Revision 668: KI im Alltag: Werkzeug, Hype oder Risiko?

0:00 Und das ist natürlich für diese Coding Assistance extrem schwer. Also sich so stark verändernde Systeme. Wenn du up-to-date sein willst, brauchst du halt genug Trainingsdaten, die aktuell genug sind. Du musst eigentlich die alten auch rausschmeißen, damit es nicht deinen Code Assistant in die falsche Richtung lockt.

0:13 Ich glaube, kleine spezialisierte Modelle, die sich auf ganz spezielle Probleme konzentrieren, sind deutlich ergiebiger und auch wirtschaftlicher zu betreiben. Ja, DeepSeek ist ein interessanter Hack. Man kann damit auch passable Ergebnisse erzeugen, aber es ist auch schon signifikant schlechter für viele Dinge.

0:28 Also wenn man so standardisierte Tests sich anguckt. Bevor es losgeht, ein kurzer Gruß von unserem Sponsor Workshops.de. Ihr kennt uns vielleicht schon von den Portalen wie angular.de oder als Veranstalter der Deutschen Angular-Konferenz ng.de, welche auch diesen November wieder in Berlin stattfindet.

0:49 Und jetzt gehen wir einen Schritt weiter. Mit unserer Erfahrung aus der Entwickler-Community bringen wir euch praxisnahe Schulungen im Bereich künstliche Intelligenz. für Entwicklerinnen und Entwickler und alle, die ihre Arbeitsprozesse smarter gestalten wollen. Unser Ziel, Molotone-Aufgaben abschaffen und wieder Platz für Kreativität und echtes Engineering im Kopf schaffen.

1:08 KI nimmt dir nicht den Job weg. Sie nimmt dir nur die Aufgaben ab, auf die du sowieso keine Lust hast. Schau direkt mal vorbei und sichere dir mit dem Code WORKINGDRAFT, geschrieben in Großbuchstaben, 10% Rabatt auf alle Schulungen. Wir sehen uns auf workshops.de schrägstrich KI und jetzt viel Spaß mit dieser Folge vom Working Draft Podcast.

1:29 Hallo und herzlich willkommen zur Revision 668 vom Working Draft. Wir sind heute zu dritt. Mit dabei vom Team ist der Peter. Hallo Peter. Moin Moin. Ich bin's, der Hans. Und wir haben uns wieder jemanden eingeladen als Gast, um hier in unserem Großthema KI ein bisschen weiter voranzukommen. Das ist der Jürgen.

1:53 Hi Jürgen, grüß dich. Moin. Cool, dass du dabei bist. Ich komme ja auch aus Norddeutschland, aber daher, wo man nur einmal Moin sagt. Ah, okay. Und wo ist das? Welche Region ist das, wo man nur einmal Moin sagt und nicht Moin Moin? Niedersachsen, Nordwest-Niedersachsen, so südwestlich von Oldenburg und Bremen.

2:13 So aus meiner Peste zweimal Moin. Also quasi schon österreich. Praktisch, ja. Aber wenn man da Moin Moin sagt, dann outet man sich halt als jemand von sonst woher. Und Peter, bei dir oben in Kiel, da ist es wahrscheinlich dann eher das Moin Moin, ne? Entweder nix oder Moin Moin, genau. Die Norddeutschland-Nix geht immer. Freundlichkeit, ja, ja, genau.

2:39 Jürgen, man kennt dich auch noch unter deinem Synonym, Tante, der ein oder anderen Person hier, die zuhört, wahrscheinlich mehrgeläufig. Erzähl doch mal, was machst du eigentlich so im Normalfall, wenn du nicht gerade hier rumhängst? Ich arbeite, ich habe einen Job. Ich arbeite als Leiter der Forschungsabteilung eines Medienstudios in Berlin, wahrscheinlich des ältesten Studios für neue Medien in Deutschland.

3:06 Da entwickeln wir Räume der Begegnungskommunikation. Man kann sich sowas vorstellen wie interaktive Museen oder Besucherzentren oder sowas. Und ich leite da die Forschung. Das heißt, ich überlege ein bisschen, mit welchen Themen wir uns jetzt beschäftigen müssen, weil wir sie in fünf Jahren brauchen werden und besorge uns dafür Geld, damit wir uns dafür aufschlauen können.

3:25 Weil mir das aber offensichtlich nicht reicht, schreibe ich in meiner Freizeit noch das Internet voll oder stelle mich auf irgendwelche Bühnen, um Leuten irgendwas zu predigen. Meistens zu Technologieeinsatz und sozialen, politischen, organisatorischen Konsequenzen. Und wahrscheinlich ist das auch das, wieso wir auf dich aufmerksam geworden sind, eher als wahrscheinlich dein Day-to-Day-Job, schätze ich mal.

3:50 Auch nicht immer uninteressant, aber auch so genau, weshalb Leute mich manchmal etwas irritierend finden. Ich bezeichne mich selber als Lodid, also als Maschinenstürmer quasi, was ein interessantes Spannungsverhältnis für jemanden bedeutet, der ausgebildeter Ingenieur, Informatiker ist und technische Forschung betreibt.

4:11 Und jetzt haben wir uns heute gedacht, wir befragen dich mal zu einem Thema, was ja alle Hörenden und uns selber halt auch ziemlich umtreibt. Inwiefern sollten wir eigentlich die KI verwenden, um zu entwickeln? Also macht das überhaupt Sinn, so eine KI zu verwenden? Ich meine, wir haben jetzt in einigen Folgen schon darüber gesprochen, was gibt es denn eigentlich für Toolings und so weiter und so fort, also welchen Editor können wir verwenden und vielleicht demnächst kommt eine Sendung mit, wie können wir damit testen oder so, aber es stellt sich ja doch die Frage, sollte man das eigentlich machen und das ist ja dann fast schon was Philosophisches, oder?

4:49 Sollte man, will man, das ist ja auch nicht unwichtig. Die Frage ist ja, wie immer, die Frage ist halt, wem man fragt. Es gibt sicherlich Leute, die werden sagen, auf jeden Fall. Und es wird viele Leute geben, die sagen, ja, vielleicht eher nicht. Und es hängt sehr davon ab, auf was hin man optimieren möchte.

5:07 Diese Systeme können halt bestimmte Dinge tun, zum Beispiel Quellcode oder Markup generieren. Und wenn es dir nur darum geht, möglichst schnell irgendwelchen Quellcode und irgendwelches Markup zu generieren, und du vielleicht sogar ein Problem damit hast, dass du Menschen Gehälter zahlen musst, dann ist das natürlich the way to go.

5:24 Also eine Maschine, die automatisiert passables Zeug raushaut und du musst nicht mal Leute dafür anstellen, ist für Leute, die so C-Level-Positionen haben, natürlich der geilste Scheiß, den man je haben kann. Die Frage ist halt, für andere Gruppen hat es, glaube ich, sehr, sehr viel differenziertere Auswirkungen.

5:43 Und die sind, glaube ich, auch nicht immer so einfach fühlbar im ersten Schritt. Wir können ja mal so runtersteigen vom Kompetenzlevel. Fangen wir mit so sehr erfahrenen EntwicklerInnen an, die das schon lange machen. Man kennt vielleicht einige der Leute, die hier zuhören, kennt vielleicht Simon Wilson, der hat ein verhältnismäßig bekanntes Blog dazu, wo er irgendwie sehr viel darüber schreibt, wie er irgendwelche KI-Systeme für whatever einsetzt.

6:11 Und der macht das halt, also der macht Open-Source-Entwicklung seit vielen, vielen Jahren, ist einer der Entwickler von Django damals gewesen, einige kennt das hier vielleicht, so ein Baukasten für Internet-Applikationen auf Python-Basis und der benutzt das. Und ich glaube ihm das sogar Effizienz steigert, also er kann bestimmte Projekte damit jetzt schneller umsetzen, also er sagt selber auch, naja, es ist jetzt nicht so, dass diese Versprechen, die diese Anbieter dir machen, hier und du kriegst jetzt das Zehnfache, Hundertfache aus dir raus, dass es nicht, weil es rauskommt, meistens nicht gut genug ist, aber für so bestimmte Tasks liefert es dann doch einen bestimmten Speed-Up, zum Beispiel gerade, wenn man sich vielleicht neue Technologien erarbeitet.

6:51 Also Programmiersprache, klar, Programmiersprachen sind immer auch nur Programmiersprachen, wenn du eine kannst, kannst du dich auch schneller an die anderen einarbeiten, auch wenn sie alle ein bisschen unterschiedlich sind und zum Beispiel solche Prozesse laufen für ihn dadurch schneller und das ist durchaus glaubhaft.

7:04 Jetzt könnte man sagen, das ergibt ja voll Sinn, an der Stelle das zu tun. Du bist schneller, hast du schneller deine Arbeit vom Tisch. Was du natürlich auf der anderen Seite auch, wozu das führt, wenn man das so mitnimmt, ist natürlich, dass dein Chef irgendwann sagt, okay, aber wenn du jetzt so viel schneller dadurch geworden bist, da kriegst du jetzt halt mehr auf den Tisch. Da musst du halt jetzt mehr Dinge tun, offensichtlich.

7:27 Und dadurch fällt dann meistens aber, weil der Chef guckt auf die Zahl, die die Anbieterseite gibt, also du bist jetzt, faktisch bist du doppelt so schnell, sagen wir das jetzt mal. Cursor oder wie auch immer diese Editoren haben, sagen, du bist zehnmal so schnell. Sein Chef sagt, okay, da wirst du jetzt zehnmal so viele Tasks bekommen.

7:42 Du bist aber nur zweimal so effizient und jetzt kriegst du halt plötzlich sehr viel Druck, den du nicht erfüllen kannst, weil niemand kann das erfüllen. Und die Zeit, die du eigentlich brauchen würdest, um die Ergebnisse von diesen KI-AssistentInnen zu validieren, zu evaluieren, auch darüber nachzudenken, hat das eigentlich langfristige Probleme, wenn ich das so baue?

8:00 Also wird das später dann Horror für mich? Dieses Nachdenken, was ja auch da häufig sehr viel Zeit kostet, das fällt dann halt weg. Und das ist etwas, was eben, weil es dieses Zeug ja nun schon auch jetzt ein paar Jahre gibt, das ist jetzt auch kai-missmäßig gut abgegangen, eine Technologie ist ja, also KI ist ja jetzt nicht mehr das große neue Forschungsfeld.

8:19 Also das ist halt jetzt auch, der Drops ist weitgehend gelutscht an der Stelle. Man kann sich das jetzt so angucken, wie das da ist. Es gibt marginale Verbesserungen, aber am Ende haben sich die Qualitätssprünge der Modelle. Weitgehend ausnivelliert. Also alle machen ähnlich gute Modelle. Eins ist mal in diesem Test besser, eins ist mal in jedem Test besser.

8:37 Aber im Prinzip so, das Ding ist jetzt, der Drops ist jetzt geluscht, man kann das jetzt an der Stelle einsetzen, auch als sehr erfahrener Entwickler. Man hat vielleicht sogar einen gewissen Speed-Up, aber die Frage ist halt, ob nicht das, was eben viele Studien feststellen, die zum Beispiel große Open-Source-Projekte sich angeguckt haben, die entwickeln sich eigentlich als so KI-Agenten und KI-Assistenten eingeführt wurden, die verändern tatsächlich die Code-Qualität. Und messbar geht die einfach runter.

9:02 Also man kann einfach messen, dass der Coach schlechter geht. Das ist erstmal eine nicht unbedingt gute, wenn es dir halt egal ist, es ist jetzt ein Wegwerfprojekt, es ist auch egal, wie gut er codet. Du baust was für eine Messe, du baust es zwei Wochen und danach schmeißt es weg, dann ist mir Wumpe. Aber wenn du halt sagst, okay, das ist jetzt ein Kernprozess für irgendein Unternehmen, dann darf der halt nicht mal eben so nach zwei Wochen zusammenfallen, sondern da muss der halt dauerhaft laufen.

9:29 Der darf halt auch keine undefinierten Fehlerzustände haben oder darf mit, keine Ahnung, blöden Unicode-Zeichen nicht umgehen können. Wenn ich da mal ganz kurz einhaken darf, du hast jetzt ja gesagt, Studien zu der sinkenden Qualität gibt es, wenn ich das jetzt richtig verstanden habe. Die hängen nämlich ja noch bei dem anderen Part, der sozusagen dem vorausgesetzt ist, nämlich ein wie auch immer Vielfaches an mehr Produktivität, mehr Speed-Up.

9:55 Gibt es da auch irgendwas Belastbares oder sind wir da nur bei unterschiedlich gut ausargumentierten Varianten von Trust Me, Bro? Weil das ist so ein bisschen so mein Eindruck, den ich halt immer habe. Alle sagen das und haben halt unterschiedliche Erzählungen. Die einen sagen, macht mich viel besser. Die anderen sagen, steht mir nur im Weg rum und quantifizieren das dann halt immer.

10:16 Aber das ist in meiner Wahrnehmung immer irgendwelche Individuen. Und ich weiß halt nicht, wie weit ich denen trauen kann mit ihren jeweiligen Aussagen. So rein quantitativ. Ja, es gibt dazu meines Wissens nach keine seriösen Studien, die auf Softwarecode im Speziellen ausgerichtet sind. Und das hat einen ganz einfachen Grund. Alle, die schon mal Software geschrieben haben, kennen das Problem.

10:38 Niemand weiß, wie man Softwareprojekte schätzt. Niemand. Also alle schätzen irgendwas hin und es löst sich nie ein. Also die gesamte Domäne der Software-Engineers ist einfach scheiße, darin Softwareprojekte zu schätzen. Und wenn ich nicht schätzen kann, wie lange würde etwas eigentlich dauern, dann kann ich auch nicht sagen, ich bin schneller geworden, weil ich keine seriöse Datenbasis habe, um Vergleich zu machen.

11:00 Ich kann das halt bei so Industrieprozessen, die ich automatisiere. Da sehe ich vorher, okay, die Person hat so lange gebraucht, wir sind ein Standardschritt und jetzt brauche ich eine Maschine und die braucht halt so und so viel weniger Zeit. Das kann ich sehr einfach messen. Aber bei Software ist das extrem viel schwieriger, solche Messungen durchzuführen.

11:14 Natürlich könnte man so Laborstudien bauen und sagen, okay, ich habe ja das eine Team und die schätzen das und dann bauen die das ohne KI-AssistentInnen und die anderen benutzen KI-AssistentInnen. Aber ich habe eigentlich dasselbe Team. Dasselbe Team kannst du halt nicht zweimal machen mit demselben Kenntnisstand.

11:27 Weil entweder haben sie sich vorher eingearbeitet. Und gehen dann in diesen KI-Prozess mit mehr Vorwissen oder sie haben durch diesen KI-Prozess ein gewisses Vorwissen entwickelt und bauen das dann halt nochmal irgendwie nach. Es ist einfach für Software extrem schwierig, weil wir nicht genau wissen, wie man Softwareprojekte vorher abschätzt.

11:44 Aber hältst du die, also so wie ich das verstanden habe, hältst du aber schon grundsätzlich die Aussage von denen, die etwas mehr als ein Dreizeiler-Hacker-News-Kommentar dazu schreiben und sagen, ich bin produktiver in irgendwie so dem Bereich, so, das funktioniert für mich, das hältst du erstmal grundsätzlich für glaubwürdig, wenn das irgendwie überzeugend dargebracht wird von schlauen Leuten, deren Kompetenz du anderweitig irgendwie nachvollziehen kannst.

12:08 Manchmal. Die Frage ist ja immer, was misst man eigentlich? Und das ist, finde ich, eine große Frage, die da gerne vergessen wird. Also wenn man halt sagt, Software entwickeln oder Web-Applikationen entwickeln oder was auch immer, ist einfach nur, wie schnell kriege ich irgendwas, was ich installieren kann zustande?

12:26 Könnte man ja so messen und das geht schneller. Also irgendwie Code zu erzeugen geht massiv schneller. Und auch wenn man es evaluiert, man wird schneller dadurch. Wozu ich einfach noch nicht eine Studie gesehen habe, weil es, glaube ich, einfach schwieriger ist und da auch an Datenbasen zu kommen, die Sinn ergeben ist, wie viel mehr Maintenance kriege ich eigentlich?

