KI kann alles? Fast!

Was passiert, wenn KI nicht jedes Mal wieder bei null anfängt, sondern wirklich versteht, wie du arbeitest?

In dieser Folge von „KI kann alles? Fast!“ sprechen Anja Sengenberger und Lucas Moskau darüber, wie aus einem einfachen KI-Chat ein persönliches Arbeitssystem werden kann.

Anja gibt Einblicke in ihr eigenes Setup: persönliche Kontextinformationen, individuelle Skills und wiederkehrende Arbeitsmuster, die der KI helfen, nicht nur Aufgaben auszuführen, sondern auch kritisch zu hinterfragen, Prioritäten einzufordern und auf wiederkehrende Verhaltensmuster aufmerksam zu machen.
Dabei geht es auch um eine typische Herausforderung im Umgang mit KI: Neue Ideen und Lösungen lassen sich heute extrem schnell entwickeln. Gleichzeitig steigt dadurch die Gefahr, ständig dem nächsten „Shiny Object“ hinterherzulaufen, statt bestehende Entscheidungen konsequent weiterzuverfolgen.

Im zweiten Teil geht es um Forward Deployed Engineers und die Frage, wie sich solche individuellen KI-Setups in Unternehmen übertragen lassen. Lucas berichtet von einem konkreten Kundenprojekt, bei dem ein Geschäftsführer ein eigenes KI-Setup erhält, das auf Unternehmenswissen, Arbeitsweisen und vorhandene Systeme zugeschnitten ist.

Anja und Lucas diskutieren außerdem, wo KI-Enablement an seine Grenzen kommt, warum geschäftskritische Prozesse weiterhin professionelle Softwareentwicklung benötigen und weshalb Unternehmen durch KI immer stärker beweisen müssen, welchen konkreten Mehrwert ihre Lösungen schaffen.

Eine Folge über persönliche KI-Assistenten, Context Engineering, Forward Deployed Engineering und die Frage, wie aus KI ein Werkzeug wird, das wirklich zur eigenen Arbeit passt.

www.tiki-institut.com

Kann man künftig zuverlässig erkennen, ob ein Text von einer KI geschrieben wurde?
In dieser Folge von „KI kann alles? Fast!“ sprechen Anja Sengenberger und Lucas Moskau über KI-Wasserzeichen und darüber, wie sich künstlich generierte Texte technisch kennzeichnen und später erkennen lassen könnten.

Lucas erklärt, wie statistische Muster bei der Generierung von Texten genutzt werden können, um die Herkunft von KI-Inhalten mit hoher Wahrscheinlichkeit nachvollziehbar zu machen. Dabei geht es unter anderem um unterschiedliche Wortwahrscheinlichkeiten, sogenannte Seeds und die Frage, warum längere Texte leichter analysierbar sein können.

Anja und Lucas diskutieren außerdem, was solche Verfahren im Alltag bedeuten könnten: für Unternehmen, Hochschulen, Social Media, journalistische Inhalte oder den Umgang mit Texten, die nur teilweise mit KI überarbeitet wurden.

Und natürlich bleibt die Frage: Was verändert sich, wenn wir künftig nicht mehr nur vermuten können, dass ein Text von einer KI stammt, sondern es technisch immer besser nachvollziehbar wird?
Eine Folge über KI-Transparenz, Regulierung und die zunehmende Bedeutung der Herkunft digitaler Inhalte.

www.tiki-institut.com

Gute Prompts allein reichen nicht mehr aus, wenn Large Language Models produktiv eingesetzt werden sollen. Entscheidend wird zunehmend, welches Wissen ein Modell bekommt, wann es dieses Wissen bekommt und welche Werkzeuge ihm zur Verfügung stehen.

Lucas Moskau spricht mit Lukas Volk, Senior Software Developer & Data Engineer bei TIKI, darüber, warum Context Engineering als Weiterentwicklung des klassischen Prompt Engineerings gerade zu einem zentralen Thema in der Arbeit mit LLMs wird.

