kann ich mal zeigen und dann mache ich das. Und natürlich
in diesen Workshops ist nicht jeder ein Werbetexter. Und dann kamen diese Modelle, die natürlich
auf dem Internet trainiert waren. Und was ist im Internet im Wesentlichen? Also viel,
zumindest ist es viel Werbung in den Trainingsdaten. Und dadurch kriegt man dort schon ziemlich
cooles Feedback. Und das heißt, wir haben angefangen in den Workshops halt einfach zu
sagen, so, wir haben jetzt diese ersten Ideen oder Konzeptskizzen, was man machen könnte.
Jetzt generieren wir einfach zu jeder dieser Konzeptskizzen zehn Werbeslogans und dann
bauen wir quasi Werbeposter auf, die wir dann verproben können mit der Zielgruppe. Und
das war schon 2000, keine Ahnung, Anfang der 2000er, als die Sachen halt da so rauskamen.
Das war sehr spezifisch, war noch kein Chat und so weiter. So richtig überrascht hat
es mich nicht, weil ich natürlich immer diesen Blick habe, was kommen da neue Technologien
auf uns zu? Und ich auch meine Karriere in der KI begonnen habe.
Also ich als Werbetext, da hätte jetzt auch reingekratscht vielleicht und gesagt, naja,
ja, okay, verstehe den Anwendungsfall. Du versuchst irgendwie mit überschaubarem Aufwand
x Varianten zu generieren. Aber ich würde natürlich sagen, das Ergebnis ist immer ein
langweiliger Text. Weil das ist ja die Trainingsdaten. Du verknüpfst immer nur bestehende Sachen
halt vielleicht mal neu, aber eigentlich meistens nur, was halt die wahrscheinlichste Kombination
ist aus Buchstaben, aus Phrasen, aus Tokens, aus was auch immer. Und es kommt immer so
ein bisschen so ein Brei aus meiner Perspektive raus, aber nie was wirklich Neues, was wirklich
Geiles. Von daher finde ich es total spannend, dass du bei GPT 2 schon sagst, da habe ich
das Licht gesehen.
Na ja, kommt drauf an, was du meinst. Also Nummer eins würde ich sagen, bin mir nicht
sicher, ob das, was du sagst, noch so stehen bleiben sollte heutzutage. Weil es hängt
davon ab, wie du promptest tatsächlich. Und am Ende ist das einzelne generierte, der einzelne
generierte Werbeslogan ist vielleicht nicht so toll. Aber jetzt musst du mal überlegen,
was du als Werbetexter im Prinzip durch welchen Quatsch du durchgehst, bis du zu dem kommst.
Also ich sage jetzt hier ein durchschnittliches, das sehe ich sofort. Das kriegst du hin. Und
dass das bei dir wieder was zündet, kaufe ich auch sofort.
Genau. Wir müssen jetzt aber hier hingucken, wer da, warum was generiert. Jetzt sitzen
in so einem Workshop eben nicht die Werbetexter, sondern da sitzt vielleicht, je nach Workshop
sitzen die Verantwortlichen für diese Dienstleistung im Unternehmen, die sagen, wir müssen da
was machen. Da sitzt vielleicht noch der Chef, der Projektsponsor mit im Team. Da sitzen
die IT-Leute mit im Team. Da sitzt die Service Design Abteilung mit dem Team. Und die müssen
das Bündel jetzt definieren, was wollen wir machen oder welche Varianten wollen wir denn
testen. Und die Methode, die wir hier nutzen, ist eben Werbeposter. Es geht nicht darum,
jetzt wirklich die Werbekampagne zu machen, sondern es geht darum, in einem Test einfach
Leuten ein Format vorzulegen, das sie kennen. Und dann ist das, was da rauskommt, muss nur
gut genug sein für diesen Test. Und das ist übrigens ein Muster, das wir immer wieder
sehen. Die AI muss nicht perfekt sein. Sie muss für das Team gut genug sein, damit wir
den nächsten Schritt machen können. Und da kommen wir in ganz andere Sphären. Und da
reden wir noch nicht drüber, löst mich das jetzt in meinem Job ab, sondern da reden wir
einfach nur drüber, wer kann denn jetzt diese AI plötzlich nutzen, der vorher nicht die
Möglichkeit hatte. Die Frage, löst mich das in meinem Job, klären wir später noch.
Aber ich pflichte dir natürlich vollkommen bei. Und ich würde sogar auch sagen, auch
als Werbetexter profitiere ich davon, denn allein, dass ich mir überlege, wie mein Prompt
klingen muss, sein muss, was da alles rein muss, allein das bringt mich dazu, mein Problem
zu zerlegen und mein Problem besser zu verstehen. Also ich kann nur, dass ich den Prompt schreibe,
egal wie das Ergebnis dann ist, das die AI ausspuckt, allein dadurch bin ich schon besser
ausgestattet mit Werkzeugen, um dann wirklich einen guten Text zu schreiben. Also mir hilft
diese Reflexion alleine schon.
Absolut. Und da sind wir schon auch wieder bei dem Thema, wie gehe ich denn überhaupt
mit der AI um? Und bin ich noch in dem Stand, dass ich sage, okay, ich stelle eine Frage
und erwarte eine Antwort? Oder mache ich schon sogenanntes Chain of Thought Prompting? Also
dass ich sage, ich sehe das als Konversation und ich gebe viel Kontext und wir nähern
uns der Lösung so Schritt für Schritt an und ich gebe dem System mehr und mehr Informationen,
mit denen das System arbeiten kann und dann komme ich auch ganz woanders an.
Ja, jetzt sind wir da so 2020 irgendwie gestartet mit den ersten zaghaften Versuchen, wie du
sagst. Da gab es noch die Oberflächen so in der Form noch nicht oder du bist 2020 gestartet,
das meine ich damit. Was hat sich jetzt seitdem getan? Wie ist der Stand heute? Was ist da
jetzt vielleicht noch? Ist es einfach nur besser geworden oder haben sich nochmal ganz
neue Möglichkeiten aufgetan?
Naja, angefangen hat es einfach mit so Tool. Also im Prinzip waren die ersten Tools, waren
einfach Tools, die eine bestimmte Aufgabe gelöst haben. Das war wenig anders als andere
Tools, die dir geholfen haben, Grafiken zu erstellen oder dann plötzlich war das halt
Text, das dir erstellt werden konnte. Du musstest trotzdem noch selber nachfeilen und so. So
gesehen war das einfach ein neues Tool. Ich glaube, was sich geändert hat, ist, dass wir
jenseits des Tools sind. Also die mit Jet, GPT-3 und dann spätestens mit 4 haben wir
jetzt Systeme, die ernsthafte Aufgaben erledigen können für uns oder mit denen wir Aufgaben
erledigen können, die wir vorher nicht erledigen konnten. Die auch, die wir zum Teil gerade
am Anfang nicht als IT-Systeme wahrgenommen haben, sondern, weil sie sich ganz anders
verhalten haben wie bisherige IT-Systeme. Das erste ist einfach dieses Thema, dass die
KI-Systeme nicht mit einer Anleitung kamen, sondern wir haben diese Modelle trainiert.
Was die so genau können, wissen wir nicht so genau, aber hier, probiert mal. Schau mal,
was passiert. Was zwei Sachen macht. Zum einen, jeder, der eben nicht in dieser Szene ist,
kriegt so ein System auf den Tisch und hat erstmal die Erwartung, oh, das ist ein IT-System.
So wie ich es kenne. Wo ist denn die Anleitung? Ich erwarte präzise Antworten. Bisher waren die
IT-Systeme immer die präzisen und ich war derjenige, der die schwammigen Sachen außenrum
gemacht hat. Plötzlich war es andersrum. Die Antworten waren nicht präzise. Was wir als
Menschen total gut können. Ich weiß, ich gehe mit meinem Kumpel abends eine Cola trinken und
ich erzähle Quatsch und er erzählt Quatsch. Wir wissen das und können das einordnen. Wir sind
soziale Wesen und haben das im Laufe unseres Lebens gelernt. Mit diesen neuen KI-Systemen
mussten wir das erst lernen. Weswegen es eigentlich immer total für mich auch immer
wieder so eine Skala ist von wie reif ist denn eine Gruppe oder ein Team im Umgang mit KI-Systemen,
wenn wir darüber reden, oh, dieses KI-System ist ja alles Quatsch, weil es kann nicht die Anzahl
der Buchstaben R in Strawberry zählen. Und so ist es okay. Es kann aber Probleme lösen,
von denen du träumst, dass du sie lösen kannst. Und das ist das Witzige. Das muss ich aber auch
nicht erwarten von dem System. Aber ich muss erst mal lernen, was bedeutet das. Und je mehr ich mich
mit so einem System beschäftige, weiß ich, okay, aufgrund der Technologie, die da unten drunter
liegt, macht Anzahl von Buchstaben keinen Sinn. Weil diese Tokens mit Buchstaben nichts zu tun
haben und dann tut sich das System einfach schwer. Ich finde es total spannend, jetzt das Bild im
Kopf, wo du sagst, das System kommt quasi nur mit einem Eingabefeld und ohne Anleitung. Ich
fühle mich ein bisschen zurückversetzt in die 80er, wo wir Textadventure gespielt haben und
nichts weiter hatten außer einen Eingabeprompt. Und ja, das war ganz anders. Und wenn du nicht
genau das eingegeben hast, was das Programm erwartet hat, ist nichts passiert. Aber du
musstest dich auch erst so ein bisschen, du musstest dich reinfinden, du musstest die Sprache
lernen, du musstest erforschen, du musstest schauen, was kommt zurück. Damit musstest du
wieder weiterarbeiten. Fühle ich mich gerade so ein bisschen zurückversetzt.
