KI-Agenten richtig einsetzen mit Felix Schlenther von AI FIRST

00:00:04: Es ist mal wieder Montag, Zeit für eine neue Folge OEM Education.

00:00:12: Mein Name ist Rolf Herrmann und ich bin der Chefprodukteur der OEM Air Reports.

00:00:16: James Bonsim in deinem Kopf bitte hochladen denn heute geht es um KI-Agenden und die Experte mit der Doppel-Null-Dizenz beim Thema KI-Agenten ist heute bei uns hier zu Gast Felix Schlänter von AI First.

00:00:26: Ich bin richtig froh dass Felix heute hier ist.

00:00:28: Der kann das richtig gut erklären.

00:00:31: Er hat sich einen Agenten gebaut, der eine Sache macht.

00:00:33: Dann hat er in seiner Kampagne überlegt wie man dieses System erweitern kann und hat dann Jobprofile einzelnen Agenten zugewiesen die dann eine Aufgabe getrennt voneinander souverän erledigt haben.

00:00:42: Das war Felix aber zu langweilig und er hat sich überlegt Wie kann ich denn ein System bauen was aus diesen Rollen Profilen ausbricht und dann effektiv arbeiten kann?

00:00:50: Und dass ist richtig spannend und hat mich persönlich auch zum umdenken gebracht wie ich KI nutze.

00:00:54: also definitiv Hashtag Hörempfehlung Heute für diese Episode, Felix bringt da richtig spannendes Praxiswissen mit.

00:01:00: Und in den Shownotes findet ihr heute auch wieder richtig wertvolles Material zum Downloaden zu dieser Episode.

00:01:04: also könnt das was ihr heute hier hört direkt in der Praxis ausprobieren und wenn du das cool findest und auf dem Weg zum Download bist kommst du am Abo-Button vorbei.

00:01:12: deshalb abonnier kurz unseren Kanal dann wir so teil der OEM Education Podcast Community und verpasst keine der nächsten Episoden.

00:01:18: und jetzt lind ich zurück rück deine Airpods zurecht und an.

00:01:20: viel Spaß mit KI Agenden im System mit Felix Schlenter!

00:01:23: Wir gehen rein.

00:01:24: Moin Felix, schön dass du da bist.

00:01:25: Hi Rolf, schön das ich hier sein darf!

00:01:27: In guter Alter OM Education Traditionen.

00:01:29: wer bist Du?

00:01:29: Was machst Du da und warum ist eine saugute Idee mit über das Thema Agenten und das Thema agentische Systeme zu sprechen?

00:01:35: Ja ich bin Felix, lebe ich in Hamburg.

00:01:37: Ich habe meine aktuelle Firma AI First vor ungefähr drei Jahren gegründet Sonst ein Kind aus der Berliner Software-Startup Welt wo ich mein Handwerk gelernt habe und wo KI dann auch immer relevanter wurde.

00:01:49: heute Arbeiten wir mit ganz vielen größeren mittelständischen Unternehmen zusammen und helfen insbesondere den Teams dabei, KI zu verstehen.

00:01:58: Und in ihrer Arbeitsweisen und Prozesse zu integrieren und AI-first zu denken und zu arbeiten was bei uns nicht bedeutet alles mit KI zu machen.

00:02:06: aber das was wir heute tun aus KI Perspektive zu hinterfragen und dass KI heute schon besser kann und uns unterstützen kann auch das auch konsequent zu nutzen haben Podcast gestartet, weil ich glaube wir lernen das alle irgendwie gerade wie man mit dieser Technologie arbeitet und was sich dadurch verändert.

00:02:25: Und ich habe selbst viele offene Fragen.

00:02:26: die stelle ich in meinem AI First-Podcast und hab noch eine Community gegründet des AI Collective wo wir ja mit ganz vielen KI verantwortlichen uns regelmäßig austauschen zu unseren Erfahrungen und Herausforderungen.

00:02:39: Aber heute bist du ja da, um die Antworten zu geben und nicht um die Fragen zu stellen.

00:02:42: Also mal ein kleiner Perspektivwechsel.

00:02:43: Das ist mal ganz grundlegend reinstarten.

00:02:45: Wollen wir das Thema Agenten oder Agenten-Systeme so ein bisschen entzaubern?

00:02:48: Wo ist denn der Unterschied zwischen so einem, ja, Null Acht Fünfzehn Prompt den ich irgendwo reinhecke oder einem Agenten, den ich mir baue?

00:02:53: Ja also es gar nicht mehr so einfach und trivial weil wenn Du heute einen Prompt in Chatchy BT reingibst dann ist mittlerweile Chatchi BT selbst schon ein Agent.

00:03:08: Also oft verzweiern auf jeden Fall nicht so, da war das eher ein Chatbot der einen Text zurückgeneriert hat basierend auf deiner Eingabe.

00:03:16: Und es hat sich jetzt auch verändert und mittlerweile steckt hinter chatgbt eben auch schon ein Agent, der verschiedene Tools nutzen kann und einen LLM Large Language Model nutzt um dann etwas für dich zu erledigen basierenden auf einem Ziel oder eine Eingabete die du vorgibst.

00:03:33: Und davon gibt's ja jetzt auch unterschiedliche Ausprägungen.

00:03:35: also du hast nicht nur Und dann gibt es noch mal mehr Fähigkeiten haben, zum Teil auch deinen Computer benutzen können und damit immer nützlicher für dich werden.

00:03:52: Ja, also so Hände bekommen haben eigentlich mit denen sie immer mehr für dich tun können.

00:03:56: Also grundlegend ist es nicht so.

00:03:57: ich schmeiß da den Frageraden kriege eine Antwort.

00:03:59: also nicht nur Informationen sondern eine Aufgabe wird erledigt von diesem System mit dem ich dann arbeite.

00:04:03: Genau und was sind KI-Agent?

00:04:05: Eigentlich ist das ja ein Stück Software Was einen KI Modell nutzt Ein large Language Model nutzt was Zugriff auf Tools hat.

00:04:13: Was ist ein Tool?

00:04:13: ganz einfaches Beispiel zum Beispiel Internet Suche Kann das Internet nach Information durchsuchen das zurücknehmen und in die Antwort Generierung mit einbeziehen.

00:04:24: Oder hat Zugriff zu Salesforce, um dort irgendwelche Aktionen auszuführen oder kann aus einem SharePoint Daten rausziehen?

00:04:32: Das könnten alles Tools sein Arbeit auf ein Ziel hin.

00:04:35: Also macht nicht nur die eine Aufgabe, sondern guckt was willst du eigentlich als Nutzer erreichen?

00:04:40: und kann dann auch mehrere Schleifen drehen bis dieses Ziel erreicht wurde.

00:04:44: also hört nicht nach dem ersten Schritt auf sondern kann halt weiter iterieren mit der Entwicklung von den KI-Modellen.

00:04:51: was diese Reasoning Fähigkeit angeht also einen Nachdenkprozess zu simulieren können sie halt mittlerweile Stunden am Stück teilweise arbeiten.

00:05:01: Ob da immer das sinnvollste bei rauskommt, der ist auf eine andere Frage.

00:05:04: Aber der Autonomie-Grad nimmt sehr stark zu.

00:05:08: Ich versuch das noch mal in ein Bild zu packen und sagen mal ob ich da auch dem richtigen Weg bin.

00:05:11: Also irgendwie diese Promt-Sache ist mehr oder weniger... Ich würde in eine Firma gehen, würde da ins Archiv laufen und würde dann da die Mitarbeiterinnen, die vorne an den Archivklappen sitzt, sagen Hätte diese Frage kannst du mir die passenden Informationen daraus suchen.

00:05:27: Und wenn ich mir einen Agenten baue, stehen wir mehr oder weniger vor der Unternehmens-Tür mit einem motivierten Mitarbeiter oder einer motivierten Mitarbeiterin und sagen das ist die Aufgabe.

00:05:36: Viel Spaß dabei!

00:05:36: Wir treffen uns hier in zwei Stunden wieder.

00:05:38: Genau oder?

00:05:39: Ich nehme gerne auch das Bild von der Küche.

00:05:42: also ein Prompt wäre Koch mir mal ein schönes Risotto rufst du so in die Küche rein und der Agent ist dann der Koch.

