#63: KI-Kosten explodieren? Efficiency Maxing statt Token-Verschwendung

0:00 SPEAKER_00: Wenn dein Team nach 3 Monaten KI Nutzung nur sagen kann, dass es sich produktiver anfühlt, aber nichts messen kann, dann habt ihr kein KI Programm, dann habt ihr einen Toolabo.

0:18 SPEAKER_01: Willkommen zurück zum Co Intelligence Podcast, eurem KI Lernpodcast

0:23 SPEAKER_01: mit Moritz Heininger und ihr, Benjamin Wüstenhagen, heute schon in Ausgabe 63.

0:28 SPEAKER_01: Wir schreiben den Juli 20 26

0:32 SPEAKER_01: und heute geht's Efficiency Maxing.

0:35 SPEAKER_01: Nicht Token Maxing, sondern tatsächlich aus den Tokens auch Effizienz rausholen.

0:40 SPEAKER_01: Wie crazy,

0:42 SPEAKER_00: ja. Sonst geht's immer nur Ballern, Ballern, Ballern, Token, Token.

0:46 SPEAKER_00: Und jetzt fällt den Leuten irgendwie so auf, ein Token können auch teuer sein. Nein, nein, die Token können teuer sein. So, dann haben natürlich auch wieder Jenala am Start, der Token Maxing

0:55 SPEAKER_00: Expertin.

0:57 SPEAKER_00: Was ist passiert? Was ist der Unterschied von Token Maxing, Efficiency Maxing? Warum?

1:03 SPEAKER_01: Ja, jetzt hatten wir einige Jahre oder auch grad in den letzten Monaten hat man immer wieder gelesen, dass einige Unternehmen gesagt haben, Leute, gebt aus, was ihr könnt. Und es gab so Leaderboards, wer die meisten Tokens ausgegeben hat, wer am meisten KI

1:15 SPEAKER_01: eingesetzt hat. Da sollte es dann ja die höchste Effizienzsteigerung

1:18 SPEAKER_01: geben. Und jetzt haben einige Unternehmen festgestellt, ups,

1:21 SPEAKER_01: das ist ja richtig teuer. Und da gab's son paar schöne Beispiele.

1:24 SPEAKER_01: Bei Uber war's so, auch bei Meta, die haben innerhalb von wenigen Monaten ihr ganzes Budget

1:29 SPEAKER_01: an Tokens ausgegeben.

1:31 SPEAKER_01: Salesforce

1:32 SPEAKER_01: allein 300000000

1:33 SPEAKER_01: pro Jahr.

1:35 SPEAKER_01: Bei anderen Unternehmen geht's halt schon die Milliarden, kann man sich ja nicht vorstellen. Da ist so viel Deutschland auch sehr, sehr weit weg. Aber jetzt merkt man, das Pendeln schlägt son bisschen

1:44 SPEAKER_01: Und ich mein, ich hatte mir auch dran gewöhnt, dass ich einfach mal ein Abo hatte und immer gib ihnen.

1:49 SPEAKER_00: Ja,

1:50 SPEAKER_00: bei uns genauso.

1:51 SPEAKER_00: Ich bin auch noch, also wir könnten gleich auch noch mal über die verschiedenen Instrumente durchgehen, was man denn machen kann, son bisschen effizienter zu werden. Ich glaub, grundsätzlich ist es auch eine, ne, son bisschen

2:03 SPEAKER_00: Grundsatzentscheidung,

2:04 SPEAKER_00: ja. Und man muss ja schon überlegen,

2:06 SPEAKER_00: wir Deutschen sind natürlich sehr das Land der Effizienz,

2:09 SPEAKER_00: ne.

2:10 SPEAKER_00: Aber

2:11 SPEAKER_00: ich glaub, wir sollten trotzdem noch mal kurz drüber sprechen, warum eigentlich Tokenmarks sind, auch wenn's sehr schnell teuer werden kann, was da vielleicht Vorteile sein

2:19 SPEAKER_00: Vorteile sein könnten, wenn man quasi

2:21 SPEAKER_00: nicht

2:22 SPEAKER_00: immer nur im Effizienzgedanken

2:25 SPEAKER_00: lebt?

2:26 SPEAKER_01: Ja, also ich hab das für bei uns im Unternehmen als großen Vorteil wahrgenommen,

2:30 SPEAKER_01: weil wir einfach gesagt haben, es ist ja in gewisser Weise begrenzt erst mal in diesen Abos. Mhm. Wir jetzt gesagt, nicht die API, sondern jeder hat irgendwie seine 200 Euro im Monat, wenn er sie braucht Mhm. Und probiert alles mal aus. Ja.

2:41 SPEAKER_01: Und über dieses Ausprobieren entsteht ja Lernen. Mhm. Und ich muss jetzt nicht erst mal infrage stellen, lohnt sich das grade? Sondern ich probier's einfach dann aus und stell dann fest,

2:49 SPEAKER_01: hey, das geht in die richtige Richtung oder es geht eben nicht in die richtige Richtung. Insofern, glaub ich, war's schon clever von vielen Firmen,

2:56 SPEAKER_00: da erst mal die Gates aufzumachen und zu sagen, probiert's aus, tobt euch aus und bekommt's raus. Ja. Ja, und jetzt sind die, wie Du's schon angesprochen hast, die Zeiten der der kostenlosen und der günstigen Token vorbei.

3:10 SPEAKER_00: Ich mach mir ein bisschen Sorgen darum,

3:13 SPEAKER_00: ob wir nicht in Zukunft andere Dinge bauen und vielleicht gewisse Dinge gar nicht mehr ausprobieren

3:18 SPEAKER_00: aus Angst vor Tokenkosten,

3:20 SPEAKER_00: ne. Weil wir sprechen ja auch oft drüber

3:23 SPEAKER_00: KI als Effizienztechnologie,

3:25 SPEAKER_00: quasi mit halb so viel Leuten die gleichen Sachen zu machen, ja, oder halb so viel Ressourcen, die gleichen Sachen zu machen.

3:31 SPEAKER_00: Versus ich kann jetzt auf einmal

3:33 SPEAKER_00: Dinge machen, die ich vorher nicht machen konnte, ne. Irgendwo kannst Du auch sagen, das ist ein Thema, weil die Sachen möglich waren, hätt ich unendlich viel Geld, ne, aber so ist ja nicht Realität.