Das finde ich super. Das finde ich ein schönes Bild. Ja, ja, genau. Also ich war großer Freund
der Infocom Adventures damals.
Die ihr voll. Und was wir in den 40 Jahren dazwischen gemacht haben, waren komplizierte
Benutzerinterfaces zu bauen mit vielen Knöpfen, mit vielen, was man irgendwie dann einstellen kann.
Und eigentlich jetzt machen wir so einen Kreis wieder zurück und vereinfachen das Ganze. Das
gefällt mir als Vorstellung.
Ja, das schon. Aber ich würde gerne nochmal auf das Bild mit dem Adventure eingehen, weil das ist
eigentlich was sehr Schönes. Eine der Strategien, die einem hilft, mit diesen KI-Systemen gut
umzugehen, ist, dass man Sachen ausprobiert. Also einfach aufgrund der Tatsache, dass man
erst mal nicht wusste, was kann das eigentlich alles, war eigentlich die beste Strategie eine
explorative Strategie. Ich muss einfach Dinge wild ausprobieren und muss meine Erwartungen runter
fahren. Ich möchte nicht erwarten, das muss da rauskommen. Nee, muss nicht. Sondern eigentlich
muss ich mit den Augen eines Kindes draufschauen und sagen, oh, das ist ja cool. Wenn ich das mache,
probiere das aus und das funktioniert und das funktioniert. Und natürlich lernt man dann im
Laufe der Zeit, was geht und was geht nicht. Was sind gute Erprobungen, was sind nicht gute
Erprobungen, was sind Strategien, die funktionieren. Aber die funktionieren halt leider nicht immer.
Und das ist das, was jetzt die Forschung dann als diese "jagged frontier" beschreibt. Diese
gekurvte, wie heißt das, Grenze? Frontier? Grenzverlauf. Wo ist der Grenzverlauf, bis zu
dem ich sinnvolle Antworten bekomme, die cool sind. Und jenseits dieser Grenze kriege ich halt keine
guten Antworten und die muss ich rausfinden. Und das Problem bei diesen ganzen KI-Systemen im Moment
noch ist, dass die Grenze unbestimmt ist für verschiedene und sehr abhängig davon, in welcher
Domäne ich mich befinde. Das heißt, wenn ich in der Softwareentwicklung bin, verläuft diese Grenze
vielleicht woanders, als wenn ich im Service Design bin. Und entscheiden können das am Ende
immer nur die Experten aus dem Bereich. Das heißt, ich gebe eine Challenge rein, dann kommen Sachen
raus und dann muss jemand, der sich damit auskennt, sagen, ja, funktioniert gut, funktioniert nicht
gut. Und das ist eines der spannenden Dinge. Also je besser die Systeme jetzt werden, lösen sie
mehr und mehr Probleme. Kann man gut anwenden. Aber am Ende legen sie dann doch ab und zu mal
nochmal so ein Ei rein. Und bist du in der Lage, dieses Ei zu erkennen oder ist dieses Ei wurscht,
weil ich sage, ja, ich habe von den zehn Eiern in dem Korb, ich habe die ein wenig aufgeteilt,
wenn da mal eins dabei ist, das kriege ich mit, weil ich kürzere Experimente mache. Ich mache
kleine Experimente, da tut mir immer so, wenn was schief geht, das nicht weh. Aber das ist ein
anderer Ansatz. Das heißt, das ist ja natürlich für die Softwareentwicklung, wenn ich sage,
ich arbeite iterativ oder im Design Thinking, Service Design ist das ja auch so. Ich arbeite
explorativ. Das heißt, ich mache zwei Schritte, guck, was habe ich gelernt und wo gehe ich dann
hin. Wenn ich so arbeite, ist es kein Problem, wenn mal was schief geht, weil ich kriege es sehr
schnell mit und kann dann justieren. Deswegen muss die Qualität nicht immer perfekt sein.
Wenn ich aber jetzt in ein Team gehe, das kein Design Team ist, kein Innovations-Team,
kein Entwicklungsteam. Wir arbeiten mit Kunden, das sind Teams, die machen seit 10, 15, 20 Jahren
einen ähnlichen Job. Die optimieren das jedes Jahr ein bisschen und so, aber die sind gewöhnt,
Dinge umzusetzen in einer bestimmten Art und Weise und die sind nicht gewöhnt,
weil sich einfach in der Industrie die Dinge nicht so schnell bewegt haben,
dass sie ihre Abläufe verändern müssen. Das heißt, das ist jetzt das, was hier passiert.
Wir haben eine Technologie, die im Prinzip ganz, ganz viele Themen in Unternehmen verändern wird.
Und das ist unser eins, das ist cool, neue Technologie, kann man gut damit umgehen,
aber es trifft auch viele, die nicht gewöhnt sind, Veränderungen zu managen. Und die müssen
erst mal verstehen, dass ich einen anderen Ansatz da brauche. Also, dass dieses, okay,
jetzt müssen wir ganz intensiv über dieses Problem nachdenken und das lösen wir jetzt einmal. Und das
machen wir gescheit. Das klingt total gut, ist aber das Falsche, wenn ich mich auf ein Gebiet
begebe, in dem ich mich nicht auskenne und das sich gleichzeitig ständig verändert. Also,
das ist ja das, was da passiert. Du hast jetzt schon mehrfach die Beziehungen zwischen KI und
Teams hergestellt und das ist ja auch der Grund, warum ich dich zum Gespräch geladen habe. Du hast
einen White Paper mit verfasst, wo es darum geht, Teaming with AI, also wo man KI so ein bisschen
als Teamplayer versteht. Was hat dich da veranlasst? Ich meine, du bist einer von
mehreren Notoren, muss man auch dazu sagen. Aber was war so die, oder was war der Zeitpunkt,
wo du gesagt hast, hey, wir brauchen jetzt einen White Paper, wo wir mal ganz konkret
KI im Teamkontext positionieren? Also, vielleicht erst mal, kein Mensch braucht
einen White Paper, aber alle Leute brauchen den Weg zu diesem White Paper. Und das ist,
was meine ich damit? Im Prinzip kam JGPT raus und wir haben gemerkt, okay, Mist,
da passiert etwas, was viel Einfluss haben wird auf, wie wir zukünftig arbeiten. Ja,
im Thema Service Design, wir arbeiten, also egal, in jedem Projekt arbeiten wir mit Teams. Wir
arbeiten mit Teams, die am Ende Projekte managen, die arbeiten mit anderen Teams,
die ihnen zuarbeiten. In Workshops bilden wir temporär Teams, die da zusammenarbeiten müssen.
