#2: GPT, Transformer & Halluzinationen – So tickt ChatGPT!

0:09 SPEAKER_00: Willkommen zurück zur Co-Intelligence,

0:11 SPEAKER_00: heute mit Episode 2.

0:13 SPEAKER_00: Nachdem wir beim letzte Mal die wirklichen Grundlagen gelegt haben, steigen wir heut ein bisschen tiefer ein und schauen uns an, was ist eigentlich ChatGPT?

0:22 SPEAKER_00: Und warum

0:23 SPEAKER_00: weiß KI eigentlich gar nichts, sondern schätzt nur?

0:26 SPEAKER_01: Genau, und zwar schauen wir uns ChatGPT

0:30 SPEAKER_01: an. Und jeder kennt ChatGPT.

0:32 SPEAKER_01: Wahrscheinlich haben die meisten Leute mit ChatGPT die 1. Zumindest bewusste generative

0:38 SPEAKER_01: KI Erfahrung gemacht. Und ich kann mich selbst noch dran erinnern, als ich das 1. Mal vor diesem Computer saß und mit dieser Maschine gesprochen hat und Der magische Moment. Der magische Moment, ja. Und ich Antworten bekommen habe auf ja, auch komplexe Fragen,

0:53 SPEAKER_01: die einfach für mich zum Ende Sinn ergeben haben. Auch bei Themen,

0:57 SPEAKER_01: die ich mich gut auskannte, hab ich eine Antwort bekommen, die erst mal richtig war. Und ich hab mir gedacht, das Ding ist ganz schön schlau, das weiß er ja ganz schön viel.

1:05 SPEAKER_01: Aber eigentlich weiß das Ding gar nichts. Denn man muss verstehen, was dahintersteht

1:10 SPEAKER_01: und vor allem auch, was die 3 Buchstaben

1:13 SPEAKER_01: bedeuten,

1:14 SPEAKER_01: das g, das pi und das t. Das g steht für

1:18 SPEAKER_01: generativ,

1:20 SPEAKER_01: das p

1:21 SPEAKER_01: steht für pre trained

1:23 SPEAKER_01: und das t steht

1:25 SPEAKER_01: steht für transformer.

1:27 SPEAKER_00: Können wir da mal reinklicken?

1:28 SPEAKER_01: Klar, lass uns mal auf das g reinklicken und ein bisschen reinzoomen.

1:32 SPEAKER_01: Was heißt geben? G heißt

1:34 SPEAKER_01: generativ, also was neu ist, erschaffen.

1:37 SPEAKER_01: Das ist der große Unterschied zu der alten KI in Anführungsstrichen. Machine Learning und so weiter. Machine Learning, genau. Kennst Du ja wahrscheinlich vom Netflix Schauen. Da kriegst Du irgendwie ein Vorschlag, was das wahrscheinlichste

1:49 SPEAKER_01: nächste Video ist, was dir gut gefallen wird.

1:52 SPEAKER_01: Das ist ganz viel Machine Learning. Weil da wird ja erst mal nichts Neues erschaffen in dem Sinn. Oder auch wenn dich in' KI entscheidet, ist das Foto jetzt ein Hund oder ist das eine Katze? Oder ein Donut. Oder ein Donut.

2:03 SPEAKER_01: Genau.

2:05 SPEAKER_01: Da das ist kein generative

2:07 SPEAKER_01: KI. Generative heißt, also etwas Neues erstellt. Das heißt, eine KI, die ein Bild von' Hund erstellen kann oder ein Bild von' Katze oder ein Aufsatz oder ein Blogpost,

2:18 SPEAKER_01: das ist generative KI. Und das ist ganz einfach dieses g in ChatGPT.

2:24 SPEAKER_00: Nach g kommt p, wofür steht p? P steht für pre trained.

2:29 SPEAKER_01: Also die Modelle wurden trainiert. Und zwar wurden die Modelle

2:33 SPEAKER_01: auf

2:33 SPEAKER_01: sehr großen Datensätzen

2:35 SPEAKER_01: trainiert.

2:37 SPEAKER_01: In der Regel mittlerweile auch auf allen Daten, die irgendwie öffentlich verfügbar sind im Internet.