3:42 SPEAKER_00: Ich als

3:43 SPEAKER_00: Unternehmen x mit x Ressourcen

3:45 SPEAKER_00: kann ja jetzt auf einmal ganz viele tolle neue Sachen ausprobieren. Und als die Token quasi umsonst waren, konnte ich auf einmal einfach

3:52 SPEAKER_00: mal versuchen, eine verrückte Software zu bauen, eine neue Lösung zu bauen, irgendwie in ein ganz anderes Feld reinzugehen und da irgendwelche Explorations machen zu machen, weil es ja nichts gekostet hat. Das Risiko war eigentlich nur die Zeit, die ich reingesteckt hab. Was aber immer wieder mal dazu geführt hat und ich glaub, Du hast ja auch ganz viele Beispiele gebracht, dass man auf einmal irgendwas baut und sagt, cool. Ja, ich hab hier wirklich was gefunden, was irgendwie ein Gamechanger sein kann für uns. Ein schönes Problem jetzt son bisschen,

4:18 SPEAKER_00: ne, weil

4:21 SPEAKER_00: Dadurch, dass wir jetzt halt diese teuren Token haben, dass wir jetzt die Limitierungen haben,

4:26 SPEAKER_00: ja, wo wir natürlich auch irgendwo gegensteuern können,

4:29 SPEAKER_00: werden Leute, glaube ich, zunächst erst mal weniger ausprobieren und weniger Freiheiten bekommen, ja, die verrückten Sachen auszuprobieren.

4:36 SPEAKER_00: Und

4:37 SPEAKER_00: ist die Frage, ob das dann wirklich

4:39 SPEAKER_00: mittelfristig

4:40 SPEAKER_00: oder langfristig für die KI Unternehmen sinnvoll ist, weil die Leute jetzt halt nur noch die das Bestehende besser, effizienter,

4:47 SPEAKER_00: schneller machen

4:49 SPEAKER_00: und halt vielleicht sich nicht mehr wagen, diese verrückten Moodshots zu machen.

4:53 SPEAKER_00: Und das ist son bisschen die Grundsatzüberlegung,

4:56 SPEAKER_01: ne? Ich ehrlicherweise bin ich mir gar nicht sicher, ob ich das nur auf jetzt Tokenkosten reduzieren würde, sondern generell

5:02 SPEAKER_01: die Effizienz in den in den Vordergrund stellen würde.

5:06 SPEAKER_01: Denn ich hab jetzt an mir selber gemerkt,

5:08 SPEAKER_01: unabhängig von den Tokenkosten, klar, war auch immer in der Lage zu sagen, okay, jetzt kostet's... Ich hatte auch schon öfter mal, ich war dann am Ende meines Abos Mhm. Und hab dann auf auf Usage umgestellt und hups, dann waren noch mal 1000 Euro weg. Mhm.

5:20 SPEAKER_01: Aber nicht nur die das Geld ist ja das Wichtige, sondern auch die Zeit.

5:23 SPEAKER_01: Und ich hab auch schon festgestellt, dass ich grad son Vibe Coding

5:27 SPEAKER_01: viel, viel Zeit in Dinge reingesteckt habe, die ich noch mal iteriert habe, weggeworfen hab auch noch neu gemacht habe. Wo ich, wenn ich das irgendwie ein bisschen mehr durchdacht hätte von Anfang an,

5:36 SPEAKER_01: vielleicht

5:37 SPEAKER_01: 20 Prozent der Zeit gebraucht hätte. Und ich glaub, diese dieses Thema Efficiency Maxing geht nicht nur in die Richtung, ich möchte Tokens optimieren, Mhm. Sondern ich mach mir generell Gedanken,

5:48 SPEAKER_01: was will ich eigentlich tun?

5:49 SPEAKER_01: Was möcht ich damit erreichen?

5:51 SPEAKER_01: Welche Modelle nutze ich? Welche Modelle nimmt sich auch wofür?

5:55 SPEAKER_01: Ich glaub, token werden ja nicht nur teurer, die werden auch günstiger. Mhm. Ja, das heißt, wenn ich jetzt bei' Modell bin, was vor 3 Jahren ganz vorne dran war, das kostet heute vielleicht ein Hundertstel dessen.

6:07 SPEAKER_01: Und klar, jetzt hab ich irgendwie wieder Faible verfügbar. Wir sind jetzt, wir nehmen's heute grade am zehnten Juli auf, da ist jetzt Faible noch 2 Tage angeblich verfügbar.

6:16 SPEAKER_01: In dem normalen Abo, damit kann ich wieder völlig andere Dinge tun, die ich vorher nie tun konnte. Also ich glaub, es geht auch ein bisschen darum, mir bewusst zu machen, ich muss nicht immer mit mit sozusagen mit 250

6:27 SPEAKER_01: aufm Blech stehen,

6:29 SPEAKER_01: sondern wenn ich irgendwie ein Baum aus seinem Bach ziehen will, nehm ich vielleicht ein Traktor, der jetzt hinfährt, aber mehr ziehen kann. Ja. Aber es sind ja auch irgendwie Learnings, also grade, was Du vorher angesprochen hast, mit diesem effizienteren

6:41 SPEAKER_00: Arbeiten, effizienter quasi

6:44 SPEAKER_00: heranzugehen,

6:45 SPEAKER_00: irgendwas Neues zu entwickeln, auszuprobieren.

6:47 SPEAKER_00: Das sind ja auch gewisse Learnings, die Du gemacht hast, weil Du die Möglichkeit hattest, ich sag mal, ohne größere Kosten die Sachen auszuprobieren.

6:55 SPEAKER_00: Und die Frage ist, die Leute, die jetzt eben neu rankommen,

6:59 SPEAKER_00: die haben jetzt natürlich in gewisser Weise nicht mehr die gleichen Möglichkeiten, eine ähnliche Lernkurve zu

7:04 SPEAKER_00: durchlaufen wie Du, ne.

7:07 SPEAKER_01: Ja, oder oder sie ist eben besser.

7:09 SPEAKER_01: Ne, ich hab jetzt vor Kurzem, ich hab's selber nicht ausprobiert, aber ich hab das gelesen, war ein cooles Beispiel von' Use Case für Fable 5. Fable 5 ist grad das neueste, beste,

7:19 SPEAKER_01: teuerste Modell vom Anbieter von Anthropic, also Claude.

7:23 SPEAKER_01: Jetzt, glaub ich, morgen soll GPT 5 Punkt 6 rauskommen. Bin gespannt.