Und diese Technologie plötzlich übernimmt verschiedene Aufgaben in diesen Projekten,
oder kann, hat das Potenzial, das zu übernehmen. Und wir wissen nicht, was sie schon kann und was
sie nicht kann, wo die Grenzen sind. Und wir haben einfach gemerkt, das ist jetzt schön,
könnten wir uns jetzt einzeln damit beschäftigen und jeder für sich verrückt werden. Oder wir tun
uns zusammen. Und wir haben halt relativ zügig gemerkt, wir müssen uns zusammentun, alle Leute,
die an diesem Thema interessiert sind, in einen Raum zusammenbringen, im Rahmen zum Beispiel von
an Conferences, von Meetups und da Sachen einfach ausprobieren und da gemeinsam rauszufinden,
wie tickt denn diese neue Technologie, was bedeutet die für uns und wie managen wir den
Weg durch diesen Sturm gemeinsam. Und wir haben das halt so organisiert, dass wir gesagt haben,
okay, wir machen diese Unkonferenzen, Barcamp-artigen Veranstaltungen, einfach aus dem
Grund raus, weil sich die Themen so schnell bewegt haben, dass egal, was wir geplant hätten,
es wäre dann schon veraltet gewesen. Also du musst mit solchen Formaten arbeiten, in dem du sagst,
okay, wir treffen uns an dem Wochenende, morgens legen wir die Agenda fest und schauen,
worüber wir reden, nämlich das, was gerade wichtig ist. Und das hat gut funktioniert und
die Idee war, dass wir quasi aus der Dokumentation dieser Sessions dann vielleicht so ein paar
Sachen ableiten, die in ein kleines White Paper gehen. Das hat dann aber länger gedauert,
weil im Prinzip war das so Moving Targets. Du hast immer ein bisschen was geschrieben,
dann hat sich wieder was weiter gedreht, dann hat man wieder was geschrieben,
hat sich wieder weiter gedreht und dann haben wir irgendwann gemerkt, wir müssen einfach vom
Detail gerade nach oben gehen. Also es muss das größere Bild sein. Wir können nicht auf
Tool-Ebene was beschreiben, so dieses Tool oder jenes Tool. Darum geht es nicht. Es geht um die
größeren Dinge. Welchen Einfluss hat das auf, wie wir zusammenarbeiten werden? Und im Prinzip
alle haben nur über Geschäftsmodelle geredet und wie diese Technologie funktioniert und keiner hat
darüber geredet, was passiert denn, wenn ich jetzt zu viert oder zu fünft in einem Raum bin und muss
ein Problem lösen und jetzt habe ich plötzlich diese Technologie am Start. Dann mach doch gerne
mal ein konkretes Beispiel, was passiert dann? Dann passiert erst einmal, dass Leute reagieren
auf diese neue Technologie. Also wenn du derjenige bist, der das gefunden hat, also auch dieses
Chat-GPT ist der Hit, muss man machen und bringt es mit, dann beginnt dieser Moment, dass manche
Leute das zum ersten Mal sehen oder nicht wirklich zum ersten Mal. Sie haben ja vorher schon in der
Presse drüber gelesen oder im Radio oder im Fernsehen was davon gesehen oder auf irgendwelchen
Medien und dann hören die, dass die AI kommt und unsere Jobs wegnimmt. Und dann sagen die so,
okay, ich bin Werbetexter und das generiert Werbungen. Okay, wie gehe ich jetzt damit um?
Bin ich entweder, sage ich, oh, das ist cool, ich wollte eh nie Texte schreiben oder sage ich,
hey, ich habe einen Kredit auf dem Haus, ich habe Kinder in der Schule und das muss trotzdem
morgen noch laufen. Was ist denn das jetzt? Und plötzlich hast du ein Thema, da geht es nicht
mehr inhaltlich um, was kann dieses Tool, sondern es geht darum, ich habe Angst. So,
und das ist ja dieser erste Schritt. Das heißt, wenn ich in eine Organisation oder in ein Team
diese Tools reinbringe, kommen alle diese Vorurteile mit. Was ist KI? Was kann KI? Und
die sind in der Presse natürlich total überhyped oder unterhyped oder dann kommt noch dieses ganze
Ding KI in Hollywood mit dazu, so was so in Serien über KI gesprochen wird. Und es gibt so ein ganz
wildes Bild im Kopf der Leute, über das wir erst mal drüber kommen müssen, indem die Leute halt
einfach sagen, okay, jetzt setzen wir uns hin und probieren es mal aus. Und was bedeutet das denn
überhaupt und wo ist denn die Grenze? Was sind denn die Sachen, die überhaupt gut funktionieren?
Und was sind denn die Sachen, die nicht gut funktionieren? Und da wird man relativ, also das
ist eben das, was wir dann gefunden haben in den Experimenten, die wir gemacht haben,
ist je mehr du dich damit beschäftigst, umso grauer wird dieses Bild. Das ist kein schwarz-weiß,
sondern es ist grau. Ja, manchmal funktioniert es super und manchmal verdallen wir uns und
normalerweise wären wir jetzt schneller gewesen, wenn wir es einfach auf die alte Art gemacht
hätten. Und das ist etwas, was ich halt rausfinden muss. Also, wo wir dann halt merken,
okay, wir müssen im Team erst mal so ein Basislevel schaffen. Wie funktioniert Prompting?
Wie funktionieren diese Tools? Wie kann ich das machen? Dass ich eben nicht immer wieder nur über
die Basics rede, sondern erst mal ein Gefühl habe für diese Werkzeuge und dann muss ich als Team
herausfinden, wie es uns mit unseren Problemen auch wirklich helfen kann. Und dafür muss ich
strukturiert gemeinsam Experimente machen, weil es gibt ja keine Anleitung. Vielleicht gibt es das
jetzt so nach und nach. Jetzt ist 2025. Jetzt kann ich für verschiedene Industrien oder Themenfelder
kann ich so Promptbibliotheken rausziehen oder Promptstrategien. Das hat immer so ein bisschen
was von Alchemie, finde ich. Aber vielleicht steckt da mehr dahinter, das ich einfach nicht
sehe. Für mich kommt das immer ein bisschen so wie, oh, ich habe hier ein Buch mit Zaubersprüchen.
Und dann wird das so ein bisschen verkauft mit, okay, wenn du das eingibst, dann kriegst du die
geilen Ergebnisse und machst 67 Prozent Umsatz mehr nächstes Jahr. Das waren die ersten Versprechungen.
Mit das 20 Prozent zehnmal schneller Texte schreiben und so. Und dann merkt man erst mal
eben in der Praxis, ja, diese eine Task, den Text zu schreiben, dann hast du ein Draft. Dann musst
du aber trotzdem noch durch deine ganzen Abstimmungsrunden und dann stellst du fest,
dass die Leute, die dann den Publish-Knopf drücken, trotzdem noch für den ganzen Kram
verantwortlich sind. Und die reichen nix durch, ohne da mal drüber gelesen zu haben. Und das
zu Recht. Weil da steht… Würde ich aber beim menschlichen Kollegen auch so machen.
Ja, völlig genau. Und dadurch nivellieren sich diese ganzen Sachen. Also das ist das,
was wir relativ zügig eben dann gemerkt haben, ist, okay, die AI ist halt ein Teil von der gesamten
Zusammenarbeit. Und eigentlich muss ich am Ende schauen, wie funktionieren diese gesamte
Zusammenarbeit. Und das ist, wie gesagt, etwas, was du nur machen kannst, indem du deine eigenen
Experimente machst. Also wir haben jetzt eine Runde, wo wir im Prinzip diese Service Design
Prozesse regelmäßig durchspielen, jetzt mit AI und halt einfach mitbekommen, wo sind denn die
Fallstricke. Und die Fallstricke sind, dass du in Technologie abgleitest, dass du zu weit das Fass
aufmachst, dass du am Ende als limitierender Faktor irgendwann sagst, so jetzt haben wir ganz
tausend Sachen gemacht, wer liest denn das jetzt? Und wie kommen wir da wieder auf ein managebares
Maß runter? Und wie kommen wir an den Punkt, dass wir verstehen, was da passiert?
Das ist tatsächlich auch so eine Gefahr, die mir da… die ist mir noch nie so klar geworden oder
habe ich noch nie so formuliert. Aber jetzt, wo du so erzählst, wird es mir deutlicher. Wenn ich
dann mit so einem Tool relativ schnell, relativ viel Iterationsschritte produziere, dann ist das
was anderes, als wenn ich die von Hand machen würde. Da hätte ich einen ganz anderen Lernprozess
und manchmal kann ich die dann überhaupt nicht mehr richtig einordnen und greifen, weil die gar
nicht so tief einzigern, sondern die sind dann alle irgendwie so oberflächlich belanglos vielleicht.
Und finde ich jetzt spannend. Da habe ich jetzt gar noch nicht die Frage dazu, aber geht das
anderen auch so wahrscheinlich? Absolut, absolut. Und das ist also die… also wir haben da viel
drüber nachgedacht in der Service Design Community und da gibt es im Prinzip ein… eigentlich das
Äquivalent. Im Service Design machst du zum Beispiel, also eines der Kernwerkzeuge sind
Visualisierungen. Das heißt, ich gucke mir an, wie ticken Kunden, du machst Interviews,
du kriegst ein gutes Gefühl dafür, was gerade schief geht und wie die Situation mit deinen
Kunden ist. Und dann visualisierst du das zum Beispiel als eine Journey Map. Das ist im Prinzip
ein Storyboard, wo halt dann so steht, wie geht es unseren Kunden so Schritt für Schritt,
wenn die mit uns zusammenarbeiten. Das ist jetzt kein Hexenwerk. Das Witzige ist, es geht nicht um
dieses Stück Papier, das dann vielleicht als große Tapete an der Wand hängt, sondern es geht um den
Prozess, wie wir da hinkommen und dass wir verstehen, was da ist und was das alles bedeutet.
