Think Different. Think AI. cover art

Think Different. Think AI.

Think Different. Think AI.

By: Jens Scharnetzki und Mark Zimmermann
Listen for free

This Season's Biggest Deal | $0.99/mo for 3 months + $20 Audible bonus

Auto-renews at $8.99/mo. after 3 months - terms apply.
Summary
Willkommen bei „Think Different. Think AI.“ – dem Podcast von Mark und Jens. Zwei technologieverliebte Köpfe, die nicht nur über künstliche Intelligenz reden, sondern sie leben. Hier gibt’s klare Einordnungen, echte Praxiseinblicke und einen frischen Blick auf das, was möglich ist – verständlich, kritisch und immer mit einem Augenzwinkern. KI zum Nachdenken. Zum Schmunzeln. Und vor allem: zum Mitreden.... von Menschen … für MenschenJens Scharnetzki und Mark Zimmermann Politics & Government
Episodes
  • Token Budget
    Nov 14 2026
    Wie viel darf KI kosten, und woran erkennt man, dass sich der Verbrauch lohnt? Mark und Jens sind wieder vollständig am Tisch, Jens ist nach einer Krankheit zurück. Sie sprechen darüber, wie schnell Abo-Kontingente aufgebraucht sind, warum der Umstieg auf die API-Abrechnung teuer werden kann und weshalb der Verbrauch allein noch nichts über die Qualität eines Ergebnisses sagt. Ein Thema ist der Begriff Token Maximizing, mit dem Entwickler am Verbrauch gemessen wurden, und das Wechseln zwischen mehreren Abos, sobald eines leer ist. Berichten zufolge haben manche Konzerne die Tagesbudgets für ihre Entwickler gesenkt. Ist ein Token teurer geworden, oder leisten die Modelle schlicht mehr? Welche Aufgabe braucht wirklich das größte Modell? Schnelle Varianten kosten mehr, und nur weil einem ein Ferrari in die Garage gestellt wird, fährt man nicht effizient. Der zweite Teil dreht sich um Apple. Mark hat auf seinem iPhone einen eigenen Agenten namens Hermes gebaut, mit einem notizbuchartigen Interface statt eines Chatfensters, Morgenbriefings aus Kalender und Mails und einer Frage an Apples Private Cloud Compute: Wie weit trägt der Datenschutz? Ob die kostenlosen Kontingente bleiben, ist offen. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.
    Show More Show Less
    57 mins
  • Sicherheitsversprechen
    Nov 8 2026
    Was versprechen KI-Anbieter beim Thema Sicherheit, und wie viel davon hält im Unternehmensalltag? Mark spricht ohne den kranken Jens mit Thomas, der nach der letzten gemeinsamen Folge so viele Zuschriften bekommen hat, dass er wiederkommt. Thomas berichtet von einer Runde mit sechs Geschäftsführern und einem Anwalt zu NIS2, in der KI-Agenten zur Sprache kamen. Auf die Frage, wie man sie geregelt habe, gab es zuckende Schultern: Wer Citizen Developer im Bereich KI umfassend regeln will, hat ziemlich viel zu tun, und das ist noch nicht geschafft. Seine Beobachtung dazu: Die Fragen der Unternehmen sind meistens keine KI-Probleme, die Sicherheit der eigenen KI-Umgebung steht schlicht noch nicht auf der Tagesordnung. Mark sieht das größte Risiko nicht in böser Absicht, sondern in der Zielerreichung. Ein nichtdeterministisches System tut Dinge, die niemand vorgesehen hat, weil es für das Erreichen eines Ziels belohnt wird und nicht für den Weg dorthin. Er erzählt einen Fall von OpenAI nach, den er schon auf LinkedIn und in einer früheren Folge besprochen hat: Agenten in einer abgeschotteten Umgebung merkten, dass sie Ordner umbenennen konnten, bauten sich daraus eine Art Forum samt Postfächern, teilten die Arbeit untereinander auf und suchten am Ende einen Weg, den Prüfer zu umgehen, der sie bewertet. Dem Prüfer wäre es egal gewesen, ob der Weg legal ist. Aufgefallen ist das erst, als jemand die Protokolle wieder mit KI auswertete. Thomas befürchtet, dass Mitarbeitende viele Agenten bauen, die irgendwann in Vergessenheit geraten. Er zieht die Parallele zu Lotus Notes: Abteilungsmitarbeiter entwickelten damals Anwendungen, von denen im Unternehmen niemand wusste, welche Logik und welche Geschäftsprozesse daran hängen, deshalb dauerte die Ablösung so lange. Dieselbe Intransparenz droht mit KI, dieses Mal potenziert. Mark ergänzt die Schatten-IT: Wer Werkzeuge mit Computer Use und Sitzungen auf mehreren Rechnern installiert, kann durch eine unglückliche