00:05:51: Und der hat einen Gehirn, das ist das Large-Leg-Mitch-Model.

00:05:55: Der hat verschiedene Küchenutensilien, ein Mixer und ein Herd

00:05:59: usw.,

00:05:59: Das sind die Tools, die er nutzen kann.

00:06:01: Der Zutaten, das sind die Daten mit denen er arbeitet.

00:06:06: Dann gibt's jetzt auch das Konzept der Skills also ein Skills wie ein Rezept dann worauf geschrieben wird wo einmal runtergeschrieben ist Wie koche ich denn eigentlich ein richtig leckeres Risotto?

00:06:15: Ja!

00:06:15: Und dass kann der miteinander kombinieren um was du in eine Küche reingerufen hast.

00:06:19: dann auch für dich.

00:06:21: Und jetzt wollen wir das Ganze in ein System reinbringen, also wie arbeiten Agenten im System zusammen?

00:06:27: Also mittlerweile sind die meisten Agenten, die man sich auch in verschiedenen Tools aufsetzen kann.

00:06:33: Zum Beispiel in einem N-Achden oder Langdorck oder auch in einem Cloud.

00:06:38: da hängt schon ganz viel System dahinter was man aber gar nicht so mitbekommt weil es wird von den Tool selbst gebaut und das steuert ganz stark das Verhalten schon des Agenten zum Beispiel diese ganzen Prüfschritte, die Agenten machen.

00:06:51: Wenn ihr euch so ein Agent dort aufsetzt und ihm eine Aufgabe gebt, dann kann man oft auch einen Toggle aufmachen wo man sieht was der eigentlich alles macht und wo er überall mal abbiegt und wo der rein guckt und welche Tools der aufruft und bis der am Ende das Ergebnis zurückgibt.

00:07:08: Das müssen wir gar nicht einstellen.

00:07:10: also gibt natürlich Entwickler, die bauen das selbst und können das stärker konfigurieren aber das wird als Logik von den Tools schon mitgegeben.

00:07:17: Also, da hängt ganz viel mehr System schon dahinter.

00:07:21: Was ist so auch von einem Jahr oder so war das alles noch viel rudimentärer?

00:07:26: Und dann gibt's uns was zwei und deswegen glaube ich jeder Agent ist mittlerweile schon ein System.

00:07:31: Da hast du verschiedene Schnittstellen angeschlossen der kann auf Daten zugreifen.

00:07:35: Es gibt das Konzept der Evaluationen können wir vielleicht auch gleich nochmal drüber sprechen.

00:07:39: Das ist sehr wichtig also dass der Agent nicht einfach irgendwas macht basierend auf dem Prompt den man ihm gibt sondern Ergebnis Paare hat im Hintergrund und der spielt das, was er produziert hat gegen die Ergebnispare.

00:07:54: Und guckt wie hoch, wie nah treffe ich das denn schon?

00:07:58: Also sagen wir mal ein einfaches Beispiel wäre, Der Agent soll eine Postleitzahl aus Deutschland generieren.

00:08:05: Man könnte eine Evaluation sein dass sie immer fünf Stellen haben muss.

00:08:09: Wenn der Agent ne vierstellige Zahl generiert hat dann hat er diese Evaluation nicht getroffen und würde einen retry würde also noch mal die Aufgabe ausführen mit der Erkenntnis, ich muss ja fünf Stellen treffen und das nochmal machen.

00:08:23: Und wenn er fünf Stellen hat ist es sehr wahrscheinlich dass die Postleitzahl inhaltlich schonmal so korrekt ist und dann wird das Ergebnis weitergegeben werden.

00:08:31: So jetzt ein sehr sehr simples Beispiel.

00:08:33: was lässt sich auch auf andere Cases anwenden?

00:08:37: So, das ist also schon.

00:08:38: deswegen glaube ich jeder Agent es mittlerweile eigentlich so ein kleines agentisches System was dann natürlich ausgewaltet werden kann.

00:08:45: Die Ausbaustufe ist dann, wirst du diesen Agenten in so einem Workflow?

00:08:49: Reinsetzt?

00:08:51: also es gibt einen auslöser zum beispiel jeden morgen um acht Uhr oder immer wenn eine email mit dem betreff x y z reinkommt.

00:08:58: Dann wird der agent ausgelöst er macht dann irgendwas und dann geht das noch mal durch diese prüfschritte durch oder, Es kommen andere agenten die dann sich anschauen was hat der erste gemacht und das ergebnis weiterverarbeiten.

00:09:11: Werden die durch irgendwas getriggert, mal was der erste auslöst oder kommen die automatisch vorher?

00:09:16: Genau!

00:09:17: Die werden dann ausgelöst wenn der erste fertig ist und arbeiten in einer Kette wie so ein Prozess weil wir heute kennen.

00:09:23: So, dann gibt's noch was.

00:09:24: Das heißt ein Multiagentsystem und das ist jetzt wahrscheinlich so dieser Team-Ansatz nämlich.

00:09:28: ich habe einen Teamlied oben draufsetzen.

00:09:31: den nennt man dann Orchestrator der orchestriert und koordiniert die Arbeit.

00:09:34: da kriegt irgendwie eine Auftrag Und der hat dann verschiedene KI-Agenten.

00:09:39: darunter subagenten nennt Man die dann die verschiedene Teilaufgaben übernehmen.

00:09:45: Jetzt könnte man im Marketing sagen wir haben so'n Content-Team Und da gibt's dann den Team-Lied oben drauf.

00:09:53: Und dann gibt es zum Beispiel einen, der ... also weiß ich nicht, hast du sogar ein Beispiel für irgendeine Content-Kampagne?

00:10:00: Wir haben gerade einen neuen KI-Intensivkurs gebaut und dafür bräuchten wir Contentherben.

00:10:05: Okay genau!

00:10:06: So, KI Intensive Kurs.

00:10:08: Ich brauche Content für einen KI Intensiv Kurs, gehe dann in den Orchestrator.

00:10:12: Der hat dann verschiedene Subagenten und kann dann den Prozess bis KI-Intensivkurs erledigt ist, sehr orchestriert der dann.

00:10:22: Zwischen mit seinen ganzen Kollegen.

00:10:24: Der erste wäre

00:10:25: z.B.,

00:10:26: der führt eine Recherche aus und hat dahinterlegt wie führt der zu Themenrecherchen durch?

00:10:33: Und wie muss das Ergebnis zurückspielen?

00:10:36: Das macht der Erste.

00:10:37: Dann kommt der zweite oder das Recherchergebnis wird an den Orchestrator gegeben.

00:10:43: Da guckt sich das an, gibt es zum Beispiel einen zweiten, der kuratiert das dann.

00:10:47: Also er guckt von allem, was da gefunden wurde.

00:10:49: Was ist denn jetzt hier eigentlich relevant und was schmeißen wir raus?

00:10:52: Und so vielleicht basierend auch auf dem, was ihr schon früher mal in Content gemacht habt.

00:10:56: So ein paar Qualitätskriterien die eingehalten werden müssen.

00:11:00: Dann ist es sehr fertig.

00:11:01: wenn der Kurator sagt ich habe hier gar nichts gefunden das war alles Blützinn.

00:11:06: dann geht das nochmal zurück.

00:11:07: Da muss der Orchestrator noch einmal zu den Research Agent gehen und sagen hier musst du nochmal loslaufen.

00:11:12: Da war nichts dabei.

00:11:14: Und so geht das dann hin und her.

00:11:16: Der Nächste schreibt vielleicht schon die ersten Drafts, dann gibt's einen der Devisions dazu erstellt... ...und so hast du verschiedene Disziplinen in diesem Gesamtkontext.

00:11:26: Ich brauche die Inhalte und die werden orchestriert bis am Ende du den Output bekommst, der vorgegeben ist.

00:11:32: Wo ist der Vorteil?

00:11:32: Das auch verschiedener Agenten aufzuteilen, das einmachen zu lassen?

00:11:35: Ja genau!

00:11:38: Da ist jetzt so bisschen... Also was ist es...?

00:11:42: eine große Herausforderung von Agenten.

00:11:44: Das hört sich ja alles immer, jetzt gibt's so diesen Happy Path wo du sagst, das ist ja mega, kannst du mir so ein Ding hier hinstellen?