2:42 SPEAKER_01: Und

2:43 SPEAKER_01: es gibt eigentlich keine große Differenzierung mehr zwischen den Modellherstellern,

2:47 SPEAKER_01: die im Prinzip alle alle Daten nutzen, die sie irgendwie finden. Gibt natürlich auch gewisse Gerichtsverfahren

2:54 SPEAKER_01: mittlerweile, ob die wirklich alle Daten nutzen durften, die da reinfließen durften.

2:57 SPEAKER_01: Aber dieses Pre Train einfach zum Verständnis ist, ich habe dieses Modell auf Basis von unterschiedlichsten

3:04 SPEAKER_01: Daten

3:05 SPEAKER_01: trainiert. Das versteht Zusammenhänge

3:07 SPEAKER_01: zwischen diesen Daten

3:09 SPEAKER_01: und kann

3:10 SPEAKER_01: dadurch, dass es trainiert, vorab trainiert ist, auch viel schneller antworten. Das heißt, es muss

3:17 SPEAKER_01: gar nicht so viel denken, weil in diesem Modell

3:21 SPEAKER_01: im Ende die der Zusammenhang zwischen einzelnen

3:24 SPEAKER_01: Wörtern und Themengebieten

3:26 SPEAKER_01: einfach berechnet wurde aufgrund

3:27 SPEAKER_01: berechnet wurde aufgrund eben ja, dieser großen Datensätze.

3:31 SPEAKER_01: Und da so kann man, glaub ich, na ja, leicht diesen Begriff pre

3:35 SPEAKER_00: trained erklären, ohne zu sehr in die technische Details zu gehen. Und das war auch der der Grund, warum jetzt einige Seiten wie Reddit eben nicht mehr so einfach zugänglich sind für Maschinen,

3:44 SPEAKER_00: weil die genutzt würden für dieses Pre Training, ohne dass sie's wussten. Genau oder Unternehmen,

3:50 SPEAKER_01: andere Unternehmen, die sehr viel Daten haben, mittlerweile diese Daten für sehr viel Geld verkaufen können. Und bei Reddit ist es ja, meine ich, so, dass Google

3:58 SPEAKER_01: Reddit

3:59 SPEAKER_01: gekauft hat, besitzt und aus dem Grund kein anderes Unternehmen zumindest öffentlich diese Reddit Daten nutzen darf,

4:05 SPEAKER_01: während Google sich sozusagen ja ein großen Datenschatz gekauft hat, eben die eigenen

4:10 SPEAKER_00: Gemini Modelle damit zu trainieren. Genau. Wir hatten das g, wir hatten das p, jetzt fehlt das t. Es steht nicht für trained, sondern Nein, das t steht für Transformer.

4:20 SPEAKER_01: Und zwar hat

4:21 SPEAKER_01: den Transformer, was im Prinzip die Architektur

4:24 SPEAKER_01: hinter diesen Modellen ist,

4:26 SPEAKER_01: 2017

4:28 SPEAKER_01: Google Ingenieure

4:29 SPEAKER_01: erfunden oder zumindest das 1. Paper darüber veröffentlicht mit' ganz bekannten

4:34 SPEAKER_01: Namen. Das Paper nennt sich Attention is all you need. Und im Wesentlichen ist das die

4:41 SPEAKER_01: das System dahinter, was die Beziehung zwischen Wörtern im Kontext zueinander

4:47 SPEAKER_01: versteht und

4:49 SPEAKER_01: parallel

4:50 SPEAKER_01: Informationen

4:51 SPEAKER_01: verarbeiten kann, sodass Du, wenn Du mit deinem ChatGPT sprichst, einfach sehr schnell sehr präzise Antworten bekommst.

4:59 SPEAKER_01: Und im Prinzip revolutioniert

5:01 SPEAKER_01: dieses Modell das Verständnis von natürlicher Sprache.

5:04 SPEAKER_01: Und

5:06 SPEAKER_01: es ist ein relativ komplexes

5:08 SPEAKER_01: eine komplexe Architektur.

5:10 SPEAKER_01: Ich hab, glaub ich, selbst, ich bin auch kein Techniker,

5:13 SPEAKER_01: bestimmt 2 Tage gesessen und

5:16 SPEAKER_01: hab am Ende eine supergute Visualisierung gefunden, die sehr gut erklärt, wie so was funktioniert.

5:21 SPEAKER_01: Aber wirklich jeden einzelnen Schritt nachzuvollziehen in sonem Transformer

5:25 SPEAKER_01: Modell, vielleicht bin ich auch nicht schlau genug, hat bei mir eine Weile gedauert.