12:42 Wie viel mehr Maintenance-Kosten kriege ich eigentlich hinten dadurch raus, dass die Qualität schlechter ist? Wie viel mehr Aufwand muss ich später in Gewährleistung stecken, in Bugfixes und so weiter? Wie viel mehr kostet mich der Tech-Debt, den ich mir reinkaufe, also die Architekturentscheidung, die ich so nicht getroffen hätte, die einfach, keine Ahnung, einen Cursor für mich getroffen hat, die aber eigentlich falsch ist und ich danach umwälzen muss.

13:04 Was kostet mich das eigentlich? Und auch da ist wieder der Vergleich, den Vergleich dazu zu führen, die Datenbasis zu haben und überhaupt was zu sagen, existiert faktisch nicht. Also ich wüsste nicht, wie man das überhaupt auf eine seriöse Art und Weise in der Breite, also kannst du mal ein, zwei Modellversuche machen, aber das sagt dir halt nichts.

13:22 Du willst es halt eigentlich auf eine Breite, gerade weil Softwareprojekte eben so. Du machst zehn Stück, eins explodiert aus irgendwelchen Gründen. Und das willst du eigentlich mit drin haben. Das heißt, du brauchst einfach eine breite Testbasis, um wirklich was zu erzeugen, dem du eine gewisse Glaubwürdigkeit instellen kannst.

13:36 Und das hat im Moment, niemand hat diese Datenbasis dafür. Es gab vor, im April, 25. April, glaube ich, kam eine Studie raus, eine gemeinsame Studie der Universität Chicago, also des Ökonomiewirtschaftsteils, der Universität Chicago und der Universität Kopenhagen heraus. Die haben sich 7.000 Organisationen, Workplaces nennen sie das, also Orte, an denen Menschen arbeiten, mit 25.000 ArbeitnehmerInnen angeguckt, die alle Chatbots eingeführt haben, um zu messen, hat es die Leute produktiver gemacht.

14:12 Und das Fazit ist sehr, sehr eindeutig. Und sie sagen, man kann über diese breite Studie Produktivitätsgewinne von mehr als einem Prozent nicht feststellen. Das ist jetzt erstmal so die Studienlage, die man sich angucken kann. Das heißt, das ist nicht nur Softwareentwicklung, das sind sehr, sehr viele Jobs, das ist auch Support und das ist einfach nur Kommunikationsjobs und wie auch immer. Das ist ein sehr breiter Mix aus unterschiedlichen Jobs.

14:36 Und natürlich kann man immer sagen, es ist nicht repräsentativ, weil, keine Ahnung, Tech-Konzernen haben die nicht reingelassen, sondern die haben irgendwie auch, und die öffentliche Verwaltung und Startups sind gar nicht vergleichbar, 7000 Workplaces und. Also sind die Leute produktiver geworden, da gibt es für sie zwei Kriterien.

14:51 Das eine ist, entweder müssen die Leute weniger arbeiten, um dasselbe zu erzeugen, oder es kommt mehr Geld am Ende raus für dieselbe Arbeit, die man angesteckt hat. Das sind ja zwei verhältnismäßig einfache Metriken und beides ist faktisch nicht messbar. Ja, und das ist, denke ich, auch der Ansatzpunkt. Also wir haben jetzt gerade drüber gesprochen, keine Ahnung, eine Architekturentscheidung, die falsch getroffen wird und deswegen hast du mehr Technical Debt oder mehr Maintenance Aufwand oder sowas. Es ist natürlich immer die Frage, welches Level die KI übernimmt.

15:16 Und wenn man jetzt sagt, okay, ich mache nur noch Vibe-Coding, bin nur noch die KI alles machen lassen, dann kontrolliere ich mal, ob das passt und sage Accept oder nicht. Das ist wahrscheinlich nicht der Weg, der dich halt langfristig außer bei so Wegwerfprojekten in die richtige Richtung drücken wird.

15:36 Aber wenn wir jetzt mal darüber sprechen, ich nehme mal sowas wie Testautomatisierung in jeglicher Art und Weise, ergänzende Hilfestellungen für Dinge. Wenn ich mir angucke, klar, das ist dann wieder hier praktisch ein Eins-zu-Ein-Personen-Beispiel sozusagen. So jemand wie Malte Ubel, der CTO von Bursell, der dann teilt, okay, er hat hier angefangen mal ein Projekt zu bauen.

16:04 Auf LinkedIn schreibt er dann irgendwie eine Sache, wo er keinen Fix finden konnte in diesem Projekt und findet dann aber mit der KI halt sofort den Fehler und kann diesen beheben. Das ist jetzt ein Beispiel, aber es gibt halt diese Positiv-Beispiele und deswegen finde ich das gut, dass du sagst, man muss halt über Studien sprechen.

16:23 Eigentlich, wenn man sich solche Studien mal überlegen würde, müsste man ja mal bei Atlassian anklopfen und sagen, hey, ihr habt doch da die ganze Datenbasis aus eurem Jira. Kriegt ihr es nicht irgendwie hin, die Daten von euren Kunden zu nutzen und mal zu gucken, Unternehmen, die sich selbst als KI-Engineering-getriebenes Unternehmen betrachten, haben die einen Impact bei beispielsweise der Velocity.

16:46 Da muss man dann erstmal davon ausgehen, dass so ein Team einfach, oder keine Ahnung, Cycle-Time für gewisse Themen oder sowas. Ich bin jetzt kein Experte, der das so genau bewerten kann, welche Metriken man sich wie anguckt und wahrscheinlich muss man genau, wie du sagst, auch noch die Business-Zahlen dann mit reinnehmen und sagen, okay, habe ich am Ende eigentlich mehr Geld dafür bekommen.

17:06 Das ist der Punkt, worauf ich eigentlich... Ich wollte nur kurz sagen, ich hatte nämlich letztens, was heißt letztens, gestern, einen Ökonomen-Podcast gehört, wo Sie heute auch darüber diskutiert haben, gerade über so das Outcome, also das macht viel Arbeit leichter. Unter anderem macht es ja auch Arbeit, die man sich sonst nicht gemacht hätte.

17:24 Und die Frage ist, warum hat man die sich vorher nicht gemacht? Möglicherweise, weil die gar keinen Impact hatten. Das war jetzt so ein Beispiel von den Podcastern. Das haben die am eigenen Leib so erfahren. Wir haben jetzt bessere Zusammenarbeit, Zusammenfassung und das scheint bisher niemanden interessiert zu haben.

17:39 Aber wir haben sie halt jetzt. Aber sie sehen halt nicht irgendwie, dass jetzt dadurch sie mehr gefunden haben, mehr Abos rauskommen, bla bla bla. Ist jetzt auch wieder nur ein Beispiel mit so Trust Me Bro. Aber deswegen wollte ich nur mal kurz darauf einhaken. Das ist halt das Wichtige. So Velocity gesteigert mag ja sein. Aber bei der Ausführung von welchen Aufgaben?

17:56 Sind das wirklich Aufgaben, die am Ende relevant sind? Das müsste man halt auch noch irgendwie da reinkriegen. Wobei ja auch schon das schiere Feststellen von, es gibt einen Impact auf Velocity und der hat irgendwie Größenordnung X. Das wäre ja auch schon was wert. Genau. Und da zum Beispiel würde ich jetzt mal hier eine Sache anführen von GitHub, die mit ihrem Copilot mal selber hingegangen sind und haben ihre Leute gefragt, hey, wie gut funktioniert es denn eigentlich, wenn ihr GitHub-Copilot verwendet?

18:28 Funktioniert es dann besser? Ich habe das jetzt nicht im Einzelnen gelesen, ist auch schon ein etwas älterer Artikel von 22, glaube ich zuletzt abgedatet hier in 24. Da beschreiben sie halt, dass sowohl die Produktivität hochgegangen ist, aber auch vor allem die Developer Happiness. Es macht wieder mehr Spaß.

18:48 Und das hatten wir auch letzte Woche in der Sendung, als der Robin zu Gast war oder vor zwei Wochen. Der erzählt hat, hey, vorher hatte ich irgendwie gar nicht mehr so viel Spaß am Coden, weil ich mich immer auf so repetitive Tasks bezogen habe und ständig irgendwelchen Boilerplate-Code geschrieben habe.

19:04 Und jetzt macht mir das wieder Spaß, weil ich wirklich Probleme löse und versuche, okay, hier KI, generieren wir mal das, wie dieser Code hier aussehen soll und ich mache dann sozusagen the meat to the bone oder wie auch immer. Also ich beschäftige mich dann wirklich damit, wie funktioniert meine Applikation.

19:26 Ja, aber Hans, pass mal auf, jetzt mal ernsthaft gefragt. Auf einer Skala von 0 bis Aluhut, wo würdest du mich einsortieren, wenn ich sagen würde, das, was mir Microsoft darüber sagt, was ihre Angestellten über Co-Pilots sagen, dem traue ich nur so mittelweit. Für wie paranoid hältst du mich? Ja, deswegen, ich habe es ja auch eingangs versucht zu sagen, es ist natürlich GitHub, die über sich selbst sprechen, da ist es immer schwierig, das zu bewerten.

19:53 Auf der anderen Seite sind ja die Zahlen, die da gegeben werden, signifikant. Und ich kann nur aus eigener Erfahrung und der anekdotischen Evidenz berichten, dass ich das verstehe. Ich habe es versucht mit dem Beispiel von vor zwei Wochen zu untermauern. Ja, die Frage ist, ich würde Peter davon zustimmen, also natürlich, GitHub hat halt, jeder bei GitHub, also sind ja Microsoft Mitarbeiter faktisch und bei Microsoft hängt halt dein Jahresbonus daran, dass du irgendwelchen KI-Scheiß machst.

20:28 Ob das Sinn ergibt oder nicht, ist egal, weil gerade müssen halt alle alles mit KI machen, das ist halt das Unternehmen. Und deshalb natürlich wird da als Ergebnis mal rauskommen, KI ist das geilste seit geschnittenem Brot. Das ergibt natürlich auch individuell für die Leute Sinn, aber es ist halt keine besonders...

20:43 Vertrauenswürdige. Ich meine, der Versal-Chef geht halt auch voll in dieses KI-Ding rein. Natürlich sagen alle Tech-Bros, insbesondere auf LinkedIn, ja, KI macht alles und ich muss gar nichts mehr machen und die Füße hochlegen und das läuft alles. Natürlich machten bestimmte Dinge, glaube ich, gerade auf den ersten Blick sehr viel Spaß.

21:00 Das ist ein bisschen, wenn man ein neues Framework, was produktiver ist oder was bestimmten Boilerplate halt vielleicht wegnehmen, wenn man das erstmal in die Finger kriegt, dann denkt man, ja, geil, endlich nicht mehr diesen räudigen Kram da irgendwie runter machen, sondern das ist einfach alles abgenommen und das funktioniert alles, das ist nice und man fühlt sich irgendwie besser, als irgendwie, weil man so eine Selbstwirksamkeit hat.

21:18 So, okay, ich kann mir was vorstellen und ich habe das sehr, sehr schnell in irgendeiner Form gegriffen und alle Frameworks kommen ja mit irgendwelchen lästigen Shit, den man da machen muss und von daher verstehe ich schon, dass da der Spaß auf den ersten Blick hochgeht. Die Frage wäre, was ist mit dem Spaß längerfristig, wenn man da halt das x-te Mal den Boilerplate übernommen hat und das x-te Mal war irgendwie ein blöder Fehler drin, der dann später dafür sorgt, dass die Tests alle failen man weiß nicht genau warum, weil man den Boilerplate nicht verstanden hat, der dann generiert wurde.

21:44 Von daher, das sind halt einfach schwierige Metriken. Also wir können halt immer Leute fragen, sind Surveys auch sinnvolle Daten? Es sagt ja was, dass es den Leuten irgendwie, dass sie sich zufriedener fühlen, dass sie Spaß damit haben. Das kann man ja erstmal als Fakt annehmen. Und wenn wir sagen würden, wir wollen diese Systeme einführen, damit die Entwickler mehr Spaß haben, dann könnte man formulieren, sagen, deshalb machen wir das.

22:09 Dann könnte man sich dagegen natürlich auch vorstellen, gibt es andere Dinge, die ich tun könnte, den Entwicklern noch mehr Spaß bereiten? Also macht ihnen was anderes noch mehr Freude als das. Und wir wissen, alle KI wird nicht eingeführt, damit die Entwickler Spaß haben. EntwicklerInnen natürlich sind ja beides. Sondern es wird halt immer versprochen mit Produktivitätsgewinn, Kosteneinsparung, mehr Speed. Das sind halt die Versprechen, die irgendwie gemacht werden.

22:31 Und deshalb muss man halt auf diese Zahlen gucken. Ich finde deshalb so, klar sind so Seiteneffekte, kann man viele LinkedIn-Posts zu schreiben, aber am Ende zählen halt die Zahlen, die behauptet werden. Also wenn gesagt wird, wir optimieren auf, Geschwindigkeit, Leistung, Durchsatz, wie auch immer, dann ist das das, woran man diese Unternehmen messen muss.

22:49 Und bisher sehe ich wenig Zahlen, die nicht aus den Unternehmen kommen, die so große Versprechungen machen. Wir haben bei uns im Unternehmen auch getestet. Es gibt ein paar Entwickler, die benutzen das Zeug noch. Es gibt auch einen ganzen Schwung, die es getestet haben und sagen, nee, am Ende ist es, ja, wenn du es halt so benutzt, wie du gerade beschrieben hast, dann ist es eigentlich eine Snippets-Engine.

23:10 Und Snippets-Engines hatten wir schon immer und einige benutzen die halt. Andere finden die auch irgendwie ein bisschen lästig. Okay, whatever, aber da gewinnt niemand signifikante Produktivität durch. Also zumindest nicht so, dass ich sie bisher in den Zahlen gesehen hätte, die ich so auf meinen Projekten verbucht bekomme, sondern das ist eher so ein...

23:26 Das ist halt im Moment so das Problem mit der Datenlage. Wir haben halt im Moment so zwei Sorten von Dingen, die da im Raum stehen. Das sind halt einerseits so die Individuen, die berichten, das hat für mich jetzt so und so gut und so und so schlecht funktioniert. Und denen würde ich jetzt mal jenseits von der Größenordnung halt eben erstmal glauben.

23:44 Wenn die mir halt irgendwie berichten, ich habe das so und so gemacht und das hat für mich voll gut funktioniert und das sind irgendwelche langjährigen Experten, von denen ich weiß, dass sie ansonsten mit der Software, um mit Software umzugehen wissen, dann glaube ich denen das. Das sind halt so die einen, die wir haben, aber das ist halt das Problem, so dieses Trust Me Bro und dieses klassische, die haben halt gegebenenfalls Vorkenntnisse, die haben eine Domäne besonders gut durchdrungen und deswegen sind die zum Beispiel in der Lage, bei irgendwelchem Code, der so im Rahmen des Okayen ist, der einem da als Output geliefert wird, da Nitpicking zu betreiben.

24:14 Wo halt normale Menschen einfach sagen würden, die keine Mega-Experten sind, das passt schon, das ist gut genug. Oder auf der anderen Seite halt dann vielleicht in der Lage sind, ein Prompt so zu tunen, dass da halt nur das Beste rauskommen kann, weil sie halt eine super Durchdruck haben. Das sind halt so die einen und die anderen sind halt dann aber immer so, wenn es in größeren Darreichungen daherkommt, wo wirklich irgendwelche, Microsoft sagt, unsere Mitarbeiter sagen dies, den traue ich halt nicht.

24:38 Oder ein CEO schreibt irgendwas, der schreibt nicht seine Meinung, das ist eine Performance für die rote Linie, die nach oben gehen muss. Meistens, das unterstelle ich denen, sonst machen die nämlich ihren Job nicht. Den glaube ich halt auch nicht. Es gibt halt die Bros, die sagen, trust me, Bro. Und da kann ich irgendwie mitgehen. Die sagen das eine mal das andere.

24:54 Und dann gibt es halt eben so die Unternehmens-Performanzen. Plural von Performance. Und denen traue ich halt grundsätzlich erstmal überhaupt gar nicht, weil ich halt nicht weiß, was da drinnen vor sich geht und was da so für andere Motivationen so am Wirken sind. Das ist halt das Problem mit der ganzen Kiste. Wir haben halt keine Daten und die, die man normalerweise als besonders vertrauenswürdig erachten würden, weil sie halt die größte Datenbasis haben, haben halt irgendwelche seltsamen Motivationen, die ich denen unterstellen muss, weil warum würden sie nicht behaupten, dass ihr Teil voll gut ist? Das wäre ja beknackt.