00:11:51: und dann arbeiten wir damit?

00:11:54: Aber was Agenten an sich haben?

00:11:57: die Arbeiten alle mit der Language Models.

00:11:59: Wir wissen mittlerweile dass sie auf Wahrscheinlichkeiten die Ergebnisse berechnen Und eine Wahrscheinlichkeit ist nicht hundert Prozent.

00:12:10: So heißt ich hab Zum Beispiel ein klein Fehler beim ersten und der wird dann im Quadrat multipliziert mit jeder Weitergabe zwischen diesen Agenten.

00:12:21: Und da kommen jetzt wieder diese Prüfschritte zwischen, da kommt die Evaluation dazwischen weil damit kann ich dann auch anfangen natürlich die Qualität hochzuhalten und sicherzustellen dass nicht irgendein Blödsinn weitergegeben wird.

00:12:34: aber da wird das schon wieder komplexer.

00:12:38: Was sich jetzt immer mehr durchsetzt, was wir auch stark gemacht haben ist das Konzept der Skills.

00:12:45: Anstatt fünf unterschiedliche Agenten zu haben diese Teilaufgaben zu erledigen habe ich einen Agenten und der hat die Skills, die Rezepte und weiß was es mein Recherche-Rezept ist.

00:12:58: einfach eine Prozessbeschreibung?

00:13:01: Was ist mein?

00:13:02: wie kuratier' ich das?

00:13:03: Wie schreibe ich ein Content Draft und so und schnappt sich dann immer die Skills, die er braucht um dann die nächsten Schritte zu machen.

00:13:11: Und kann auch einen längeren Prozess darüber selbstständig steuern und ausführen.

00:13:19: Der Vorteil ist dann dass das Ergebnis komplett ausgeführt ist und einmal diese Prüfschritte in unterwegs entfallen?

00:13:28: Ja also der Vorteil is insbesondere dass ich weniger Agenten habe die ich verwalten und überwachen muss.

00:13:40: Weil ein Agent, das ist nicht so dass ich den einmal aufsetze und dann läuft der für alle Ewigkeit und macht ganz toll was er tun soll sondern die Modelle verändern sich.

00:13:50: mancher verändert sich ein Modell was heute so arbeitet in einem Jahr oft anders ohne dass man das aktiv kommuniziert wird von OpenAI Äh, dann ändern sich die Prozesse und man muss immer wieder den gesamten Agenten sich anschauen.

00:14:08: Und überarbeiten wie so einen Mitarbeiter der dann wo sich der Job ein bisschen verändert, dem muss man auch wieder neu einarbeiten.

00:14:16: Was ist aber ja in einem Unternehmen ähm das eigentlich die Basis von einem Unternehmen?

00:14:21: Das sind vor allem auch Prozisse Wie Arbeit organisiert wird und Daten und Systeme mit denen man so arbeitet.

00:14:30: Und für mich ist ein Agent heute eigentlich nur noch eine Ausführungseinheit.

00:14:35: Die haben bei uns keinen Namen mehr und kein Gesicht mehr, und keine ... Kein Charakter mehr oder so?

00:14:42: Sondern die haben nur noch die Aufgabe.

00:14:44: du kriegst ne Aufgabe von mir zum Beispiel ich brauch hier diese Kampagne oder die Content Assets und dann such dir die Skills raus also die Prozesse wo beschrieben es wie das gemacht wird Und in dem Prozess ist auch beschrieben, wann müssen welche Daten genutzt werden.

00:15:01: Zum Beispiel irgendwelche Templates oder der Brand Guide und welche Systeme müssen wann genutzen werden?

00:15:10: Also beispielsweise steht dann am Ende du musst jetzt in unseren Contentplaner muss das als Draft hinterlegen.

00:15:20: Der Agent sucht sich dann halt die Skills zusammen, die er braucht.

00:15:25: Das macht voll Sinn, so wie du das aushörst.

00:15:29: Weil diese Limitierung, die du angesprochen hast wird ja eh mal so aufgehoben und vor allem ist es glaube ich auch für Unternehmen viel einfacher aufzusetzen weil Prozesse sind ja im Idealfall gut beschrieben.

00:15:38: Genau!

00:15:38: Und ihr bei OMR habt das jetzt auch gemacht.

00:15:41: Da habe ich von eurem Kollegen gestern oder vorgestern einen Legdepost gelesen dass ihr euch auch euer KI-Betriebssystem aufgebaut habt.

00:15:49: Genau in dieser Logik.

00:15:50: also du kannst von einem Claude Chat GPT usw.

00:15:52: darauf zugreifen schreibst da deine Anfrage rein.

00:15:56: Und das ist dann aber verbunden mit sämtlichen Tools und Systemen, die ihr nutzt.

00:16:02: Mit eurer Wissensbasis, mit verschiedenen Skills, die sich die Teams anlegen können für verschiedene Wiederkehren und Aufgaben und Prozesse.

00:16:10: Und dass wird von dem Agent der LGBT oder Claude ist, wird das dann entsprechend orchestriert bis die Aufgabe ausgeführt ist.

00:16:18: Das macht voll Sinn, das immer so zu betrachten und ich habe auch verstanden wie dieses System jetzt arbeiten.

00:16:24: Dass uns das Barbara mal in die Praxis überführen ist klingt jetzt im ersten Schritt sehr kompliziert.

00:16:29: Ist es aber wahrscheinlich gar nicht übertragbar?

00:16:32: Du bist ja ein großer Freund des Mittelstandes auf dem Mittelstandsbeispiel.

00:16:36: Wir arbeiten hier zum Beispiel in Hamburg mit einem Retailer mit dem größeren retailer zusammen und sind da vor allem gerade in Marketing und Sales Bereich sehr viel unterwegs.

00:16:46: Und schauen uns eigentlich an wie arbeitet dieser ganze Marketing und salesbereich?

00:16:50: Wie kriegen wir den AI first umgestellt, In dem Sinne dass wir alles was getan wird aus KI Perspektive hinterfragen und immer schauen wo es KI eigentlich heute schon besser und schneller und kann die Teams nach vorne bringen.

00:17:01: Was müssen wir dafür umstellen damit KI möglichst gut in diesem Team auch Arbeit erledigen kann?

00:17:07: Und da haben wir zum Beispiel am Anfang angefangen, um jetzt auch mal so ein bisschen die Progression zeigen zu können in dem CRM und Newsletter Team einen Agenten aufzusetzen.

00:17:19: Es wurden dann mehrere aber mit einem Agenten angefangen der für ein bestimmtes Newsletter Format bei der Erstellung dieses Formats unterstützt.

00:17:30: Der hat einen Briefing bekommen von einem Nutzer und hatte Zugriff auf eine Internetsuche, um noch Recherche durchzuführen zu diesem Thema.

00:17:42: Und musste sich verschiedene Produktdaten ziehen, die im Newsletter verarbeitet werden mussten.

00:17:47: Und hat dann die Drafts erstellt von den Texten und die noch lokalisiert auf verschiedene Regionen.

00:17:56: Das hat der gemacht für einen newslettertypen.

00:18:01: Dann haben wir ihn weiterentwickelt.

00:18:04: Die nächste Ausbaustufe und das wurde immer dann möglich, wenn die Modelle besser geworden sind.

00:18:10: Also die kreimodelle mit denen wir heute arbeiten können ist ein ganz anderes Tierchen als was wir vor einem Jahr hatten.

00:18:16: Und die Tools sind immer besser geworden.

00:18:19: also einen Clodge LGBT Wir haben das zum Beispiel in Langdok gemacht hat viel mehr Integration vielmehr Systemische Komponenten die unter die Haube eingebaut wurden damit dass Robuster gearbeitet hat.

00:18:31: Dann haben wir im nächsten Schritt haben wir das noch mit mehr Schnittstellen verbunden.

00:18:37: Also, wir haben gesagt zieh dir automat also du kriegst einen Auslöser automatisch wann diese Kampagne erstellt werden muss.

00:18:44: da muss nicht ein Mensch was eintippern sondern es kommt automatischen Trigger.

00:18:48: jetzt geht's los siehst ihr automatisch das Briefing was wo anders abgelegt ist in einem Drive Ordner und... Was hatte ich noch gesagt?