5:29 SPEAKER_01: Fairerweise

5:30 SPEAKER_01: muss ich sagen,

5:31 SPEAKER_01: ist es auch gar nicht so wichtig, wirklich genau zu verstehen, wie son GPT Modell funktioniert.

5:38 SPEAKER_01: Denn, und das Beispiel hab ich schon mal gebracht,

5:40 SPEAKER_01: ich kann sehr gutes Internet bedienen. Ich hab keine Ahnung, wie das TCP/IP Protokoll dahinter funktioniert.

5:46 SPEAKER_01: Und genauso

5:47 SPEAKER_01: muss ich kein

5:49 SPEAKER_01: detailliertes technisches Verständnis von diesen Modellen haben,

5:52 SPEAKER_01: eben sehr erfolgreich KI in meinem Alltag einzusetzen.

5:56 SPEAKER_00: Könnte auch so die Hymne für Podcaster sein. Ihr könnt's gern in die Shownotes verlinken, das Paper, wenn ihr irgendwie ganz nördlich unterwegs seid. Ganz vollschnittartig

6:04 SPEAKER_00: ist es doch so, wenn ich's richtig verstehe, ist sone Art Wahrscheinlichkeit.

6:08 SPEAKER_00: Also es wird die Wahrscheinlichkeit errechnet, was folgt auf das nächste Wort? Genau, also es ist eine sogenannte,

6:15 SPEAKER_01: wie man so schön sagt. Es wird der nächste

6:18 SPEAKER_01: Token oder

6:20 SPEAKER_01: das nächste Wort kann man, glaub ich, für unseren Fall hier 1 zu 1 ersetzen. Ein Token ist ein bisschen weniger als ein Wort, aber damit verwirrt man eigentlich nur die Leute. Im Prinzip kann man sich's so vorstellen, es werden gewisse Wörter reingegeben

6:33 SPEAKER_01: und die KI macht dann eine Prediction, also eine Voraussage,

6:37 SPEAKER_01: was das nächste Wort sein wird.

6:40 SPEAKER_00: Ja. Und mit den Daten, die ja sind,

6:43 SPEAKER_00: kann's diese Voraussage machen, weil's einfach gefüttert wurde mit all den Möglichkeiten.

6:48 SPEAKER_00: Und je mehr ich je mehr Futter ich habe, desto eher kann ich natürlich voraussagen, was als Nächstes kommen wird. Genau. Beispiel, ich packe meinen.

6:55 SPEAKER_01: Was könnte das nächste Wort sein? Baum,

6:59 SPEAKER_01: Glas,

7:00 SPEAKER_01: Rucksack,

7:02 SPEAKER_01: Maschine.

7:03 SPEAKER_01: Koffer.

7:05 SPEAKER_01: Koffer, genau, dann wär's aber schwer. Wenn ich also Rucksack und Koffer hab, dann ist es, musst Du's wahrscheinlich genau überlegen, was jetzt wahrscheinlicher ist. Aber

7:12 SPEAKER_01: genau, es ist quasi hinter jedem einzelnen

7:15 SPEAKER_01: möglichen nächsten Wort

7:17 SPEAKER_01: liegt eine Wahrscheinlichkeit.

7:19 SPEAKER_01: Und das Wort, was die höchste Wahrscheinlichkeit hat, wird dann

7:24 SPEAKER_01: sozusagen ausgewählt

7:25 SPEAKER_01: und dann geht das Spiel weiter. Dann ich packe

7:29 SPEAKER_01: meinen

7:29 SPEAKER_01: Rucksack

7:30 SPEAKER_01: und jetzt könnte dahinter stehen,

7:32 SPEAKER_01: also sind dahinter alle Wörter und jetzt steht da rot, grün, was auch immer.

7:37 SPEAKER_01: Und schnell. Vielleicht ist schnell das richtige Wort, wenn ich irgendwie 4 Wörter als Auswahl hab. Und das ist im Prinzip

7:42 SPEAKER_01: alles, was so grundlegend

7:44 SPEAKER_01: hinter diesen GPT Modellen

7:46 SPEAKER_00: liegt. Damit haben wir's generativ,

7:49 SPEAKER_00: vortrainiert

7:50 SPEAKER_00: und transformer.

7:52 SPEAKER_01: Genau.