25:24 Vielleicht um aufzunehmen, was du gerade sagtest, weil ich glaube, das ist ein sehr wichtiger Punkt. Ich hätte gerade auch gesagt, wir fangen jetzt erst mal mit den sehr kompetenten Leuten an. Super viel Domänenwissen, ganz viel das, was wir im Deutschen so Bauchgefühl nennen. Ihr kennt das auch. Keine Ahnung, ihr seht so den, ihr guckt den HTML-Code von der Website an und irgendwie hat sofort Bauchgefühl, ist das ein Trashfire oder gibt das irgendwie Sinn, was hier steht?

25:46 Und das kann man häufig gar nicht so direkt in Worte oder Regeln passen, sondern hat einfach so einen Eindruck. Man guckt so drauf und denkt so, es riecht. Oh fuck. So, das gibt es. Und je erfahrener man ist, desto schneller findet man das, glaube ich. Man guckt drauf und sagt, okay, nee, das fasse ich nicht mit einem 3-Meter-Stab, stoche ich nicht mehr da drum rum.

26:05 Und andere sagen sich so, nee, das sieht jetzt erstmal seriös aus und macht einen guten Eindruck. Und klar, wenn man an dem Punkt ist, dann kann man eben diese Outputs, die diese Systeme generieren, glaube ich, auch verhältnismäßig schnell bewerten. Vielleicht nicht für so so tricky Tech-Dead, den wird man darin trotzdem nicht erkennen, weil der beißt einen halt immer erst später, das sieht am Anfang okay aus und später rafft man erst, ach shit, ja, da gibt es noch diese Anforderung hinten und jetzt, ach fuck, hätte ich nicht so tun dürfen.

26:32 Das findet man trotzdem, glaube ich, nicht über Bauchgefühl immer raus, aber so grundsätzlich sagt, okay, das sieht falsch aus. Machen wir mal so ungefähr. Reden wir halt über die anderen. Ich meine, es gibt natürlich immer die ExpertInnen, die sind super und davon haben wir glücklicherweise auch noch ein paar auf diesem Planeten, sonst hätten wir noch schlimmere Software, auch wenn der Zustand von Software im Allgemeinen schon eine Katastrophe ist.

26:52 Aber es wird ja nicht jeder als Experte oder Expertin geboren, sondern man muss da halt hinkommen. Und wie passiert das eigentlich? Jetzt kann man sagen, man lernt das so. Man macht eine Ausbildung, man studiert das. Ich habe ja auch Informatik studiert. Was einem ja klar sein muss, auch wenn man das, gerade wenn man im Studium ist oder in der Ausbildung, das klingt doof.

27:13 Ich meine das gar nicht negativ. Man weiß halt Shit, wenn man aus der Uni kommt. Das ist halt nischt. Also das ist halt nicht wie Dinge wirklich, man hat eine ganze Menge Dinge gelernt, die einen befähigen, dann in der Welt wirklich sich Dinge zu erschließen. Aber... Das, was einem in der Uni erklärt wird, stimmt ja so nicht, sondern das ist erstmal so eine sehr idealisierte, teilweise auch ein bisschen der Realität, der daherhinkende Art und Weise, über Software nachzudenken.

27:38 Und dann kommt man in ein Unternehmen und denkt, okay, jetzt tickt es hier alles anders, man schleppt 30 Jahre lang Traditionen und, keine Ahnung, Wartungsfälle mit sich rum oder Unternehmen tickt halt auf eine bestimmte Art und Weise und man muss sich da halt erst reinarbeiten. Und das ist ja der wichtige Prozess.

27:54 Die Leute kommen als Junior aus der Uni oder haben gerade ihre Ausbildung abgeschlossen und dann stellst du die ein und die sind halt nicht gut. Die meisten sind nicht gut. Und das ist nicht schlimm, sondern die brauchen einfach eine Zeit lang, um da hinzukommen. Das ist ja nicht nur in der Softwareentwicklung so.

28:07 Ich arbeite ja in einem Unternehmen, das eben so, wie sagt man so schon, Kreativindustrie. Die Hälfte meiner KollegInnen sind DesignerInnen und die andere Hälfte sind halt EntwicklerInnen. Auch bei den Designern ist es genauso. Die kommen aus der Uni und natürlich haben die schon, haben die was, sonst hätten wir sie nicht eingestellt, aber ob die wirklich was können, weißt du erst, wenn er sie wirklich einsetzt und wirklich sie arbeiten lässt.

28:27 Dann gucken wir uns, wie operieren die eigentlich unter Druck? Wie können die mit diesen konfusen Anforderungen der Welt umgehen? Und so weiter. Was du halt den Leuten an Aufgaben gibst, wenn die anfangen, ist Routine. Langweilige Routinejobs. Wenn ein Entwickler direkt aus der Uni bei uns anfängt, dann kriegt er halt eine Aufgabe, bei der du weißt, ein Experte bei uns, der macht das an einem Nachmittag und du weißt, der wird eine Woche dafür brauchen, der neue.

28:52 Und das ist nicht schlimm, das ist halt, wie das ist. Der muss sich halt daran arbeiten, der robbt sich da jetzt ran und der wird dann immer schneller und entwickelt dieses Verständnis davon, wie eine Organisation funktioniert, wie das Team funktioniert, wie die KollegInnen funktionieren, auch wie man selber funktioniert, worauf man gut klarkommt, worauf man schlecht klarkommt.

29:09 Und dieser Prozess, der dauert halt ein bisschen, den will auch keiner gerne bezahlen, aber der gehört dazu. so kriegst du halt ExpertInnen. Und dann fragen die an, sich in die Domäne reinzuwühlen und irgendwann sind sie genau die Leute, über die wir gerade gesprochen haben. Der Weg dahin. Ist aber leider geflastert mit den Aufgaben, die KI wegautomatisiert.

29:27 Das ist doch genau das Thema, wo wir uns jetzt Gedanken machen müssen. Wie schaffen wir das denn in der jetzigen Welt genau, dass das nicht passiert? Weil das ist doch genau das Problem. Du schaffst es ja nicht mehr so, wie du jetzt aufgemalt hast. Und by the way, ich möchte gerne hier Leute einladen, die an der Uni gehen.

29:46 Ich selbst war nie an der Uni, deswegen kann ich dazu nichts sagen. Aber die eventuell eine andere Meinung haben als du, könnte ich mir vorstellen. Dann gibt es da die ein oder andere Person, hier einfach mal vorbeizukommen und uns mal ein bisschen über Uni erzählen. Aber jetzt mal, man kommt von der Uni, sagen wir mal, man ist halt nicht auf dem Stand, wo man sein möchte und kann nicht die Aufgaben übernehmen, die ein Senior logischerweise übernimmt.

30:06 Sonst wäre es ja kein Senior Engineer, Senior Designerin, wie auch immer. Wie schaffen wir es denn im Zeitalter? Und da müssen wir ja mit umgehen, weil KI ist nun mal jetzt da Und es wird sich nicht vermeiden lassen, dass Menschen dieses Tool hernehmen, um Sachen, die langweilig sind, auf die man vielleicht nicht so viel Bock hat, die einfach sind zu erledigen von so einer Maschine, auch an die Maschine abzugeben, anstatt zu sagen, hey, Junior Dev, probier dich da dran mal aus.

30:39 Aber mal kurz ein, warum kann man das nicht verhindern? Wie denn? Also, wenn du mich fragst, in der heutigen Zeit, es sind hier zig Tasks und ich habe vielleicht niemanden, der mich jetzt gerade unterstützen kann bei Task XYZ. Ich arbeite gerade an verschiedenen parallelen Projekten und sage, hier gibt es Kleinigkeiten, die zu erledigen sind.

31:04 Jetzt kann ich sagen, okay, entweder übernehme ich die Sachen selbst, ich finde jemanden, dem ich das erkläre, darauf warte, bis es dann ist. Oder ich sage halt einfach der Maschine, mach mal. Dann ist die Qualität vielleicht nicht genauso da, wo ich sie haben will. Dann muss ich sie ein bisschen tweaken.

31:21 Aber dann ist es irgendwann dann. Und wir reden ja über dich. Genau. Ich rede jetzt mal nur über mich. Ich könnte gegenüber mir selbst nicht verargumentieren, zu sagen, ich ziehe da jetzt eine andere Person rein und versuche, der das beizubringen. Weil diese Tasks, die ich da abgeben will, ich habe jetzt kein konkretes Beispiel, können an dieser Stelle genommen werden.

31:46 Aber die Frage ist doch, ich meine, das hören wir bei jeder Technologie. X ist jetzt da, damit müssen wir jetzt umgehen. Das war bei Blockchain so und dass wir jetzt alle im Metaverse leben, ist ja auch Fakt für uns alle schon geworden. Jeder Tech-Hype sagt immer, dass er alternativlos ist, sonst würde er nicht funktionieren. Man muss ja immer sagen es.

32:02 Der Vergleich, tut mir leid, wenn ich da kurz reingrätsche, aber der ist schwierig, finde ich. Weil Metaverse und Blockchain, die haben halt bestimmte Anwendungsfälle und man muss sich stark über die Anwendungsfälle Gedanken machen. Für mich ist das eher... Das wissen wir heute, aber das war doch zu der Hochzeit von diesen Sachen nicht klar.

32:20 Da hattest du ja auf Regierungsebene Kommissionen, wie man das in alles Mögliche einbaut. Jetzt kannst du das sagen, weil du halt durch den Zyklus durch bist und du sehen kannst, so ist der Rückschau betrachtet, stellt sich halt eben raus für diesen und jenen Use Case, ist das brauchbar. Aber wenn du mal zurückspulst, War das ja schon sehr viel weiter gedacht damals. Zumindest weiter behauptet.

32:42 War jedenfalls mein Eindruck. Und diese, wo heute kein draufsteht, ist ja auch ein ganzer Zoo aus sehr unterschiedlichen Systemen. Also wenn wir jetzt, sprechen wir mal generative Systeme, insbesondere LLMs. Das ist das, worüber wir jetzt gerade ja im engeren Sinne reden. Viele der Systeme, bei denen man ja auch heute sieht, so Alpha Fold, was so sehr bekannt ist.

33:02 Das hat ja mit LLMs nichts zu tun. Also ja, da ist auch ein Neuronas Netzwerk drin, aber es ist konzeptionell was anderes an der Stelle. Aber guck mal auf LLM so. Diese Systeme können bestimmte Dinge tun. Und es gibt auch ein paar Cases, wo man damit definitiv eine Menge erreichen kann. Spam-Erzeugung funktioniert auf jeden Fall extrem gut. Oder eben Filler, also Text, bei dem es egal ist, was dabei rumkommt.

33:22 Oder eben ein schneller Prototyp, bei dem es egal ist, wie der Code aussieht. Funktioniert 100%. Ich brauche schnell eine Programmiersprache, die ich kann. Gib mir bitte ein Fortran-Programm, was das und das tut. Das, was darauf kommt, besser ist, was ich schreibe. Definitiv. Mein Fortran ist sehr eingerostet. Ja.

33:38 Aber wir kamen ja gerade dazu zu sagen, naja, wir müssen uns damit ja jetzt arrangieren. Wenn wir sagen, wir müssen uns jetzt damit arrangieren, die sind ja da, die Systeme. Das ist erst einmal eine sportliche These, denn wir wissen, dieses Zeug kostet gerade einfach nur ein Schweine Geld. Und es ist halt alles subventioniert. Niemand verdient ja Geld damit, also außer Nvidia. Nvidia hatte ein gutes Jahr. Die haben gerade Zahlen rausgehauen.

34:01 Da stehen sehr, sehr schwarze Zahlen, aber das ist halt immer beim Goldrausch so, dass die, die die Schippen verkaufen, Geld damit verdienen. Aber Microsoft hat neulich auch Zahlen veröffentlicht. Müssten sie ja. Und sie hatten bei der Azure Cloud eine Gewinnzunahme von, ich glaube, 34%. Also irgendwas knapp über 30%.

34:22 Und der KI-Anteil dieses Gewinnzuwachses sind 16 Basispunkte. Das klingt jetzt so, als hätten 16% davon irgendwie KI gemacht. Das ist aber gar nicht, was Basispunkte bedeutet. Ein Basispunkt ist nämlich ein Hundertstel Prozent. In der Ökonomie sagt man das so. Das heißt, der Extragewinn, den Microsoft durch diesen ganzen KI-Schmornsens gemacht hat, sind 0,16 Prozent.

34:50 Ja gut, aber da kannst du jetzt nun auch argumentieren, finde ich. Das ist halt die Investitionsphase. Dann pumpen wir da halt was rein und richtig Kasse machen wir halt eben hinterher. Das halte ich jetzt ja für aus der jetzigen Perspektive sozusagen. Die machen damit jetzt keine Kohle. Genau, aber es ist ja jetzt auch schon nicht umsonst. Das heißt, es muss halt signifikant teurer werden alles, dieses ganze Zeug.

35:14 Und das heißt irgendwie, die Unternehmen, die jetzt mit viel Venture Capital vollgefüttert sind und da ihre Neural Networks und Code Assistants trainieren, haben die in zwei Jahren noch Geld, haben die in fünf Jahren noch Geld. Wer hat dann eigentlich noch Geld, um es draufzuwerfen, um halt immer wieder up-to-date zu sein?

35:29 Weil du kannst jetzt nicht, dass den Code Assistant, der jetzt trainiert ist, der ist in drei Jahren wahrscheinlich weitgehend wertlos, Weil sich natürlich alle Frameworks weiterentwickelt haben, vielleicht kommt eine neue Sprache raus, vielleicht schreiben wir alle irgendeine weirde Sprache demnächst, weil sich herausgestellt hat, dass das der geilste Shit auf der Welt ist.

35:47 Ich meine, gerade JavaScript ist ja auch so ein Ökosystem, bei dem jede Woche eigentlich die Pipeline komplett umgeschmissen wird, weil alles immer anders sein wird, weil das und das geht jetzt, nee, wir machen nicht mehr Schlupf, wir machen jetzt Klonk. Das ist ja, immer wenn ich die Kollegen bei uns frage, die so Web-Dev machen, können sie mir eigentlich nicht sagen, was gerade die richtige Pipeline ist, weil sie sagen, ja, keine Ahnung, letzte Woche was ist das, aber ich weiß nicht, was es diese Woche ist.

36:06 Und das ist natürlich für diese Coding Assistance extrem schwer, also so stark verändernde Systeme. Wenn du up-to-date sein willst, brauchst du halt genug Trainingsdaten, die aktuell genug sind. Du musst eigentlich die alten auch rausschmeißen, damit es nicht deinen Code Assistant in die falsche Richtung lockt.

36:22 Und wer kann eigentlich diese konstanten Investitionen tätigen, sodass sie sich noch amortisieren? Weil du musst halt immer wieder nachtrainieren. Du musst immer wieder diesen Aufwand an den Start bringen und das muss sich dann irgendwie rechnen. Also Open AI hat ja neulich gesagt, die Leute, die 200 Dollar im Monat zahlen, es gibt so den super Premium Account da, an denen verliert OpenAI immer noch Geld.

36:43 Dann können wir hochskalieren, wie viel kostet denn so ein Coding Assistant? Was darf der kosten? Das ist halt ein System, das du immer noch überprüfen musst, dass dir immer noch keine Garantien gibt, dass das gut ist, was rauskommt. Wie viel darf das eigentlich kosten so an Tooling im Monat? Also hast du so ein Team aus, keine Ahnung, 20 EntwicklerInnen in deinem Team und es kostet die Lizenz für dieses Ding halt 100 Euro im Monat.

37:05 Ohne Garantien. Was ja kein Problem ist, wenn da halt ein entsprechender Zugewinn draus erfolgt. Da zeigen du dir jetzt gerade, der ist irgendwie nicht so richtig sichtbar. Und dann ist das schon sehr, sehr viel Geld, das man da drauf werfen muss. Insbesondere, wenn man eben einfactort und da sind wir jetzt gerade, darüber sind wir eigentlich hingekommen.

37:22 Was halt so schlecht zu bewerten ist, was kostet uns eigentlich der Verlust an Kapazität, also an Fertigkeitenzuwachs meines Teams, wenn mein Team jetzt arbeitet, dann wird es smarter, besser. Wenn das nicht mehr passiert, dann kostet mich das was. Lass gleich gerne nochmal draufgehen. Ein Argument, was ich noch machen wollte, was halt dagegen, gegen diesen Punkt des Teuren spricht sozusagen, ist ja dieses, ich weiß den Namen leider nicht mehr von diesem chinesischen Modell, was auf einmal mit einem Zehntel der Kapazitäten daherkam oder noch weniger.