00:18:58: die Zielgruppendaten müssen noch gezogen werden.

00:19:03: Dann wird der Prozess ausgeführt und was wir dann noch reingebaut haben ist, dass das dann sauber abgelegt wird in dem Newsletter-Tool.

00:19:13: also wird da direkt hinterlegt.

00:19:14: Also es auch wieder eine weitere Aktion, die ausgeführt wird Und dann wird es von den Menschen nochmal kontrolliert und freigegeben.

00:19:21: Die nächste Aufbaustufe von diesem Agenten war dann, dass er guckt Bevor er den nächsten schreibt.

00:19:30: was wie hat denn dieser newsletter performt?

00:19:33: also was waren die Kampagnen KPI rausgekommen sind und was können wir daraus lernen, um jeden weitere newsletter wieder besser zu machen.

00:19:44: Also ich nenne das immer Lernschleife gucken, dass sich das System oder der Agent selbst verbessert.

00:19:51: In dem er schaut was ich gemacht habe.

00:19:52: wie hat das funktioniert?

00:19:53: Was kann ich daraus lernen?

00:19:54: macht dann einen Vorschlag Das und das könnten wir in den nächsten Newslettern anders machen weil das besonders gut funktioniert hat.

00:20:01: Das muss wieder ein Mensch freigeben Und das läuft dann aber wieder in die Anweisung von dem agenten.

00:20:06: Dass beim nächsten mal das berücksichtigt in der nächsten Erstellung von dem newsletter.

00:20:12: so das war das Und das ist schon dann so ein System geworden.

00:20:16: Mit einem Agenten im Kern, aber auch verschiedenen Schritten mit dem Trigger und dieser Lernschleife drumherum.

00:20:23: Eine Frage zwischen Dritten?

00:20:24: Ich nenne es jetzt trotzdem mal Feedback auf wenn wir es ja nicht vermenschlichen oder sagen die Beobachtung aus dem Reporting.

00:20:34: Immer die mir zum Beispiel die Clicks-Rubrate aus dem Newsletter besser geworden wird dem menschen vorgelegt in diesem fall ihr seid bei einem super kampanien ergebnis irgendwie darauf hin bitte optimieren.

00:20:44: ändert dann der mensch die skill beschreibung oder wird das automatisch gemacht?

00:20:49: genau guter gute gute frage also der agent der guckt sich nach x tagen nachdem der newsletter raus gegangen ist guckt er sich die ergebnisse an und.

00:21:05: Wenn es dort Ausschläge nach oben oder unten gibt, guckt er sich an was haben wir hier gemacht.

00:21:12: Und was könnten Gründe dafür sein basierend auch auf den anderen Newslettern die wir vorher verschickt haben?

00:21:18: Warum das nach oben und nach unten gegangen ist?

00:21:21: Vielleicht gab's auch Ferienzeiten oder andere.

00:21:22: Das kann man dann vorher alles in der Beschreibung von dem Skill festlegen.

00:21:27: In dem Fall ist das ein Skill, den der Agent ausführt.

00:21:32: Dann macht er dem Menschen einen Vorschlag ... und sagt, so haben sich die Ergebnisse verändert.

00:21:38: Das könnte veräugende Gründe haben.

00:21:40: Ich schlage vor, dass wir die Anweisung so und so anpassen.

00:21:46: Und das guckt sich der Mensch dann an und kann es freigeben oder ablehnen.

00:21:49: wenn er's frei gibt, kann der Agent das bei sich selbst einbauen?

00:21:54: Es ist cool, das Optimierungsprozess immer selbstständig läuft.

00:21:57: Vor allem auch diese Fehler- oder Optimierungsanalyse, dann selbstständisch durchgeführt wird.

00:22:01: Genau!

00:22:01: Es war nur super wichtig.

00:22:03: Äh, dass das dann Mensch noch ein Auge drauf hat.

00:22:07: Weil auch da wieder dieser Vorschlag wird ja auf Wahrscheinlichkeiten basierend ähm generiert und die Modelle haben natürlich eine Tendenz dazu auch irgendwie wenn sie eine Aufgabe bekommen die irgendwie auszuführen und hilfreich für dich zu sein.

00:22:22: Die haben ja fest verankert in ihren Trainingsdaten hilfreich für den Nutzer zu sein also... Da kommt fast immer irgendein Vorschlag.

00:22:27: Sind ja auch immer sehr freundlich zu einem.

00:22:29: Wie sinnvoll der Vorschlag ist, muss nicht immer Sinn machen und oft hat der Mensch den noch umfassenderen Kontext und soll dann entscheiden, soll das eingebaut werden?

00:22:41: Das heißt man sollte immer so einen Stopp einbauen wenn es darum geht... das Fähigkeitsprofil oder immer die Aufgabenbeschreibung zu verändern.

00:22:51: Genau, also bei uns intern und unseren Kunden ist halt eine ganz feste Regel zum Beispiel dass nichts nach draußen geht ohne dass ein Mensch es frei gibt.

00:23:01: Keine E-Mail kein Content Assets nicht.

00:23:05: Also da ist immer der Mensch die Hoheit noch drüber die Anweisungen natürlich von Agenten verändern sollen, dann müssen wir da nicht mehr in den Systemanweisung reingehen.

00:23:16: Also diesen Prompt der hinter einem Agenten liegt und das da rein tippern?

00:23:20: Sondern wir können heute dem Agenten sagen okay, passt das so an wie du es vorgeschlagen hast und er kann seine eigenen Anweisung auch überarbeiten oder den Skill überarbeiten.

00:23:30: Hast du noch ein anderes Beispiel, wo man daraus lernen kann, wie man dieses Thema anwenden kann?

00:23:34: Wir haben zum Beispiel also ... sämtliche Prozesse anwenden, die digital sind und wo es irgendeine Form von Entscheidungsfähigkeit benötigt.

00:23:50: Und wo idealweise noch die Daten irgendwie verändert werden müssen.

00:23:55: Daten kann auch ein Text sein oder das kann ein Bild sein oder so etwas.

00:23:59: also wo diese drei Kriterien zutreffen da ist es grundsätzlich hilfreich so dieser agentische Fähigkeit zu nutzen wenn ich immer nur was von A nach B schieben muss bestimmte Informationen in einer Excel-Zelle und die sollen jetzt in mein CRM-System, in eine andere Zelle geschrieben werden.

00:24:19: Auch ich kann kein Karriergenden dafür, sondern das ist dann eine Automatisierung.

00:24:23: Aber wenn er sich diese Zahl angucken soll und die ins Verhältnis setzen, sollte es vielleicht anderen Zahlen umzufügen... zu gucken, wo kommt die dann her und was können wir vielleicht daraus lernen?

00:24:32: Dann könnte es schon wieder eine agentsche Fähigkeit sein.

00:24:34: Und wir setzen das... Kann ich ja mal uns als Beispiel nehmen, was wir gemacht haben ist Wir sind all unsere Prozesse durchgegangen hoch runter links rechts.

00:24:43: Wir sind sechs Leute bei uns im Team.

00:24:45: Vielleicht auch das zum Kontext also so ein bisschen.

00:24:49: Wir können sowas noch ganz gut machen und haben dann reihenweise Skills geschrieben um zu beschreiben wie läuft denn dieser Prozess ab?

00:24:58: fängt an bei der Liedqualifizierung beispielsweise.

00:25:01: Wir kriegen eine Anfrage und da haben wir dann Name, Domain, ein paar andere Informationen... Und dann läuft der Agent los und Reich hat erstmal diese Lieddaten!

00:25:12: an, der macht dann Recherche zu verschiedenen Bereichen.

00:25:14: Guckt sich zum Beispiel KI-Initiativen an und guckt sich an wie groß sind die?

00:25:18: Wie viele Umsatz machen die?

00:25:19: Die Geschäftsführer haben auch schon etwas zu KI vielleicht geschrieben.

00:25:22: also zu gucken ist das ein spannender Kunde für uns?

00:25:25: und was sind vielleicht auch mögliche Anwendungsfelder und so.

00:25:28: Das wird alles angereichert über einen Skill, der dann von dem Agenten ausgeführt wird und das wird dann wieder reingeschrieben in die Datenbank von diesem Lied.