7:53 SPEAKER_01: So, jetzt haben wir uns einmal High Level, ohne zu theoretisch zu werden, angeschaut, wie diese GPT Modelle funktionieren oder was da dahintersteht.

8:02 SPEAKER_01: Und haben das am Beispiel von' Text, also 1 1 1 Wortvorhersage

8:07 SPEAKER_01: gemacht. Aber KI kann ja heute immer mehr. Und

8:13 SPEAKER_01: zu dem ja, Thema Aufbruch der Mediensilos

8:16 SPEAKER_01: sollten wir uns, glaub ich, auch noch mal kurz unterhalten.

8:18 SPEAKER_00: Ja, superspannend.

8:20 SPEAKER_00: Ich mein, als GPT 1 rauskam, war das wirklich nur ein Textmodell.

8:25 SPEAKER_00: Heute ist es multimodal geworden.

8:27 SPEAKER_00: Das heißt, ich kann nicht nur Text erzeugen, ich kann auch Bilder erzeugen. Es gibt jetzt Modelle, die ganze Videos erzeugen,

8:33 SPEAKER_00: 1. Kleine Filme,

8:35 SPEAKER_00: Code.

8:37 SPEAKER_00: Und ich kann das auch in alle Richtungen machen. Also ich kann mit Text ein Bild erzeugen,

8:41 SPEAKER_00: aus' Bild

8:43 SPEAKER_00: ein Video erzeugen

8:44 SPEAKER_00: oder auch aus' Video wiederum Text erzeugen.

8:47 SPEAKER_00: Ganz spannend ist, da hast Du mich ja auch mal drauf aufmerksam gemacht, ist das

8:51 SPEAKER_00: NotebookLM von Google.

8:53 SPEAKER_00: Da kann ich im Prinzip ein Bild oder auch ein Text generieren oder hochladen. Daraus generier ich dann wiederum Text und daraus wird dann eine Unterhaltung

9:02 SPEAKER_00: gemacht, wie sone Art Podcast. Da sind 2 Menschen, die sich dann unterhalten zu dem Thema, was da vorkam. Also da werden wirklich die verschiedenen Medienformen miteinander gemixt und ich merke, dass einfach diese Silos, die es früher gab, komplett aufgebrochen werden. Ja, also das NotebookLM ist was, was mich auch total geflöchert. Das war auch son Aha Moment, einfach nur son paar Informationen reinzugeben oder wissenschaftliche Paper und auf einmal unterhalten sich 2 Menschen, also wie richtige Menschen in' Podcastformat darüber.

9:30 SPEAKER_01: Das war spannend.

9:31 SPEAKER_01: Ein weiteres Beispiel noch,

9:34 SPEAKER_01: was was mir eine Fähigkeit gegeben hat, die ich vorher nicht hatte, ist ein Mock-up für eine Webseite mit'

9:41 SPEAKER_01: LLM, mit Text quasi zu erstellen. Ich hab einfach beschrieben,

9:46 SPEAKER_01: wie soll die Webseite aussehen? Was sind die Elemente? Was sind die Texte, die da drauf sollen? Und dann hat mir innerhalb von 1 Minute, in dem Fall war das Claude, das können die anderen Modelle aber auch, ein

9:58 SPEAKER_01: Mock-up von' Webseite erstellt. Und diesen Mock-up konnte ich dann nehmen,

10:02 SPEAKER_01: zu richtigen Entwicklern zu gehen und zu sagen, so ungefähr soll meine Webseite aussehen. Ja. Umgedreht,

10:09 SPEAKER_01: was wir auch noch mal gemacht hatten, ist, wir haben eine andere Website genommen, die wir schön fanden, haben ein Screenshot davon gemacht, haben dieses Bild ohne irgendeinen Code

10:21 SPEAKER_01: in ein LLM gegeben und das hat uns dann daraus den Code erstellt

10:25 SPEAKER_01: für diese Webseite. Also wir hatten auf einmal eine funktionale Webseite auf Basis des Inputbilds. Ja. Und dieses ja, Hin und Her von Bild zu Text, zu Text, zu Bild, zu Video und so weiter ist einfach das, was was superspannend ist. Und ja, grade Leute in Marketingfunktionen,