7:28 SPEAKER_00: Jens,

7:29 SPEAKER_00: mein Co Founder, kann's schon seit 2 Wochen testen. Pickt er immer als

7:34 SPEAKER_00: als

7:34 SPEAKER_01: bekanntes KI Gesicht, immer Early Access auf den ganzen Themen, aber es soll ganz gut werden. Okay, ich bin gespannt. Aber ich hab dann gelesen, es gab dann ein Anbieter, der haben sich angeschaut und die haben ein Table genommen und haben geguckt, okay, eine spinntspezifischen

7:47 SPEAKER_01: Stadt. Welche Terrassen bekommen den ganzen Tag Sonne?

7:52 SPEAKER_01: Basis von Satellitenbildern

7:53 SPEAKER_01: und Sonnenstand und so weiter und und Verschattung und so.

7:57 SPEAKER_01: Okay, haben sie rausgefunden. Okay, dann möchten wir gerne die Adressen dafür rausfinden.

8:01 SPEAKER_01: Dann schicken wir denen ein Mailing und sagen, hey, Du bekommst den ganzen Tag Sonne, hier ist unsere Lösung für

8:08 SPEAKER_01: ein Sonnenschutz,

8:09 SPEAKER_01: sone Vokabela.

8:10 SPEAKER_01: Mhm. Dass Du so was one sch hattest und one sch hattest heißt, ich hab einmal eine Prompt, Du schmeißt es rüber und die KI kümmert sich alles. Ja. Das wär jetzt vor 2 oder vor auch vor' halben Jahr nicht möglich gewesen. Wo wir auch drüber reden müssen, ist das ganze Thema Token und Token Pricing, ne. Wir sprechen dauernd darüber irgendwie Token max, wenn irgendwie so viel Token rausballern, wie's geht,

8:29 SPEAKER_00: potenziell in der Vergangenheit nicht so viel Geld ausgeben wegen Abos,

8:33 SPEAKER_00: jetzt vielleicht ganz viel Geld ausgeben

8:35 SPEAKER_00: versus

8:36 SPEAKER_00: wir haben jetzt irgendwie was mit Token Efficiency oder Efficiency Maxing, da kannst Du mir gleich schon mal erklären, was das ist. Aber was ist jetzt eigentlich? Wird's jetzt eigentlich teurer? Wird's jetzt eigentlich günstiger?

8:45 SPEAKER_00: Und da gibt's, glaub ich, verschiedene

8:47 SPEAKER_00: Treiber, die man einmal verstehen muss. Das eine sind diese Abos, die man abschließt, wenn ich ein Cloud Abo oder ein ChatGPT Abo habe.

8:55 SPEAKER_00: Da hab ich eine gewisse Anzahl an kostenlosen Token, die ich einfach über die die den Chat verballern kann, ohne dass ich wie bei der API pro Token bezahle. In der Vergangenheit war das extrem günstig oder extrem großzügig sozusagen von diesen Playern. Und das wird jetzt sozusagen immer mehr limitiert oder auf bestimmten Modellen limitiert, auf den teuren Modellen limitiert.

9:14 SPEAKER_00: Und der Vergleich von diesen Abos zu der quasi API Ansteuerung,

9:19 SPEAKER_00: wenn ich beispielsweise,

9:21 SPEAKER_00: ja, entwickel

9:22 SPEAKER_00: oder in meine eigenen Tools KI Elemente einbinde, das läuft dann alles über eine API mit irgend' Anbieter. Da bezahl ich quasi pro Token,

9:30 SPEAKER_00: also quasi pro Teil 1 Wortes.

9:33 SPEAKER_00: Und jetzt muss ich auch noch mal unterscheiden zwischen den verschiedenen Modellen. Es gibt ja unterschiedlich gute Modelle der Anbieter und es gibt regelmäßig neue Modelle.

9:43 SPEAKER_00: Was auf jeden Fall stimmt, ist, dass Intelligenz

9:46 SPEAKER_00: extrem viel günstiger wird über die Zeit. Ein gleiches Level an Intelligenz, also ein Modell von vor einem Jahr, ist heute extrem viel günstiger, ne. Heute aktuell haben wir irgendwie Fable.

9:58 SPEAKER_00: Fable, das Fable Modell wird in einem Jahr ein Bruchteil dessen kosten, in dem, was es heute kostet.

10:06 SPEAKER_00: Claude, ist tatsächlich ein schlechtes Beispiel, aber ich hoffe, da müssen wir nicht ins Detail gehen. Grundsätzlich, ein bestimmtes Level an Intelligenz wird über die Zeit deutlich günstiger.

10:16 SPEAKER_00: So, jetzt werden die Modelle aber immer besser. Und je besser die Modelle sind, je neuer die Modelle sind, desto teurer werden diese Modelle. Das heißt, ich als Unternehmen will ja grundsätzlich immer mit, je nachdem, was ich fürn Task habe, aber für gewisse Tasks natürlich immer die besten und tollsten Modelle nutzen. Also Musst Du aber eben nicht? Musst ich nicht, zumindest nicht für alles, deswegen hab ich mal für gewisse Tasks,

10:37 SPEAKER_00: also wird die KI Nutzung, obwohl die Modelle günstiger werden über die Zeit, für mich nicht zwangsweise günstiger,

10:43 SPEAKER_00: ne, in der absoluten

10:45 SPEAKER_00: Rechnung, die ich am Ende des Monats bekomme.

10:47 SPEAKER_00: Ich kann da, und da kommen wir gleich noch dazu, was dagegen machen, dass das irgendwann günstiger wird. Aber wenn ich mein Verhalten nicht veränder

10:55 SPEAKER_00: und quasi immer weiter die neuesten und besten Modelle nutze,

10:58 SPEAKER_00: zahl ich am Ende auch immer mehr,

11:01 SPEAKER_01: bekomm aber auch mehr Intelligenz dafür. Jein, also das, was Du beschreibst, bin ich mir offensichtlich bei dir, wenn man sich die Frontiermodelle

11:06 SPEAKER_01: anschaut, Aber

11:08 SPEAKER_01: ich mir natürlich auch anschauen, welche anderen Anbieter gibt es? Wir haben's schon oft und breit diskutiert. Aus Europa gibt's leider nicht so viel, außer die Kollegen aus Frankreich. Also der Markt teilt sich in Mhm. Mit China und USA.

11:20 SPEAKER_01: Und grade aus China kommen einfach viele sogenannte Open Source- oder Open Wake Modelle. Mhm. Wie Open die sind, sei mal dahingestellt.