Dass die Leute im Team verstehen, was sind denn die Erlebnisse und nicht, dass jemand eine Rolle
Papier aufgehängt hat. Und das Spannende ist, dass die Art und Weise, wie wir bisher zu so
einer Visualisierung gekommen sind, bedeutete, wir mussten Interviews anhören. Wir mussten mit
Leuten reden erstmal, die Interviews dann transkriptieren, dann gucken, wo sind denn
da so die Pain Points drin, wo habe ich was gelernt, wo geht was schief, was wir verbessern
müssen, wo sind Bedürfnisse. Und das habe ich dann in Workshops gut analysiert und am Ende kam
diese Visualisierung raus. Aber es geht nicht um diese Visualisierung, sondern es geht darum,
was in den Köpfen vor dieser Visualisierung passiert. Und das Analoge ist jetzt mit der AI.
Wenn ich ein AI-System habe, dem füttere ich einfach irgendwelche Daten ein und sage,
was passiert denn da, dann gibt er mir eine Antwort. Gibt mir das System diese Antwort.
Und dann ist aber in meinem Kopf nichts passiert. Und dann kann ich da nicht dahinter stehen und
wenn ich eine Entscheidung treffe, hänge ich in der Luft. Das heißt, vorher war dieser Lernprozess
eingebacken in den Entstehungsprozess von dem Artefakt von dieser Visualisierung. Jetzt durch
die AI ist das weg. Das heißt, ich muss es bewusst wieder zurückbringen. Das heißt,
wir denken jetzt immer, wenn wir mit der AI arbeiten, über zwei Sachen nach. Über,
okay, wie nutze ich die AI, um inhaltliche Probleme zu lösen? Und dann als zweiten Strang,
in diesem Lösungsprozess, was wollen wir lernen? Was müssen wir als Team lernen? Dieser Team
Lernprozess. Und das müssen wir managen. Und der ist genauso wichtig.
Okay, hast du da konkrete Tipps und Strategien für? Oder wie kann ich das ganz konkret machen?
Du musst dir die Zeit geben, nicht nur mit der AI zu arbeiten, sondern in den Workshops sagst du,
okay, also was wir jetzt zum Beispiel machen, wir kriegen Briefing und bevor wir ins,
in das erste Scoping-Gespräch auch gehen, simulieren wir im Prinzip das komplette Projekt
einmal trocken mit der AI. Ja, das heißt, es gibt dann eine Ordnerstruktur und da liegen dann
überall die Dokumente drin, die möglicherweise entlang eines Projekts schon mal entstehen,
die sind schon mal vorgeneriert und wir kriegen ein Gefühl dafür, okay, wie komplex kann die
Forschung aus, der Forschungsteil aussehen, wie komplex können die Ideen werden, was ist
überhaupt das Spielfeld, in dem wir uns bewegen? Alle diese Dokumente sind annahmenbasiert. Also
im Prinzip, ne, musst du da sagen, okay, das ist, könnte so sein, das könnte die Richtung sein,
muss aber nicht die Richtung sein, weil wir es später nochmal validieren müssen.
Was aber passiert ist, dass wenn wir, wenn ich im Briefing-Gespräch mit dem Kunden bin,
ich schon mal sagen kann, okay, das ist das Spielfeld und dann kriege ich schon mal gespiegelt,
nee, da dürfen wir gar nicht hingehen. Ja, okay.
Ne, das findest du oft erst nach zwei, drei Wochen raus, ne, wenn du dann halt Ideenfindungen machst
und dann sagst und die dann, oh nee. Aber das ist so ein bisschen, das ist so
ein bisschen die Idee von, ich kriege, wenn ich eine Frage ins Internet stelle,
nicht die Antwort, aber wenn ich die falsche Antwort ins Internet stelle, kriege ich sofort
die Antwort. Das geht so in die gleiche Richtung. Wenn ich dem Kunden schon mal zeige, so hier,
das kann die Lösung sein, dann kriege ich sofort aufgezeigt, warum das oder wo es,
wo es vielleicht nicht passt und hab eigentlich dann genau den Finger auf dem Problem stellen, oder?
Ja, also die Wahrheit hier ist schwierig, weil natürlich viele noch dran gewöhnt sind,
so zu sagen, oh, ist das schon die Lösung, weil viele so lösungsfixiert sind. Und nur,
weil es nach einer guten Lösung klingt, ist es noch nicht eine gute Lösung. Ja,
also das ist ja schon mal so das Problem dabei. Und die, man muss trotzdem noch die Arbeit machen,
ne? Also, aber wir fangen an einem anderen, auf einem anderen Niveau an. Ja, wir fangen
nicht mehr bei null an. Und im Prinzip gehe ich davon aus, dass man gegenüber in der Firma,
der Auftraggeber diese Schleife eigentlich schon mal gedreht hat selber. Ja? Und das ist auch wieder
mal was Spannendes, ist glaube ich das, was am meisten Justierarbeit im Kopf erfordert,
ist, dass wir, dass Projekte jetzt woanders hingehen können und müssen. Also im Moment haben
wir noch die Situation, dass viele Projekte jetzt halt einfach mit AI vielleicht beschleunigt werden
oder ein bisschen effizienter gemacht werden, aber die Struktur ist immer noch die gleiche.
Aber die AI erlaubt mir, eigentlich eine ganz andere Struktur zu fahren. Eben dieses,
wir machen zwei, drei Iterationen einfach mal mit Daten, die wir schon haben, in ein,
zwei Tagen und schauen uns an, wo das hingeht und dann nutzen wir den Rest des Projekts,
um zu gucken, was wir da sinnvoll machen können. Während vor vier Jahren hätten wir einfach das
Drei-Monats-Projekt gemacht und geguckt, das wäre unsere Machbarkeitsstudie gewesen. Ja? Und heute
mache ich die Machbarkeitsstudie in der ersten Woche und sag dann, okay, wo geht's denn hin?
Und dadurch reduziere ich natürlich mein Risiko. Ja, das ist so ein bisschen auch so,
ja, wie zweimal schon mal scheitern, weil dann im dritten Anlauf habe ich einfach schon so viel
gelernt, dass ich das Problem viel besser lösen kann. Ja, und das ist das, was muss ich denn
lernen? Ich muss nicht lernen, das ist der eine Weg, der funktioniert, sondern ich brauche in
einem Umfeld, also ich weiß nicht, es gibt wenig Firmen, die in einem Umfeld sehen, das super
verstanden ist und wo sich gerade nichts bewegt, sondern es ist komplex. Kunden machen Sachen,
wollen Sachen plötzlich anders, der Wettbewerb stört, weil er plötzlich eine coole Idee hat,
also da bewegen sich einfach ganz viele Dinge und das heißt, ich muss nicht nur verstehen,
wie komme ich jetzt mit meinem Projekt ans Ziel, sondern ich muss auch stehen,
wenn ich links und rechts vom Weg abkomme, was passiert mir denn dann? Und das wirst du nur
rausfinden, indem du ab und zu mal links und rechts vom Weg auch mal was ausprobierst. Und
da wollen wir ja hin, ja, und das ist dann eben ein bisschen mehr, als nur hier ist die Lösung,
weil es im Prinzip ist es ja in vielen Projekten so, du kannst sagen, okay, ich schaue mal in der
Literatur, was gibt es da für Lösungen? Früher ist ja auch keiner hergegangen, hat gesagt,
wir machen dieses Projekt, schau, ich habe ein Buch, da steht es drin und alles so. Das machen
wir jetzt. So hat die Welt ja auch nicht funktioniert und das heißt, warum sollte das
jetzt mit der AI plötzlich so sein? Wenn ich 50 Seiten AI-Zeug generiere, ist es so hilfreich,
wie wenn du mir ein Buch gibst. Hier ist das Buch, liest es mal. Ja, also ich verstehe schon auch,
ich kann jeden verstehen, der da ein bisschen eingeschüchtert ist oder der da Schwierigkeiten
hat, das irgendwie zu verinnerlichen oder damit umzugehen, weil lange hat die Welt eben so
funktioniert. Wir haben Gesetze, wir haben klare Regeln für alle Eventualitäten und wenn nicht,
dann streiten wir das irgendwie raus und jetzt gehen wir ganz anders an Dinge ran. Jetzt bewegen
wir uns in Bereichen, wo es keine Gesetze gibt, wo wir völlig anders irgendwie rangehen.