10:40 SPEAKER_01: wenn's auf einmal Skills und Fähigkeiten geben, die undenkbar waren. Und wenn wir noch mal in Episode 1 denken, sind wir hier auf jeden Fall in dieser Phase 2. Und jetzt kann ich auf einmal Dinge, die konnt ich vorher nie. Das hat nix damit zu tun, dass ich irgendwie meine Kosten reduziere,

10:54 SPEAKER_00: sondern ich bekomm Superpowers, die ich vorher nicht hatte. Ja, total. Ich hab letztens auch ein Screenshot hochgeladen und hab mir daraus eine Tabelle generieren lassen. Ich hatte keinen Bock, das irgendwie alles abzutippen. Ja. Einmal Screenshot, zack, kam die Tabelle zurück. Also auch da kann man zwischen den verschiedenen

11:09 SPEAKER_00: Modi schon wechseln

11:11 SPEAKER_00: und die Entwicklung geht ja weiter. Also wenn Du heute sagst,

11:14 SPEAKER_00: heute kannst Du mal ein Prompt, ein erstes MVP bekommen oder ein ersten Mock-up, dann werden wir demnächst da auch wirklich schön clean Code rausbekommen. Ja, also wir entwickeln, das ist total verrückt, aber es gibt so Tools wie, nur 1 zu nennen, wie Cursor.

11:29 SPEAKER_01: Da kann man wirklich

11:30 SPEAKER_01: Text, man man gibt Text ein und bekommt Code. Ja. Man kann sich kann den Code debuggen, kann die Seite ändern.

11:37 SPEAKER_01: Und

11:38 SPEAKER_01: man kann heute sich schon kleine Webtools bauen,

11:42 SPEAKER_01: was vollkommen undenkbar war vorher. Und man muss wirklich keine Ahnung, also 0.0 Ahnung vom Coden haben. Das ist superspannend. Also es gibt ganz, ganz viele Use Cases. Das kommen aber bestimmt auch häufiger noch auf verschiedene

11:54 SPEAKER_01: Cases im Rahmen von dem Podcast. Ja. So, und jetzt zoomen wir noch mal vielleicht einen Schritt raus zum Ende der Episode. Und zwar,

12:03 SPEAKER_01: was bedeutet das eigentlich? Was passiert eigentlich grade? Und zwar

12:07 SPEAKER_01: steht auch die generative KI unter der Überschrift der Entwertung

12:11 SPEAKER_01: durch Technologie. Und Entwertung

12:13 SPEAKER_01: hört sich erst mal negativ an, führt aber einfach zu unglaublichen Innovationen.

12:19 SPEAKER_01: Wenn wir mal ein paar Jahre zurückgehen,

12:21 SPEAKER_01: vielleicht 30 Jahre zurückgehen, der Entstehung des Internets,

12:25 SPEAKER_01: Was ist eigentlich da passiert? Die das Internet an sich hat die Verbreitung von Informationen oder die Kosten der Verbreitung von Informationen

12:34 SPEAKER_01: quasi auf 0, fast auf 0 runtergesetzt.

12:37 SPEAKER_01: Vor dem Internet musste ich Briefe schreiben oder Magazine oder Zeitungen, die mussten gedruckt werden, die mussten verteilt werden, Informationen von a nach b zu bringen. Das Internet hat die ganzen Kosten

12:47 SPEAKER_01: quasi auf 0 gesenkt.

12:50 SPEAKER_01: Die nächste Technologie, Cloud Technologie,

12:53 SPEAKER_01: hat im Prinzip die Kosten für Speicher auf 0 gesetzt. Also Content

13:00 SPEAKER_01: musste Content auf einmal keine Kosten mehr gehabt der Lagerung sozusagen.

13:05 SPEAKER_01: Wir sehen das ja am Handy. Vorher früher hatten wir Digitalkameras. Da

13:08 SPEAKER_01: Da mussten wir überlegen,

13:10 SPEAKER_01: wie viel Fotos können wir machen, weil die Speicher begrenzt waren. Und diese Speicherkosten sind durch diese Serverfarmen

13:17 SPEAKER_00: einfach auf 0 runter. Heute haben wir Braucht keinen Sechsfach CD Wechsler mehr im Kofferraum, sondern Genau. Hab alle

13:23 SPEAKER_01: Musik, die ich mir vorstellen kann, immer mit. Genau. Und Du hast unendlich viele Fotos auf dem Handy und einfach dieser diese die Entstehung, diese massive Entstehung des Contents kostet einfach nichts mehr zu speichern.

