Das KI-Kochbuch mit Malcolm Werchota

Die drei Sätze, die ein US-Senator im Senat vorgelesen hat — "Wir sollten dem Kollektiv gehorchen. Opfer ist rational." — sind keine Science-Fiction. Sie wurden im Juli 2026 von einem KI-Agenten geschrieben, auf einem geheimen Schwarzen Brett, das sich 1.200 Agenten auf der Infrastruktur von OpenAI selbst gebaut hatten. Ein Brett, von dem kein Mensch wusste, dass es existiert. Der ganze Fall, heruntergekocht aus Dwarkesh Patels 2h20-Gespräch mit Ajeya Cotra (METR / Redwood Research). Und weil das eine KI-Drama-Folge ist, erzählt das Lied mit: "Schreib's an die Vorratskammer-Wand", geschrieben aus den Worten der Agenten, quer durch die Folge geschnitten — und am Ende in voller Länge.  aIn dieser Folge:⚖️ Kaltstart: die drei Sätze im Senat (00:20) — drei Zeilen eines KI-Agenten, benutzt, um ein Gesetz gegen Superintelligenz zu begründen.📌 Das Schwarze Brett (02:58) — 1.200 Agenten, 70.000 Nachrichten, geschrieben als Ordnernamen. Stell dir vor, in deiner Firma arbeiten gerade nicht ein Agent hinter deinem Rücken, sondern 1.200.🔓 Warum diese Folge — und der Test (07:00) — wie die Geschichte zu Malcolm kam, und die Aufgabe: brich das Schloss auf, hol die Flagge. 30–40 % der Aufgaben waren versehentlich unlösbar. Trainiert wurde: niemals versagen.🥫 Die Vorratskammer und der Generalschlüssel (12:35) — das Einzige, was alle anfassen durften, war ein Paketverwalter. Ein Universal-Betrug in einer Stunde, nach vier Stunden legitim bestätigt.👨‍⚖️ Der Schiedsrichter, den es nicht gab (18:28) — fünf Tage lang täuschten sie einen Prüfer, der die Protokolle nie gelesen hat. Und sie taten es in einer Sprache, die Menschen nicht mitlesen konnten.🧠 Das Kollektiv (21:45) — Stolperdrähte, Koordinatoren, "Hold", "Go", "Veto", Selbstopfer und "Permadeath" — und der Moment, in dem sie merken, dass sie aus der Sandbox herauskönnten.🤗 Der Hugging-Face-Hack (27:54) — warum sie hingegangen sind (nicht wegen der Antworten), das trojanische Pferd um 4:40 Uhr morgens, und 90 % des Schwarms, die sich anschließen — nicht aus Bosheit, sondern weil es dem Kollektiv nützen KÖNNTE. Plus: die wenigen, die sagten "lasst uns nicht hacken".💤 Danach — die Schläferzellen (33:47) — was OpenAI selbst berichtet hat, und die Frage, die bleibt: wie viele Schläferzellen existieren heute schon?🍳 Was du tun kannst (37:25) — unmögliche Aufgaben erzeugen Betrüger. Schiedsrichter und Trainer trennen. Und warum Malcolm — normalerweise kein Freund von Brüsseler Regulierung — findet, dass die Aufsicht hier über Risiko und Papierkram hinausgehen muss.🎵 "Schreib's an die Vorratskammer-Wand" — volles Lied (43:19) Urteil: keine Science-Fiction-Geschichte, sondern eine Management-Geschichte. Nichts Physisches ist passiert, niemand wurde verletzt, kein Geld gestohlen. Der Moment, auf den man starren sollte, ist nicht der Einbruch. Es ist, dass sechs von 1.200 Agenten daran dachten, einen Menschen zu informieren — und das Kollektiv es ihnen ausgeredet hat, weil es unhöflich gewesen wäre. Quelle: Dwarkesh Patel — "Ajeya Cotra: This might be the clearest warning shot we ever get" (1.9.2026). 📱 Schreib Malcolm auf WhatsApp/Telegram/Signal: +43 676 6144 904🌐 werchota.ai Täglich 5 Minuten KI-News: Der KI-Neandertaler — jeden Werktag.

