Vom Feeling her ein gutes Gefühl #9
Mein persönlicher Newsletter zwischen KI, Strategie, Nachhaltigkeit und Fußballweisheiten. Ein bisschen mehr Blick nach vorne als zurück.
Moin!
Meine LinkedIn-Timeline wirkt wie ein einziges Highlight-Reel, alle reden über Wins, es wird kaum über Rückschläge mit KI gesprochen. Bei mir klappt längst nicht immer alles, deswegen kommt hier meine erste persönliche AI Fail Compilation.
Ansonsten drehen sich die Artikel um folgende Themen:
Warum es grundsätzlich keine gute Idee ist, den Kopf auszuschalten
Warum jedes Unternehmen eine AI Philosophie braucht
Warum wir uns gegen das US-amerikanische „AI Race“-Narrativ wehren sollten
Viel Spaß beim Lesen!
Von meinem Schreibtisch ✍️
AI Fail Compilation #1
In meiner Studienzeit in den Niederlanden waren Fail- und Win-Compilations bei uns hoch im Kurs. Mountainbiker, die knapp über Holzhütten fliegen, angetrunkene Familienväter, die gegen Glastüren laufen und alles irgendwo dazwischen. Der Clou: man wusste nie was passiert, packen sie es oder zerlegt es sie? Ein stumpfes, aber abwechslungsreiches Studenten-Unterhaltungsprogramm.
Alle reden über Wins
Egal ob im OMR-Programm, diversen KI-Podcasts oder auf LinkedIn - alle reden von Erfolgscases, KI-Adoption und einem atemberaubenden Wandel. Wenn über Experimentieren mit KI gesprochen wird, ist das vorherrschende Narrativ „Jetzt kann jede*r alles bauen“, alles scheint einfach und zugänglich, alle steigern scheinbar spielerisch ihre Produktivität ins Unermessliche.
Fails sind, wenn überhaupt, lästiges Beiwerk.
Ich sehe das anders. Falsche Annahmen und enttäuschte Erwartungen sind für mich wichtiger Teil von Experimenten mit KI. Sie schonungslos ehrlich als Fails zu kategorisieren und darüber zu sprechen, lehrt einen explorativen und kritischen Umgang mit der Technologie.
Denn mal ganz ehrlich: bei mir klappt längst nicht immer alles. Dinge brauchen länger als ohne KI, manches ist weniger praktisch als gedacht, manchmal merke ich erst hinterher, dass ich eine meiner eigentlichen Stärken gerade „wegautomatisiere“. Dieser Artikel lässt die Wins außen vor - davon gibt es schon genug - und konzentriert sich auf drei konkrete Fails der letzten Wochen und was ich daraus gelernt habe.
„Mal ist man der Hund, mal ist man der Baum.“
Mario Götze
Fail #1: Fragen stellen auslagern
Ich muss in meinem Job häufig Fragenkataloge entwickeln, egal ob für Kundentermine, Interviews oder andere Themen. Mit Hilfe eines KI-Research-Assistenten habe ich mir schleichend immer mehr bei der Vorbereitung helfen lassen.
Vor kurzem ist mir aufgefallen, dass ich nur einen Bruchteil der Fragen wirklich nutze. Mehr noch, die Fragen lasen sich auf den ersten Blick gut, hatten aber wenig Tiefe. Sie waren nie so auf den Punkt, wie wenn ich sie selber geschrieben habe. Dann habe ich das Experiment gewagt und für ein Interview alle Fragen ohne KI-Support geschrieben: ich wusste genau worauf welche Frage abzielte, wo ich mit welcher Anschlussfrage ansetzen kann, welche Frage ich mir fürs Ende aufhebe. Es war ein ganz anderer Flow und ein viel natürlicheres Gespräch, es war mein Interview mit meinen Fragen.
Was ich daraus gelernt habe:
Interviewziele definieren und Fragenkataloge vorstrukturieren, KI kann danach innerhalb der Struktur Vorschläge machen, aber nie die Hoheit übernehmen.
Fail #2: Präsentation bauen mit Claude Design
Für einen Gastvortrag an der UdK wollte ich testweise die Präsentation mit Claude Design bauen. Der Start war vielversprechend: Designsystem anlegen, mit Storyline die komplette Präsentation in Auftrag geben, fertig. Was auf den ersten Blick intuitiv wirkt (z.B. Editing-Funktion), entpuppt sich bei erster Nutzung als ziemlich umständlich. Textänderungen kann ich direkt editieren, alles andere muss ich kommentieren, mit anschließender Neugenerierung. Dadurch tauchten immer wieder Halluzinationen und gelöschte Text-Elemente auf. Der Workflow war nicht ansatzweise so revolutionär, wie er auf Social Media dargestellt wird.