11:28 SPEAKER_01: Aber da gibt's Anbieter wie Alibaba, wie Tencent, aber auch andere, die jeweils

11:33 SPEAKER_01: Tochterfirmen haben, die eben diese Token zur Verfügung stellen. Und die sind oftmals den Faktor 10, teilweise sogar Faktor 20 günstiger. Den Vergleich zu den Amerikanern. Amerikanern.

11:42 SPEAKER_01: Das heißt, da bekomm ich schon pro Token oder pro Euro mehr Token. Mhm.

11:47 SPEAKER_01: Wobei man auch dazu sagen muss, die sind meistens ein paar Monate hinterher

11:51 SPEAKER_01: Weil der Abstand immer kleiner wird, ne. Aber da gab's gab's jetzt vom CEO von Coinbase, Coinbase US Unternehmen, also

11:59 SPEAKER_00: to Börse.

12:00 SPEAKER_01: Börse.

12:01 SPEAKER_01: Der hatte das auf LinkedIn oder auf X, weiß ich nicht mehr. Ich hab's irgendwo gesehen, aber der hatte ja so abgetragen,

12:05 SPEAKER_01: die Anzahl der Token, die sie die sie benutzen und die Kosten.

12:09 SPEAKER_01: Und für das ging das so beides hoch. Und dann in den letzten Monaten ging halt die Anzahl der

12:14 SPEAKER_01: die Anzahl der Tokens ging halt dann nach oben und die Kosten gingen runter,

12:18 SPEAKER_01: weil sie halt sehr verstärkt auf diese OpenAate Modelle setzen. Und dann gibt's als Drittes natürlich noch die wirklichen Open Source Modelle, die auf' eigenen Rechner laufen, Mhm. Auf' eigenen Instanz laufen,

12:30 SPEAKER_00: wo ich im Prinzip nur den Strom betaler, den ich halt brauche für meinen Laptop oder für meinen Rechner Lust, die die Miete, der jeweilige Server, ne? Also weil grade das Neue, es gibt ja son ganz, das war total der Hype, GLM 5 2 heißt's, glaub ich, auch ein chinesisches Modell. Da brauchst Du aber richtig Infrastruktur für, ne. Allein das Vollzeit richtig zu betreiben, musst Du dir, glaub ich, Server leisten für 20000 Dollar im Monat oder so. Oder

12:55 SPEAKER_00: die die Grafikkarten,

12:56 SPEAKER_00: das zu betreiben und nicht die Chips zu betreiben.

13:01 SPEAKER_00: Mein

13:02 SPEAKER_00: waren irgendwie so zwo- oder 400000 Euro, ne. Das ist ja dann noch mal ein anderes Game. Aber stimmt, Du hast auf der einen Seite

13:09 SPEAKER_00: haben wir die US Modelle, ne, die jedes Modell, alle Modelle,

13:14 SPEAKER_00: Chinesen und US Modelle werden gleiche Intelligenz über die Zeit günstiger. Ja. Die neuen Modelle sowohl bei den Chinesen als auch bei den Amerikanern werden immer teurer, Ja. Weil die in der Regel auch mehr Token verbrauchen, weil die mehr machen, mehr denken und so weiter. Aber die neuesten Modelle werden eher teurer.

13:29 SPEAKER_00: Und wir haben aber ein massives Gefälle, wie Du sagst, zwischen den Open Weight Open Source Modelle der Chinesen und den amerikanischen Modellen. Und all das sind irgendwie diese Faktoren,

13:39 SPEAKER_00: die ich berücksichtigen muss,

13:42 SPEAKER_00: effizient

13:44 SPEAKER_00: zu arbeiten. Ja. Also jetzt kommen wir zu dem Begriff, was heißt denn Efficiency Maxing?

13:49 SPEAKER_01: Ja, Efficiency Maxing ist letztlich sone Mischung aus allem Möglichen,

13:54 SPEAKER_01: glaube ich. Letztlich heißt es zunächst einmal, dass das, was ich tue, irgendwie messbar werden muss.

14:00 SPEAKER_01: Ja, also ich knall nicht nur irgendwas in ein Chatfenster und irgendwas kommt zurück, sondern ich mach mir Gedanken,

14:05 SPEAKER_01: was möchte ich in dem Prozess oder mit der Software oder

14:09 SPEAKER_01: mit dem Agenten, den ich mir baue? Was möchte ich damit eigentlich erreichen?

14:12 SPEAKER_01: Und wie kann ich das letztlich auch wiederum umsetzen oder umrechnen in Return on Invest? Ist es Zeit, die ich spare? Ist es mehr Umsatz, den ich mache? Ist es ein Budget, was ich einspare?

14:23 SPEAKER_01: Es ist ein neuer Kunde, den ich dadurch gewinne.

14:26 SPEAKER_01: All das kann ich ja irgendwo umrechnen und kann dann sagen, wenn ich da eine 1 Zahl ranhängen kann, kann ich dann wiederum auf diese Zahl optimieren.

14:34 SPEAKER_01: Das ist für mich so der der 1. Und wichtigste Aspekt, das messbar zu machen. Mhm.

14:39 SPEAKER_00: Wie geht ihr dabei vor? Und vielleicht irgendwie,

14:42 SPEAKER_00: wahrscheinlich muss man auch unterscheiden zwischen

14:45 SPEAKER_00: wie geht man als Softwareentwickler

14:46 SPEAKER_00: vor, also euer Engineering Team, versus die, ich sag mal, normalen BWLer so wie wir?

14:53 SPEAKER_01: Also ich hab's bei mir zum ersten Mal

14:55 SPEAKER_01: gespürt, als ich mir mal ein Dashboard gebaut habe, rein aus Interesse, zu gucken,

15:00 SPEAKER_01: wie viel Tokens hätt ich eigentlich bezahlen müssen,

15:03 SPEAKER_01: wenn ich die API genutzt hätte? Mhm. Also ich hab eine 1 Abo für ein Topic für Claude und ich hab ein Abo für Codecs.

15:11 SPEAKER_01: Und ich hab auch noch ein Abo für

15:13 SPEAKER_01: Gemini, weil das sozusagen bei uns im Google Workspace mit dabei ist. Und ich hab mir aber nur Claude und Codecs angeschaut

15:20 SPEAKER_01: und

15:21 SPEAKER_01: bin da seit

15:22 SPEAKER_01: Februar, meine ich, also in den letzten 6 Monaten

15:25 SPEAKER_01: auf über 50000 Dollar gekommen,

15:28 SPEAKER_01: hätte ich diese Tokens bezahlt. Und dann dachte ich mir, oh, das ist ja spannend. Krass, schön, dass ich so subventioniert werde. Gefällt mir, ist son bisschen wie damals wie bei Goverlas, wo Du irgendwie

15:36 SPEAKER_01: 20 Euro Gutschein bekommen hast und konntest dir irgendwie alles nach Hause gehen lassen. Mhm. Vielen Dank, liebe Grüße

15:43 SPEAKER_01: hier raus.