Ja, schon. Also keine Ahnung, ob es keine Gesetze gibt, aber es gibt Regelungen und es gibt eine
Welt, in der wir uns bewegen und die ist so, wie sie ist. Also die war auch gestern so. Wir haben
jetzt aber mit dieser AI plötzlich die Möglichkeit als Team Dinge zu tun, wo wir vorher Abhängigkeiten
hatten. Vorher musste man legal anrufen und fragen, sag mal, könnt ihr mal da drüber schauen? Wir
können das nicht einschätzen. Heute füttere ich den Vertrag in ChatGPT und wenn meine Legal-Abteilung
auf Zack war, haben die ein internes GPT trainiert mit den Rahmenverträgen und all so Zeug, wo ich
zumindest eine erste Einschätzung kriege, ob das in die richtige Richtung geht. Und das ist so ein
Ding, es geht ja nicht darum, dass das perfekt analysiert ist, sondern ich brauche ja oft in
einem Projekt einfach nur ein Fingerzeig. Machen wir da jetzt was kaputt oder passt die Richtung
grob und kann ich auf den Termin von meinem Kollegen warten, der erst in zwei Wochen Zeit
für mich hat? Und das sind so diese Dinge, die ich jetzt habe. Ich habe das nicht nur für legal,
ich habe das, ich habe dann auch einen Webentwickler da mit drin. Ist der perfekt? Nein,
muss er das sein? Für einen ersten Prototyp vielleicht nicht. Und dadurch passiert nämlich
eine spannende Sache. Wenn ich das jetzt ernst nehme, heißt das, dass ein Team plötzlich Dinge
tun kann, ohne Leute fragen zu müssen. Könnte, könnte. Und jetzt kommen wir natürlich in das
spannende Geflecht. Teams in großen Unternehmen und großen Organisationen sind ja nicht im Vakuum,
sondern das ist ja oft, haben die ja so einen Aktionsradius, der durchaus ausverhandelt ist.
Also ihr dürft das und das machen. Das ist euer, also Bloody Dancing sage ich immer,
das ist mein Tanzbereich, das ist dein Tanzbereich. Du kommst nicht zu mir rein und ich nicht zu dir.
Was passiert denn jetzt, wenn ich plötzlich mehr machen kann? Dann trete ich ja zwangsläufig an
den Teams auf die Füße im schlimmsten Fall. Ich sage, ich mache Sachen, die die bis jetzt
gemacht haben. Und darf ich das? Und da geht es jetzt darum, wie viel Autonomie gibt das
Management meinem Team, da was zu machen? Und wen brauche ich denn noch im Team überhaupt?
Und das ist eine spannende Frage. Und dann die positive Seite davon ist, dadurch, dass ich so
viel machen kann, habe ich kein Problem mehr, was Motivation angeht, weil die Leute, die das
Problem haben, können jetzt das Problem lösen. Und keiner hat mehr Motivation als die, die das
Problem haben. Und viel Zeug in Projekten ist immer andere Leute dafür zu überzeugen,
davon zu überzeugen, dass mein Problem auch eins ist, das sich lohnt.
Ja, das stimmt. Ja, und gerade je größer das Unternehmen, viel Zeit geht dann auch immer drauf,
sich eine blutige Nase zu holen, weil man eben genau seine Kompetenzen überschreitet und
irgendwo in einen anderen Bereich reinkommt. Also das ist schon oft ein Thema, irgendwie,
kenne ich aus der Vergangenheit ganz gut. Ja, und das, also, wenn man das jetzt ernst
nimmt mit dieser AI, dann werden diese blutigen Nasen mehr, es sei denn, wir reden offen drüber
und sagen, okay, vielleicht müssen wir uns anders aufstellen. Vielleicht braucht es erst
mal so ein paar Pilotprojekte, die anders ticken, bis wir wieder in einem Bereich sind,
wo das Fahrwasser dann vielleicht auch die Skalierung braucht. Vielleicht,
wenn ich ein kleines Team habe, dem gebe ich einfach mehr Raum, bis ich an einem Punkt bin,
wo ich sage, so, ab jetzt brauche ich auch mehr Masse. Jetzt wissen wir, Prototyp läuft,
jetzt müssen wir skalieren, jetzt braucht es auch mehr Augen drauf, jetzt fassen wir mehr Budget an.
Ab dem Moment kann es auch sein, dass die alten Strukturen hier auch wieder hilfreich sind,
weil die funktionieren ja dann wie, also, wenn es eine Vertriebsorganisation hast,
die global operiert und die sind fit, dann kannst du da Produkt eintüten und das läuft.
Also das finde ich eigentlich schön an dem Plädoyer, dass du sagst, okay,
wir ersetzen da eigentlich nichts an der Stelle so richtig, wir verschieben es nur und verlagern
vielleicht den Fokus und vielleicht auch ein bisschen den Aufwand. Ja, aber es ist nicht so,
dass da irgendwie ganze Strukturen und Abteilungen und Denkweisen plötzlich obsolet sind,
sondern eigentlich, okay, doch. Das ist die Frage, wie wir dahin kommen und wer mit welchen Ideen in
dieses Spiel reingeht. Das wäre auch ein bisschen noch meine Frage gewesen. Also mir gefällt total
dieses Bild von KI als Teamergänzung, als Teamplayer. Also wenn ich mir wirklich vorstelle,
wie ein neuer Kollege, neue Kollegin, habe ich jemanden im Team, genauso wie ein Mensch,
kommt da mal eine scheiß Idee raus, genauso wie ein Mensch muss ich lernen, was kann ich dem an
Aufgaben übertragen, wie kann ich mit dem am besten zusammenarbeiten. Also deswegen finde ich
dieses Bild tatsächlich schön. Ist das wirklich die realistische Zukunftsvision, vielleicht kurz
und langfristig? Wie die Zukunft aussieht, können wenige Leute sagen, glaube ich, selbst heute. Also
ich habe, wenn man jetzt diesem ganzen Komplex folgt auf Social Media und was da halt so passiert,
das sind so viele Bälle in der Luft und es ist schwer zu sagen, was davon, von den Versprechungen
wirklich kommt, welche von diesen Versprechungen dann am Ende doch nicht kommen und welche dann
doch vielleicht doppelt und dreifach kommen. Und alle Leute, die sagen, sie wissen es,
würde ich jetzt einfach mal aus einer wissenschaftlich Foresight-Perspektive sagen,
puh, also ihr lehnt euch ganz schön weit aus dem Fenster. Also ich glaube, das einzige,
was wir im Moment können, ist, wir können Zukunftsszenarien anschauen, die auf dem basieren,
was wir heute sehen. Also wir sehen bestimmte Technologien, es gibt eine Entwicklungstrajektur,
es gibt, wir können abschätzen, wo vielleicht bestimmte Tools in zwei Jahren stehen, also in
sechs Monaten stehen, in zwölf Monaten stehen. Und wenn man das so ein bisschen nach vorne denkt
und sagt, okay, wenn jetzt die Modelle noch ein bisschen besser werden, wenn die Quote der
richtigen Antworten steigt, wenn die Automatisierung vereinfacht wird, was können wir denn dann,
was bedeutet das denn dann für meinen Team, für die Industrie, in der ich arbeite,
für die Jobs, die in diesem Bereich existieren? Und da kann ich nicht eine Projektion machen,
sondern ich muss sagen, okay, was für unterschiedliche Zukunfte könnte es denn da
geben? Und das kann ich regelmäßig durchspielen. Und das hilft mir, mich vorzubereiten, die
Weichenstellungen zu machen. Und das hilft mir, wenn bestimmte Dinge reif werden, dass ich nicht
überrascht bin, sondern in dem Moment, wo zum Beispiel die Chat-Systeme nicht nur chatten,
sondern auch sich sofort checken, ob die Antworten passen und ob die in einem gewissen Regelrahmen
sind, den ich vorgegeben habe und da nichts mehr schief geht und es in Echtzeit funktioniert,
dann ist das doch super. Aber dieser Zeitpunkt liegt vielleicht in sechs Monaten. Wenn ich es
heute weiß, dann nehme ich diese Technologie heute, entwickle die schon mal, die ist zwar
zu langsam, aber ich weiß, Scaling-Gesetze, okay, cool, wie ist die Trajektorie, die Sachen werden
im Moment alle sechs Monate so und so viel schneller. In einem Jahr nehmen wir das Ding
live. Und bis dahin haben wir so viel Erfahrung damit, dass uns der Wettbewerb nichts kann. Das
wird spannend. Also das heißt, da gibt es jetzt zum Beispiel, Parland, glaube ich, heißt das,
das ist so ein Chat-Tool. Und das ist nicht nur das Modell, was chattet, sondern es ist dann auch
ein Modell, was diese Antworten dann gegen bestimmte Regeln quercheckt. Und diese Regeln
sind super einfach zu definieren für einen normalen Nutzer. Also ich kann einen Company,
also einen Unternehmens-Chat da relativ gut kontrollieren und der ist auch schön auf Linie.
Aber die sagen selber, im Moment sind wir nicht wirklich performant. Aber das ist bei Design,
weil… Du musst erst mal richtig das dahin entwickeln. Genau, gib dem ganzen sechs Monate
und dann lohnt sich das. Deswegen machen wir jetzt Technologien, die eigentlich, wir beißen
zu viel ab. Aber das hat ein Prinzip. Und das ist so ein bisschen das, was ich immer sagen würde,
als Team, wenn ihr ein kleines Unternehmen seid, wenn ihr ein Team innerhalb eines großen
Unternehmens seid, egal wo, überlegt euch, wo geht es hin in eurem Bereich. Da gibt es
verschiedene Bausteine. Der eine Baustein ist die Technologie. Also was ist in dem Bereich der
Einfluss von AI? Also bei Softwareentwicklung, wie funktioniert Softwareentwicklung mit AI?