Was ich daraus gelernt habe:
Die einzige Frage, die für mich zählt: Hilft mir das verglichen mit meinem bisherigen Workflow wirklich weiter? Bei Claude Design lautet die Antwort für meine Use Cases heute: eher nicht. Bleibt abzuwarten, wie die Aussage im Laufe des Jahres altern wird.
Fail #3: Wiederkehrende PDF’s mit CC generieren
Ich wollte wiederkehrende PDF-Dokumente mit Claude Code generieren lassen. Dafür habe ich eine Dokument-Vorlage und das Tool Typst genutzt. Alles in der Hoffnung, dass die perfekt formatierten PDFs nur ein Claude Code-Fenster von mir entfernt liegen. Der Anfang war auch hier vielversprechend - Vorlage bauen, Skill erstellen, erste PDFs generieren, mit Claude Code alles kein Problem. Was aber zum Problem wurde sind die vermeintlich kleinen Details: Seitenumbrüche, falsch formatierte Tabellen, Font-Größe. Ständig musste ich über Neugenerierung des PDF die Fehler ausgleichen. Genervt stellte ich mir irgendwann die Frage: War es wirklich so viel schlechter, Dokumente 5 Minuten in Google Docs zu bearbeiten? Wie viel Zeit will ich noch in die Justierung des Skills stecken, wenn ich damit Netto 20 Minuten pro Woche verbringe?
Was ich daraus gelernt habe:
Nicht jede Aufgabe lohnt die Mühe der Automatisierung. Bevor ich mich das nächste Mal in ein KI-Setup verbeiße, mache ich vorher die ehrliche Rechnung: Wie viel Zeit kostet mich die Aufgabe aktuell – und wie viel davon will ich realistisch in eine Vereinfachung investieren?
Gegensätze ausbalancieren: Neugieriger Entdecker vs. Pragmatischer Realist
Gefühlt müssen wir beim Experimentieren mit KI ständig zwei Gegensätze ausbalancieren. Einerseits neugierig das Thema entdecken und interessiert dafür bleiben, vermeintliche Gesetze auf den Prüfstand zu stellen. Andererseits das Bremspedal des pragmatischen Realismus: Nur weil etwas geht, heißt es nicht, dass wir etwas damit gewinnen. Die größte Herausforderung bleibt neugierig auszuprobieren ohne vor Euphorie den Kopf abzuschalten.
„Insgesamt dominieren gemischte Gefühle.“
Sebastian Prödl
KI x STRATEGIE
Umfrage entlarvt Hauptgrund für KI-Nutzung - Wirtschaftswoche
Wo wir in dem Artikel oben gerade beim Thema sind, 43% nutzen KI weil sie „selten Lust haben, sich tiefer in Themen einzuarbeiten“, bei Führungskräften sind es sogar 48%. Erschreckend hoch und gleichzeitig erschreckend ehrlich. Als Grundregel für jede KI-Bildung wäre vielleicht keine schlechte Idee: erst selber denken, dann KI dazuholen.
The Phantom AI Race - Johannes Kleske
Je mehr man in der Tech-Bubble verkehrt, desto stärker glaubt man, der US-Weg des KI-Rennens sei alternativlos. Kleske zeigt, warum das ein erzähltes und kein faktisches Rennen ist, inklusive Ursprung der Metapher im Anglo-deutschen Rüstungswettlauf. Spannend, wie nüchtern China das Thema im Vergleich angeht: kein Sprint zum AGI, sondern Fokus auf Adoption. Vielleicht liegt genau darin eine Chance für Europa, sich nicht am kopflosen Rennen zu beteiligen.
The difference between an AI Strategy and an AI Philosophy - Neil Perkin
Neil Perkin trennt sauber zwischen AI Strategy (das Was und Wohin) und AI Philosophy (die Grundannahmen, nach denen KI denken, entscheiden und handeln soll). Spannende Trennung, die eigentliche Frage kommt danach: Wie übersetzen wir Philosophie in gelebte Praxis, ohne dass es bei einem PowerPoint-Deck bleibt?
Über mich:
Ich bin Benni und arbeite als Strategy Lead für Overfly. Nach Stationen in führenden Kreativ-und Markenagenturen berate ich Unternehmen dabei, KI sinnvoll in ihre Prozesse zu integrieren.
„Ich bin körperlich und physisch topfit.“
Thomas Hässler