15:45 SPEAKER_01: Und dann hab ich mir angeschaut, wo gehen die eigentlich drauf? Und hab dann festgestellt, dass 25 Prozent dessen, was ich da ausgegeben hätte,

15:53 SPEAKER_01: in ein Softwareprojekt gesteckt wurde, an dem ich halt rum Vibe code. Mhm. Und dann bin ich dann tief reingehabt und gesagt, okay, hätte ich dafür wirklich irgendwie,

16:01 SPEAKER_01: weiß ich nicht, 15000 Euro aufn Tisch gelegt?

16:04 SPEAKER_01: Wahrscheinlich nicht. Mhm.

16:07 SPEAKER_01: Lag daran, dass ich das halt 0 optimiert gemacht habe. Ich hab immer wieder den Kontext vollgemacht und hab jedes Mal neu angefangen und hab nicht irgendwas zusammengefasst.

16:15 SPEAKER_01: Und wenn's als halt Opus 4 7 draußen war, Opus 4 7 und als Opus 4 8 draußen war, Opus 4 8 und jetzt Fable, immer gib ihm, Mhm.

16:22 SPEAKER_01: Ja, obwohl Du ja da völlig anders vorgehen kannst. Und mein eigenes Verhalten hat sich jetzt schon so insofern geändert, als dass ich sage, ich nutz die besten und stärksten und teuersten Modelle

16:32 SPEAKER_01: für alles, was ich plane.

16:35 SPEAKER_01: Und um's dann umzusetzen, kann ich ein Modell nehmen, was nicht mehr so teuer ist, Mhm. Was es aber genauso umsetzen kann. Und dann lass ich die dagegen checken von' anderen Modell, was teurer ist. Das ist sozusagen meine eigene Nutzung, die aber auch so in Richtung, ja, Softwareentwicklung

16:48 SPEAKER_01: teilweise geht.

16:49 SPEAKER_01: Wenn wir jetzt beispielsweise Tokens nutzen,

16:53 SPEAKER_01: interne Agenten zu haben oder wenn wir jetzt Tokens nutzen,

16:57 SPEAKER_01: Content zu entwickeln,

16:59 SPEAKER_01: Da schauen wir ziemlich genau, wofür wir welches Modell nutzen. Also zum Beispiel auch bei unserem Podcast, ja, schöne Webseite,

17:06 SPEAKER_01: CUI pot Punkt d e, Coi pot Punkt d e. Schaut mal rauf.

17:10 SPEAKER_00: Wollt ich mir ein neues Logo machen, son Coi, wie der Fisch. Ja.

17:13 SPEAKER_01: Da findet ihr alle unsere Episoden, ja, kleiner Plug hier, aber da findet ihr auch Zusammenfassungen.

17:19 SPEAKER_01: Da generieren wir aber auch für jedes für jedes Segment

17:23 SPEAKER_01: so.

17:25 SPEAKER_01: Und da müssen wir zum Beispiel die Videos analysieren.

17:28 SPEAKER_01: Und für eine Videoanalyse brauchst Du ein Modell, was multimodal unterwegs ist. Dafür nutzen wir Gemini 3 Punkt 1.

17:35 SPEAKER_01: Wenn wir aber aus dem Transkript

17:37 SPEAKER_01: nur die wichtigsten Fakten rausziehen wollen,

17:40 SPEAKER_01: nutzen wir einen Gemini 2 Punkt 5 Flash, weil es viel, viel günstiger ist,

17:45 SPEAKER_01: keine Videos analysieren kann, aber nach Texte analysieren kann.

17:49 SPEAKER_01: Und da kann man, also wenn man son bisschen unterscheidet,

17:51 SPEAKER_01: welche Aufgabe muss ich eigentlich nutzen für brauche ich eigentlich von KI, Dann nutze ich jeweils das Modell. Plus,

17:57 SPEAKER_01: grade bei Agenten gibt es viele Dinge, da muss ich jetzt kein LLM reinhängen,

18:01 SPEAKER_01: sondern kann ein Stück weit deterministisch

18:03 SPEAKER_01: Dinge vorgeben,

18:05 SPEAKER_01: die dann von' LLM wieder zusammengefasst werden. Also schönes Beispiel,

18:08 SPEAKER_01: wenn uns jemand bei thekey Academy

18:11 SPEAKER_01: ein Kurs in den Warenkorb legt

18:13 SPEAKER_01: und dann die Seite verlässt,

18:15 SPEAKER_01: aber die E-Mail-Adresse hinterlegt, schicken wir eine Mail hinterher und sagen, hier übrigens,

18:19 SPEAKER_01: da ist noch ein Kurs in deinem Warenkorb.

18:21 SPEAKER_01: Dann schauen wir uns an, ist das ein Bestandskunden? Hat er schon mal ein Kurs gekauft? Wie lange war der auf der Seite et cetera p p?

18:27 SPEAKER_01: Und haben dann verschiedene Textblöcke,

18:30 SPEAKER_01: die wir dann von' LLM kombinieren. Aber wir schreiben nicht dieses Mal die E-Mail komplett neu von Scratch, Mhm. Sondern nutzen da nur die Tokens, wo es sinnvoll ist.

18:39 SPEAKER_01: Und da, wo man Elemente nehmen kann, die man immer wiederverwendet,

18:42 SPEAKER_01: musst Du nicht sozusagen vom Scratch anfangen. Und das spart dann auch wiederum Token.

18:47 SPEAKER_00: Gut, wobei in dem konkreten Case würde ich jetzt mal behaupten, dass ihr keine 100000000 E-Mails schickt.