Nicht nur für mich als Profi, sondern immer auch überlegen, wen ermöglicht diese Technologie
plötzlich damit einzusteigen. Also man ist ja da dann nicht mehr alleine. Und wie verschieben
sich dann da vielleicht diese Verhältnisse? Und das zweite ist, was für Trends passieren
denn überhaupt in meinem Bereich in der Softwareentwicklung? Also wo geht es dahin? Ist
es alles Skala oder ist es kleinere Software, Wegwerfsoftware, was auch immer? Was passiert
da? Und dann das dritte ist, wie geht es denn den Leuten? Wie geht es denn meinen Entwicklern? Wie
geht es denn dem Management in dem Bereich? Und was sagen die, wo die Sachen hingehen? Wie ist
da auch die emotionale Ebene? Wie wird sowas akzeptiert? Was sind denn überhaupt die Hürden?
Und was ich immer ziemlich cool finde, ist, sich damit zu beschäftigen, also mit den
Glaubenssätzen zu beschäftigen, die in so einem Umfeld sind. Also im Service Design haben wir
bestimmte Glaubenssätze, dass wir natürlich super sind, was so qualitative Forschung angeht und die
Analyse und das dann auf die Straße zu bringen. Und diese Maschinen sind erstaunlich gut mit
dieser Analyse. Und das nagt dann natürlich erstmal an unserem Selbstvertrauen. Aber das
ist genau dieser Moment, wo man einfach sagen muss, okay, sind wir da in der Position der
Motorenentwickler bei Mercedes, Audi und VW, die noch vor fünf Jahren bis zehn Jahren gesagt haben,
nee, es wird immer einen Verbrenner geben? Wo alle Zeichen am Horizont sagen, Freunde,
möglicherweise gibt es da noch was anderes. Und tut bitte nicht so überrascht. Also aber,
auch hier wieder, es ist sehr menschlich, weil wenn du deine Karriere lang Motoren
entwickelt hast, was passiert denn, wenn plötzlich diese Technologie sich verändert? Wieder mein
Haus, meine Kinder. Es ist völlig normal zu sagen, die sagen nicht, ich habe Angst,
sondern die sagen, das kann das nicht. Und man schiebt das so ein bisschen weg. Und das Gleiche
sehe ich immer wieder. Diese Abwehrreaktion gegen KI ist immer so Verteidigung von dem,
was ich bisher gemacht habe. Es ist halt auch ein Unterschied,
ob die Leute gerade Anfang 20 sind und am Anfang ihres Berufslebens und klar ist,
sie werden noch viermal irgendwelche Abzweige nehmen und woanders noch sich ausprobieren oder
ob die vielleicht noch fünf oder zehn Jahre in ihrem Beruf haben und eigentlich dachten,
sie können entspannt jetzt mit ihrer Erfahrung, von ihrer Erfahrung profitieren und das noch zehn
Jahre machen. Also sehe ich schon einen Unterschied und verstehe natürlich,
wenn Leute da sagen. Ja, genau. Aber das müssen wir ernst nehmen. Der Punkt ist,
wenn es jetzt eine Veränderung gibt und das hat ein Kollege von mir, der Pablo,
hat das gesagt, der hat gemeint, ja, okay, wir haben aber eine Wahl. Wir haben in unseren Teams
eine Wahl und wir haben in unseren Organisationen eine Wahl und diese Wahl ist, wie wir diese
Veränderung gestalten. Es gibt ein bestimmtes Zukunftsbild, es gibt mögliche Zukunftsbilder,
die da entstehen jetzt und es gibt einen Weg dahin. Und jetzt ist die Frage, wenn ich sage,
okay, warum sind denn die Leute in dem Job, in dem sie heute sind? Was macht ihnen denn da Spaß?
Und dann wäre es doch blöd, wenn wir sagen, okay, jetzt automatisieren wir all die Sachen,
die euch Spaß machen als erstes. Sondern dann wäre es ja sinnvoll, wenn ich die Wahl habe,
dann zu sagen, okay, dann lasst uns doch bitte vielleicht mit den Sachen anfangen,
die uns keinen Spaß machen und noch nie Spaß gemacht haben, weil sie lästig sind. Also ich
vermisse es nicht, Interviewtranskripte zu erstellen. Wäre doch mal ein Beispiel gewesen.
Ganz klassisch. Ich muss mir aber bewusst sein, wenn das sich jetzt verändert, okay,
was fällt weg? Ja, weil es fällt nämlich diese Beschäftigung mit dem Transkript weg und damit
fällt auch schon so ein bisschen Analysearbeiten weg. Das muss ich irgendwie wieder dann mit
reinbringen. Aber, also genau, wie baue ich das um? Und wie gehe ich da Schritt für Schritt hin,
dass wir sagen, okay, Service Design heute, das sind diese Skills, die ich brauche. Service Design
morgen werden nicht die gleichen Skills sein, die ich brauche. Es werden ein paar andere mit dabei
sein und ein paar alte noch, aber ein paar werden obsolet sein. Und wir müssen gemeinsam herausfinden,
was das ist. Das ist natürlich super schwer. Also ja, man kann sich vorstellen, so wie du es
gerade schon beschrieben hast, die Technologie, wie sie jetzt da ist, man ist leicht darauf rum zu
hacken, wenn sie Fehler macht. Aber ich sehe auch total, in wenigen Monaten lachen wir darüber,
da ist das gelöst so. Da ist die Technologie billiger, schneller, zuverlässiger, da haben
wir Rahmen definiert und das alles ist gelöst. Aber natürlich, alles was darüber hinausgeht,
ist wahnsinnig schwer, da eine Vision überhaupt zu entwickeln. Was ist, wenn HCI kommt? So,
das wird ja nochmal das Spiel komplett verändern. Aber was heißt das genau? Wie kann ich da überhaupt
ein Zukunftsbild stricken? Vielleicht für ein Unternehmen machen ja gern so drei, fünf,
zehn Jahre Pläne. Also zehn Jahre ist mutig im Moment. Früher gab es das aber. Ja,
ja, aber es hängt ja an der Industrie. Wir haben viel mit der Chemieindustrie mal gemacht und da
sind zehn Jahre wenig. Da ändert sich ja nichts. Aber jetzt in diesem KI-Umfeld reden wir lieber
über sechs Monate. Ein Jahr und dann zwei, drei Jahre. Aber das Spannende, um nochmal auf die
Altersstruktur der Erfahrungen zurückzukommen, wenn du einen erfahrenen Mitarbeiter hast oder
ein erfahrenes Teammitglied, das sind ja die Leute, die eigentlich einschätzen können,
ob das Zeug, was aus der AI kommt, Sinn macht oder nicht. Und es gibt Stimmen, die sagen,
wenn du Jobanfänger bist und irgendwie einen neuen Job machst und du sagst, okay, mach jetzt mal
Service Design, hier hast du Interviews, find da mal was raus, du kannst die Antworten nicht
einschätzen. Das heißt, es braucht diesen erfahrenen Blick auch in der Arbeit mit den
KI-Systemen eigentlich vermehrt. Aber deswegen heißt es nicht, dass jede Erfahrung da gebraucht
wird. Das auch und auch die Leute, die die Regeln definieren. Und also es gibt so viele
Anwendungsfälle für das bestehende Wissen, das nicht wegautomatisiert. Also bin ich auch fest
von überzeugt. Aber mir fällt es wahnsinnig schwer, mir eine Zukunft vorzustellen in sechs
Monaten, zwölf Monaten, wo KI-Systeme nochmal grundlegend anders ticken, anders funktionieren,
wo sie vielleicht wirklich auch weg von diesem, jetzt immer um in meinem Beispiel zu bleiben,
weg von dem, das ist halt der wahrscheinlichste Text, so der ist aber total langweilig und hin
zu einem, wow, das hätte ich nicht besser schreiben können, das ist überraschend,
das hat einen roten Faden, das ist informativ, da ist alles drin. Das wird wahrscheinlich kommen,
aber das fällt mir sehr schwer, mir vorzustellen, wie genau wir da hinkommen.
Naja, also mein Tipp hier ist, ausprobieren. Hände dreckig machen, Ärmel hochkrempeln,
sich so ein AI-System zulegen und zwar bitte nicht irgendwie ein komisches, billiges,
sondern kauft, ist so, ist so, es ist ein Unterschied, kauft euch ein Abo von einem
der großen State-of-the-Art-Modelle, also entweder Anthropic, Claude oder Chet-GPT oder
vielleicht das neue chinesische Modell. Okay, also nicht selber Ullama und so.