00:25:39: Und immer wenn das dann reingeschrieben wurde, wird dann aktiviert der Agent den nächsten Skill.

00:25:45: Der dann zum Beispiel ist basierend auf diesen Ergebnissen und Qualifiziere.

00:25:48: jetzt ist es ein... Also hat dann so eine Kriterien sehr passender oder unsicher oder nicht passender Lied und generiert dann z.B.

00:25:56: einen Template für das Anschreiben an diese Personen.

00:26:01: Das guckt sich dann wieder jemand von uns an.

00:26:04: Habt ihr Kriterie aufgestellt?

00:26:05: Oder hast du ne Entscheidungshilfe für Dinge die man automatisieren sollte und welchen nicht, weil eigentlich bei dem was du beschreibst man kann hier den kompletten Prozess automatisierend.

00:26:15: Und das kann ja auch schnell in so einer Art Automatisierung wahrnehmen.

00:26:22: Vor allem sagt der Mann hat sich einfach alles automatisch und irgendwie wird schon was passendes dabei rauskommen.

00:26:29: Also kannst du da ein bisschen eine Roadmap vielleicht vorgeben wie man sich dem Schrittweise annähern kann oder wo man genau diese Stopperpunkte einbauen soll um vielleicht nochmal drauf zu gucken?

00:26:38: Ja Also worauf würde ich achten?

00:26:44: Erstens, würde ich nur an Bereiche rangehen wo es entweder eine Art Engpass gibt oder irgendein Problem das sich lohnt zu lösen.

00:26:57: Bei der Liegqualifizierung nehmen wir das noch mal und da können gleich nochmal den Newsletter.

00:27:01: also bei die Qualifizierungen war's zum Beispiel so dass wir das nie sauber gemacht haben weil es zu viel Zeit in Anspruch genommen hat und zu viele Sales Gespräche geführt haben, wo wir vorher eigentlich schon hätten wissen können macht eigentlich keinen Sinn.

00:27:18: Bei dem Newsletter war so dass der Aufwand einfach enorm hoch war dieses Format zu produzieren und zu lokalisieren anzupassen auf die unterschiedlichen Regionen, weil der Inhalt immer noch mal unterschiedlich sein musste in der Ansprache der Kunden für die Zielgruppe.

00:27:35: Die Produktauswahl und so.

00:27:36: also es war eine recht hohe Komplexität da drin für den Menschen das in der Skalierung so fertig zu machen weshalb die nicht für alle Regionen zum Beispiel den Newsletter produziert haben?

00:27:45: weil's zu aufwendig war Und auf einmal kriegst du das hin?

00:27:49: Weil der Mensch vorne noch drin ist, in dem Briefing und hinten in der Qualitätskontrolle aber dieses Heavy-Lifting zwischendrin.

00:27:56: Das kann abgenommen werden.

00:27:57: Also ein Problem das sich lohnt zu lösen.

00:28:01: Und ich glaube es ist echt wichtig da sehe ich ganz oft dass so einen Agent für irgendeinen Quatsch halt aufgesetzt wird.

00:28:08: Dann ist er dann kurz lustig und fühlt sich vielleicht auch kurz innovativ an, dass man das jetzt gemacht hat.

00:28:12: Aber immer muss ich... Man muss das Ding halt ...das ist wie so ein kleines internes Produkt was man immer mal wieder anfassen muss.

00:28:22: Da musste ich jemand darum kümmern, und das ist nicht zu unterschätzen.

00:28:27: Also ein Problem, was sich lohnt zu lösen, dass groß genug sein, also auch idealerweise etwas, was mindestens einmal die Woche vorkommt, was idealerweise einen Großteil des Teams betrifft oder vorwärts bringen würde?

00:28:41: Dann wenn ich das habe, hab' ich Klarheit darüber, was eigentlich hier konkret das Ergebnis sein soll!

00:28:48: Weiß ich

00:28:49: das?!

00:28:50: Und nicht nur so fluffig, ein bisschen was kann ich beschreiben.

00:28:55: Mach mal Content!

00:28:56: Ja genau, kann ich ganz genau beschreiben wie ein gutes Content-Peace aussieht und wann kann ich das?

00:29:03: Wenn ich selbst ganz oft gemacht habe meistens dann verstehe ich das in der Tiefe.

00:29:10: Habe ich das noch nicht?

00:29:11: Dann ist es erst einmal besser mit den Menschen das mal herauszuarbeiten.

00:29:16: Zum Beispiel auch bei uns ist das der Angebotsprozess, also bis wir verstanden haben wie muss eigentlich so ein Angebot dann aufgebaut sein und so dass sie.

00:29:24: Dass es auch angenommen wird wie gute Conversion darauf haben da hat's keinen Sinn gemacht das von KI machen zu lassen.

00:29:32: aber als wir es herausgefunden hatten so muss am Ende mein Angebot aussehen.

00:29:35: Dann kann man wieder einen Agenten aufsetzen der vorne den ganzen Input von den Kunden nimmt und das in so ein Template rein packt.

00:29:43: Genau, also weiß ich genau was das Ergebnis sein muss und weiß sich auch wie dieser Prozess eigentlich aussieht.

00:29:48: Habe ich Klarheit darüber, was da gerade passiert von Schritt eins bis... Das ist das fertige Ergebnis.

00:29:54: Auch das weiß ich wenn ich es mal ganz oft gemacht habe.

00:29:58: Also Prozessklarheit und Klarheit über dieses Ergebnis.

00:30:01: Klarheit und Verständnis ist auch wichtig!

00:30:03: Und dann, wenn ich diesen Prozess kenne, dann weiß ich ja auch welche Tools müssen genutzt werden?

00:30:09: Also, was muss ich als Mensch bedienen?

00:30:11: Wo muss ich mich immer einloggen und irgendwas tun um da zum Ziel zu kommen.

00:30:15: Und welche Informationen brauche ich, um das zu machen?

00:30:19: Also Daten- und Systemzugriffe.

00:30:22: Da muss der Agent auch irgendwie rankommen können.

00:30:24: also wenn das halt abgeheftet im Leitzordner im Schrank steht ist blöd und wenn das System... ...im eigenen Keller auf einem Server läuft wo keine Schnittstelle da ist es halt auch.

00:30:38: Also es fliegt dann auch alles raus.

00:30:41: Und wenn ich das alles habe, ist so ein geflügeltes Wort.

00:30:47: Dann muss ihr diesen Prozess noch mal neu denken.

00:30:49: Weil wenn ich ansonsten den alten Prozess, den ich immer wieder ausführe, nehme und da jetzt irgendwo einen Karrieregent rein setze, halte ich das für den Anfang gar nicht komplett verkehrt weil es relativ schnell und löst oft schon Probleme.

00:31:01: aber viel spannender wird's eigentlich, wenn ich mir diesen ganzen Prozess nochmal angucke mir das Ergebnis angucken, was rauskommen muss und von da zurück arbeiten und sag mit den Fähigkeiten die KI mitbringt.

00:31:12: Wie können wir denn jetzt hier vorne eigentlich nochmal anfangen um viel schneller besser in der höheren Qualität zum Ziel zu kommen?

00:31:18: Und dass ist überhaupt nicht trivial das zu machen.

00:31:21: Das muss man sich wirklich mal mit beschäftigen und da sind auch gerade alle Unternehmen dran sich das anzugucken für ihre Kernprozesse.

00:31:27: wie sieht er eigentlich AI First oder Agent first aus?

00:31:31: aber Genau das macht oft auch Sinn, warum mal ein Beispiel was ganz oft passiert ist.

00:31:39: Wir identifizieren so im Prozess wir sind dann viel schneller zum Beispiel mit der Erstellung von dem Content ist fertig aber es gibt dann einen Prozess Schritt wo zum Beispiel dieses regionale Büro für dass das Content piece produziert wurde Das muss das freigeben und das macht das alle zwei Wochen oder so.

00:32:00: So jetzt bin ich eigentlich viel schneller fertig Aber jetzt muss zwei Wochen gewartet werden auf dieses Feedback.

00:32:06: Und das nimmt dann die gesamte Geschwindigkeit oder einen Durchsatz, den ich in dem Prozess hätte wieder raus.