18:52 SPEAKER_00: Da könnte man im Zweifel die die E-Mail auch noch so generieren lassen, oder? Also ich Ja, aber da geht's das ist ja die Frage, wo sparst Du am Ende? Ich glaub, da das wird jetzt nicht bei euch irgendwie es geht nicht

19:03 SPEAKER_01: Analyse, also musst Du musst Du jetzt immer alles am Ende im Geben und dann alles noch mal neu analysieren lassen oder sagst Du, okay, das ist der Case, wenn das der Fall ist, dass es der Case, wenn das der Fall ist, ja. Wir haben grad tatsächlich son bisschen das umgedrehte Problem. Dadurch, dass wir halt ein junges Unternehmen sind, zweieinhalb Jahre alt sind,

19:20 SPEAKER_00: KI Software bauen,

19:22 SPEAKER_00: bist Du halt schnell in diesen Programmen

19:24 SPEAKER_00: der Hyperscaler mehr drin. Ja. Und die geben dir Free Tokens. Ah. Und der Anreiz ist, wenn Du diese die gewisse Free Tokens nutzt Ja. Und nur, wenn Du sie nutzt Ja. Kriegst Du in der nächsten Stufe, also Du kriegst erst 25000 Euro und dann kriegst Du der nächsten Stufe noch mal 100000 Euro an Token. Aha. Aber nur, wenn Du die 25000 Euro in' gewissen Zeitraum verbraucht hast. Ah ja, okay. Was also

19:47 SPEAKER_00: auf den für den Hyperscaler, ich weiß nicht, ob's der richtige Ansatz ist, ne. Na klar sagst Du irgendwie, wir wollen jetzt die Leute das wieder ausprobieren und dann mehr Token verbrauchen. Aber wenn die Leute für die Token nicht bezahlen,

19:56 SPEAKER_00: ist das halt, ja, Frage, ob das die richtige der richtige Approach ist. Aber das gibt uns halt tatsächlich, ich mein, wir ballern jetzt nicht grundlos Token raus, aber es gibt uns halt die Möglichkeit, dieses kreative Ausprobieren, neue Sachen machen und so weiter, einfach ohne irgendwie ein schlechtes Gewissen auszuprobieren.

20:14 SPEAKER_00: Ist wahrscheinlich jetzt fürn kleinen Teil der Unternehmen,

20:17 SPEAKER_00: der

20:18 SPEAKER_00: Zuhörer und Zuhörerinnen relevant, aber quasi junge innovative Unternehmen, die was mit KI machen,

20:24 SPEAKER_00: die bekommen eben sehr schnell

20:27 SPEAKER_00: diese diese Token und dann kann ich auch ein bisschen kreativ

20:31 SPEAKER_01: neue Sachen ausprobieren und Gas geben. Ich kann mich an eurer LinkedIn Thematik erinnern, als ihr sozusagen aus dem aus dem LinkedIn Bio immer diese Bilder generiert habt, als in Nanomala draußen war, ne?

20:41 SPEAKER_00: Wo Du deine LinkedIn URL hinterlegt hast und dann hat, wenn wir quasi deine dein LinkedIn Profil angeschaut und haben deine Karriere visualisiert.

20:47 SPEAKER_00: Da hatten wir da hatten wir Google Token, weil Nonobalala

20:50 SPEAKER_00: und wir haben innerhalb von 1 Woche, glaub ich, 25000 Euro an Credits rausgeballert.

20:55 SPEAKER_00: Ja. Und wir haben zwischenzeitlich überlegt, also das waren Free Tokens, die wir zum Glück hatten.

21:01 SPEAKER_00: Und natürlich hast Du dann ein massiven Brand Value irgendwo drauf, weil überall weil steht

21:06 SPEAKER_00: und jeder teilt's. Ja. Wir haben zwischenzeitlich überlegt, schalten wir das ab? Also ich glaube, wenn das unser Geld gewesen wär in dem Sinn, weil wir waren damals ja noch deutlich kleiner, als wir heute sind, dann haben wir echt überlegt, okay, können wir uns das überhaupt leisten, dass wir jeden Tag, keine Ahnung,

21:22 SPEAKER_00: so viel Kohle rausballern? Am Ende haben wir's laufen lassen. Ich glaub, am Ende war's auch gut. Am Ende haben wir dann dadurch genau, sind wir genau ins nächste Google Programm reinkommen, weil Google gesehen hat, die scheint irgendwas zu machen, was funktioniert.

21:34 SPEAKER_00: Ja,

21:35 SPEAKER_00: okay. Dann sind wir quasi in in

21:37 SPEAKER_00: den nächsten Tier rein reingekommen,

21:40 SPEAKER_00: den wir jetzt auch fleißig nutzen quasi für für unsere Führerscheinprogramme

21:44 SPEAKER_00: und - Produkte.

21:45 SPEAKER_00: Aber ja, das war son Moment, wo wir wirklich gedacht haben, so son bisschen, ja, stoppen wir das ganze Ding jetzt, weil's irgendwie zu groß, zu schnell, zu viral wird. Und

21:54 SPEAKER_00: wir irgendwann war die 25 KI auch weg. Da wussten wir ja noch nicht, dass sie mehr Credits bekommen. Haben wir gedacht, okay, was ist, wenn's jetzt weiterläuft? Wollen wir 25 Euro, wir müssen Euro bezahlen in Woche 2 aus dem aus der eigenen Tasche. Ja. Ja. Aber ja, das war so bisschen eine ganz interessante Story.

22:09 SPEAKER_01: Ich glaub, was bei diesem Efficiency Max dann auch eine Rolle spielt, ist, dass die Modelle

22:14 SPEAKER_01: sich immer ähnlicher werden. Also grad in von Tenor, also man hat ja im Prinzip so

22:19 SPEAKER_01: alle 2 Monate hast Du das neueste, krasse Modell von irgendjemandem anders, ja? Ich kann mich erinnern, als wir hier im, weiß ich nicht, Dezember oder so saßen,

22:26 SPEAKER_01: war sogar Gemini 3,

22:28 SPEAKER_01: supercool.

22:29 SPEAKER_01: Dann kam irgendwie Claude

22:31 SPEAKER_01: die Ecke mit Opus.

22:33 SPEAKER_01: Dann dann war kurz ein GPT 5 Punkt 5. Jetzt es war Fable, jetzt kommt demnächst GPT 5 Punkt 6 oder wenn ihr das seht, ist vielleicht schon draußen. Also man hat son bisschen Gefühl, so die 3 Kommt heute, glaube ich, heute oder morgen. Ja. Also wahrscheinlich, wenn der Podcast rauskommt, gibt's Also ja

22:46 SPEAKER_01: so irgendwie gefühlt alle 2 Tagen gibt's da ein neues Modell

22:49 SPEAKER_01: und die Unterscheidung ist nicht mehr so riesengroß,

22:52 SPEAKER_01: aber oder vielleicht ist sie auch riesengroß, wenn ich als Faible gewusst hab, ich fand das schon krass.