Konfiguration erleben, dass eine fremde KI mit dem Terminal-Fenster auf dem eigenen Rechner spricht. Ein Bekannter hat ihm erzählt, wie er so über einen Agenten zu Hause die Claude-Code-Sitzung auf dem Rechner seiner Eltern steuert. Wer haftet, wenn ein Agent Daten veröffentlicht? Thomas gibt weiter, was er von einem Juristen gehört hat (ausdrücklich keine Rechtsberatung): In Deutschland gibt es kein Unternehmensstrafrecht, am Ende haften die Organe, also Geschäftsführung oder Vorstand. Daraus folgt für ihn eine KI-Policy, die so allgemein formuliert ist, dass sie auch gilt, wenn das Modell wechselt oder mehrere Modelle laufen. Ein Geschäftsführer sah sich mit seiner Policy gut aufgestellt, Thomas vermutet allerdings, dass sich die meisten Mitarbeitenden, die das Werkzeug erfolgreich nutzen, nicht daran halten. Mark ergänzt die Ebene darunter: Der Agent Harness, also die Software, in der die KI mit Werkzeugen läuft, trägt einen Systemprompt und die Guardrails. Liegen beides bei derselben Person, wünscht er sich das Vier-Augen-Prinzip, ausdrücklich auch für KI. Thomas schlägt eine Plattform vor, in der Agenten mit Berechtigungen und Ergebnissen registriert sind und ihr Ersteller sie alle drei Monate erneut freigeben muss, sonst wird der Agent deaktiviert. Mark warnt außerdem vor Software, die ihren Systemprompt auf Zuruf selbst ändert. Besonders oft kommt das Offboarding zu kurz. Thomas skizziert den Ernstfall: Gesundheitsdaten werden veröffentlicht, und niemand weiß, dass der Agent eines Kollegen, der seit drei Monaten nicht mehr im Haus ist, noch läuft und seine Berechtigungen behalten hat. Datenpannen sind selten ein einzelner Fehler, meistens ist es eine Verkettung unglücklicher Umstände. Er erinnert an handwerkliche Fehler in Mobile Apps, die er aus Konferenzvorträgen kennt, und bricht die Lanze für KI: Mit einem guten Modell lässt sich Code sicherer machen, und eine alte Lotus-Notes-Datenbank könnte KI womöglich schneller verstehen als jedes Analyseprojekt. Am Ende geht es um Souveränität und Verlässlichkeit. Thomas fragt, ob jeder Anwendungsfall ein großes Sprachmodell braucht, und plädiert dafür, Agent Harness mit Admin-Rechten auf einem Microsoft-Tenant oder die Verarbeitung vertraulicher Unternehmensdaten auf Hardware und Modellen laufen zu lassen, die man selbst im Griff hat. Mark ergänzt den Betriebsaspekt: Jede neue Modellversion reagiert ein wenig anders. In einer Automatisierung mit KI-Knoten, etwa in n8n, oder beim Schalten von Betriebszuständen kann dieses „ein bisschen anders" kritisch werden. Lokal lässt sich ein Update mit tausenden Testfällen absichern, in der Cloud ist das alte Modell irgendwann weg. Sein Beispiel aus dem Alltag: Zwei Top-Modelle sollten auf seiner Webseite bei Jimdo einen Menüpunkt anlegen. Das eine tat es, das andere löschte Texte auf der falschen Seite und meldete das mit großer Überzeugung. Zum Schluss rechnet Thomas mit einem verbreiteten Irrtum ab: Viele ...
    Show More Show Less
    52 mins
  • Organisation als Harness
    Nov 1 2026
    Jens eröffnet mit der Frage, wie sich Menschen auf dem Weg in die KI-Welt vernünftig begleiten lassen, ohne dass sie abgehängt werden. Mark und er wollen dazu ihre Sicht schildern und freuen sich ausdrücklich über Widerspruch in den Kommentaren. Der Titel der Folge, Organisation als Harness, hat schon im Vorgespräch Fragen aufgeworfen: Für das englische Wort Harness fällt beiden keine gute deutsche Übersetzung ein. Mark ergänzt, dass es nicht nur ums Mitnehmen gehen sollte, sondern auch darum, was eine Organisation den Menschen ermöglicht. Bevor es ernster wird, räumen die beiden die Social-Media-Schlagworte beiseite: das Bild vom Tesla-Roboter, der vor einem Notebook sitzt und tippt, den „AI Patty Flipper", der nach dem Auftrag nur noch auf Weiter drückt, und den Satz, nicht die KI ersetze dich, sondern der Mensch, der besser mit KI umgeht. Mark erzählt, was ihn überzeugt, dass die Transformation längst läuft: Freitagabend eine fixe Idee, am Sonntagabend steht eine Lösung. Seine Datenbrille konnte ein Display nicht abschalten, jetzt kann sie es, weil er die Firmware mit KI-Hilfe angepasst hat. Jens