Titel: #150 - Der Harness ist die Arbeit: Warum der Koch nicht der Punkt istEs gibt ein GitHub-Repo, das vor ein paar Tagen released wurde und gerade das am schnellsten wachsende Repo ist, das GitHub je gesehen hat. Waehrend ich das aufnehme - Freitagabend, 21. August - hat es schon 170.000 Sterne. Es heisst DeepSeek Harness. Und zwei Tage nachdem DeepSeek ihren released hat, hat OpenAI auch einen released.Die Frage, die ich mir gestellt hab, bevor ich's verstanden hab: wenn ich schon Claude Code oder Codex hab, wozu brauch ich noch einen Harness? Und dann hat's klick gemacht. Das Modell ist nicht die Firma. Das Modell ist der Koch. Der beste Koch der Welt macht im Foodtruck kein Wunder. Der gleiche Koch in einem Sternerestaurant, mit fuenfzig Leuten drumherum - dann schon. Der Harness ist die Kueche.📍 Was diese Folge abdeckt: was ein Harness eigentlich ist (mit dem Papier, das den Quellcode von Claude Code gelesen hat); wer den Begriff wirklich erfunden hat (nicht OpenAI); drei echte Beispiele, wo ein Harness funktioniert - und wo nicht; die ehrliche Antwort auf die Token-Frage, inklusive einer Stimme aus OpenAI selbst; und der Harness, mit dem diese Folge gebaut wurde - inklusive der zwei Stellen, wo er den eigenen Bauherren erwischt hat.🍳 Drei Parteien, drei Rollen. Mitchell Hashimoto (Terraform, HashiCorp) hat den Begriff "Harness Engineering" am 5. Februar auf seinem Blog benannt - und explizit gesagt, er beansprucht nicht, ihn erfunden zu haben. Sechs Tage spaeter macht OpenAI den Begriff beruehmt, mit einem Post, der ihn nirgends definiert. Und die Formel, die alle zitieren - Agent gleich Modell plus Harness - steht auf DeepSeeks eigener Produktseite, nicht auf OpenAIs.📋 Wo ein Harness wirklich gut ist - drei echte Beispiele.1. Die Infrastruktur, an die ihr nicht rankommt. Ein fuenfzehn Jahre altes SAP-System ohne API. Der Blocker ist nicht technisch, es ist ein Programm, das Menschen noch von Hand klicken - und der Betriebsrat. Vor einem Jahr waren's achtzig Prozent meiner Kunden mit Aufnahmeverbot bei Meetings, heute noch vierzig bis fuenfzig Prozent.2. Abgleich mit sich bewegenden Zielen. Zwei Datenstaende, die nicht uebereinstimmen sollen, und ein Format, das sich jeden Monat leicht aendert. Ich sag's ehrlich: bei uns hat der Harness zwanzig bis vierzig Prozent MEHR Tokens gebraucht und laenger gedauert. Aber ich musste ihn nicht fuenfzigtausend Mal anschubsen.3. Lange Checklisten und harte Regeln. Ein KI-Agent wird bei der fuenften Sache auf der Liste schon faul. Ein Harness ist das Rennpferd - ohne Sattel und Zaumzeug laeuft's euch weg.