37:59 Und was wir ja auch sagen müssen, der Preis, als ChatGPT damals rauskam für jede Nachricht, die du da abgeschickt hast, war ja ein Vielfaches so hoch, wie es heute ist. Das heißt, wenn wir da diese Regel anlegen, die wir in der Technologie immer haben, dass es grundsätzlich über die Jahre alles billiger wird, sozusagen. Ja, ich weiß nicht mehr genau, wie diese Regel da formuliert wurde.

38:25 Irgendwie alle paar Monate halbiert sich der Preis. Das war Moore's Law, aber Moore's Law gilt halt auch schon seit zehn Jahren nicht mehr in der Technologie. Das ist die Frage. Und gilt es nicht vielleicht bei so einer neuen Technologie dann doch wieder? Weil das sieht man ja schon. Und das sieht man ja auch, wenn man jetzt auch wieder dann sich was hernimmt, wie so diese Blockchain-Technologien, die da rausgekommen sind.

38:50 So ein Bitcoin war halt oder ist unglaublich teuer im Betrieb und dann kam halt Ethereum und ich weiß nicht, wie die neuesten alle heißen, die dann halt auch alle nicht mehr so verbrauchsstark waren, wie das halt bei den Vorgängermodellen war. Ich glaube, an der Stelle lenkt uns das Blockchain-Thema ein bisschen ab, weil Bitcoin ist nicht so teuer, weil die nicht wissen, wie man es besser macht.

39:12 Das ist ein ideologisches Programm, also die wollen das auch nicht anders machen, aus diversen Gründen. Also es ist kein, die können das nicht, sondern die wissen genau, wie sie es machen und sie halten es für falsch, das so zu tun. Ähm, Vielleicht zu den zwei Dingen, die du angesprochen hast. Also Moores Law, damals von Herrn Moor, der war der Intel-Chef, der behauptete, alle sechs Monate verdoppelt sich die Transistor-Kapazität pro Fläche.

39:34 Das heißt, es wird immer leistungsstärker. Alles wird immer leistungsstärker. Jetzt kann man sagen, gut, der Chip kostet aber immer ungefähr dasselbe und wenn du mehr Leistung für den selben Preis kriegst, wird es halt faktisch billiger im Betrieb. Moos Law ist schon vor Jahren kollabiert. Und es war ja auch nie ein Law, das war damals so sein Sales-Pitch. Also Intel sagte, nee, nee, es geht immer to the moon.

39:52 Aber das hat sich halt an der Stelle nicht wirklich gehalten. Und ich meine, weder werden die Prozessoren noch besonders viel schneller, weil wir da jetzt auch so an die Grenzen geschlagen sind. Jetzt hauen da so Quanteneffekte rein und so, das ist alles so ein bisschen Shit. Und die Dinger werden ja nicht billiger, sondern die werden gerade eher nochmal teurer, weil es einfach, das sind viele Gründe, weshalb die teurer werden.

40:12 Es gibt nicht so viele Kapazitäten, aber es ist jetzt nicht so, dass die Dinger ständig im Preis fallen, oder dass ich jetzt diese Nvidia-KI-Rechenkarten, dass die jetzt irgendwie ständig im Preis runtergehen, da passiert eher das Gegenteil. Und bei DeepSeek darf man nicht vergessen, also DeepSeek war eine der geilsten Trollereien, die ich seit langem gesehen habe.

40:30 Also es war wirklich eine geile Trollerei. Was DeepSeek ja getan hat, ist im Prinzip eine Kompression von OpenAI. OpenAI hat ja danach sehr groß gemeckert, gesagt, wir haben ja nur unsere Daten genommen und haben das runter komprimiert. Ja, haben sie. Quantisierung von KI-Systemen oder Destillierung von KI-Systemen ist auch kein neues Verfahren.

40:50 Also das kennt man auch seit vielen Jahren. Also kann man so in der Wikipedia mal nachgucken, seit wann so Destillation von neuronalen Netzen bekannt ist. Das ist auch schon lange so. Man hat halt immer drauf gewettet, man muss immer größer werden und dann wird das Ding immer besser. Das ist Open-AI-Wette gewesen.

41:05 Gipsig hat einfach gezeigt, naja, wir sind schon ein bisschen schlechter. Aber wir können den Shit nehmen und verlustbehaftet komprimieren und das ist immer noch passabel und wird dadurch billiger. Was die eigentlich nur getan haben, ist OpenAI einmal zu zeigen, so eure Wette funktioniert wahrscheinlich ökonomisch nicht.

41:22 Und haben dadurch ja auch so richtig die Börse zum Schwanken gebracht durch diese Traumerei. Aber DeepSeek würde ohne OpenAI-Investitionen in ihre Modelle nicht existieren, weil um was zu komprimieren, musst du jetzt... Die sind billig, weil sie ja im Prinzip die Trainingskosten externalisiert haben.

41:37 Genau, sie haben halt nachtrainiert quasi, und zwar indem sie quasi die Ergebnisse von OpenAI genommen haben und das nochmal durch eine Verlustbehaftete... Also im Prinzip ist ja auch ChatGPT oder die Modelle dahinter, das sind ja nur Verlustbehaftete Kompressionen des Internets. Mehr ist das ja nicht.

41:54 Und die haben halt nochmal eine Verlustbehaftete Kompressionen drauf angewendet, die aber, so lange man innerhalb des Mainstreams bleibt, ziemlich gute Ergebnisse liefert für deutlich weniger Kosten. Und das ist erst mal impressive, weil sie gezeigt haben, dieser Weg aus immer größer, immer mehr Daten, immer größere Modelle scheint gar nicht so viel Sinn zu ergeben.

42:12 Eigentlich stützen sie meine These, dass die. Diese großen KI-Modelle sind ein kompletter Holzsäck. Ich glaube, kleine, spezialisierte Modelle, die sich auf ganz spezielle Probleme konzentrieren, sind deutlich ergiebiger und auch wirtschaftlicher zu betreiben. Aber das ist nochmal eine andere, eine Off-Ramp.

42:28 Also von daher ist das Argument, naja, DeepSeek, die haben ja gezeigt, dass Billigate, die haben nicht bei Null angefangen. Die haben einfach das genommen, was da war und haben mit ein paar Tricks und ein paar Millionen Euro einmal den Börsenkurs von OpenAI ein bisschen an die Wand gebracht. Das ist interessant, aber das ist nicht die Aussage, okay, man kann das ja billiger machen, weil dann muss ja trotzdem jemand die Milliarden... Also ich würde das nicht mal durchgehen lassen als billiger.

42:49 Ich würde sagen, das hat genauso viel gekostet, aber halt nicht sie. Genau. Weil die Kosten sind ja angefallen. Genau. Aber das ist ja ein guter Trick. Das war halt nicht billiger. Das hat halt nur jemand anders bezahlt. Wenn du schaffst, dass Microsoft deine Miete zahlt, ist das doch geil. Also ist ja super, ich habe ein neues Wohnkonzept entwickelt, die Miete ist sehr billig. Warum? Ja, Microsoft zahlt halt die Hälfte davon.

43:09 Okay, wenn du schaffst, dass Satya Nadella dir jeden Monat Checks darüber schickt, so faktisch, dann ist das ja gut. Aber von daher ist, glaube ich, diese Hoffnung, die man häufig hört, das wird halt alles irgendwie effizienter, Moose, Law und so weiter, I don't see it. Also ja, DeepSeek ist ein interessanter Hack und man kann damit auch passable Ergebnisse erzeugen, aber es ist auch schon signifikant schlechter für viele Dinge.

43:31 Also wenn man so standardisierte Tests sich anguckt, wie gut ist das in XYZ so? Mathematik bricht dann plötzlich noch schneller ein, Reasoning in meinen Anführungszeichen, ist das Ding auch nicht so sonderlich brauchbar. Es war eigentlich nur eine Trollerei. Eine gute Trollerei, eine interessante Trollerei, aber eben auch nur eine Trollerei. Deshalb glaube ich, da, Wäre ich skeptisch, dass das Problem der Wirtschaftlichkeit, des Betriebs dieser Modelle und auch des Trainings dieser Modelle sich auf diesem Wege lösen lässt.

44:04 Ja, ich meine, das Einzige, was ja bisher wirklich funktioniert hat, ist halt tatsächlich schon die Dinger immer größer zu machen. Aber immer wenn man sie größer macht, kommt man ja in das Problem rein, dass die ja immer auf der Größe gehalten werden müssen und immer auf der Größe betrieben werden müssen.

44:18 Aber es muss sich halt irgendwie so der Datensatz aus sich beziehen, geupdatet werden. Das heißt, man holt sich damit sehr wirkliche Ewigkeitskosten rein, weil machst du es einmal größer und dann musst du es halt bei zukünftigen Revisionen halt auch genauso groß Minimum haben. Und das ist halt immer so ein bisschen schwierig. Ich meine, man weiß es halt nicht.

44:37 Man weiß halt nicht, was am Ende das Ganze wirklich wert ist, weil ja im Moment sämtliche Preise oder so halte ich halt auch für, sagen wir mal, relativ wenig interessant, weil da ist ja so viel Kapital drin und so viel langfristige Investmentstrategie, nennen wir es mal, dass ja kein Preis irgendeine Aussagekraft hat bezüglich irgendwas.

44:58 Also maximal halt die Frage, sind die Leute willens, das zu bezahlen? Und dieser Mondpreis von ChatGPT, den sie da aufrufen, okay, da gibt es halt Leute, die das bezahlen, das ist irgendwie relevant und interessant. Aber die Frage, ob das dann kostendeckend ist, ist glaube ich etwas, das so wir als Outsider einfach überhaupt gar nicht sinnvoll bedenken können, weil wir einfach viel zu wenig Informationen haben.

45:18 Man kann halt nur wieder sagen, was wir vorhin schon hatten, es riecht ein bisschen riskant. Ich könnte mir vorstellen, dass das schief geht. Also OpenAI verliert halt einen zweistelligen Milliardenbetrag jedes Jahr. Das ist viel Verlust. Also da muss man halt der Frau lange verstricken, bis man das wieder reingeholt hat.

45:34 Und das ist das populärste ist es halt auch nicht, was noch nie da gewesen ist. Das haben andere auch schon gemacht und sind damit durchgekommen. Bei diesen KI-Systemen der modernen Art, die sind schon in einer Sache echt speziell. Und das ist, dass sie eigentlich nicht so funktionieren, wie digitale Tools eigentlich funktionieren.

45:50 Denn eigentlich ist bei digitalen Plattformen so, dass über Skalierung Dinge billiger werden. Also wenn du Facebook bist, der 2 Milliardenste User kostet dich faktisch nichts mehr. Also der Gedanke ist einfach, du hast aber irgendwann die Infrastruktur und dann hoch zu skalieren ist nicht mehr teuer.

46:06 Mehr kostet dich nicht mehr, aber mehr bringt dir mehr Geld, weil du hast mehr Augen und du kannst mehr Werbung schalten oder blablabla. KI-Systeme werden über mehr Nutzung nicht billiger, sondern teurer. Weil jeder Nutzer muss halt, du musst diese NVIDIA-Grafikkarten halt heizen. Die müssen halt immer rechnen. Du kannst da nicht, was du sonst machst, sonst brauchst du Caches und all die Geschichten, um halt auf großen Plattformen die Skalierung irgendwie hochzukriegen und die Kosten zu senken.

46:31 Also weniger die Datenbank hinten, all die ganzen Dinge, die du tun kannst. Nichts davon kannst du mit diesem KI-System tun. Das heißt, die verhalten sich eigentlich genau gegenteilig, wie wir sonst digitale Plattformen kennen. Und das ist eine, das macht die Kalkulation halt anders. Also was du früher gemacht hast, so, du wirst unendlich viel Geld in so ein Hole, um am schnellsten zu wachsen und groß zu werden und wirst du halt Facebook oder Instagram oder wie auch immer, dann wusstest du, irgendwann kriegst du das wieder rein.

46:59 Irgendwann wirst du so billig dadurch, dann werden neue Nutzer so billig, dass du das monetarisieren kannst und dann holst du dir das über die Laufzeit wieder rein. Das hat ja bei Meta funktioniert. Das ist ja genau das, was sie gemacht haben. In Beginn haben die auch nur Geld verloren. Twitter, als sie noch Twitter hießen, war ja auch dann irgendwann so langsam in der Gewinnzone. Nicht so, dass das nicht wirklich gerechnet hat, aber irgendwann haben die das wieder reingeholt.

47:19 Genau das funktioniert mit diesen neuronalen Netzen nicht. Weil der Betrieb, du kannst da nicht zwischen Ergebnisse cachen. Du musst halt dieses Modell anschmeißen und dann macht sein Token Shit und hinten fällt was raus. Das ist immer gleich teuer. Und wenn du mehr Nutzer kriegst, musst du mehr Grafikkarten kaufen, musst du mehr Strom kaufen, musst du mehr Kühlung kaufen.

47:39 Das geht nicht runter, weil du bist sehr viel enger an die physische Realität gekoppelt, als du das typischerweise bei diesen Systemen bist, die jetzt alles weg abstrahieren, dann hast du deine Hyperscaler und das atmet sich dann einfach so alles weg. Hier bedeutet das, 100.000 neue NutzerIn bedeutet neues Datacenter.

47:57 Und das sind halt ein paar Milliarden Euro und es dauert ein paar Jahre. Während ich diese Detour, die wir gerade machen, ziemlich gut finde, würde ich versuchen, gerne nochmal zurückzuschwenken auf unseren Ausgang. Du hast das ja eben schon selber probiert, auch da wieder zurückzukommen. Woher kommen wir eigentlich?

48:15 Wir hatten ja gesagt so, ey, wir haben irgendwie Tasks und die müssen gemacht werden. Und ich hatte argumentiert, ja, okay, dann gebe ich dir halt der KI, anstatt sie jemandem zu geben, der halt eventuell Junior-Dev ist oder Junior-Designer oder wie auch immer. Ja, wie geht man damit um? Wie schafft man es, dieses Wissen dann auch in Leute reinzubekommen, die vielleicht neu in einen Bereich kommen, wie beispielsweise Engineering oder Design etc. Das Problem ist ja...

48:47 Ich habe vor vielen, vielen Jahren studiert und musste im Informatikstudium im ersten Semester auch den Programmierkurs Java machen. Und ich habe die Übungszettel nicht gemacht, weil ich fand die scheiße. Ich fand die langweilig und doof. Außerdem ist Java eine Zumutung. Und das habe ich nicht gemacht. Und dann hat der Tutor jedes Mal gesagt, wenn du die Übungszettel nicht machst, fällst du durch die Klausur.

49:11 Und ich habe gesagt, ja, leck mich doch. Habe sie nicht gemacht und bin durch die Klausur gefallen. The least surprising story in the world. Ja, ach, du machst die Hausarbeiten nicht, du raffst es nicht und dann schaffst du die Prüfung nicht. Okay. Wir sehen natürlich genau das heute auch. Also es fängt ja schon an der Uni an, dass die Leute, die Programmierkurs sind, mehr bestehen, weil niemand macht mehr Programmierarbeit, weil dort immer schnell irgendwie zu einem der ganzen Assistance kreist, die die Lösung geben.

49:36 Du siehst ja sogar an Chat-GPTs Zugriffszahlen, wann die Midterms und die Endprüfungen in den Colleges sind. Also da gehen halt die Zahlen hoch. Weil Chat-GPT ist die Maschine, um bei den Prüfungen zu bescheißen. Dafür ist das Ding gebaut. Dafür funktioniert es ja auch gut. Und die Frage ist halt immer, kriegst du Leute dazu, wenn du die Studierenden nicht dazu kriegst, ihre Übungszettel von Hand zu machen, warum solltest du denn deine Mitarbeiter dazu kriegen?

50:00 Weil die Mitarbeiter, auf denen ist ja noch mehr Druck. du musst schneller werden, du musst irgendwie, wie du sagst, so, ja, diesen Task, ich kann das jetzt einem Junior geben, der braucht halt drei Tage dazu und ich muss trotzdem nochmal checken, ob das gut ist oder nicht. Ich kann es auch dem Chatbot geben, der braucht zehn Sekunden dafür, muss ich auch checken, ob es okay ist oder nicht, aber signifikant weniger.