Also du brauchst mindestens Zugang zu einem der aktuellen State-of-the-Art-Modelle und die laufen
nicht lokal und ob du damit jetzt deinen Job machst oder nicht, du musst deine Experimente
mindestens damit machen, um ein Gefühl dafür zu kriegen, wo geht das hin und dann auch wirklich
intensiv mit den Sachen arbeiten und dann wirst du relativ zügig feststellen, dass vieles von dem,
was du machen willst, entweder super easy geht und super ist oder es nicht geht. Das Problem,
wenn es nicht geht, ist nicht, es geht nicht, sondern erst mal, du hast es noch nicht hingekriegt
und weil es vielleicht noch nicht viele Leute ausprobiert haben, haben noch nicht die Kniffe,
wie man dann da hinkommt. Also da muss man noch mal so ein bisschen experimentes Mindset mitnehmen
und das ist wieder spannend. Nicht jeder mag so was, aber trotzdem glaube ich, sollte jeder seine
Hände mal schmutzig machen, um ein Gefühl dafür zu kriegen, wie die Grenzen da wirklich verlaufen.
Aber dann gibt es ja auch Pragmatiker, die sagen so, das dreht sich so schnell, ich warte jetzt
mal, bis sich dieser Staub gelegt hat und dann steige ich ein, wenn es notwendig ist. Und das
kann für den Einzelnen okay sein. Ich kenne Lehrer, die sagen, ich habe Stunden ohne Ende,
ich habe meinen Dayjob, da ist nicht viel Raum danach. Ich warte, bis das eine für mich runter
gebrochen hat und dann mache ich ja Fortbildung und dann mache ich das. Also was ich super cool
fand, war, dass die Stadt Nürnberg, ich weiß nicht, das JGPT kam 2023 raus, oder 22, oder 23.
Ja, 23 oder 25 oder 22.
Ja, ein halbes Jahr später hat die Stadt im Prinzip für die Schulen schon die Lizenzen bestellt für
ein, gibt es eine spezielle Version, die für Klassenräume geeignet ist. Und man, die Geschwindigkeit
muss es zu dir geben. Und das kann aber nicht jeder Lehrer, kann diese Experimente gemacht haben,
sondern es haben sich ein paar Leute damit beschäftigt. Irgendjemand hat gesagt, das ist
super, hier sind die Use Cases für uns, für den Unterricht, die sind schon runtergebrochen,
das kam auf der Plattform mit den Lehrplänen verknüpft, das ist mundgerecht so zack und
ausgerollt. Und das ist eine Strategie, die du natürlich auch machen kannst. Ist aber natürlich
je nachdem, was du für ein Team bist, mehr oder minder mit Risiko behaftet, als Organisation
möchtest du zumindest ein paar Speerspitzen haben, die zumindest für alle mal schauen,
wo wird es denn gefährlich für uns. Wo könnte der Wettbewerb, der so etwas nutzt, uns nämlich
überholen.
Ja, aber es ist ein schönes Beispiel, weil natürlich sind wir, wir sind nicht mehr in
einer Informationsgesellschaft, wir sind schon einen Schritt weiter und die Welt ist so komplex,
dass wir nicht in jedem Bereich zu viel Wissen haben können, solche Dinge einzuschätzen,
sondern wir müssen uns an manchen Stellen einfach auf Experten verlassen können. Wir
sind in so einer Expertengesellschaft, was auch durchaus seine Schwierigkeiten mit sich
bringt, aber ich kann viele Dinge nicht mehr für mich selber komplett durchdringen. Ich
muss mich darauf verlassen, dass ich zum Beispiel in Politik fragen, höre ich Lage der Nation
und dann weiß ich, da werde ich ausreichend politisch informiert und kann mir dann eine
Meinung bilden, aber ich muss nicht Parteiprogramme lesen oder ich muss nicht irgendwie politisch
reden. Also jetzt so ein Beispiel, ja. Und wir sind natürlich in einer privilegierten
Ecke, Technologiebranche, wo wir sehr nah dran sind und da bin ich bei dir, da plädiere
ich auch dafür, echt ausprobieren, sich selber ein Bild machen. Aber das ist natürlich nicht
für jeden und für alles die Antwort.
Weiß ich nicht. Also ich würde sogar sagen, meinen Eltern nutzt dieses Tool auch und die
sind ein paar 80 und die können jetzt Dinge einfach kurz fragen, das bricht auf ihre Sprache
runter und…
Ja, so ein spielerisches Nutzen, aber die werden da jetzt nicht so tief einsteigen,
dass die unterschiedliche Modelle ausprobieren, dass die die Grenzen ausloten, sondern Anwender,
die Spielfreude. Das ist wahrscheinlich, ich meine, das habe ich aus deinen Charakterbogenantworten
auch ein bisschen rausgelesen, das ist wahrscheinlich so der eine Skill, den wir für die Zukunft
brauchen, ist so diese Begeisterungsfähigkeit und den Spieltrieb, was neue Dinge angeht.
Das finde ich, ja. Also das ist tatsächlich etwas, was mit vielem sich verknüpft, über
was wir heute gesprochen haben, ist dieses, was bedeutet denn spielen? Spielen heißt,
ich probiere Sachen aus. Kinder spielen, um zu lernen, wie die Realität funktioniert
und wie sie da umgehen wollen. Leute, die viel spielen, sind gute Problemlöser später
im Job. Auch da gibt es Studien zu. Und was bedeutet spielen? Ich probiere Sachen aus.
Und das heißt, auch wenn wir jetzt in so eine Welt gehen, wo die Technologie noch so
neu ist und wir noch nicht wissen, was damit passiert, eigentlich müssen wir ganz viel
damit spielen im Sinne von lernen, was geht und lernen, was auch nicht geht und lernen,
was wir damit machen wollen, aber auch lernen, was wir nicht damit machen wollen, weil es
ist eine, wir sind in einem komplexen System hier und das Problem mit komplexen Systemen
ist, dass egal, wie gut unsere Intentionen sind, wir werden immer negative Konsequenzen
auslösen. Das ist unvermeidbar, weswegen es super wichtig ist, dass wir in kleinen
Schritten vorwärts gehen, dass wir immer wieder Halt machen und sagen, so, was passiert
denn gerade? Da passiert doch irgendwas, was wir nicht wollen. Um das mitzukriegen, und
das ist das Entscheidende, damit wir es mitkriegen und dann darauf reagieren. Wir können, also
nur die gute Intention, immer in ein Projekt zu gehen, rettet uns nicht vor negativen Auswirkungen.
Ja, aber es ist natürlich ein Unterschied, ob ich mich dann auf das Positive und das
habe ich daraus gelernt, fokussiere, oder auf die Grenze und sage, nee, das geht ja
nicht, also dann lassen wir es lieber. Also das ist so ein bisschen die zwei Lager, die
dann entstehen. Genau, ja, und ich glaube, es braucht diese
Speerspitzen, wo man einfach rumprobiert und sagt, okay, wie können wir Probleme, die
wir in unserem Feld haben, lösen, ohne, also jetzt auf eine ganz andere Art und Weise.
Und das ist das, was wir jetzt im Service Design, ich habe da keine Antwort drauf, im
Thema Service Design, aber was wir jetzt machen, ist kleine Expertenzirkel zu bilden, die AI
gut kennen und die das Thema Service Design gut kennen. Und diese Leute können einschätzen,
ob eine Antwort gut ist oder einen bestimmten Qualitätsgrad hat und was man damit anfangen
kann. Und dann können wir einfach ganz anders mal den Designprozessor auf den Kopf stellen
und gucken, was passiert eigentlich. Und im Prinzip Dinge, die wir jetzt uns auf die Agenda
schreiben sind, wir wollen Benchmarks haben. Also es wird bestimmte Problemstellungen geben,
mit denen wir neue Modelle und neue Software testen können, ob die wirklich substanziell
bessere Antworten geben oder nicht. Ansonsten ist das alles immer so Bauchgefühl. Nee, das
funktioniert nicht, das ist lush oder wie auch immer. Ja, aber wie muss ich den Prompt
tweaken? Wie muss ich den Fluss zwischen verschiedenen Prompts irgendwie machen? Wie
lade ich meinen Kontext auf? Wie passe ich auf, dass ich meinen Kontext nicht vergifte
mit irgendwelchen komischen Seitenbemerkungen und dann kommt nichts mehr raus?
Ich glaube, ich muss jetzt dann so langsam ein bisschen, ich könnte, glaube ich, hier
noch eine Stunde sitzen oder zwei und dir beim Referier zuhören. Haben wir die Erkenntnisse
aus dem White Paper jetzt soweit alle mal angesprochen? Ich möchte jetzt da nichts
unerwähnt lassen, was vielleicht noch wichtig ist.