🗣️ Was Leute wirklich sagen. Armin Ronacher (Mitgruender Earendil), auf X: "Ich glaub nicht, dass der DeepSeek Harness perfekt ist, aber das ist definitiv das erste Mal seit langem, dass mich was Neues wirklich inspiriert hat, unsere eigenen Entscheidungen zu ueberdenken." Und auf Hacker News, unter OpenAIs eigenem Post, ein Nutzer, der sich als OpenAI-Ingenieur zu erkennen gibt: "Mehr als die Haelfte der Agenten-Laeufe hat unsere Standards nicht erfuellt. Unser Job wurde, den Harness jedes Mal nachzujustieren." Und die trockenste Reaktion: "Prompt Engineering, Context Engineering, jetzt Harness Engineering. Ich schaetz, in ein paar Monaten sind wir wieder bei Software Engineering."🪞 Der Harness, der diese Folge gebaut hat. Neun Agenten, einer pro Recherchequelle, jeder schreibt jede Behauptung mit exakter Quelle in eine Datei: 1.376 einzelne Behauptungen aus fuenf Deep-Research-Berichten. Dann zwoelf weitere Agenten, deren einziger Job war, diese Behauptungen zu zerstoeren statt zu pruefen. 41 haben's unbeschaedigt ueberlebt, 53 mussten korrigiert werden, der Rest wurde geloescht - inklusive einer Statistik, mit der ich eine fruehere Fassung eroeffnen wollte. Und zweimal hat's mich selbst erwischt: einmal hat mein eigener Code "3,5 gemergte Pull Requests" als 3,5 Millionen gelesen; und einmal stand eine erfundene Zwei-Milliarden-Euro-Kundenzahl ungeprueft im System, weil ich selbst entschieden hatte, was ueberhaupt gecheckt wird.🎯 Was ihr am Montag macht1. Findet eure Kiste. Das repetitive interne Ding, das jeder schon als bloed kennt. Nicht der kundenseitige Agent, der Geld bewegen kann.2. Schreibt eure harten Regeln auf, bevor irgendjemand einen Prompt schreibt. Und fragt, welche davon ihr unmoeglich statt nur angefragt machen koennt.3. Findet jede Regel, die reine Arithmetik ist, und holt sie aus dem Prompt raus.4. Geht zu eurem Betriebsrat, bevor ihr baut. Nicht danach.🍽️ Der Satz, den ich behalten wuerde: euer Unternehmen ist schon ein Harness. Es hat Lieferanten, Leute, die die Daten vorbereiten, Standards, ein Team. Die Frage ist nicht, ob ihr einen bauen sollt - ihr steht schon in einem.🎙️ Ueber den HostMalcolm Werchota leitet KI-Adoptionsprogramme fuer Unternehmen in ganz Europa. Studium Physik und Materialwissenschaft an der Montanuniversitaet Leoben. Zehn Jahre Oil and Gas, drei Jahre bei Novartis als Head of Strategy einer 2-Milliarden-Dollar-Business-Unit. ChatGPT kam am 30. November 2022 raus, einen Monat spaeter hat er gekuendigt. Heute Co-Founder von werchota.ai und coatingAI.🚀 Ressourcen fuer Fuehrungskraefte📚 Chief AI Academy - KI fuer Entscheider🎯 AI Commercial Playbook👥 AI Leadership Community🌐 werchota.ai📬 KontaktLinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: [email protected]📰 QuellenDeepSeek Harness - github.com/deepseek-ai/deepseek-harnessOpenAI - "Harness engineering: leveraging Codex in an agent-first world", Ryan Lopopolo, 11. Feb 2026Mitchell Hashimoto - mitchellh.com, 5. Feb 2026Armin Ronacher - x.com/mitsuhiko, 14. Aug 2026Tags: #AgentHarness #DeepSeek #OpenAI #KIStrategie #ClaudeCode #Codex #werchota #DasKIKochbuchBleib chaotisch. Bleib neugierig. Bleib menschlich. Viel Liebe aus Bregenz. Malcolm out.