50:19 Und solange du dich halt auf dieses Versprechen einlässt von KI macht alle effizienter, musst du eigentlich sagen, ich darf es dem Junior nicht geben. Ich darf eigentlich gar keinen Junior haben, weil der blockiert mich ja nur, in der Zeit könnte ich ja Chatbot-Outputs validieren. Und es ergibt kurzfristig ökonomisch sogar fast Sinn, wenn man nicht glaubt, dass man halt in zehn Jahren noch Leute braucht, die Erfahrung haben.

50:42 Und das Problem an der Stelle ist, wie schafft man die Räume, dass Leute das doch lernen? Und das ist, sobald man sich eben darauf einlässt, KI macht uns alle effizienter, sind diese Räume eigentlich gestorben. Es sei denn, man holt halt irgendeine Art von Brecheisen raus und schafft die einfach mit Kraft willen. Also wir haben irgendwie so den Junior-Ausschnitt in der Realität, wo wir sagen, machst du ja generell bei Ausbildung.

51:07 Du könntest die Kleinen ja auch, sobald sie eine Staufel greifen können, in die Kohlenmine schicken. Ist ja mittlerweile auch nicht mehr en vogue. Gibt der CDU nochmal ein halbes Jahr, dann kommt das wieder. Die Rentner arbeiten ja schon zu wenig wie Behörden. Das ist richtig, das ist richtig. Ja gut, vielleicht ist ja für die die Kohlenmine auch nicht mehr wirklich geeignet.

51:25 Aber die können bestimmt was prompten. Was ich sagen wollte war, also man könnte ja sowas vielleicht irgendwie in einem gewissen Rahmen irgendwie einfach herbeizwängen, indem man halt sozusagen das als so Auswuchs der Ausbildung oder sowas hernimmt, aber das Problem ist natürlich dann, was man dann da macht, wie realitätsnah ist das dann noch, wenn wir halt von der Welt ausgehen, von der wir ausgehen.

51:47 Wenn wir so einen Raum irgendwie schaffen müssen. Das ist halt die eine Sache. Und die andere Frage, die ich mir halt eben in dem Zusammenhang stelle, ist halt, ich stimme dem zu, dass so der Weg in diese Kompetenz, die einem so diese Nase gibt, dass man dann irgendwann so riechen kann, das ist doof, ohne dass man es genau sagen kann, aber wo halt einfach so der Spider-Sense anfängt zu klingeln.

52:06 Den habe ich halt genauso genommen, indem ich halt einfach so durch die Wüste gegangen bin und halt einfach stumpfes Zeug, das, was du vorhin so freundlich Routine genannt hast, zu machen, gerne auch Sachen gemacht, wo ich hinterher festgestellt habe, das war alles komplett für die Tüte. Die letzten zwei Tage hätte ich mir komplett schenken müssen, das muss alles nochmal von vorne.

52:23 Auf die Weise habe ich das auch gelernt, weil die Frage ist halt, ist das eigentlich der beste und einzige Weg? Also das scheint mir so heutzutage der Einzige zu sein, den man gehen kann. Erfahrung kriegt man halt nur, indem man halt endlos um das Problem kreist. Aber ist das notwendigerweise der Einzige? Ich kenne mich jetzt mit Lernen und so halt nicht aus, abgesehen von dem, was für mich funktioniert.

52:45 Aber ist es denn wirklich zwingend notwendig, Juniors durch repetitive Routine-Tasks zu zwängen, um die zu Seniors zu machen? Oder gibt es da nicht vielleicht was Besseres? Also wenn du jetzt nicht wie in der Matrix so Chips, die du dir in den Hals steckst, irgendwie erfindest, gibt es nach, und ich spreche viel mit ProfessorInnen und auch Leuten, die die Ausbildung machen, der einzige Weg, Dinge zu lernen, ist, sie zu tun.

53:10 Man sagt in der Kognitionswissenschaft auch doch mal, use it or lose it. Wenn du Fähigkeiten nicht einsetzt, dann gehen die weg oder du baust sie nicht auf. Das siehst du bei kleinen Kindern. Das ist sicherlich richtig. Man hat doch individuell... Ich habe gerade so einen Fünfjährigen hier, deshalb ist das auch ein Präsenzbeispiel.

53:28 Wenn Kinder nicht malen, lernen sie es einfach nicht. Du kannst ihnen das auch nicht erklären. Du kannst ihnen auch nicht sagen, hier, so musst du den Stift halten und dann kannst du es schreiben. Die müssen das tausendmal machen, bis die dann endlich diesen fucking Stift halten können und das irgendwie koordiniert.

53:41 Und wir Erwachsene sind da nicht besser. Wir müssen das tun. Natürlich sind wir in der Lage, wir lesen zum Beispiel ein Buch und das bereitet uns vor. Wir kriegen so ein gewisses Gerüst, an dem wir dann unsere Erfahrungen aufhängen können, weil wir was gesehen haben, was andere gemacht haben, weil wir ein bisschen Vorstrukturierung bekommen.

53:57 Das heißt, wir müssen nicht alles, wir laufen nicht von Null aus immer wieder gegen die Wand, bis ein Loch da drin ist, sondern uns wird schon gesagt, es gibt Türen und da links ist auch irgendwo eine, aber du musst da durchgehen. Du hast keinen anderen Weg, da durchzugehen. Du kannst nicht aus einem Buch lernen, wie du der beste Stabhochspringer der Welt gehst.

54:13 Du musst diese blöde Bewegung, Stabhochschwung, immer wieder machen und immer wieder machen und selbst der Beste auf der Welt macht jeden Tag diese fucking Bewegung, immer wieder. Weil das der einzige Weg ist, wie Menschen solche Fähigkeiten erstens erwerben und zweitens behalten können. Und das zeigt dir jede Studie bei jedem Skill.

54:31 Das will ich auch gar nicht anzweifeln, sondern nur sozusagen die Mikrotechnik in dem da drin. Also dass ja sozusagen unterschiedliche Zugänge zu neuem Wissen bei Leuten unterschiedlich gut funktionieren und ja auch sozusagen Didaktik an sich etwas ist, was sich ja weiterentwickelt. Also zum Beispiel habe ich halt irgendwann bei mir gelernt, wenn ich was in meinen Kopf beamen will, dann muss es einmal durch meine Finger geflossen sein, indem ich es abschreibe oder reimplementiere bei Software.

54:54 Aber dann ist das halt eben auch drin. Und bei anderen funktioniert das halt eben nicht. Ich kann mir keinen Podcast über Programmieren anhören, ich kann mir kein Videotraining angucken, weil ich da einfach sofort eine Informationsaufnahme-Version entwickle. Aber für andere funktioniert das super. Indem man sowas vielleicht individualisiert, kann man die Leute da irgendwie zu mehr bringen.

55:14 Ich habe jetzt auch keine Ahnung, wie groß das ist. Es ist interessant, aber gar nicht so individualisiert, wie wir alle denken. Wir alle denken, wir sind so schöne Snowflakes. Jede Studie zeigt dir immer wieder, wenn du Leute dazu bringst, dass sie Dinge von Hand abschreiben, lernen sie es besser. Durch die fucking Bank. Sogar wenn man so eine hässliche Handschrift hat.

55:29 Es ist einfach Menschen lernen über Tun. Und was sich da entwickelt, dieses Bauchgefühl, was wir haben für bestimmte Dinge, das ist die Konsequenz daraus. Das ist das, was man immer so verkörpertes Wissen nennt. Das hat man dann irgendwann in sich drin. Und das kann dir niemand von außen reingeben. Das musst du dir selber aufbauen.

55:48 Da ist auch deine Persönlichkeit drin. Also bestimmten Code, den du siehst und sagst, der stinkt, würde ich vielleicht sagen, das passt schon so. Und wir haben beide Recht, weil wir ein bisschen unterschiedliche Bewertungen von diesen ganzen Themen haben. Unser verkörpertes Wissen ist halt marginal unterschiedlich, weil es wie unsere Erfahrung geprägt ist. Und das ist okay. Wir sind trotzdem beide erfahren in dem, was wir tun.

56:08 Aber es gibt keinen anderen Weg, da durchzukommen. Nicht, wenn man ernsthafte Expertise aufbauen möchte. Also es gibt niemanden, der bisher einen gefunden hat. Ich will nicht sagen, dass das nicht gehen kann. Irgendwann findet vielleicht jemand und Elon Musk beamt dir irgendwas in den Kopf. Und keiner weiß nicht, wenn der einem was in den Kopf beamt, ist das Senofaschismus. muss, aber vielleicht gibt es irgendwann noch Hilfsmittel, das anders zu machen.

56:30 Gerade gibt es keinen anderen Weg dazu, das zu tun. Er existiert einfach nicht. Und alle helfen das gerne, weil es auch sowas wie Schulzeiten verkürzen würde und die Effizienz von so Lehrprozessen einfacher. Aber das gibt es einfach gerade nicht. Und das ist auch vielleicht okay, weil eben dieses, du lernst was und du bildest dir auch dein eigenes, dein eigenes Verständnis der Domäne aus und so deinen eigenen, das, wie du dazu stehst, das, was du magst, das, was du nicht magst, das, was du, wo du dich wohlfühlst oder denkst, das finde ich nicht so gut, das ist ja auch eine, das ist auch ja Personal Growth, das ist ja auch, wie du als Mensch so in der Welt ankommst und deine Rolle findest, das ist ja auch was, das ist ja auch

57:07 ein Wert an sich, also, dass du das Recht hast, in der Welt deinen Platz zu finden und zu gucken, was, für dich die Welt Sinn ergibt und was, womit du dich beschäftigen willst und wo nicht, auch das, als ich anfing zu studieren, da ja auch, ich werde irgendwann so Softwareentwickler und habe dann festgestellt, so richtig interessant ist das doch eigentlich gar nicht und das entstand erst dadurch, dass man es gemacht hat und dann irgendwie andere Dinge gesehen hat und dadurch seinen Platz in der Welt gefunden hat.

57:29 Dieses Ganze, wir sind alle individuell und wir können alle unterschiedliche Dinge und wir wissen das zu schätzen, ist richtig und das entsteht dadurch, dass wir Dinge tun und dadurch auch merken, wie bestimmte Dinge für uns als Individuen funktionieren und was cool ist, was nicht cool ist und das kostet einfach Zeit, weil das ist Mensch werden, das ist Persönliches und.

57:49 Und persönliches Wachstum und persönliche Entwicklung. Und die geht halt nicht schnell, die kann man nicht abkürzen. Das ist so ähnlich, wie in die Psychotherapie zu gehen, zu Beginn zu sagen, okay, kannst du mir jetzt schon sagen, was du mir in einem Jahr sagen würdest, damit wir hier durch sind? Nee, du musst durch dieses Jahr durch.

58:02 Das geht nicht anders. Das ist einfach, was passieren muss. Und ich glaube, dass wir, ja. Sorry, wenn ich da mal reingehe, ist nämlich, die Frage ist ja, wofür ist dann KI gut? Also wenn wir jetzt sagen, hey, diese repetitive Sache, da ist es vielleicht schade, wenn wir dann verlieren, weil andere Leute da diese Fähigkeiten dann nicht erlernen.

58:23 Ich will mal ein Beispiel bringen. Was ich häufig sehe, ist mit Senior Engineers, die bekommen unheimlich viele Fragen von Leuten gestellt, die halt eher im Junior-Bereich sind. Und die Fragen sind gut. Ich erinnere mich aus meiner Zeit, ich musste halt überlegen, so welche Frage frage ich jetzt? Wie stelle ich die jetzt richtig?

58:42 Wann ist die richtige Zeit, die zu stellen? Haben die Leute die Kapazitäten dafür? Und nee, haben sie vielleicht nicht. Und da sehe ich persönlich zum Beispiel einen Riesenvorteil. Und da würde mich auch deine Meinung für den Einsatz dort mal interessieren. Nicht Code an sich, aber Fragen über Code oder Fragen zu einer gewissen Umsetzung oder hey, wie kann ich denn hier diesen Code, den ich gemacht habe, besser machen?

59:06 Und die KI gibt dir vielleicht eine Antwort, gibt dir vielleicht eine Hilfestellung, sagt dir vielleicht, hey, guck doch mal in die Datei, vielleicht steht da irgendwas drin, was du benutzen kannst, und dadurch kommt man sozusagen auf eine Lösung als Junior-Dev, wo man sich noch nicht so gut auskennt. Wie bewertest du sowas?

59:24 Also wenn du so Kleinkrams, okay, könnte in der Datei sein, guck mal, ja, where's the harm? Also worst case ist, du guckst in die Datei und findst einen Fehler nicht. Also da kann halt auch nicht, da ist der Fehlerfall nicht hoch. Also das ist nicht der generierte Code, der dir später irgendwie was kaputt macht oder deine Security Chain kaputt haut, sondern du hast halt nicht gut gefunden. Gut.

59:46 An der Stelle ist halt am Ende kein Harm. Die Frage ist halt wirklich, du hast völlig recht, das ist natürlich auch so, gerade wenn du als Junior bist im neuen Unternehmen, du hast Fragen, uns rauszufinden, okay, wann frage ich, wie bereite ich die Frage so vor, dass die Person mir das gut antwortet, das ist aber ja auch der Lernprozess.

1:00:04 Also deine Arbeit so zu reflektieren, dass du die Frage auf den Punkt formulieren kannst und dein Team so gut verstehst, dass du weißt, das ist jetzt der Zeitpunkt. Jetzt ist das, also das ist ja auch, es ist ein Teil deines Profi-Werdens, so zu raffen, okay, die Person ist gerade fokussiert, ich lasse dir in Ruhe und ich weiß, ich kann gerade an was anderem arbeiten.

1:00:22 Ich habe diese Frage aber schon sofort formuliert, dass wenn die Person Zeit für mich hat, ich das direkt machen kann und das ist so strukturiert, dass sie das sofort rafft und so weiter. Das ist aber auch eine Fähigkeit, die man, Und also auch da will man jetzt vielleicht gar nicht unbedingt, dass ein KI da zu viel abnimmt, weil das eben auch wichtig ist, dieses, ich glaube, ich renne hier offene Türen ein, wenn ich sage, unser Job ist ja nicht Codeschreiben, unser Job ist auch ganz viel über Code reden oder wie Code aussehen müsste reden, damit er dann am Ende richtig ist.

1:00:47 Das Codeschreiben ist fast ein Seiteneffekt, den man dann irgendwie macht, weil man dann irgendwann verstanden hat, worum es eigentlich geht und was man eigentlich braucht. Und das ist halt, was die jungen Leute halt lernen müssen und was eben auch wieder so ein langer Prozess ist. Wie stelle ich eine gute Frage?

1:01:02 Wie gehe ich mit einer Antwort um? Wie formuliere ich auch vielleicht, dass mir die Antwort nicht reicht, dass ich es noch nicht verstanden habe? Also diese ganze Unsicherheit, die man da auch navigieren muss von, bin ich jetzt doof, wenn ich nochmal frage? Ist man natürlich nicht. Man muss halt fragen, weil es so funktioniert.

1:01:16 Aber auch diese Dynamik zu navigieren, ich weiß nicht, wie viel KI da wirklich hilft. Und vielleicht auch mal von den jungen Leuten wegzugehen. Was ist der wichtigste Raum für meine Karriere? Ist das Badezimmer. Weil immer, wenn ich so schwierige Probleme habe und du sitzt vorm Rechner und du versuchst irgendwas und ob es Code ist oder ob es was anderes ist, du versuchst ein Problem zu lösen.

1:01:41 Manchmal klappt es und manchmal sitzt du davor und du findest die Lösung einfach nicht. Die kommt einfach nicht. Du rennst gegen die Wand und es will nicht kommen. Und du sprichst mit einem Kollegen und irgendwie versteht das auch nicht. Du findest keine Lösung, wie auch immer. Wann kommt die? Wenn ich morgens unter der Dusche stehe.

1:01:55 Keine Ablenkung, White Noise, das so mit dem Wasser über den Kopf kommt. Und irgendwie ist dieses Disengagement hilft. Und es ist nicht nur unter der Dusche, sondern es ist manchmal auch, wenn man so routinisch scheiß tut. Du hast ein echt hässliches Problem und du hast dich festgebissen und es geht nicht.

1:02:12 Und dann nimmst du dir irgendwelchen anderen schrubbst ein bisschen Boilerplate, schreibst ein bisschen Doku irgendwo zu, refactorst so Low-Stakes-Zeug. Du bist irgendwie an dem Ding dran, aber nicht so fully engaged und alles ist jetzt super kritisch und alles ist super schwierig. Und das getäufigt dem Gehirnraum, dann plötzlich Lösungen zu finden.