Anhand konkreter Beispiele aus der Softwareentwicklung erklären die beiden, warum mehr Kontext nicht automatisch bessere Ergebnisse bedeutet, welche Informationen dauerhaft verfügbar sein sollten und warum Modelle für unterschiedliche Aufgaben auch unterschiedliche Informationen benötigen.

Außerdem geht es um Skills und Progressive Disclosure, dauerhaft aktiven Kontext, Hooks und das Model Context Protocol (MCP). Lukas zeigt, wie Regeln für Code, sensible Daten und Verifikation so strukturiert werden können, dass ein Modell möglichst zuverlässig arbeitet, ohne mit unnötigen Informationen überladen zu werden.

Eine Folge über die Frage, wie aus einem leistungsfähigen Sprachmodell ein Werkzeug wird, das auch in produktiven Softwareprojekten kontrolliert, effizient und qualitativ hochwertig eingesetzt werden kann.

www.tiki-institut.com

Nicht jedes Problem braucht ein LLM. Und nicht jedes KI-Projekt sollte mit der Auswahl eines Tools beginnen.

In der zweiten Folge mit Flo Marek sprechen Anja Sengenberger und Flo darüber, was gute KI- und Digitalisierungsprojekte heute eigentlich ausmacht und wie sich TIKI in einem Markt positioniert, in dem durch generative KI plötzlich immer mehr Menschen immer mehr ausprobieren können.
Im Mittelpunkt steht ein Grundsatz: Nicht die Technologie bestimmt das Projekt, sondern das Projekt bestimmt die Technologie.

Je nach Problemstellung kann die richtige Lösung ein Large Language Model, klassisches Machine Learning, eine Datenplattform, Automatisierung oder klassische Softwareentwicklung sein. Entscheidend ist, zunächst Prozesse, Anforderungen und den tatsächlichen Hebel zu verstehen.

Anja und Flo sprechen außerdem über Technologieoffenheit, Debattenkultur, die Zusammenarbeit mit Unternehmen unterschiedlichster Größen, den Wert von tiefem Spezialwissen und darüber, warum gute Beratung auch bedeutet, einem Kunden von einer gewünschten Technologie abzuraten, wenn sie nicht die beste Lösung für das Problem ist.

Eine Folge über KI-Beratung ohne Tool-Fixierung und die Frage, worin echte Expertise besteht, wenn neue Technologien immer zugänglicher werden.

www.tiki-institut.com

Was passiert mit Softwareteams, wenn aus sechsmonatigen Projekten plötzlich sechs Wochen werden und sich gleichzeitig Rollen, Technologien und Anforderungen verändern?

Anja Sengenberger spricht mit Flo Marek, der bei TIKI gemeinsam mit einem Kollegen den Kompetenzbereich aus Projektmanagement, Product Ownership, Softwareentwicklung und Data Science verantwortet.

Aus seiner operativen Perspektive geht es darum, welche Herausforderungen der aktuelle KI-Wandel für Teams und Führung mit sich bringt. Kürzere Projektzyklen bedeuten nicht nur schnellere Entwicklung. Auch Scoping, Übergaben, Betrieb, Wissenstransfer und die Planung des nächsten Projekts müssen deutlich früher mitgedacht werden.

Außerdem sprechen Anja und Flo über neue Anforderungen an Product Owner und Softwareentwickler, Security und Governance beim Einsatz von KI sowie die Frage, warum gute Kommunikation künftig noch wichtiger wird.

Ein zentraler Punkt: Veränderung lässt sich nicht einfach über eine Organisation stülpen. Menschen brauchen Raum zum Ausprobieren, eine funktionierende Fehlerkultur und die Möglichkeit, neue Technologien mit ihren eigenen Stärken und Erfahrungen zu verbinden.

Eine Folge über KI-Transformation aus operativer Sicht und darüber, warum der technologische Wandel am Ende immer auch ein menschlicher ist.

www.tiki-institut.com