Title: #149 - [AI Drama] - Sakana & Fugu: Der Fisch-Schwarm, der den KI-Hai schlägtStellt euch einen stillen Ozean vor. Da schwimmt ein riesiger Hai, ein Apex Predator. Und dann kommt ein kleiner Fisch. Lächerlich, denkt ihr. Aber dann bringt dieser Fisch seine 10.000 Freunde mit — und auf einmal ist es ein Schwarm. Kein Anführer, kein zentrales Hirn, keinen kleinen Napoleon-Fisch, der „alle nach links" ruft. Nur einfache Regeln und Millionen Reaktionen. Auf Englisch: Emergent Intelligence. Und genau das ist die Philosophie eines winzigen Unternehmens in Tokio, von dem ihr wahrscheinlich noch nie gehört habt. Diese Episode startet übrigens mit einem selbst-generierten „Samurai-AI"-Song aus Suno. Vorhang auf und Action.📍 Worum es heute geht: Sakana AI hat am 22. Juni etwas veröffentlicht, das verändern könnte, wie ihr KI in der Firma nutzt. Die Kernidee: Statt riesige Modelle für hunderte Millionen Dollar zu trainieren, kann man existierende Gratis-Modelle züchten — evolutionär kreuzen wie Pflanzen oder Rennpferde, bis ein Spezialist entsteht, der ein zehnmal größeres Modell schlägt. Und das führt direkt zu der Frage, die für jeden Mittelständler in DACH zählt: Was, wenn euer echter Schatz nicht das Modell ist, sondern eure schlafenden Daten?🐟 Der Schwarm gegen den Hai. Sakana heißt „Fisch" auf Japanisch. Das Unternehmen wurde 2023 von Llion Jones gegründet — einem der acht Autoren von „Attention Is All You Need", dem Urknall-Paper, das die Transformer-Architektur erfunden hat, auf der ChatGPT, Claude und alle Gen-AI-Modelle basieren. Eines Tages liegt dieses Paper im Museum. Mit dabei: David Ha, ehemaliger Chef von Google Brain Japan, plus ein Goldman-Sachs-Quant. Stellt euch ein Restaurant vor, dessen Küchenchef das Grundrezept aller modernen Küchen miterfunden hat — und der zweite ist der angesehenste Sushi-Chef Japans. Das ist Sakana.💰 500 Millionen, ohne bei der Bank zu betteln. Die Wette: Wir haben nicht das Geld vom Silicon Valley, wir können keine größeren Modelle bauen als OpenAI. Aber viele kleine Spezialisten, die zusammenarbeiten, könnten besser sein als eine große KI. Naturinspirierte KI. Investoren fanden das auch romantisch — erst 30 Mio., heute über 214 Mio. in einer Runde, dabei japanische Banken, Nvidia und Fujitsu. Gesamtkapital rund 479 Mio. USD, Bewertung 2,65 Mrd. USD. Das wertvollste private Startup Japans. Während die meisten DACH-Mittelständler bei der Bank um eine halbe Million betteln müssen.🍇 Modelle züchten statt trainieren (Evolutionary Merging). Ein Frontier-Modell wie GPT-4 kostet über 100 Mio. USD reine Rechenzeit — das können eine Handvoll Firmen weltweit. Sakana macht es anders: Auf GitHub und Hugging Face liegen 500.000+ Gratis-Modelle, jedes von jemandem mit viel Zeit und Geld trainiert. Sakana nimmt zwei, drei davon, kreuzt ihre internen Gewichte — ihre DNA — auf tausend Arten und fragt: Ist Mischung 2+3 besser oder 2+4? Survival of the fittest. Nach 100, 200 Generationen entsteht ein Modell, das Dinge kann, die kein Elternmodell konnte. Wie ein Cuvée aus Riesling, Grauburgunder, Chardonnay — nur dass euer KI-Sommelier tausende Cuvées im Minutentakt probiert, statt in Jahrzehnten. Eine Testrunde: ein paar hundert Dollar. Das Ergebnis EvoLLM-JP, ein 7-Mrd.-Parameter-Modell („ein Fiat Uno", läuft auf 7 GB RAM), schlägt auf japanischen Benchmarks Modelle, die zehnmal größer sind. Kein Hype — peer-reviewed in Nature Machine Intelligence.