1:02:32 Deshalb Routinetätigkeiten haben eben auch einen Wert für uns. Und ich glaube, es hat auch ein bisschen was damit zu tun, wie wir über Arbeit nachdenken. Das Versprengen von KI ist häufig, wir nehmen die ganze Routine weg. Und alles, was du jetzt tust, die meat on the bones ist, was du vorhin sagtest.

1:02:46 Du machst nur noch die schwierigen, die strategischen, die großen Entscheidungen. Und das ist natürlich auch sexy, weil dadurch fühlen wir uns echt wichtig. Weil wir machen nur noch den richtig wichtigen Scheiß. Alles, was wir machen, ist nur noch super, super wichtig. Kannst du das? Im Prinzip ist ja so wichtig, Entscheidungen treffen ist ein bisschen wie so ein Sprint. Das ist wahnsinnig anstrengend und man muss irgendwie über die Ziellinie kommen.

1:03:06 Kannst du immer sprinten? Also wenn du 100 Meter gesprintet bist, kannst du dann nochmal 100 Meter sprinten und nochmal 100 Meter sprinten und nochmal 100 Meter sprinten oder brauchst du zwischendrin eine Pause? Und Routinetätigkeiten sind für unser Gehirn manchmal eben auch die Pause, die nicht wertlos wird.

1:03:20 Wir machen ja was so. man schrubbt irgendwelche Excel-Sheets und Stundenzettel, wirklich langweiligen Kram, muss aber mal passieren, damit das Gehirn irgendwie Raum hat, um gute Lösungen zu finden. Das heißt, Routine ist nicht nur wichtig für die jungen Leute, damit sie es lernen, Routine ist auch für so alte Säcke wie mich wichtig, damit unser Gehirn manchmal Zeit hat, zu sagen so, das ist jetzt echt so langweilig, jetzt denke ich doch nochmal über das andere Problem danach, während keiner drauf guckt und plötzlich fällt mir auch eine Lösung dazu ein.

1:03:47 Und ich glaube nicht, dass ich so individuell wird, dass ich der Einzige bin, dem es so geht, dass manchmal, wenn man einfach dann die Teller abspült, sodass einem plötzlich eine Lösung einfällt für ein Problem, über das man vorher zwei Tage irgendwie nachgedacht hat und sich konzentriert hat. Und auch das ist etwas, was Routine für uns tut. Und du hast vorhin mal gefragt, wie können wir das jetzt eigentlich sicherstellen? Denn das ist ja kein Problem der KI.

1:04:07 KI sagt uns ja nicht, ihr dürft diese Räume nicht haben. Das sagt uns unser Chef. Das sagt uns der ökonomische Zwang. Der ökonomische Zwang sagt, du musst mit so wenig Aufwand, dem möglichen, so viel Output wie möglich zu erzeugen, Profitmaximierung, bla bla bla bla bla. Und das heißt, diese Systeme wirken halt auf diese Art und Weise, weil sie in der Welt eingesetzt werden, in der wir jetzt sind.

1:04:28 Weil eben in der Logik eines Unternehmens geht es eben darum, Output zu erhöhen, Produktivität zu erhöhen und häufig eher kurzfristig gedacht, weil das ist dann das Valence-Sheet für dieses Jahr. Ob das dann in drei Jahren ein Problem macht, das ist dann für die nächste Schicht das Problem. Was wir an der Stelle gesehen haben, ist der Erfolgscase der Hollywood-AutorInnen.

1:04:53 Die Hollywood-AutorInnen haben fast 180 Tage gestreikt und ein wichtiger Teil war KI-Einsatz. Und zwar wollten sie eben nicht, dass KI, weil sie sahen KI halt auch als bedrohend für viele Dinge in ihrem Leben an. Und Hollywood ist extrem stark über Unions, also über Gewerkschaften geprägt. Du kannst keinen Hollywoodfilm produzieren an den Gewerkschaften vorbei.

1:05:14 Funktioniert einfach nicht. Da macht man sich als normaler Mensch keine Vorstellung von. Ich habe ja ein paar Semester Film studiert. Also das ist wirklich so, das geht halt nicht. Also wenn du jetzt sagst, du kannst keinen Film produzieren ohne das, dann meinst du buchstäblich, dass es schlichtweg unmöglich ist, das zu tun, weil es tatsächlich nicht geht.

1:05:33 Nur um das mal noch herauszustellen, dass das keine Übertreibung und keine irgendwie sprachliche Figur ist. Geht halt nicht. Ist halt ausgeschlossen. Null. Nada. Die haben eine Macht wie sonst nichts. Selbst wenn du es irgendwie hinbringen würdest, weil du Leute von sonst wo her importierst, bedeutet das, du findest nie wieder jemanden, der in der Union ist, der für dich arbeitet.

1:05:49 Dann ist deine Karriere ab dann vorbei. Das war dann your shot. Was die dadurch durch diese Macht durchgesetzt haben, ist eben zum Beispiel, dass Autoren nicht gezwungen werden dürfen, KI einzusetzen, dass KI ausgezeichnet sein muss. Das heißt, wenn ich dir einen Text gebe zum Überarbeiten, muss ich schreiben, muss ich dir sagen, dass der von der KI generiert wurde.

1:06:06 Ich darf dir nicht einfach so gabisch zum Überarbeiten geben. Und natürlich kann man das nicht einfach so 100 Prozent auf unsere Software-Entwicklungsumgebung anbinden. Aber der Gedanke zu sagen, naja, wir als ExpertInnen müssen vielleicht auch unsere nachfolgenden Generationen ein bisschen in Schutz nehmen.

1:06:26 Und vielleicht braucht man dafür eben sowas wie Gewerkschaften und Tarifverträge und sowas, in denen solche Dinge drinstehen. Dass zum Beispiel eben Juniors so und so viel Zeit haben müssen für Routinetätigkeiten, blablabla, wie auch immer man das ausformulieren möchte. Es gibt natürlich auch Unternehmen, die ein bisschen anders funktionieren, die ihren jungen Leuten ein bisschen mehr Raum geben als andere.

1:06:51 Es gibt die Leute, die sehr, sehr auf Ausquetschen ausgelegt sind. Es gibt die Leute, die schon auch einen besseren Blick auf ihr Team haben. Aber grundsätzlich ist, glaube ich, das ist eine politische Herausforderung, vor der wir stehen und dafür braucht man politische Lösungen. Und das ist im Kontext Arbeitnehmer, Arbeitgeber sind das auf der Arbeitnehmerseite die Gewerkschaften.

1:07:09 Das ist eigentlich, glaube ich, das, wo wir an der Stelle hin müssen. Weil ich glaube, jetzt mit einer CDU-Regierung wird jetzt auf der Gesetzgeber-Ebene wenig passieren. Aber das ist jetzt was, wo Leute wie wir, die mehr Erfahrung haben, die vielleicht eben wissen, dass der Weg zur Expertise hin halt ein bisschen lang und schmerzhaft ist, dass man da aber durch muss.

1:07:30 Das ist ein Weg, den wir für die Generation nach uns schützen müssen. Natürlich, wir können sagen, für uns ist das geil. Die Leute, die nachkommen, können nicht mehr das, was wir können. So für den Rest unserer Arbeitszeit, wir sind safe. Wir können halt Sachen, die man immer braucht. Wir können den komplexen Shit.

1:07:43 Aber was passiert denn, wenn wir nicht mehr da sind? Oder wenn wir keinen Bock mehr drauf haben? Oder wenn wir auch gerne mal neue Kolleginnen hätten, die uns unterstützen? Oder haben wir vielleicht auch einfach eine Verpflichtung, dass die jungen Leute auch eine Chance haben, eine Karriere zu entwickeln?

1:07:57 Und ich glaube, dass das die Herausforderung für uns ist, das zu strukturieren. Wie können wir, natürlich, wir können auch mit unseren GeschäftsführerInnen reden. Wir können gucken, ob wir irgendwie den klar machen können, dass das wichtig ist. Aber am Ende braucht man dann, glaube ich, auch breitere, erstens braucht man Zahlen dafür natürlich, um das zu argumentieren, aber man braucht, glaube ich, am Ende auch wirklich stärkere Argumente als einfach nur, wer doch nicht, wenn.

1:08:21 Sondern man braucht da, glaube ich, unter Umständen vielleicht auch ein bisschen Druckmittel. Also einer Gewerkschaft beitreten ist immer eine gute Idee. Jetzt kommt noch ein anderer Punkt hinzu. Jetzt haben wir viel über Leute gesprochen, die vielleicht noch nicht so weit in ihrer Karriere sind und da dann irgendwie lernen müssen.

1:08:36 Jetzt gibt es aber noch die Leute, die gar nicht diese Karriere einschlagen, die sagen, ich will gar kein Engineer werden, ich möchte das bleiben, was ich bin, sagen wir mal Sales Director oder wie auch immer. Ich habe aber hier dieses Engineering-Problem und wenn ich auf meine Engineering-Leute zugehe, dann brauchen die irgendwie ein halbes Jahr, bis die überhaupt meine Sachen mal priorisieren.

1:08:59 Also gehe ich an die KI und lasse die KI das mal programmieren. Ich habe aber gar keine Ahnung davon, aber es wird schon irgendwie funktionieren. Und it turns out, es wird ja irgendwie funktionieren, wenn wir Tools nehmen, die halt irgendwie Agent-Automatisierung machen. Keine Ahnung, so ein N8N. Ich habe einen Bekannten, der kommt aus dem Sales. Der hat sich da eine Pipeline zusammengestellt und die funktioniert und bringt wahren Business Value.

1:09:23 Wie gehen wir damit um? Was ist deine Meinung dazu? Wenn ich meine kurz raushauen darf, ich will das nur kurz stärken, weil ich kenne halt auch so diesen Fall, also jetzt nicht persönlich, aber ich weiß da wen, der große Consulting-Bude, kennen wir alle namentlich, brauchen wir jetzt nicht zu nennen, aber der war früher so in seinen Teams, der für diese Run-Off-Skripte.

1:09:47 Er war wirklich so der Go-To-Guy für das weil der halt eben auch so diese spezielle Fähigkeit hat, das schreibt er ihn einmal runter das kompiliert sofort, das läuft und dann sind alle happy und das hat ihn auch gefreut und das ist halt eben jetzt weg, weil für solche Sachen das tatsächlich gut funktioniert, und er sagt auch, er sieht da drin jetzt nicht so ganz das große Problem also das ist halt jetzt ein Aufgabenbereich der sich auch gut wegautomatisieren lässt er setzt halt eben voraus, dass das eine Art von Tool ist, die man sich da generieren lässt, die halt.

1:10:15 So verifizierbar ist. Wenn es halt so One-Off-Sachen sind, wäre es halt eben das eine und dann mach halt eben aus diesem JSON dieses Excel zum Beispiel. Oder wenn es halt eben eine Pipeline ist. Ich meine, sowas ist ja wahrscheinlich auch relativ gut beobachtbar und da kannst du halt eben gucken, funktioniert das und wenn es umfällt, kriegst du es mit und dann kannst du es halt reparieren.

1:10:32 Also ich sehe da ehrlich gesagt kein Problem darin, das da einzusetzen. Die Frage ist immer so, ich sehe da so das Pro-Production-Problem. Wenn man sowas macht und man startet damit, Wie kriegt man es hin, dass es halt auf diesem Scope bleibt und da dann wohnen bleibt, wo es gut funktioniert? Und wie verhindert man, dass sich das halt plötzlich auswächst und Pro-Production macht?

1:10:54 Nichts ist so dauerhaft wie ein temporärer Fix. Das ist so das einzige Problem, was ich damit wirklich sehe. Weil ich meine, das ist halt Werkzeuge. Und wenn die Werkzeuge die Werkzeuge generieren, ist das super. Wenn das dann halt eben keinen Scope-Creep kriegt. ich würde argumentieren, dass KIs keine Werkzeuge sind, aber das führt jetzt vielleicht ein bisschen weit in Science and Technology Studies und so weiter rein, aber wie du sagtest, irgendein blödes Skript, was man jetzt einmal braucht für einen speziellen Case und was danach weggeschmissen ist, ist mir egal.

1:11:25 Das Interessante an diesem System ist, es gab vor, es ist auch im letzten Jahr gewesen, hat das NHS, also das britische Gesundheitssystem, hat sich überlegt, es gäbe so einen Case, wo so KI-Systeme echt sinnvoll wäre und das ist Arztbriefe schreiben. Und zwar nicht schreiben, sondern das gesprochene Wort der Ärzte zu transkribieren in einen Brief. Das ist echt langweilig.

1:11:50 Okay. Und sie haben Whisper von OpenAI genommen dafür. Das ist ja so das, was viele dafür nutzen, wo viele sagen, ey, das ist echt gut. Und das ist ja auch ziemlich gut. Whisper hat allerdings bei der Transkription Diagnosen dazu erfunden. Was schlecht ist. Also gerade wenn da auch Medikation dran hängt, dann ist das nicht so geil.

1:12:12 Und daher ist da wirklich auch immer die Frage, ja, ich kann damit sehr schnell One-Offs bauen, aber immer, was ist eigentlich das, was passiert, wenn das schief geht? Und man verlässt sich dann, also niemand hatte gedacht, dass das ein Szenario über Whisper wäre, weil bisher, glaube ich, noch niemand in der Größenordnung wirklich kritische Texte übersetzt hat.

1:12:29 Da ist aber plötzlich jedes Wort wichtig und dann kriegst du plötzlich solche Artefakte. Früher hat man gesagt, das ist ein One-Off, kannst du das mal bauen und dann weißt du, okay, die Person ist kompetent, die wird es auch haltig checken, was sie da macht und dann hat es irgendwie eine gewisse Qualität.

1:12:42 Und dann hast du das vielleicht auch für ein bisschen kritischer Dinge gemacht. Das kannst du halt mit diesem System nicht mehr so machen. Also wenn es wirklich egal ist, mach mir jetzt mal, generier mir irgendein, generier mir irgendein Bild für meinen Social Media Post. Da hast du früher ein Prakti dran gesetzt, der hat dir halt ein Bild geschrubbt.

1:12:56 Jetzt macht das halt so ein System. Kannst du machen. Okay. Ich würde auch sagen, so irgendwie, wichtig ist ja auch kein Binary. Also irgendwie so eine Pipeline, die irgendwie irgendwann im Laufe des Tages aus diesen Jasons eine Excel-Tabelle machen muss, ist halt was anderes als eine Diagnose. Ich glaube, da ist dann ja auch die Domäne relevant, ob das jetzt dann problematisch oder unproblematisch ist.

1:13:18 Aber so das Beispiel von Hans, der ja glaube ich gerade so sagte, irgendein Sales-Mensch friemelt sich eine Pipeline zusammen. Vielleicht habe ich keine besonders hohe Meinung von Sales-Menschen im Vergleich zu Ärzten. Keine Ahnung, aber würde ich jetzt erstmal sagen, ja mal, wenn es für dich funktioniert, mach halt.

1:13:33 Ich habe halt wirklich mehr so die Sorge von dem Scope Creed, der ja nicht nur dann so sein muss, irgendwie die Software endet irgendwann in Production, sondern tatsächlich auch, was ist so das Messaging, das daraus läuft, wenn halt irgendwer über dir sagt, ach guck, damit kann man das Problem auch lösen, dann nehme ich jetzt mal deinen Ansatz, der für Sales funktioniert und wende ihn halt eben auf irgendwelche Diagnosen an.

1:13:52 Und dann wird es halt eben schwierig. Das ist halt ein Problem, das glaube ich nicht irgendwie technisch containbar ist, sondern sozialpolitisch irgendwie eingehegt werden muss. Und eine der Herausforderungen ist natürlich, durch das. Manchmal hat auch Text so eine Qualität fast von Code. Wenn McKinsey oder wer auch immer irgendeiner dieser Consulting-Buden, McKinsey ist immer the worst one, aber das, was die an Empfehlungen rausgeben, kann man, glaube ich, komplett durch ChatGPT ersetzen.

1:14:22 Ich glaube nicht, dass sie einen Mehrwert gegenüber von ChatGPT bringen, weil das auch nicht ihr Job ist. Ihr Job ist, nur zu legitimieren, Leute zu feuern, aber egal. Das Problem ist aber, dass dieser Text ja daraus fällt reale Auswirkungen in der Welt hat, weil plötzlich werden Leute ihren Job das heißt wir sagen, naja gut das transformiert jetzt irgendwie dieses JSON in ein Excel, das Problem ist, wer liest das Excel und was macht die Person dieses Excel jetzt, das JSON hätte sie nicht lesen können, macht damit nichts, jetzt ist es ein Excel und mit Excel funktioniert ja alles, was macht die Person, die dieses Excel kriegt jetzt, welche Schlüsse zieht sie daraus, von daher auch da ist es wieder eben nicht so eine einfache Logik.