22:56 SPEAKER_01: Was immer wichtiger aus meiner Sicht wird, ist a die Workflows,

23:00 SPEAKER_01: b das,

23:01 SPEAKER_01: also wie auch die jeweiligen Modelprovider, was die so drumrum bauen.

23:05 SPEAKER_01: Wir haben viel über über Cloud Provider gesprochen, also ein schönes ist oder auch Kodex ist ein Hahness.

23:12 SPEAKER_01: Und auch

23:14 SPEAKER_01: die Evaluation,

23:16 SPEAKER_01: ist das, was meine KI da grade fabriziert,

23:19 SPEAKER_01: genau das Richtige?

23:21 SPEAKER_01: Gehe ich in die richtige Richtung,

23:23 SPEAKER_01: ja?

23:24 SPEAKER_01: Und wo muss ich nachsteuern? Also ein schönes Beispiel bei uns, wenn wir Kurse produzieren,

23:28 SPEAKER_01: lassen wir natürlich auch viel von KI produzieren oder lassen uns von KI inspirieren.

23:33 SPEAKER_01: Da ist mir aber schon aufgefallen gekommen, dass ich den ganzen Kurs dann sozusagen einmal durchgeknallt habe und dann festgestellt hab,

23:38 SPEAKER_01: da war jetzt noch ein Fehler drin. Mhm. Also muss ich noch mal neu alles machen. Mittlerweile sind wir dann so clever sozusagen auf Lektionsebene oder auf Modulebene zu schauen, wir evaluieren das erst mal. Ist das richtig? Ja, okay, dann geht's weiter. Mhm. Also auch diese Stufen

23:53 SPEAKER_01: von Evaluationsstufen

23:55 SPEAKER_01: oder auch von Feedback von' anderen KI, die noch mal raufschaut,

23:59 SPEAKER_01: die kommen spielen halt jetzt eine Rolle und werden wichtiger. Ja.

24:04 SPEAKER_00: Was lass uns noch mal vielleicht

24:06 SPEAKER_00: zusammenfassen und überlegen auch, was heißt das denn für unsere Hörer und Hörerinnen, ne? Klar. Ich glaub, die meisten sind keine Softwareentwickler.

24:14 SPEAKER_00: Die, die es sind, kennen das Thema wahrscheinlich schon, ne. Aber ich glaub, die der Grundsatz ist, wenn's komplexe Planungen sind,

24:22 SPEAKER_00: Brainstorming, also

24:23 SPEAKER_00: also was das wirklich auch

24:25 SPEAKER_00: krasse

24:26 SPEAKER_00: Nachdenkpower

24:27 SPEAKER_00: 1 Menschen benötigt, ne. Ich will eine neue Businessline machen, ich will ein neuen Kurs veröffentlichen,

24:32 SPEAKER_00: ich will meine Strategieplanung

24:34 SPEAKER_00: machen,

24:35 SPEAKER_00: ich will eine neue Software bauen. Da sollte ich einfach die besten Topmodelle nutzen für und da ist das Geld meistens auch gut angewendet.

24:45 SPEAKER_00: Wenn es in die Execution geht und der Execution Plan

24:50 SPEAKER_00: idealerweise

24:51 SPEAKER_00: dann auch von diesem Topmodell gemacht wird und die Schritte eigentlich relativ

24:55 SPEAKER_00: klar sind,

24:56 SPEAKER_00: kann und sollte ich eigentlich, sagen wir, ich hab Free Credits, auf ein günstiger, aber auch dann, weil die günstigen, die die, ich sag mal, schlechtere Modelle sind auch schneller in der Regel, muss man auch dazu sagen, sollte ich auf ein günstigeres Modell gehen. Bei der Softwareentwicklung

25:09 SPEAKER_00: nutzen das die ganzen Ingenieurs wahrscheinlich sowieso schon. Wir als

25:14 SPEAKER_00: normaler Wissensarbeiter und BWLer

25:16 SPEAKER_00: nutzen ja wahrscheinlich eine Lizenz von, klar, von ChatGPT oder 70 Prozent wahrscheinlich vom CoPilot, zumindest bei unseren Kunden, wie Du Stand und Enterprise.

25:24 SPEAKER_00: Es ist ja meistens nicht so, dass wir dann sehen, das kostet dich jetzt so und so viel Euro. Bei uns ist ja dann eher so, dass wir in so Nutzungslimits reinlaufen und dann gesagt bekommen so, Du kannst jetzt erst wieder oder oder Opus erst wieder in 4 Stunden nutzen oder Du musst bei deinem Admin mehr Geld anfragen.

25:39 SPEAKER_00: Ne, und das ist ja das, was eher nervt, weil wir da nicht weiterarbeiten können. Das heißt, für uns würden wir halt mit dem hergehen. Eben genauso

25:46 SPEAKER_00: komplexe Sachen damit machen, wenn's aber in die Execution geht, würden wir dann das, wenn wir das Modell ändern oder uns ein Plan machen und einen neuen Chat aufmachen

25:55 SPEAKER_00: und dann da sozusagen weiterarbeiten und dann einfach auch sehr gute

25:59 SPEAKER_00: Sachen,

26:00 SPEAKER_00: sehr gute Ergebnisse erzielen. Oder wenn wir uns Automatisierungen,

26:03 SPEAKER_00: so Daily Runs, Receley Runs für irgendwelche Themen eingestellt haben, dann irgendwelche Skills ablaufen,

26:08 SPEAKER_00: dann wissen wir ja auch, ob das eher was Einfaches ist, wo Du einfach eine Execution abläuft, die Schritte komplett klar sind. Da muss ich halt nicht als Standardmodell immer das das beste Topmodell angeben, sondern vielleicht dann auch das zweitbeste Modell. Das sind son bisschen, glaub ich, die Hebel, die man so als

26:23 SPEAKER_00: als ganz normaler

26:25 SPEAKER_00: KI Nutzer in' Unternehmen

26:27 SPEAKER_01: hat, würde ich jetzt mal... Was willst Du noch dazu hinzufügen? Ja, also neben diesen Hebeln, die im Prinzip einfach die Token Nutzung verändern, gibt's natürlich aus meiner Sicht noch ein paar Mess Messachsen. Ich

26:37 SPEAKER_01: Ich meinte ja, aus meiner Sicht ist Effizienz dann, wenn ich's messen kann. Und auch da kann ich dann überlegen, wie ist eigentlich die Durchlaufzeit?