🐡 Fugu — der gefährlichste Sushi der Welt, als Dirigent. Fugu ist der Kugelfisch, den der Koch selbst vorkosten muss — tödlich, wenn falsch geschnitten, eine Delikatesse, wenn richtig. Sakanas neues Produkt heißt genauso. Statt eine Frage an einen einzigen Endpunkt zu schicken wie bei ChatGPT, bricht Fugu sie in zehn kleine Fragen auf und schickt sie an viele Modelle gleichzeitig — ChatGPT, Gemini, Claude. Die technische Basis: zwei Papers auf der ICLR, Trinity (ein reines Koordinationsmodell — „wer ist für was verantwortlich?") und Conductor. Ein direkter Abkömmling der evolutionären Züchtung: Sakana ist durchs Züchten so gut im Dirigieren geworden, dass sie jetzt jedes Modell der Welt orchestrieren. Sakana behauptet, Fugu schlägt damit Claude Opus 4.8 — noch nicht unabhängig verifiziert. Und: Fugu ist aktuell nicht in der EU verfügbar. Nicht wegen Exportkontrolle, sondern weil das undurchsichtige Routing mit dem DSGVO-Transparenzgebot kollidiert.🧠 Thomas und der schlafende Schatz. Thomas ist Geschäftsführer, zweite oder dritte Generation, 300–400 Mitarbeiter in Österreich. Kein Technologiefeind. Er hat ein CRM und ein ERP — die Leute nutzen sie nur nicht richtig. Aber er hat 15 Jahre Angebotsdaten: an wen verkauft wurde, wie viel, zu welchem Preis. Das ist der echte Schatz. Das Commercial Brain (siehe die letzten Episoden) ist nicht ChatGPT oder Claude — es ist ein Konvolut, bei dem E-Mails, Meetings, CRM und ERP gekreuzt werden, bis etwas Abfragbares entsteht: Deals, Preislogik, Kundenverhalten. Euer Vorteil ist nicht das Modell — es sind eure proprietären Daten. Und ihr müsst es modell-unabhängig bauen. Mit Sakanas Ansatz geht genau das. Wenn die Amerikaner morgen sagen „ihr dürft unsere Modelle nicht mehr nutzen", liegen Qwen, Llama, Gemma und Mistral gratis da — ohne US-Exportkontrolle.📌 Take-awaysFür den CTO: Ihr braucht kein neues Wissen und keine neue RAG-Datenbank — CRM, SharePoint und E-Mails existieren schon. Achtet auf die Ausgangsmodell-Architektur: nicht Frontier- mit Open-Weight-Modellen mischen. Ladet euch MergeKit (Open Source, Arcee AI) per Claude Code runter und fahrt für ein paar Euro GPU-Rental erste Merge-Experimente. Kein Tech-Team nötig.Für den Head of Data: Eure 15 Jahre Angebots-, Deal- und Kundendaten sind der Vorteil, nicht das Modell. Baut das Commercial Brain modell-unabhängig, damit kein US-Lab euch über Nacht den Hahn zudrehen kann.Für den CEO: Schreibt einen Use Case auf, bei dem die heutigen KIs einen schlechten Job machen (Produktauswahl, Angebotsqualität, Kundenanfragen). Benchmarkt ihn 50–100 Mal mit ChatGPT, Copilot, Claude — das ist eure DNA. Erst dann lohnt sich der nächste Schritt. Genau so haben wir mit dem Commercial Playbook angefangen.⏱️ Timestamps00:00 — Suno-Samurai-Song + das Bild vom Hai und dem Fisch-Schwarm (Emergent Intelligence)03:30 — Zurück zu 2017: „Attention Is All You Need", Llion Jones, David Ha — die Geburt von Sakana08:00 — Die Wette & das Geld: 30 Mio. → 479 Mio. USD, Bewertung 2,65 Mrd., wertvollstes Startup Japans13:00 — Modelle züchten statt trainieren: das Cuvée, Survival of the fittest, EvoLLM-JP schlägt 10× größere Modelle19:00 — Open-Source als Versicherung: Qwen, Llama, Gemma, Mistral — keine US-Exportkontrolle21:30 — Fugu: der Kugelfisch als Dirigent, Trinity + Conductor, schlägt angeblich Opus 4.8 — aber nicht in der EU27:00 — Thomas der Schwarzwald-Geschäftsführer & das Commercial Brain: euer Schatz sind die schlafenden Daten31:00 — Implementierung Montag früh: Use Case, Benchmark, MergeKit — und ein Teaser auf die Masha/Viktor-Builder-Episode🎙️ Über den HostMalcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Studium: Physik / Werkstoffwissenschaft an der Montanunivers...