1:15:01 Ich glaube, im Bereich Sales. Sales ist ein welches gutes Beispiel, weil am Ende ist der Fehlerfall halt nicht so kritisch. Und darüber muss man, glaube ich, bei so KI-Systemen immer nachdenken. Wenn du ein KI-System einsetzen möchtest, was ist eigentlich der Fehlerfall und was ist das Risiko in einem Fehlerfall?

1:15:19 Und das ist eben bei Arztbriefen, wenn der falsch ist, dann stirbt jemand. Worst case. Das kann aber dann passieren. Sales Anschreibe-E-Mails generieren oder irgendwelche und aus LinkedIn und so irgendwelche Pipelines sich zusammenbauen. Worst Case ist, ja, du verkaufst ein Ding, was du vielleicht sonst verkauft hättest, nicht.

1:15:39 Ja, oder jemand ist ein bisschen genervt von dir, weil der die Mail doof findet und dann kauft er das jetzt halt nicht bei dir. Aber Sales ist eh so mit der Schrotflinte in die Menge schießen und gucken, was man trifft. Von daher ist es eh egal. Ja, aber genau das ist ja die Frage, die ich mir stelle für Engineering.

1:15:58 Also wo ist es fein halt, wo, und Peter, du hast das ja gerade auch auf den Punkt gebracht, wo ziehen wir diese Linie? Das ist ein Engineering-Projekt, das können wir halt die KI machen lassen. Das kann jeder die KI machen lassen. Und wo ist das nicht möglich? Arztbriefe ist halt eine spezielle Sache. Das ist jetzt nicht so ein Engineering-Thema, meiner Meinung nach.

1:16:23 Aber es ist halt irgendwie, wenn wir sagen, keine Ahnung, du hast halt irgendwie eine Webseite, das ist eine Marketing-Webseite und da fehlt irgendein Modul. Und wenn das Modul halt Fritte geht oder, keine Ahnung, Nicht auf allen Screensizes funktioniert, so what? Dann ist die Marketing-Website nicht perfekt.

1:16:43 Aber wenn du halt dann wieder jetzt in den Arzt-Kontext gedacht oder keine Ahnung, wenn es um Finanzen geht und du zeigst halt irgendein Dashboard an und da wird auf einmal was falsch zusammengerechnet, weil die KI dir halt irgendeine falsche Formel hinter irgendeine Berechnung gelegt hat, dann ist es halt ein Thema.

1:17:01 Und ich glaube, das sollten wir halt uns überlegen, wo lassen wir die Leute halt irgendwas machen oder wo versuchen wir auch Education zu betreiben, wir als Engineers und zu sagen, hey, pass mal auf, cool, mach das mal mit der KI, aber jetzt gibt das mal in die Review und müssen wir dann nicht vielleicht sagen, wir scrapen das wieder, was die KI gemacht hat und schreiben das Tool nochmal selber neu.

1:17:23 Ich glaube, mit Websites ist ein gutes Beispiel für sowas. Du hast ein Event in drei Tagen, da muss so irgendwas irgendwo im Internet stehen. Früher hätten sie es einfach auf Facebook gepostet oder irgendwie unverantwortlich. Jetzt wollen sie eine kleine Seite dafür generieren, äh, Sagt man jetzt erst mal, ja, dann mach es damit. Es ist auch scheißegal.

1:17:40 Das ist schon gut genug, was da rauskommt. Und für bestimmte Leute tut es das vielleicht auch. Was man halt nicht vergessen darf, ist, dass häufig das generierte Zeug eben Menschen exkludiert. So diese Designer-Tools, sowas wie hier Canva und Figma, wie sie alle heißen, fangen jetzt auch alle an, KI-Zeug zu integrieren.

1:17:55 Du klickst das da nur zusammen und es generiert dir eine Website. Was diese Dinge auf jeden Fall sind. Da war doch letztens dieses Figma-Ding mit irgendwie absurdem Markup und schrecklich Abwesend von Accessibility. Genau, diese Dinger sind dann halt einfach inaccessible. Es muss ja halt klar sein, das ist halt einfach eine Diff-Soup, also kein Semantic-Markup.

1:18:12 Alles das, wo so Unterstützungssysteme für Leute, die vielleicht nicht sehen können oder die andere Hilfestellung brauchen, alles das, woran sich die Systeme festhalten, ist halt nicht drin. Nee, Moment, da muss ich sagen, sind meine eigenen Tests was gegeben, da andere Ergebnisse. Wenn ich jetzt zum Beispiel einen V0 von Vercel, wir hatten es vorhin schon mal von Vercel nehme, genau da ist das halt nicht der Fall.

1:18:32 Die nehmen halt genau sowas halt mit auf. Und das ist halt dann wieder, Moor's Law hatten wir auch vorhin, wir werden halt besser werden in den Systemen und genau diese Fehler werden die Systeme nicht mehr machen. Und das Hallucination ist ja auch so ein Thema, wo wir versuchen die Models halt auf ein Level zu bekommen, dass die Hallucination halt gegen Null geht.

1:18:52 Wir kommen nicht auf Null und grundsätzlich gilt es zu warnen vor dem Fall, da stimme ich total zu. Ich möchte nur sagen, das ist einfach mittlerweile besser, als es vielleicht noch vor anderthalb Jahren, zwei Jahren war. Ist halt eine Frage des Tools. Also sowas wie die Figma und Canvas, die targeten halt Designer innen.

1:19:11 Und die sagen jetzt, hier, guck mal, ich kann schnell die Website raushusten. Hier, die ist jetzt fertig. Denen ist nicht mal bewusst, dass das Ding technisch Probleme hat. Vercell ist natürlich schon noch deutlich technischer und die müssen auch davon ausgehen, ihre Zielgruppe guckt halt auf bestimmte Dinge anders, als es vielleicht Designertool. Und das spezifische Tool gibt es halt auch schon länger.

1:19:30 Die haben da mehr dran rumiteriert und ich weiß jetzt nicht, wie gut die Version 0 von VZero war. Also ich meine, das Ding ist halt eben, ist ja völlig richtig. Das kann halt passieren, dass das halt eben nicht zugänglich wird und das, wenn ich jetzt mal immer so sagen möchte, es war ja nicht alles schlecht früher, das wäre halt mit einem Facebook-Post nicht passiert, weil das halt eben auf einer Plattform läuft, die halt ein deterministisches System ist und wenn du es da reinschreibst, exkludierst du halt nur noch die, die keinen Facebook-Account haben.

1:20:00 Die sind jetzt vielleicht auch nicht unwichtig, aber der Ding ist halt eben deterministisch und das hält halt gewisse Minima auch was Accessibility angeht, halt eben einfach rein. Und Das ist halt sozusagen der Trade-off, den man da ja halt eben auch hat. Was Deterministisches zu haben, ist halt erstmal nicht schlecht.

1:20:17 Und der nicht-deterministische Ansatz muss halt signifikant viel besser sein, um halt das aufzuwiegen, was halt da sonst verloren geht. Ich glaube, es ist einfach vor allem wichtig, dass man sich über, wie man das bei allen Werkzeuger, jedes Werkzeug, was man hat, kann bestimmte Dinge gut und bestimmte Dinge schlecht.

1:20:33 Wenn ich einen Hammer habe, dann ist der, wenn ich jetzt eine Schraube irgendwo reinbringen möchte, ist der nicht so geil geeignet dafür. Das ist einfach so. Das ist nicht die Schuld des Hammers, dafür ist er nicht gebaut. Designtools sind halt häufig, sind halt eigentlich für was anderes gebaut. Und jetzt wird da so KI drauf gefropft und wird behauptet, dass man damit eben auch dieses Reden mit diesen Ingenieuren, die dann ständig Dinge wollen und sagen, ja, das geht so einfach nicht, dass man das damit ausbaut.

1:20:56 Ausklammern kann quasi. Das ist natürlich für einige Leute auch ganz attraktiv, obwohl jedem vom Fach klar sein sollte, vielleicht ist das auch gar nicht der richtige Weg. Vielleicht ist ja auch gerade diese Interdisziplinarität von DesignerInnen und Entwickler entsprechen miteinander und kommen dann zu einer wirklich guten Lösung.

1:21:10 Eigentlich ist ja das das, wo man vielleicht dann auch hin möchte. Aber es gibt da sicherlich Cases, wo man sagen kann, das hier ist so ein Fire and Forget und ich bin mir bewusst, dass das auch auf bestimmte Arten und Weise scheiße ist, aber es ist mir auch egal. Weil das ist natürlich das, worüber man, und das ist die letzte Studie, die ich heute zitiere, ich verspreche das.

1:21:30 Die Frage ist auch immer, wenn man so Dinge tut, und es ist ja dann doch verhältnismäßig schnell sichtbar, wenn ich mir Bilder generieren lasse, sieht jeder diesen generieren, wenn ich mir Texte generieren lasse, ist auch meistens verhältnismäßig schnell klar, dass das Zeug generiert ist. Was sagt das eigentlich? Was macht das eigentlich so? Natürlich kann man immer sagen, das war jetzt schnell und ich brauchte nur schnell irgendwas.

1:21:49 Es gab eine Studie in, ich meine in Hongkong, ich müsste nachgucken, und da haben sie Menschen, also Gruppen von Menschen gebaut und sie haben ihnen dasselbe Produkt gezeigt, unterschiedliche Produkte. Und den einen haben sie gesagt, das hier ist das Produkt und da ist KI drin und der anderen Gruppe haben sie gesagt, das ist das Produkt.

1:22:07 Und die Gruppe, der man gesagt hat, das ist das Produkt mit KI drin, hat das Produkt als signifikant schlechter bewertet und der Wille, es zu kaufen, war deutlich geringer. Und interessanterweise ist, je wichtiger das Produkt war für die Person, desto stärker war dieser Effekt. Das heißt, Dinge, die ihnen wichtig sind, da wollen sie dieses Zeug, wollen sie KI nicht drin haben.

1:22:25 Das heißt, es gibt da schon diesen Slop-Effekt. Also Leute assoziieren KI schon auch mit minderer Qualität. Und das ist eben auch was, was noch nirgendwo eingepreist ist. Wenn du halt, keine Ahnung, ein KI-generiertes Bild auf deiner Website so als zentrales Ding hast, dann sagt das halt auch was, was du, dann sagt das was über dich aus. Weil Leute interpretieren das als eine Aussage über dich.

1:22:48 Du sagst halt, na, ich hab halt irgendein scheiß Bild hingepackt, du wirst mir auch scheißegal. Und das ist eben auch, das ist glaube ich eben auch was, wo uns an vielen Stellen noch Daten und Erhebungen fehlen. Was macht das eigentlich in so einer Big-Picture-Geschichte? Man kann immer im Engen gucken, ja, und ich hab ganz schnell ein Bild und ich hätte sonst kein Bild hingekriegt, das ist ja doof, aber hat das vielleicht nachhaltig schädliche Wirkung auf deine Marke, auf deine Reputation.

1:23:15 Ob Leute sich bei dir bewerben wollen, vielleicht sagen Leute, ey, wenn die KI-Bilder auf das, ich will das gar nicht, ich will lernen zu arbeiten, ich hab keinen Bock mit denen zu arbeiten. Oder der Null-Effekt, was mein Ökonomen-Podcast hatte. Wir haben super Transkripte, es scheint niemandem aufgefallen zu sein.

1:23:32 Muss man halt auch feststellen. Das ist halt alles so die Sachen, die man halt nicht weiß und die halt so in dem Kontext auch von dem ganzen ökonomischen Kram, also was wird das am Ende tatsächlich gekostet haben, sowohl jetzt direkt aus uns als Nutzern von der Technologie, aus dem Portemonnaie direkt raus, als auch so Externalitäten, CO2 hast du nicht gesehen.

1:23:52 Also wie da am Ende die Gesamtabrechnung aussieht, ist halt so unklar. Und auch so dieser Slop-Faktor, den du jetzt erwähnt hast, den stelle ich bei mir halt auch fest. Aber die Frage ist, den stelle ich bei mir halt auch nur fest, wenn ich feststelle, ich sitze da jetzt vor sowas Autogeneriertem. Was ist, wenn ich das nicht feststelle, weil ich nicht aufpasse, weil es besonders gut geraten ist, weil es redigiert wurde?

1:24:10 Da habe ich den Effekt ja nicht. Also gibt es da nicht theoretisch etwas, wo so Hans sagen würde, lass mal halt noch ein paar Jahre weiterentwickeln und dann wird das ein Niveau erreicht haben, das dann zumindest so gut ist, dass wir dann von einem negativen auf einen Null-Effekt kommen und dann sieht die Gesamtabrechnung ja wieder ganz anders aus. Kann passieren. Die aktuellen Studien zeigen das nicht.

1:24:29 Also der Zugewinn an Capabilities dieser Modelle ist insbesondere im letzten Jahr extrem abgeflacht. Also auch OpenAI's neue Modelle sind halt die Zahl der Halluzinationen zum Beispiel halt wieder zugenommen. Was auch so ein Fakt ist, eigentlich war das Versprechen von Technik immer, die wird immer besser, das stimmt aber gar nicht.

1:24:47 Sondern es ist einfach nur so ein Riesen-Statistik-System und bestimmte Sachen werden besser, jetzt optimieren sie auf das nächste Problem, jetzt wird was anderes wieder schlechter, weil es eben kein deterministisches konstruiertes System ist, sondern eben ein Kompressionsverfahren, wie auch immer. Von daher, ja, es ist auf jeden Fall interessant, sich das anzugucken, ich glaube, bei diesen ganzen Bewertungen, am Anfang haben wir uns die Frage gestellt, ergibt es eigentlich Sinn, diese Dinge einzusetzen?

1:25:09 Soll man die Dinge eigentlich einsetzen? Ist das richtig? Und das ist halt eine verhältnismäßig komplexe Frage und das, was mich am meisten, also ich persönlich nutze diese Dinge nicht. Weil ich. Weil es viele Gründe dafür gibt. Und wir können nur über Urheberrecht reden und dass da irgendwelche Firmen sie mir den Scheiß geklaut haben, auch gegen die Einwilligung von Leuten, wie auch immer.

1:25:30 Aber die Bewertung, die man nach vorne nehmen muss, ist halt extrem kompliziert und man muss extrem weit gucken und extrem breit auch gucken, keine Ahnung. Was sind die nachgelagerten Effekte auf Maintenance? Wie viel weniger Skillaufbau habe ich bei meinen Leuten? Wie verändert das die Art und Weise, wie die Welt mich sieht?

1:25:47 Und auf diese Art und Weise, über die Systeme nachzudenken, ist extrem kompliziert, weil wir das bei anderen Tools meistens nicht tun müssen. Bei anderen Tools, da frage ich meinen Entwickler hier, es gibt hier dieses neue Ding in der Pipeline, ist das gut oder nicht? Und dann testet ihr das und sagt, ja, ist besser.

1:26:00 So, und das ist einfach zu bewerten und dann können die das entscheiden und dann machen die das. Ja, wir machen das jetzt, wir machen jetzt nicht mehr React, weil das nervt und wir haben jetzt das nächste, mal das Next.js oder wie auch immer und dann ist das jetzt fein. Das können die, diesen ExpertInnen und niemand interessiert das von außen.

1:26:16 Jetzt haben wir plötzlich so Dinge, die sich durch die ganze zur Organisation fressen und überall an irgendwelchen Stellen Effekte haben, die man irgendwie versuchen muss zu greifen und zu verstehen und sich gegenüber dieser Effekte auch ehrlich zu machen. Also man kann ja auch sagen so, ja, wir wissen, dass unsere Leute weniger Skillgewinn haben und wir sind fein damit.

1:26:35 Aber dann muss man das auch auf irgendeine Art und Weise dann ehrlicherweise verbalisieren. Das muss dann auch verändern, wie man eben mit Juniors spricht. Diese sehr komplexen Diskussionen sehe ich sehr wenig. Sondern ich sehe immer nur auf LinkedIn, dann schreibt jemand ich werde zu viel schneller damit oder ich bin Startup-Founder und ich habe gar keinen Technical-Partner mehr, Cursor hat den ganzen Code geschrieben und so weiter.