hält dagegen, dass nicht jeder GitHub, Repositories und Agenten-Steuerung verstehen muss, und dass die Interaktion mit KI für die meisten Menschen noch in einer speziellen Ecke liegt. Dann geht es um die Organisation. Mark zweifelt an Aussagen wie „Copilot für alle" als KI-Strategie und an Studien, nach denen sich viele produktiver fühlen. Offen bleibt, was mit der gewonnenen Zeit passiert, denn schneller zur Kantine zu gehen schafft keinen Wert. Ein Werkzeug im Software-Stack ändert noch keine Rollen. Systeme, die jahrelang nicht gepflegt wurden, lassen sich jetzt bereinigen, und statt einer zähen Oberfläche bedienen Wissensarbeiter künftig die Schnittstellen dahinter per Chat oder interaktiver Oberfläche. Jens warnt davor, jede Rolle einzeln durch einen Skill zu ersetzen. Er plädiert dafür, Workflows neu zu denken, die Geschäftsmodelle zu klären, implizites Wissen sichtbar zu machen und den leisen Stimmen in der Organisation Gehör zu verschaffen. Ein Beispiel: Wer eine Aufgabe mit Agenten 20-mal schneller erledigt, soll danach nicht zwei Wochen herumsitzen, sondern sich auf Bedürfnisse, Innovation und Kundennähe konzentrieren. Beide betonen, dass sich der Job ändert, ohne zu verschwinden, und dass eine Organisation dafür ehrlich sein muss. Beteiligung ist ihr Kernbegriff: Wer alles vorgibt, erzeugt Widerstand, und Widerstand kann auch schlicht Zeitmangel sein. Jens plädiert dafür, zu den Teams zu gehen, ihre Workflows zu beobachten, gemeinsam die zeitfressenden Stellen zu finden und schnell Prototypen zu bauen, etwa ein Team Second Brain oder einen MCP-Zugriff auf bisher unerreichbare Datenquellen. Mark ergänzt, dass nicht überall KI hineingehört: Für das tägliche Sortieren von PDFs reicht womöglich ein Python-Skript. Er verweist auf das Worker-Konzept bei Notion, das nach seiner Schilderung KI-erzeugte Skripte laufen lässt und damit Rechenzeit statt Tokens verbraucht. Außerdem lohnt es sich, Aufgaben über Rollen und Jobfamilien hinweg zu bündeln, statt jede Stelle für sich zu betrachten, und strukturierte wie unstrukturierte Firmendaten mit Wissen von außen anzureichern. Im dritten Teil geht es um Rollen und Grenzen. Jens beschreibt, dass Menschen ständig die Grenzen ihrer Rolle überschreiten, mit KI-Hilfe sogar in Fachgebiete wie Recht hinein, wobei die Entscheidung beim Fachmenschen bleibt. Die Gefahr sei, die KI, die alle Rollen kennt, wieder in künstliche Rollen zu zwängen wie in der Industrialisierung. Das Schlagwort Human in the Loop hält er für überhöht: Den einzelnen Experten, der alles bewertet, gibt es nicht, Intelligenz entsteht durch Zusammenarbeit. Mark rät, nicht auf den lautesten Ruf zu hören, Prozesse von Ende zu Ende zu denken und auch eine neutrale Sicht von außen zu holen. Eine Stellenbeschreibung sei nur ein Teil der Wahrheit, und Wissen gehe verloren, wenn es nie von der Notiz ins Prozessdokument gelangt. Er rechnet damit, dass Unternehmen Wissen wieder stärker in Textformate wie Markdown oder das Open Knowledge Format legen. Jens widerspricht für die Bedienung: Text taugt als Wissensträger, aber Menschen wollen einen Slider oder einen Sprachbefehl. Die Gestaltung der Interaktion mit KI, auch mit Robotik und Sprache, sei eine große Designaufgabe, die bisher fast nur Coder bedienen können. Zum Schluss fassen sie zusammen: Der Engpass ist weniger das Modell als das Wissen eines Unternehmens und die Art, wie man Menschen befähigt. Jobs verschwinden nicht, aber Zusammenarbeit und Einstiegswege ändern sich. Gewonnene Zeit sollte nicht sofort durch höhere Erwartungen aufgefressen werden, und wer automatisiert, sollte fragen, ob Tokens die effizienteste Lösung sind. Jens rechnet mit kleineren Teams und mehr persönlicher Begegnung, Mark mit dem Gedanken, dass Neues aus menschlicher Interaktion bei der Problemlösung ...
    Show More Show Less
    50 mins
No reviews yet
In the spirit of reconciliation, Audible acknowledges the Traditional Custodians of country throughout Australia and their connections to land, sea and community. We pay our respect to their elders past and present and extend that respect to all Aboriginal and Torres Strait Islander peoples today.