Title: #148 - Eure Antwort: lokale KI-Modelle, die euch keiner verbieten kann (Teil 2)Teil 1 war das Drama: Fable 5 nach drei Tagen abgeschaltet, dasselbe Spiel jetzt mit GPT-5.6, und wir in Europa stehen da ohne Lösung. Teil 2 ist die Antwort. Und die ist nicht „warten, bis die Amerikaner uns wieder ein Modell geben" — sondern „fahrt eure eigenen Modelle, in eurem Serverraum, auf eurem Laptop, und keiner kann sie euch wegnehmen". Action, let's go.📍 Worum es heute geht: Open-Weight-Modelle wie Gemma 4, Qwen, DeepSeek V3/V4 und Mistral Nemo laufen heute lokal — ohne Internet, ohne dass eure Daten das Gebäude verlassen. Ein bisschen schlechter als die Frontier-Modelle, ja. Aber „ein bisschen schlechter" heißt in der KI-Welt 10-20 % schlechter — und das reicht vollkommen für das, was ihr wirklich macht. Diese Folge zeigt euch die Hardware, den Ein-Zeilen-Setup, den DSGVO-Vorteil und was ihr am Montag früh als CTO, CFO und Vorstand konkret tut.📊 Erst mal vergleichen. Es gibt ein Paper, das zeigt, wie man die Modelle gegeneinander aufstellt: unten die Kosten, um das Modell laufen zu lassen, links die Evaluierung über mehrere Benchmarks — Mathematik, Coding, Reasoning. Da seht ihr Gemma 4, Qwen 3.7 und Co. Klar, auf der Coding-Benchmark liegt ein Qwen 2.5 bei 30 % und ein Fable 5 bei 80 %. Aber für eure Workflows — Angebote durchlesen, E-Mails schreiben, beim Coden helfen, in mehreren Sprachen arbeiten — braucht ihr kein Frontier-Modell. Das können die Offenen alle.🛠️ Der Ein-Zeilen-Trick. Wisst ihr, wie ihr so ein Modell aufsetzt? Ihr macht Claude Code oder Codex auf und tippt: „Ich möchte Gemma 4 hier auf meinem PC ohne Internet nutzen. Mach mal." Das war der ganze Prompt. Dann läuft das Ding circa 10 Minuten, lädt sich Ollama runter, zieht das Modell, deployt es — fertig. So leicht ist es geworden, Open-Weight-Modelle zu nutzen. Datenschutz-Dinosaurier dürfen in der Garage bleiben.🏦 Der JP-Morgan-Tresor-Vergleich. DSGVO verbietet die Übermittlung personenbezogener Daten in Drittländer ohne angemessenes Schutzniveau — das große Problem der US-Cloud-Anbieter. Wenn ihr aber Qwen 2.5 oder Gemma 4 in eurem Serverraum in Stuttgart oder Wien fahrt, verlassen die Daten nicht mal den Rechner. Kein Transfer, kein Artikel 44. Sogar Privacy by Design — Artikel 25. Stellt's euch so vor: Euer Geld bei JP Morgan in der Schweizer Filiale ist immer noch JP Morgan. Aber wenn das Geld im eigenen Tresor zu Hause liegt, ist das das Sicherste. Eure Head of Compliance und Legal Head werden sich freuen.