26:44 SPEAKER_01: Also wie viel Zeit habe ich vorher gebraucht? Wie viel brauche ich nachher? Und vielleicht nutze ich ein Modell, was schneller ist. Mhm. Ja, teilweise brauche ich grad, wenn ich son Thinking Modell nehme,

26:53 SPEAKER_01: trage ich ein, gib immer ein Rezept für für Lasagne und dann dauert's irgendwie 5 Minuten. Ich denk mir, ja,

26:59 SPEAKER_01: Du solltest ja nicht irgendwie gucken,

27:01 SPEAKER_01: woraus irgendwie die Nudeln sind, sondern Mhm.

27:03 SPEAKER_01: Ja. Dann so Review last. Also wie viel menschliche Prüfung bleibt noch? Kann ich mich drauf verlassen, was da rauskommt oder muss ich da noch mal alles nachprüfen?

27:13 SPEAKER_01: Wenn ich jetzt beispielsweise sage, ich hab ein Research und da ist ein billiges Modell drauf und ich muss alles wirklich

27:20 SPEAKER_01: evaluieren und schauen, ist das wirklich richtig?

27:23 SPEAKER_01: Oder ich nehm ein tiefes Modell mit Webrecherche

27:26 SPEAKER_01: und weiß, okay, die die Quellen passen, ist es wieder was anderes. Oder ich kann auch sagen, wie oft ist der 1. Output nutzbar?

27:34 SPEAKER_01: Ja, muss der sofort sein oder nehm ich das erst mal nur als als sone Gedankenstütze?

27:38 SPEAKER_01: Mhm. Das ist wiederum die Überlegung, welches Modell ich nehme.

27:42 SPEAKER_01: Wie oft muss neu angesetzt werden? Also wie wie oft muss ich da auf Neudeutsch Rework machen?

27:47 SPEAKER_01: Und was sind auch meine Fehlerkosten? Also welche Fehler welche Kosten entstehen, wenn da Fehler drin sind? Ich hatte letztens, ich hab son dachte,

27:56 SPEAKER_01: ich hätt ein Bug gefunden,

27:58 SPEAKER_01: habe mit KI

28:00 SPEAKER_01: probiert, diesen Bug zu fixen, hab sonen sogenannten Pull Request gemacht.

28:04 SPEAKER_01: Ja, also son Prinzip in den Dateien ist bearbeitet,

28:08 SPEAKER_01: bei uns in GitHub reingestellt.

28:10 SPEAKER_01: Ein Entwickler hat sich's angeguckt, hat da 2 Stunden mit verbracht und meinte dann am Ende, ey, das ist völliger Bullshit. Ich hab jetzt hier 2 Stunden meiner Zeit verbraten,

28:17 SPEAKER_01: weil Du mir son Scheiß Bullyquest reingestellt hast und das ist absoluter Quatsch. Mhm. Ja, aus da hätt ich

28:23 SPEAKER_01: ich vielleicht mal ein zweites Mal mit' anderen Modell so rübergucken können.

28:26 SPEAKER_01: Und letztlich natürlich Kosten pro Ergebnis.

28:29 SPEAKER_01: Also was kostet mich das, was ich da eigentlich am Ende habe und muss das optimiert werden? Oder so wie wie Du vorhin sagtest, na ja, wenn ich jetzt die E-Mail von dem oder von' anderen Modell schreibe, ist es jetzt relevant, ob's 2 Cent kostet oder dreieinhalb.

28:44 SPEAKER_01: Gut.

28:47 SPEAKER_01: Wir haben die Welt ganz gut umrundet.

28:49 SPEAKER_00: Genau, was wir heute bewusst nicht adressiert haben. Wir haben ja über Open Source Modelle und so weiter gesprochen, so welcher Use Case, welches Modell

28:57 SPEAKER_00: im Sinne von, ne, auch Data Privacy Geschichten und so was. Das war heut nicht das Thema, sondern wirklich der Kostenfokus.

29:04 SPEAKER_00: Und ich glaub, da sind wir einmal

29:06 SPEAKER_00: erst mal philosophisch ganz gut durchgegangen. Macht das überhaupt Sinn? Sollten wir immer nur in denken?

29:12 SPEAKER_00: Müssen die Gedanken nicht frei sein und wir viele tolle neue Sachen probieren,

29:15 SPEAKER_00: ausprobieren können?

29:18 SPEAKER_00: Und ja, und dann son paar Strategien,

29:20 SPEAKER_00: glaub ich, ist es wichtig, dass wir die besprochen haben, dass man die hat, eben am Ende

29:26 SPEAKER_00: nicht zu viel

29:27 SPEAKER_00: Geld für die falschen Sachen rauszuballern,

29:30 SPEAKER_00: glaube ich. Und das ist alles ein Learning Prozess und

29:34 SPEAKER_00: da gehen wir alle durch.

29:36 SPEAKER_00: Aber das ist

29:37 SPEAKER_00: Stand heute, würde ich sagen, die Diskussion Token Maxing versus Efficiency Maxing. Es gibt ja oftmals diese Kennzahl,

29:43 SPEAKER_01: mit Umsatz pro Mitarbeiter.

29:45 SPEAKER_01: Ich glaub, Anthropic ist da so bei 8000000 Dollar pro Mitarbeiter, schon krass. Google ist auch irgendwie bei 6 oder so was. Jetzt ist die Frage, ob's dann vielleicht eine neue Metrik kommt, ja, Umsatz pro 1000000 Token.

29:56 SPEAKER_00: Umsatz pro 1000000 Token, ja, find ich interessant. Das ist aber besser.

30:00 SPEAKER_01: Ja, wenn's euch gefallen hat,

30:02 SPEAKER_01: empfehlt uns gern weiter, kommentiert gerne,

30:05 SPEAKER_01: liket uns auf den Plattformen der Wahl, sei es Apple oder auch YouTube

30:10 SPEAKER_02: Und wir freuen uns aufs nächste Mal. Co Intelligence ist eine Produktion von the key academy in Zusammenarbeit mit SnipKI,

30:17 SPEAKER_02: produziert im Constellation Studio in Berlin. Redaktion und Moderation, Benjamin Wüstenhagen,

30:22 SPEAKER_02: Moritz Heininger.

30:23 SPEAKER_02: Und ich, ich bin eine KI, falls ihr das nicht schon längst erraten habt. Einfach nur eine Stimme aus dem Algorithmus.

30:28 SPEAKER_02: Aber hey, immerhin eine Retoutentiming.

30:30 SPEAKER_02: Wenn ihr mehr darüber erfahren wollt, abonniert diesen Podcast, keine Folge zu verpassen. Danke fürs Zuhören und bis zum nächsten Mal.