1:26:57 Ja, okay, viel Spaß mit deinen Security-Leaks. Also have some fun. Die Tatsache, dass wir so einen krassen Hype leben, sorgt dafür, dass es sehr schwer ist, diese Diskussion seriös zu führen. Dass es sehr schwer ist, nicht so, aber wir müssen jetzt alle, und das machen doch alle anderen. Das ist halt ja so ein bisschen wie Teenage-Sex. So alle denken, dass alle anderen irgendwie, we will, Sex haben, weil alle reden auch irgendwie darüber, dass alle irgendwie Sex miteinander haben, und am Ende sind alle nur 14 und sitzen bei sich zu Hause alleine.

1:27:27 Und ich glaube, das ist bei diesem KI-Einsatz auch so. Weil wir haben so wenig Informationen, wir haben so wenig Daten, und wir haben so wenig, sagen wir mal, wirklich Erwachsene oder sagen wir mal Ingenieursmäßige Evaluationen von dem, was macht das eigentlich mit dem Gesamtsystem Unternehmen, das irgendetwas tut oder Behörde, was auch immer, wo es eingesetzt wird.

1:27:48 Und was ich versuche immer wieder zu machen, ist zumindest mal den Leuten zu zeigen, das sind alles Bereiche, über die muss man auch mal nachdenken, weil da hat das signifikante Auswirkungen. Und habt ihr darüber nachgedacht? Wie Leute sich dann im Einzelfall entscheiden, Da kann ich wenig zu sagen. Ich bin nicht die Organisation.

1:28:04 Ich kann auch nicht die Werte dieser Organisation in Ziele übersetzen. Das ist gut, kann man ja auch für bezahlen, aber am Ende ist das, die meisten Organisationen machen das besser selber. Aber wenn wir da hinkommen würden, wirklich ernsthaft drüber nachzudenken, okay, was sind die positiver und die kann man ja auflisten, also man kann ja, diverse Dinge kann dieses Zeug und was sind die negativer und was sind Externalitäten, keine Ahnung, ihr wollt als Unternehmen nachhaltig aussehen und jetzt muss ein neues Datacenter irgendwo in die Wüste gebaut werden, passt das eigentlich zusammen?

1:28:36 Das sind halt alles Fragen, die man sich stellen muss und ich glaube, dass. Das funktioniert halt sehr schlecht in LinkedIn-Posts und das ist eigentlich das, was uns gerade so wehtut. LinkedIn ruiniert halt den mittleren Management das Gehirn. Die sind nur noch in der Lage, in diesen Posts zu denken und glauben, dass das stimmt oder dass das Sascha Lobo schreibt. dieses Trashfire, anstatt zu sagen, okay, hier haben wir ein Ding und dieses Ding hat Wirkung und das muss ich jetzt verstehen.

1:29:00 Und welche Auswirkungen hat das auf meine Institution, auf meine Leute? Ich muss mit meinen Leuten reden und muss auch eine Kultur haben, dass die mir ehrlich sagen, was das bringt. So wie GitHub. Microsoft Chef sagt, hey, GitHub, ist hier Copilot, ist das geil oder nicht? Und alle bei GitHub sagen, das ist das geilste.

1:29:16 Das ist wirklich, das ist das supergeilste. Kann ich meinen Bonus bitte dieses Jahr ein bisschen früher haben? Dann kriegst du halt keine sinnvolle Antwort. Sondern du musst wirklich in einer Situation sein, dass dein Team gesagt, das hilft uns hier da und da und wir wissen, dass es dieses Problem hat und wir haben eine Lösung, wie wir damit umgehen wollen und dann kann man ja ernsthaft drüber reden.

1:29:33 Und ich glaube, wenn wir da hinkommen, dann werden wir auch weniger, ich habe vorhin gelogen, ich habe doch noch eine Studie, dann haben wir nämlich weniger Probleme. Die RAND Corporation, nicht unbedingt bekannt für die kommunistische Weltverschwörung, gab letztes Jahr eine Studie raus zu KI-Projekten.

1:29:47 Und sie verglichen das zu normalen Softwareprojekten und fragten sich, wie häufig schlagen die eigentlich fehl? Und Fehlschlag bedeutet entweder, dass was rauskommt, funktioniert einfach nicht oder dass was rauskommt, ist prohibiglich teuer. Also es war wirtschaftlich, ergibt keinen Sinn. Wie viele IT-Projekte schlagen fehl? Wir haben eine kleine Schätzung.

1:30:03 Wie viel Prozent in Unternehmen? 20. Peter? Oh Gott, da bin ich jetzt wirklich der am schlechtesten geeignete für, weil ich am wenigsten in nicht so SWOT-einsetzenden Unternehmen war, aber ich würde tippen, mehr als 20. Peter hat gewonnen, das sind 40% in der Studierend Corporation. Wie viele Prozent von KI-Projekten schlagen eigentlich vier? Ach, schwierig.

1:30:31 Es ist ein Ganzzahlfaktor, den man darauf anwenden kann. Es sind 80 Prozent. Das heißt also, wir sind da eben auch in so einem Fall, weil so viel Hoffnung da drauf geworfen werden und alle wollen, dass sie jetzt haben das Gefühl, sie müssen. Dass die einfach in so viele Projekte laufen, die wahnsinnige Kohle verbrennen und auch wahnsinnig in Unternehmen Dinge kaputt machen, die man dann später wieder aufräumen muss.

1:30:52 Und ich glaube, das ist einfach das, weil halt so unüberlegte Dinge da, wir setzen jetzt ChatGPT überall ein und dann passiert da halt irgendwelcher Scheiß, hat ein Schweine Geld gekostet, alles ist kaputt. Anstatt zu sagen, okay, wir wollen das und warum wollen wir das und wie wollen wir das und was sind die Konsequenzen und dann kleinere, gezieltere Prototypen zu bauen.

1:31:13 Und da muss man dann, wenn man das überhaupt haben möchte, hin. Ist schwierig, das jetzt nochmal aufzumachen. In Anbetracht der Zeit, Peter hat aber vorhin mal den Topic Investitionen ins Spiel gebracht und, ich glaube, man muss halt auch sagen, wir sind halt gerade Und da haben wir uns jetzt sehr lange drüber unterhalten, auch in der Gegenwart, noch in dieser Honeymoon-Phase.

1:31:35 Wir haben vorhin dieses Beispiel der Jugendlichen, die über Sex reden, irgendwie bemüht. Jetzt frage ich mich aber, jetzt werden die Leute ja auch erwachsener, irgendwann lernen sie mit Geld umzugehen sozusagen, geben nicht mehr 80 Prozent für irgendwelche Kaugummi oder, weiß ich nicht, Cola-Bier aus, sondern irgendwann merken sie... Wie, das tut man nicht? Shit!

1:31:56 Das müsste man ja mit 20 oder so dann doch nochmal irgendwie anders machen, den Geldbeutel pflegen. Vielleicht ist dann auch das Thema, wie man über Sex redet, nochmal eine Veränderung. Ich frage mich, wie siehst du das, wie wir in fünf Jahren im Engineering über KI reden werden? Was werden wir denn da haben? Das vielleicht zum Abschluss.

1:32:17 Ich glaube, dass wir diese, dass wir es jetzt so Code-AssistentInnen, ich glaube nicht, dass das KI-Deal da noch dran klebt. Weil es ja auch so große Verschwächungen macht und Intelligenz behauptet ja immer, dass das so eine Form von Kognition vielleicht ist und bla bla bla. Die Dinger werden halt so sein wie halt Code-Completion und Refactoring-Unterstützung in irgendwelchen IDEs, das haben wir auch schon länger.

1:32:41 Es ist halt spicy autocomplete, okay, das wird da drin sein. Man wird nicht mehr groß drüber reden wahrscheinlich. Ich glaube nicht, dass sich die Effizienzversprechen so besonders stark eingelöst haben werden, und ziert. Und von daher wird es einfach sehr viel runtergekochter sein. Und ich glaube, dass dieses, du gibst einfach nur ein bisschen Text rein und da fällt eine App raus, das wird sich einfach komplett erledigt haben.

1:33:02 Es wird wirklich eher ein, kannst du mit Testfälle für diese Klasse generieren. Es ist ein bisschen besser darin und schreibt vielleicht auch bessere Kommentare schon in den generierten Code. Also ich glaube, es wird einfach auf eine viel kleinere Ebene runtergehen. Und man wird aber nicht mehr drüber reden an der Stelle. Es wird aber eben auch gar nicht mehr mit diesen großen Versprechungen von KI und allem großen Kram verbunden sein, sondern wir werden halt dann ja im nächsten Hype leben.

1:33:28 Quantum irgendwas, keine Ahnung. Ich glaube, da wird, wie bei jedem Hype, es bleibt so ein bisschen was über, mal mehr, mal weniger. Und ich glaube, hier, da wird ein bisschen was an Zeug überbleiben, aber das wird am Ende alles sehr boring sein. Und manchmal ist es bei Technik ja auch ganz gut, wenn sie boring ist.

1:33:47 Und auf einer technischen Ebene würdest du dann auch sagen, so die eierlegenden Wollmilchsäue, die Chachipitees, die multimodalen, Sind dann nicht so das Ding der Zukunft, sondern du hattest das ja vorhin schon mal so angedeutet, dass da vielleicht eher spezialisierte Sachen rausfallen, die dann jetzt so spezifisch Code-Complete machen, sowas. Genau, ich glaube, das hat mehrere Gründe.

1:34:07 Das eine ist, dass diese riesigen multimodalen Modelle, die alles so ein bisschen können, weil die kein Werkzeug sind, sondern die sagen, sie können alles, aber eigentlich können sie ja nichts. Sie geben dir auch keine Garantien. Das willst du eigentlich als Unternehmen nicht haben, sondern du willst eigentlich ein spezialisiertes Werkzeug, was dir auch gewisse Garantien gibt.

1:34:23 Was dir eben sagt, okay, die Fehlerrate ist in diesem Bereich oder die Qualitätskriterien, die das Ding dir garantiert sind in einem bestimmten Bereich, damit du eine sinnvolle Entscheidung treffen kannst, ob das Sinn ergibt oder nicht. Ich glaube, wir werden deshalb sehr viel spezialisiert. Ich kann mir sogar vorstellen, dass die Leute anfangen werden, gar nicht mehr Code-Assistance-Modelle zu bauen, sondern die vielleicht sogar auf bestimmte Sprachen und Frameworks zu optimieren.

1:34:43 Das ist halt wirklich das Ding hier, kann dir nur Code-Completions für React in diesen Versionen geben, nach genau diesem Standard und bringt quasi sogar eine Pipeline und sagt, du musst Software so entwickeln mit diesen Tools und dann haben wir hier was und wir garantieren dir dann, dass es einen bestimmten Qualitätsstandard hält oder eine bestimmte Qualität erhält. reicht.

1:35:03 Und ich glaube, dass es diese... Und dann holt es auch nicht mehr irgendwie die Patterns von vor zehn Jahren aus Stack Overflow raus, sondern wirklich nur das, was so offiziell bei React dann mitgeliefert, tatsächlich so sollte man das machen. Und das könnte ich mir vorstellen, da müssen diese Modelle nicht so riesig sein.

1:35:17 Die Testdaten oder die Trainingsdaten kann man dann auch verhältnismäßig klar abgrenzen und sagen, das ist da reingeflossen. Die kann man vielleicht sogar lizenzieren, aber vielleicht ist Urheberrechtsproblem auch nicht mehr in der Backe und keiner weiß ja jetzt, wenn das Ding an GPL-Code trainiert wurde und es macht dir Vorschläge, ist dein Code jetzt eigentlich GPL oder nicht.

1:35:33 Who knows? Das Problem dürfte dann weg sein. Und generell werden wir in fünf Jahren, wenn dieser KI-Hype dann noch lebt, eher über hybride Systeme sprechen. Also das heißt, ich glaube, diese LLM und Pattern-Menschen-Systeme, die wir haben, die werden so auf der unteren Ebene sein. Die machen sowas wie wie würde es im Verhältnis nicht viel solche Gestenerkennung im Video.

1:35:58 Das machst du mit einem neuronalen Netzwerk, weil alles anderes wir haben ist schlechter als das. Das funktioniert einfach verhältnismäßig gut dafür. Aber dann, was in die Geste erkannt wurde, passiert, ist dann einfach traditioneller Code. Und ich glaube, dass wir auf der Ebene viel mehr sehen. Diese LLMs wandern so auf die untere Ebene und machen so ein Interfacing von so messy Sprache und Welt in eine definiertere Konzeptwelt, die man dann im digitalen System sinnvoll weiterverarbeiten kann.

1:36:24 Und darauf werden dann irgendwelche, wird ganz klassischer Code draufgelegt, der dann irgendwelche Dinge tut. Also das ist, wo ich das eher sehe. Und da werden dann, glaube ich, auch sich Anbieter rauskristallisieren, die dann wahrscheinlich nicht Microsoft sind, weil Microsoft versucht, alles zu lösen. Das ergibt, glaube ich, keinen Sinn.

1:36:43 Aber vielleicht ist dann, keine Ahnung, Versal liefert halt den Code Assistant für Versals Plattform mit. Und das ist genau das. Und die Leute, die sich auf diese Plattform committen wollen, kriegen damit. State-of-the-Art-Empfehlungen, wie es sein soll. Und das kann vielleicht einen Mehrwert geben, müsste man sich da mal angucken.

1:37:02 Aber ich sehe es eher in diese Richtung. Weil es einfach brechenbarer ist und irgendwie ein bisschen deterministischer ist in dem, was es mir geben kann. Ja, das ist auf jeden Fall genau der richtige Ansatzpunkt, um zu sagen, in spätestens fünf Jahren hören wir uns wieder, um das zu validieren. Damit würde ich nämlich gerne den Deckel hier drauf machen. Ja, Entschuldigung, es war ein bisschen lang, es tut mir leid.

1:37:26 Nee, es war super. Alles super. Es waren mega coole Insights und ich glaube, es ist super wichtig, sich neben all den positiven Punkten, die wir heute auch versucht haben anzusprechen, auch die Punkte anzugucken, die problematisch sind. Und genau gerade, wenn man im Hype ist, neigt man ja dazu, gerade nur das Positive zu sehen.

1:37:45 Aber es ist wichtig, dass man beide Seiten sieht. und ich glaube, du hast hier oder ich finde, dass du heute hier sehr viele gute Punkte mitgebracht hast, weshalb wir uns genau überlegen sollten, wo setzen wir eigentlich die KI ein und wie. Und das hoffe ich, dass das bei den Hörerinnen und Hörern genauso ankommt.

1:38:04 Wir würden uns natürlich freuen, wenn ihr uns einen Kommentar hier hinterlasst bei uns irgendwie. Ihr wisst ja, comments at workingdraft.de oder Spotify-Kommentare. Ihr könnt uns gerne auf den üblichen sozialen Netzwerken finden. Und da findet man dich ja auch. Und wer da weiter diskutieren möchte, der kann das natürlich auch gerne tun.

1:38:24 Wir verlinken da mal deine Profile entsprechend auf der Website in den Shownotes. Aber Stand jetzt sagen wir erstmal vielen Dank, dass du da warst. Danke für deine Zeit. Cool, dass du hier so viel Meinung mit reingebracht hast. Das war sehr, sehr wertvoll. Und ja, spätestens in fünf Jahren. Vielen Dank für die Einladung. Hat Spaß gemacht. Danke dir. Super. Dankeschön.

1:38:44 Dann sagen wir Tschüss und bis nächste Woche, da geht es auch wieder weiter mit einem KI-Thema. Peter, hast du es schon präsent? Ich noch nicht. Ich habe doch eigentlich ihn hier als den krönenden Abschluss für diese Serie eingeladen, aber dann ist wieder unsere klassische Planung hat wieder zugeschlagen.

1:39:04 Stimmt das denn? Nee, Chat-Applikationen mit gängigen LLM-APIs, also es geht noch ein bisschen weiter, es findet kein Ende. Aber genau, wie du schon sagst, es dreht sich alles um die KI. So, machen wir weiter. Danach kommt Neuerungen in WebKit und der Signal Store in Angular. Das hat damit, glaube ich, nichts zu tun. Dann sind wir wieder raus.

1:39:26 Also, es ist ein kurzer Bescheid, wenn man wieder einschalten könnte. Alright. Danke fürs Zuhören. Danke, Tante, dass du da warst. Einen wunderschönen Tag allen und bis zum nächsten Mal. Macht's gut. Ciao. Tschüssi. Music.