Ja, wir haben vieles angesprochen. Also, ja, das Onboarding, also sprich, man muss aufpassen,
wenn man AI in ein Team reinbringt, wo stehen die Leute? Man muss ihre Ängste ernst nehmen,
man muss ethische Bedenken ernst nehmen. Ich habe aber inzwischen, also auch hier,
das ist so eine Sache, die ich gelernt habe, es gibt immer wieder Stimmen, die sagen,
ich habe ethische Bedenken, diese Systeme zu benutzen, weil die Trainingsdaten irgendwie
obskur sind und so. Das Problem ist, wenn man sich diese, wenn man selber die dann nicht,
also die Systeme nicht anfasst und nicht Teil der Konversation ist, dann fehlt möglicherweise
eine Stimme, die notwendig wäre.
Ja, aber auch ökologische Bedenken, das ist das gleiche Thema.
Ja, absolut. Also, das Problem, was ich ganz oft habe, ist, wenn Leute viel Meinung zu diesen
ökologischen oder ethischen Themen haben, ohne die Systeme im Detail zu kennen. Das Problem dabei ist
nicht, dass sie diese Bedenken haben. Die sind durchaus gerechtfertigt. Das Problem ist, dass
sie aus dieser Szene, die am Ende diese Entscheidungen treffen, die Leute nicht ernst nehmen,
weil sie nicht auf der Augenhöhe sind. Und deswegen glaube ich, wir brauchen Leute,
die zum einen sehr, sehr fit sind, auch mit, wie die Technologie funktioniert und eben ganz
deutlich machen können, ja, ich habe verstanden, was die positiven wie die negativen Effekte sind.
Und jetzt lasst uns mal über die Verantwortung reden, die wir hier haben. Und dann bin ich auf
Augenhöhe und dann bin ich Teil von dieser Konversation, die in der Organisation stattfinden
muss, in meinem Team stattfinden muss, aber natürlich auch darüber hinaus stattfinden muss.
Und das Thema hat ja so viel Momentum. Also dadurch, dass ich mich hinstelle und sage,
nee, wir können KI nicht nutzen, weil ethische Bedenken, moralische Bedenken, was auch immer,
dadurch geht es ja nicht weg, sondern im Gegenteil, ich muss eigentlich mit rein in
die Diskussion, um das positiv beeinflussen zu können. Also aufhalten werden wir es nicht mehr.
Das ist zu befürchten, ja. Genau. Und also dann hast du halt diese Sachen und die musst du abfangen.
Und wenn du das dann im Team hast, brauchst du ein bestimmtes Level an Beschäftigung einfach,
und das kommt durch einfach sich damit beschäftigen und auch mal gegen die Wand
fahren und lernen. Für Teams tatsächlich diese kollaborativen Sachen, es gibt immer noch
erfrischend wenige Systeme, die mir als Team in einem Workshop erlauben, gemeinsam mit der AI zu
arbeiten. Also das Beste, was wir jetzt hier immer, also wir sprechen von bestimmten Szenarien. Also
wenn du mit der AI arbeitest, kannst du sagen, one bot, one brain. Das heißt, jeder hat so seine AI.
Das führt oft zu Chaos, weil jeder ganz viel Zeug plötzlich mitbringt. Da ist es dann manchmal
einfacher zu sagen, nee, one bot, many brains. Also ein Bot und viele Leute, die vor einem Screen
sitzen, weil man dann ein gemeinsames Bild hat auf das, was da gerade von der Maschine gegeben wird.
Also mit solchen Sachen muss man umgehen. Da kommen aber hoffentlich irgendwann auch Systeme,
die es mir erlauben, mit mehreren Leuten in einem Chat mit AI zu arbeiten. Wenn ich dieses
Onboarding geschafft habe, muss ich auch managen, wie arbeite ich jetzt neu damit. Und da haben wir
drüber gesprochen. Also dieses, dass es mehr um Kuration, also dass ich das Gleichgewicht verschiebe
weg von ich kreiere was hinzu, ich kuratiere. Und dass ich das aber ähnlich ernst nehmen muss. Und
dass ich mit den vielen, mit vielen generierten Ergebnissen umgehen muss. Also ich muss mir
überlegen, wo speichere ich die hin? Wie visualisiere ich das? Hau ich das auf ein Myrobot?
Habe ich das in einer Dateistruktur, die ich vorbereitet habe, damit ich einfach mich selber
nicht überfordere? Und auch da, manche Sachen sind nicht technisch zu lösen, sondern einfach,
okay, wir schauen uns nur 10 oder 20 oder 30 Sachen an. Und wir legen in unserer Zusammenarbeit die
Sachen fest, die Schritte fest, wo wir mit AI arbeiten und dann die Schritte, wo wir erst mal
selber uns damit beschäftigen und da reingehen, um das Gefühl dafür zu kriegen und uns an die
Ideen zu gewöhnen, damit wir wissen, okay, was müssen wir denn später vertreten? Weil wir schreiben
unseren Namen unten drunter hinterher. Kann ich das? Also das ist so diese Sache und dieses Justieren,
was ist denn der neue Durchschnitt? Ich kann nicht mehr Projekte machen wie früher, wenn jeder durch
drei Prompts auf den Stand kommt, den ich letztes Jahr noch irgendwie so abgeliefert habe. Da muss
ich dann auch sagen, okay, wenn das der Stand ist, was ist denn der nächste Schritt für mich in
meinem Bereich? Und das ist für jeden anders. Das ist im Service Design was anderes als in der
Softwareentwicklung als im Marketing. Ich bin natürlich mit so einer gewissen Erwartung in
dieses Gespräch rein und das ist schön, dass das sich jetzt auch so ein bisschen bestätigt hat. Also
im Prinzip nehme ich mir mit. Es ist hilfreich, wenn wir KI als Teamplayer annehmen, zumindest
mal so lange, bis wir wissen, wohin diese KI-Reise uns genau führt. Das ist auch ein guter Weg zu
starten. Also wenn wir KI als Teamplayer mit allen Schwächen und Stärken verstehen, was das eben mit
sich bringt, dann gehen wir auch anders mit Fehler um, die vielleicht von KI-Output erzeugt werden.
Dann stellen wir fest, okay, wenn da ein Fehler im Output ist, ist vielleicht unser Briefing
schlecht gewesen. Genauso würden wir mit Menschen auch verfahren. Klar, wir greifen das gar nicht
an denjenigen an, die Fehler machen, aber es hilft auch zu reflektieren, hey, warum haben wir diese
Fehler gemacht? Haben die vielleicht nicht alle Informationen? Ihr kennt alle die Prime Directive,
also danach zu arbeiten, schadet auf jeden Fall an der Stelle nicht. Auch wenn wir KI an der Stelle
natürlich nicht so vermenschlichen müssen, um eine Prime Directive anzuwenden. Nein, aber wir können
natürlich davon ausgehen, dass die KI mit den verfügbaren Daten das beste Ergebnis erzielt. Und
wenn das beste Ergebnis nicht unseren Kriterien entspricht, dann passt vielleicht was mit den
Daten nicht. Das ist auf jeden Fall ein guter Weg zu starten. Was das auf jeden Fall mit sich bringt,
ist, dass wir viel Spielfreude, viel Experimentierfreude brauchen. Das ist ein ganz,
ganz schöner Punkt. Das hat mir gefallen, das mit dem Text Adventure, also dass wir eigentlich
dieses ganze, diesen White Noise, dieses Rauschen, diese Umgebungsgeräusche, alles mal ausblenden
können und wirklich auf das eine Textfeld, das eine Eingabefeld konzentrieren können. Das ist
das Schöne an KI, dass wir dieses ganze Tool-Overhead nicht brauchen, dass wir uns wirklich
auf Wesentliches konzentrieren, so wie früher bei Text Adventure. Also ich kann mich erinnern,
als ich vor dem C64 saß und versucht habe, mit sehr brüchigem Englisch in Zorg an den
Brücken Troll vorbeizukommen. Also da, das war Spieltrieb. Da habe ich versucht, die Regeln zu
verstehen, das Spiel zu verstehen, die Umgebung, die mir das Spiel gibt, zu verstehen. Und heute
ist es ein bisschen ähnlich. Also wir können diese ganzen Buttons und Oberflächen mal für
einen Moment ausblenden und uns wirklich nur mit dem eigentlichen Inhalten beschäftigen. Das gefällt
mir sehr gut. Ja, das waren die Themen KI, Spielfreude, Zukunft. Ich habe für mich da
einiges mitgenommen und ich möchte heute mal das letzte Wort Markus übergeben, aber vorher kommt
noch kurz das Outro. Wir sind Branded, ich bin Jürgen Krauß und lasst uns gerne auch beim nächsten
Mal wieder zusammen wachsen. Kommt gerne zu den Open Spaces, die wir haben, zur Unconference,
also die wird es auch regelmäßig geben. Wir haben auch regelmäßig monatliche Check-ins,
so Backstage nennen wir das, wo einfach jeder dazu kommen kann und wir sprechen über,
was passiert denn in Teams, wenn die AI Teil vom Team wird.