00:32:13: So und stattdessen könnte man zum Beispiel gucken was schaut sich denn eigentlich dieses Office immer wieder an?

00:32:21: Sind das vielleicht auch Dinge gegen die ein anderer Agent prüfen könnte um dann am Ende dem Office nur so ein Wert zu geben.

00:32:29: Wie hoch ist die Confidence, dass das alles passt?

00:32:32: Und wenn es über neunzig Prozent ist wird das automatisch schon weitergegeben und es gibt halt keinen Verlust in den Durchsatz.

00:32:39: Der letzte Punkt, um noch mal zu dieser Checkliste zu kommen, ist halt ob das ihr Menschen Spaß macht oder nicht.

00:32:45: Ich glaub, der hat viel zu oft vergessen ... Das ist bei uns ein hartes Qualifizierungskriterium.

00:32:51: Wenn das was is, wir sagen immer so, was die Emotionen sind mit dieser Aufgabe verbinden.

00:32:56: Und dann machen wir so Smilies daran und wenn man diese Herz-Emoji, der da drin ist, sollte man das nicht einem Agenten geben weil das ist das wofür die Leute morgens aufstehen und Lust haben ihren Job zu machen.

00:33:12: Das stimmt, wenn ich jetzt zuhör die Hauptherausforderung dabei ist.

00:33:16: Wenn man sowas aufsetzen möchte ja wirklich auch erstmal der Mensch und vor allem dann ja auch die Organisationen in der man arbeitet.

00:33:22: weil was du beschreibst es ja dass wenn man so ein System bauen will der Input also die Innenansicht erst mal viel wichtiger ist als der Output und das ist ja glaube ich auch wenn ich dir zuhöre häufig mal der Federn sagt geil das kann ich mal automatisieren und dann wird es rausgefeuert.

00:33:37: Dann freut man sich, dass man die zwanzig Newsletter innerhalb von fünf Minuten hat.

00:33:41: aber man hat diesen Zwischenschritt halt nicht gemacht den du jetzt gerade mega gut erklärt hast.

00:33:44: also worauf man überall achten muss immer wie man diesen Prozess dann vielleicht doch beschreiben muss wenn er noch nicht dokumentiert ist.

00:33:49: eben als diese Schnittstellen sind ja eigentlich alles Dinge mit denen wir Menschen uns auch ungern beschäftigen.

00:33:55: Ja genau.

00:33:56: aber wenn wir wollen das Agenten Ich sag immer Wenn Wir Wollen Das Agenten So Arbeiten können wie wir und das ist ja oft die Erwartungshaltung.

00:34:05: Dass er das mindestens genauso gut macht, als ich das machen würde?

00:34:09: Dann muss der auch alle einen Kontext haben den wir haben.

00:34:14: Kontext ist halt alles.

00:34:15: Kontex ist natürlich wohnhaft bewertig eigentlich ob das was da rauskommt gut oder nicht.

00:34:21: Das ist Kontext und Kontext sind auch die Informationen in die Verarbeitung mit einfließender Mit irgendein Ergebnis überhaupt generiert werden kann.

00:34:30: Und dass es halt oftmals im Kopf Und das muss raus aus dem Kopf und muss aufgeschrieben werden.

00:34:35: Vor allem, also implizit ist alles was implizites müssen wir explizit machen.

00:34:40: Das müssen Menschen machen.

00:34:42: Und Menschen wollen sich ja nicht selbst überflüssig machen.

00:34:46: Also muss es A irgendwie ein attraktives Zielbild geben.

00:34:49: wenn ich das mache oder was gibt's denn dann eigentlich cooles?

00:34:52: Was ich vielleicht auch mit der Zeit machen kann.

00:34:56: B musste hilfreich und nützlich sein.

00:34:58: Wenn jetzt die Aufgabe zum Beispiel... kreatives, strategisches Brainstorming oder so.

00:35:04: Das sind jetzt hier Marketing-Podcasts.

00:35:07: Ja das ist glaube ich ein guter Marketier will das ja nicht abgeben.

00:35:12: Dafür hat man irgendwie den Job angefangen um gute Kampagnen zu machen neue Ideen zu spinnen und sowas.

00:35:19: Also ist das vielleicht nicht was was ich in einem Agenten abgebe?

00:35:24: Aber was sind dann die Sachen Wo ich morgens aufstehe und sag, boh nee das muss ich heute machen eigentlich gar kein Bock drauf.

00:35:30: Und es nimmt schon so richtig viel Energie die müssen man finden.

00:35:34: Und da würde ich halt schauen wie kriegt man das?

00:35:37: So aufgebaut wie's gerade beschrieben habe vor allem den Kontext bereitgestellt dem Prozess beschrieben Zugriff auf die Daten gewährleistet und Zugriffs auf die Tools gewährleistet die genutzt werden müssen damit ein Agent mich dabei Unterstützung.

00:35:50: Das heißt, wenn man mit so einem Agenten-Detektor eben mal durch die Firma läuft, sollte man nach zwei Sachen suchen.

00:35:56: Als Organisation also einmal nach Dingen wo ich zu wenig Ressourcen habe oder etwas was derbstaufwendig ist und gleichzeitig auf Mitarbeiter Ebene gucken um in deinem Herzchen Smiley Bild eben mal zu bleiben, so auf dir hat eben mal dem ja wo gehen die Augen jetzt zu?

00:36:07: Und irgendwie unter wird es Smiley rot und wo man eh schon motivierte Mitarbeiterinnen hatte immer die Bock haben, die da einfach weitermachen lassen oder denen sogar dann noch mehr freier Raum dafür zu geben weil sie das sehr gut können.

00:36:20: Einfach eine gute Episode zu machen, die findet ihr schon mit Karin Laut zum Thema psychologisch sicher.

00:36:24: Da spielt ja glaube ich auch ne große Rolle eben halt weil das hast du eben auch gesagt man will sich selbst nicht überflüssig machen.

00:36:29: Ja, und was wir zum Beispiel unser in diesen Workshops machen, wo wir diese Use-Case finden ist.

00:36:34: Wir haben ja so ein Slot, wo mit dem Team herausarbeiten, was sie eigentlich tun würden wenn sie einen Tag mehr in der Woche Zeit hätten.

00:36:41: Was sagen die so?

00:36:43: Alles Mögliche!

00:36:44: Also deswegen ich mache mir überhaupt keine Sorgen dass uns Menschen nichts anderes einfallen wird.

00:36:49: also das sind... Also ich erlebe bei meinen Kunden sehr fehlige, motivierte Menschen die oftmals noch in so komischen Prozessen festhängen oder Sachen machen.

00:37:00: Die irgendwann mal entstanden sind wo sich alle fragen warum eigentlich und das kann man dann abgeben aber viele gute Ideen haben wie sie einen größeren Wertbeitrag auch haben können wenn Sie ihre Zeit anders nutzen können.

00:37:14: also gibt es mehr als genug zu tun ist aber sehr vielseitig Ja, also ist super unterschiedlich.

00:37:30: Aber ich glaube um mal so ein Funktionsfigenagenten aufzusetzen der nicht gleich den umfangreichsten Prozess abwickelt, zum Beispiel als ich nicht so einen Agenten der die gesamte Content-Bandbreite eigenständig produzieren soll.

00:37:48: Sondern sich wie bei unserem Kundenbeispiel was ich gesagt habe es gibt zehn unterschiedliche Newsletterformate aber dieses eine Newsletter Format ist halt besonders aufwendig aus bestimmten Gründen.

00:37:59: dann nimmt man sich erst mal dieses eine Format vor und was da funktioniert hat, kann man dann halt super multiplizieren.

00:38:06: Und da kommt man in vier Wochen, kommt man schon auf einen guten Arbeitsstand.

00:38:10: Wichtig ist eben genau diese alle Kriterien die ich beschrieben habe das vorher zu lösen und dann sehr schnell in das Testen und Iterieren zu gehen.

00:38:22: Da sind wir doch wieder ein bisschen bei dem Mitarbeiterbild.

00:38:24: Das ist wie so eine Einarbeitungsphase.

00:38:27: Ich musste ganz viele Aufgaben geben und muss prüfen, wie gut ist die Qualität der Ergebnisse.