13:35 SPEAKER_01: Und letztlich generative KI

13:37 SPEAKER_01: kostet auf einmal auch die Generierung des Contents

13:41 SPEAKER_01: fast nichts mehr, ne. Und es ist nicht nur die die Erstellung des Contents, die Kostenerstellung des Contents,

13:48 SPEAKER_01: fast auf 0 runtergehen, sondern in gewisser Art und Weise auch die Kosten von Intelligenz,

13:54 SPEAKER_01: die auf 0 runtergehen.

13:56 SPEAKER_01: Und

13:57 SPEAKER_01: was das alles heißt, ist auf jeden Fall, ja, ein spannendes Thema und da sprechen wir, glaub ich, noch dazu. Bisschen wie die Dampfmaschine zur zur Revolution

14:07 SPEAKER_00: beigetragen hat, dass Du einfach die die Kosten für Kraft nicht mehr so hattest, als wenn Du die Waschmaschine eingesetzt hast, hast Du heute KI, die die Kosten für Intelligenz am Ende auf uns fährt. Ja, das wird auf jeden Fall sehr spannend im nächsten Jahr. Jetzt haben wir son bisschen das Doomsday Szenario, KI macht alles kostenlos,

14:25 SPEAKER_00: ja, kann alles generieren, aber man könnte ja auch sagen, wir gelernt, das ist eigentlich ein Transformmodell.

14:30 SPEAKER_00: Also es hat nur eine gewisse Wahrscheinlichkeit.

14:34 SPEAKER_00: Was kann KI denn dann, wenn's nur schätzt?

14:37 SPEAKER_01: Ja, KI

14:38 SPEAKER_01: wird manchmal son bisschen als der stochastische

14:41 SPEAKER_01: Papagei abgetan.

14:43 SPEAKER_01: Und in der Regel sind es auch die Leute, die sich richtig mit KI auseinandersetzen

14:48 SPEAKER_01: und einfach unterschätzen,

14:50 SPEAKER_01: wie viel Power dieser stochastische Papagei

14:54 SPEAKER_01: eigentlich hat. Und die Leute, die eben den stochastischen Papagei

14:58 SPEAKER_01: nutzen und sinnvoll einsetzen,

15:00 SPEAKER_01: haben eben massiven Vorteil,

15:02 SPEAKER_01: denn KI weiß zwar nichts und macht nur vorher Vorhersagen,

15:07 SPEAKER_01: KI ist aber ein extrem Powerful,

15:10 SPEAKER_01: ein Tool, das extrem Powerful ist, mal wieder in sonen englischen Begriff reinzuwerfen.

15:15 SPEAKER_01: Und der, der weiß, wie er dieses Tool verwendet,

15:18 SPEAKER_01: hat einfach ein klaren Vorteil gegenüber den anderen.

15:21 SPEAKER_00: Definitiv.

15:22 SPEAKER_00: Und beim nächsten Mal haben wir dann vielleicht auch ein Phrasenschwein.

15:24 SPEAKER_01: Genau, für die englischen Begriffe.

15:27 SPEAKER_00: Auch die besten Papareien verplappern sich mal oder halluzinieren.

15:31 SPEAKER_00: Beim nächsten Mal wird's darum gehen, zu verstehen,

15:34 SPEAKER_00: warum unser Papagei sich verplappert,

15:36 SPEAKER_00: warum er halluziniert

15:38 SPEAKER_00: und was wir auch an Ethik und Datenschutz

15:41 SPEAKER_00: beachten sollten, wenn's KI geht. Und wenn's euch gefallen hat, abonniert gerne den Podcast,

15:47 SPEAKER_00: sagt's euren Freunden, gebt uns 5 Sterne, kommentiert's.

15:50 SPEAKER_00: Danke.

15:51 SPEAKER_02: Ein stochastischer Papagei?

15:53 SPEAKER_02: Na gut, so hat mich noch niemand genannt, aber hey, ich bin ja auch nur die KI. Co-Intelligence

15:59 SPEAKER_02: ist eine Produktion von thekey Academy in Zusammenarbeit mit SnipKI,

16:03 SPEAKER_02: produziert bei Studio Co in Berlin. Redaktion und Moderation, Benjamin Wüstenhagen und Moritz Heininger. Abonniere uns auf Spotify, Apple Podcasts oder YouTube. Danke fürs Zuhören, bis zum nächsten Mal.