00:38:35: Und ... Die Erfahrung, die ich dort gesammelt habe wieder einbauen, dass die Qualitäts- sukzessive nach oben geht.

00:38:42: Aber gleichzeitig, das hab ich jetzt immer gerade gedacht, wie gesagt, dass es ja der Vorteil ist von dem System was du beschrieben hast?

00:38:46: Wie gesagt, wenn ich ja nur einen neuen Skill oder neuen Prozess einmal den abgebe, da entfällt ja diese Einarbeitungszeit des Mitarbeiters.

00:38:52: also weil anonsten hast du ja wieder komplexe Personen mit allen ihren Limitierungen, die du ja mal beschrieben hast und die dann wieder in ein ganzes System passen muss.

00:39:00: Genau!

00:39:00: Und der Prozess wird ja sowieso.

00:39:02: idealerweise ist nicht immer übeise auch bei uns, aber idealerweise sind der Prozesse irgendwie schon dokumentiert.

00:39:08: Das ist ja der Vorteil.

00:39:10: also wenn ihr im Prozess dokumentiert hast kann heute einen KI-Agent darauf zugreifen und wenn er zusätzlich noch Zugriff auf die Daten hat, die in dem Prozess verarbeitet werden und auf die Schnittstellen, dann kann er die ja nutzen.

00:39:23: so Und ich muss nicht noch zusätzlich eine Horde an KI-Agenten mehr aufbauen, weil damit ziehe ich so eine zusätzliche Dimension irgendwie in meine Firma rein.

00:39:33: Die eigentlich nicht brauche, weil ich habe ja Menschen, wir organisieren Arbeit und Prozessen Wir verarbeiten Daten darin, erzeugen Wissen was wieder reinfließt in die Firma und arbeiten mit irgendwelchen Tools um irgendwelche Produkte und Services für unsere Kunden zu bringen.

00:39:49: So und jetzt ist glaube ich Also mein Bild, was ich immer nutze für meinen Team ist.

00:39:55: Wir müssen jetzt halt anfangen unsere Firma die immer für Menschen gebaut war dass wir menschengut darin arbeiten können.

00:40:01: Deswegen gibt es z.B.

00:40:02: ganz viele Powerpoint-Präsentationen, damit wir uns Sachen zeigen können und uns davon überzeugen oder so.

00:40:08: Die müssen wir jetzt halt so bauen, dass KI möglichst gut daran arbeiten kann.

00:40:13: Das heißt dann all das für KI zugänglich zu machen?

00:40:15: Und dann kann man das auch sicherstellen, dass man nur mit den Zugriffsrechten auf das zugreifen kann, wo man wirklich drauf Zugriff hat und nicht der Agent die Gehaltsdaten von allen anderen Kollegen ausspucken kann.

00:40:26: Aber das lässt sich technisch alles lösen.

00:40:28: Es bedeutet dann zum Beispiel dass bei uns alle Dokumentationen Markdown Format hinterlegt ist, also möglichst maschinenlesbar.

00:40:37: Und das bedeutet auch, dass Outputs die wir generieren zum Beispiel Präsentation halt keine PowerPoint Folien sind weil sie können Agenten nicht so gut lesen sondern HTML Code der dann gestylt ist und visualisiert werden kann der viel viel besser verarbeitet werden kann.

00:40:53: um mal zwei Beispiele Mega schlau, glaube ich.

00:40:56: Bei euch und bei den kleinen Teamen ja auch noch einfach umzusetzen in einer solchen Organisation mit sechshundert Mitarbeitern.

00:41:01: Irgendwann wird das wahrscheinlich schwieriger?

00:41:02: Genau!

00:41:03: Und vielleicht da jetzt noch mal, wie geht das dann?

00:41:06: Genau.

00:41:06: Mach uns Mut!

00:41:08: Also die Komplexität ist natürlich größer weil wir haben jetzt beispielsweise hundert Skills ungefähr bei uns und davon sind manche teilautomatisiert.

00:41:19: bedeutet der Agent kann nur auf diesen Skill zugreifen wenn ich ihm sage mach x, y und z und dann nimmt er den Skill und macht das und gibt mir das zurück.

00:41:26: und es ist so eine Zusammenarbeit und manche sind auch automatisiert wie beispielsweise die Leadqualifizierung.

00:41:31: also immer ein neuer Lied rein kommt, weiß der Agent.

00:41:33: Ich muss mir diesen Skill schnappen und den

00:41:35: ausführen.".

00:41:37: Ist aber immer der gleiche Agent.

00:41:38: Ja also das dann nochmal so dieses Mitarbeiterverse... Also für mich ist es einfach eine Ausführungseinheit für digitale Arbeit.

00:41:48: Und dem Agent ist völlig wurscht ob er jetzt so oder so heißt.

00:41:54: Der genau ... ist halt einfach eine Ausführungseinheit und je nachdem was für ne Aufgabe bekommt kombinierte Skills Daten, Prozesse und Regeln.

00:42:02: Die gelten und erzeugt das Ergebnis.

00:42:04: Und dieser eine Agent ... Ich glaube, dass es oftmals einen ... ich glaube, es wird manchmal noch so ein bisschen falsch verstanden, weil wir dieses Mitarbeiterbild auch so trügerisch ... Dieser Agent kann ja tausendfach zur gleichen Zeit arbeiten.

00:42:18: Wir können sich die ganze Zeit duplizieren.

00:42:20: Das ist nicht eine Person, die nur einmal da ist!

00:42:24: Der kann tausendmal zur gleichen Zeit arbeiten und er kann auch an tausenden unterschiedlichen Sachen zur gleichen Zeit arbeiten.

00:42:28: Kannst du ja auch den Prozess, den du beschrieben hast für andere Sagen auch benutzen?

00:42:31: Also wenn zum Beispiel dieser Recherche skillt, dann kannst du ja für einen Content-Peace einsetzen oder für eine wissenschaftliche Arbeit oder whatever immer du herstellst also überall wo das Thema Recherches im Unternehmen auftaucht.

00:42:43: irgendwie kann das System das ja benutzen.

00:42:45: Genau!

00:42:46: Und kann auch miteinander kombiniert werden ohne dass ich jetzt immer wieder in einem einzelnen Agenten dafür ansprechen müsste.

00:42:55: So, jetzt habe ich so ein bisschen... Ach genau!

00:42:57: Größere Firmen.

00:42:59: Wie machen wir das da aktuell?

00:43:01: Also unsere Erfahrung war dass dieser... Ich hab so einen Betriebssystem nennen wir das auch.

00:43:07: Wo ich Zugriff auf die Daten, die Tools gebe wo die Skills hinterlegt sind und man kann dann natürlich auch noch so ein paar einzelne Agenten mit einbauen.

00:43:16: Ja, ich glaube das muss man gar nicht so religiös betrachten es geht nur das oder das sondern wahrscheinlich auch Mischform, Hauptsache es funktioniert und der Zugriff auf die Governance also Regeln hat sowas wie Zugriffsrechte.

00:43:30: Was wir jetzt gemacht haben ist wir brechen das auf Abteilungen runter um so eine Dimension tiefer zu kommen und das ein bisschen steuerbarer zu machen.

00:43:42: weil ansonsten Manchmal das Gefühl, dann machst du so ein Fass auf.

00:43:47: Du schießst in einer Firma mit tausend Menschen die fünfhundert Millionen Euro Jahresumsatz machen ganz unterschiedlich arbeiten und sagst wie beim Bauenitz hier unser KI-Betriebssystem.

00:43:58: Und dann geht es los dass eigentlich die Firma neu aufgebaut werden muss.

00:44:02: Auf der Wiese links daneben.

00:44:04: Das ist oftmals eher blockierend als das es in Bewegung bringen.

00:44:08: Eigentlich wollen wir schnell sein.

00:44:10: Das andere Extrem wäre ... Alle fangen jetzt mal wild an, sich hier ihre Agenten in ChatGPT oder Co-Pilot oder Langdoc zu bauen.

00:44:18: Und dann hast du wirklich bei so einer Firma mit tausend Mitarbeitern mehrere Hundert Agenten.

00:44:23: In kurzer Zeit!

00:44:26: Aber wie viele davon wirklich gut laufen und genutzt werden?

00:44:30: Und Qualitätsgesichert sind.

00:44:31: und so nochmal eine ganz andere Frage... Also das Eine funktioniert nicht, das Andere ist auch schwierig.

00:44:38: Das in der Mitte was wir sagen Wir nehmen eine Abteilung, die hat einen zentralen Agenten.

00:44:45: Und dieser Agent greift dann auf die wichtigsten Standardprozesse und Aufgaben zu.

00:44:50: das sind die Skills.

00:44:53: zum Beispiel ich muss noch Recherche für den Podcast durchführen so wie für die Vorbereitung könnte ein Skill sein Dann gibt es ja einen zweiten Skill dass er nachbereitet werden muss.

00:45:02: dann gibts Andere Skills, ja.

00:45:05: Und darüber hast du dann ein paar Dutzend Skills am Ende für so die wichtigsten Aufgaben.

00:45:09: und immer dann wenn es neue Prozesse gibt wo man sagt diese sind robust genug und können auch von KI ausgeführt werden können sie wieder an diesen Agenten ran gehangen werden der Zugang zu den Daten die er braucht um diese Prozese auszuführen also zum Beispiel zu dem SharePoint Space aus der Abteilung oder dem Drive Ordner und der kann die Tools nutzen Ähm, die das Team auch nutzt.

00:45:31: Also wie das CM-System, den Contentplaner ... Was auch immer es braucht?

00:45:38: Und kann das dann orchestrieren.

00:45:40: Das ist ein zentraler Agent für diese Abteilung, den jeder im Team nutzen kann und wo's einen klaren Ohner gibt.

00:45:48: Wir haben immer einen Ohner auf der Agenten-Ebene.

00:45:51: Dann Ohner für die Skills.

00:45:53: Das sind die Prozess-Ohner in der Regel.

00:45:55: Die müssen denen eh irgendwie pflegen und dokumentieren oder so.

00:45:58: Und jetzt ist ja keine zusätzliche Arbeit.

00:46:02: Genau, und so kann dann Abteilung für Abteilungen eigentlich sehr strukturiert anfangen sich diesen Agenten aufzusetzen und dazu die Skills vor allem zu definieren die Daten aufzubereiten sodass sie verarbeitet werden können und das macht dann das gesamte Team schneller und besser.

00:46:19: Felix, das war eine Checkliste und zwar richtig starke Bauplänen.

00:46:21: Wie man das selber für sich aufsetzen kann ist eigentlich ... Die Frage ist fast überflüssig weil diese ganze Episode heute ein ganz großes einfach mal machen.

00:46:28: Ich frag dich trotzdem, weil ich das jeden Frage, der hier mir gegenüber auf diesem Stuhl sitzt was ist dein Einfachmal-Machen-Hack für diese Episode?

00:46:34: Wenn wir mit Agenten oder agentischen Systemen arbeiten möchten.

00:46:37: Ja!

00:46:38: Ich würde es jetzt einmal kurz zwei geteilt machen.

00:46:40: etwas, was jeder einzelne für sich machen kann isst erstens einen Kontextprofil über sich zu erstellen.

00:46:48: Dafür packen wir dann einen Prompt in die Show-Notes, der euch da durchführt.

00:46:53: Der interviewt euch über euch wie er arbeitet und was eure ziele Prioritäten sind mit welchen Tools ihr arbeitet, in welchem Kontext das stattfindet.

00:47:02: Ihr beantwortet das am besten per Spracheingabe oder irgendwie Dokumenten wo das schon drin steht und dann bekommt ihr eine Datei raus, die euch in eurem Job möglichst gut beschreibt.

00:47:12: Und daraus mit dieser Datei könnt ihr dann einem zweiten Schritt euren persönlichen Chief of Staff agenten erstellen, der Schritt für Schritt immer mehr wiederkehrende Aufgaben in eurer Rolle unterstützen oder übernehmen kann.

00:47:26: Das ist etwas wo ich sagen würde das kann eigentlich jeder machen der am pc arbeitet und dann hast du so dein Sidekick mit dem Du seinst ein Super Sparrings Partner glaube ich will auch jeder haben.

00:47:36: also ich freue mich schon drauf.

00:47:37: ja also dass es so wirklich recht recht easy kann jeder tun der auf einen tool wie chat gbt co pilot und so weiter zu greifen.

00:47:49: Und dann die zweite Stufe ist das für das Unternehmen oder die Abteilung aufzubauen, das natürlich ein bisschen komplexer.

00:47:59: Dafür packe ich noch eine Dokumentation mit in die Show-Notes, wo wir mal dokumentiert haben wie wir unser Betriebssystem komplett aufgebaut haben, wie das alles auch miteinander verknüpft ist.

00:48:10: Und ja, dann ist vor allem der größte Heck genau das einfach auch zu machen und umzusetzen.

00:48:18: Weil auch heute wird noch viel mehr über KI geredet als dass es genutzt wird.

00:48:24: Ich glaube wer das umsetzt, ist da auf jeden Fall schon!

00:48:27: Ganz gut unterwegs.

00:48:29: Dann macht das doch einfach mal Felix!

00:48:31: Vielen Dank, dass du da warst.

00:48:32: ganz viele Impulse, Ideen und vor allem auch Baupläne, die man wirklich direkt umsetzen kann.

00:48:36: Richtig viel Mehrwert.

00:48:37: Ich habe viel mitgenommen.

00:48:38: Danke, dass Du da war.

00:48:39: Vielen Dank Reuf.

00:48:40: Ciao Das war wieder richtig spannend.

00:48:44: Ich habe eine Menge gelernt, ich hoffe auch mein größtes Take-away aus dieser Episode neben diesen ganzen Praxistecks und einfach mal machen was Felix herausgehauen hat das war ja eigentlich ne ganz große Gebrausanweisung die wir uns eben gerade hier angehört haben ist wirklich so ein Umdenken.

00:48:56: also ich hab sehr stark an diesen Rollen noch gedacht und Neige auch dazu KI tatsächlich zu vermenschlichen.

00:49:01: nicht glaubt dass funktioniert sehr gut wenn man sich dem Thema annähern möchte.

00:49:05: aber wenn man es wirklich aufs nächste Level heben möchte da hat Felix einfach recht.

00:49:08: der ist das Schnittstellen Design Prozessdokumentation und Beschreibung.

00:49:12: Und vor allem diese Umwandlung vom Implicit im Wissen zu Explicitem, damit die Agenten damit arbeiten können.

00:49:17: Einfach der Game Changer!

00:49:18: Das ist gar nicht kompliziert – das kann jeder von euch da draußen.

00:49:21: Noch mal der Hinweis an den Download, den Felix mitgebracht hat.

00:49:23: Den findet ihr in den Show Notes der Episode.

00:49:25: Wenn du das gerade suchst, dann lass uns doch oben bitte ein Abo für den OEM Education Podcast da.

00:49:30: Dann verpasst du keine der nächsten Episoden, denn da kommen noch viel mehr von diesen spannenden Bauplänen, die du heute gehört hast.

00:49:36: Noch ein kurzer Hinweis in eigener Sache auf OMEA Education.

00:49:39: Wenn du sagst, das spannend was ich heute gehört habe aber ich würde mich dann noch gern bisschen tiefer reinarbeiten oder vielleicht interessiert dich auch einen Spezialbereich von KI zum Beispiel Content und Kreation.

00:49:49: Du fühlst sich beim Thema... Recht und KI, und Datenschutz noch nicht so sicher.

00:49:53: Kein Problem!

00:49:53: Komm bei OM Education vorbei.

00:49:55: Für all diese Dinge haben wir Fort- und Weiterbildung bei uns im Portfolio.

00:49:59: das ganze findest du unter oomay.com slash education.

00:50:01: Und Du weißt mit dem guten alten Gutscheinkott Wadenkott!

00:50:05: Bekommst Du auch noch zehn Prozent Rabatt auf Deine Fortbildungen bei uns deiner Wahl.

00:50:09: Deshalb check jetzt oomaya.com Slash Education und stell Dir deinen Weiterbildungsprogramm zusammen.

00:50:13: Ich bin Rolf Das war OM Education für heute.

00:50:15: Tschüss aus Hamburg.

00:50:28: Dieser Podcast wird produziert von Portstars bei OMR.