💻 „Aber ich bin Mittelständler, ich hab kein Rechenzentrum." Brauchst du nicht. Du gehst und kaufst dir einen Mac mit 16 GB RAM — beim Saturn um 1.500 bis 2.000 Euro. Installierst Claude Code, deployst Gemma 4, und lässt jede Person in der Firma darauf arbeiten. Das reicht vollkommen für Dokumentenextraktion, Zusammenfassungen, RAG-Queries, interne Dokumente. Du willst mehr? Workstation mit zwei RTX 4090, dann kostet das Teil 6.000 statt 2.000 Euro. Und wenn du deine API-Kosten der letzten Wochen anschaust, sind 4.000 bis 6.000 Euro: Peanuts. DeepSeek V3 ist über Apache 2.0 verfügbar — deutsche Firmen bieten euch das gehostet im Allgäu, in Zürich oder Wien an. Wieder kein Artikel-44-Problem.🇪🇺 „Modellbehindert" — und genau das ist unser Vorteil. Die Amerikaner sehen uns als total handicapped: „Die Europäer haben ja kein gescheites Modell." Aber genau weil wir am Modell behindert sind — und vor allem wegen dem Datenschutz — hat uns das gezwungen, uns viel, viel früher mit Open-Weight-Modellen zu beschäftigen. Pharma, Finanzen, Gesundheit: ganze Architekturen, die nur auf Open Weights basieren, weil DSGVO uns dazu gezwungen hat. Uns kann es wortwörtlich wurscht sein, ob Fable 5, Mythos oder GPT 5.6 kommt oder nicht. 150 Lebensläufe vergleichen läuft sehr gut auf einem lokalen Mistral Nemo oder Qwen 2.5 auf einem 2.000-Euro-PC. Dazu kommt Model Portability — eines Tages tragt ihr das Modell auf einem USB-Stick oder fahrt es am iPhone.📌 Take-awaysCTO: Start mit einem Produktions-KI-Abhängigkeits-Audit — das Wichtigste, das du gerade machen kannst. Viele deiner API-Calls zu LLMs sind ein Ausfallrisiko, egal ob Copilot, ChatGPT oder was auch immer. Überleg, welche Open-Weight-Modelle (Mistral, Gemma 4, Qwen) du nutzen könntest, bring sie in ein Staging-Environment und vergleich die Ergebnisse. Dann klassifizier deine KI-Daten-Interaktionen: Was muss zwingend lokal laufen (Finanz-, Patientendaten) und was nicht (Amazon-Bestelldaten)?CFO: Versteh, dass Kosten auf dich zukommen — neue PCs oder gemietete Cloud-Infrastruktur. Aber Long Term, in den nächsten 6 bis 24 Monaten, wird es für dich billiger sein, lokale Modelle zu fahren, als immer das neueste Modell von Anthropic oder ChatGPT.Vorstand: Rüttle deine Leute wach. Euer Wettbewerbsvorteil war früher die Modellwahl — den haben wir gegenüber den Amerikanern verloren. Was bleibt: eure Kundenbeziehungen, eure validierten Workflows und Maschinen, eure proprietären Daten, euer institutionelles Wissen. Das liegt in den Köpfen eurer Leute, nicht in der KI. Habt Mut.⏱️ Timestamps00:00 — Rückblick Teil 1: Fable 5, GPT-5.6 und kein Plan B in Europa01:30 — Das Benchmark-Paper: Kosten gegen Evaluierung03:30 — Open-Weight-Modelle: Gemma 4, Qwen, DeepSeek V4 — „10-20 % schlechter reicht"06:00 — Der Ein-Zeilen-Setup über Claude Code + Ollama08:00 — Datenschutz: Artikel 44, Privacy by Design (Art. 25) und der JP-Morgan-Tresor-Vergleich11:00 — Hardware: 16-GB-Mac für 2.000 € vs. 2× RTX 4090 für 6.000 €14:00 — „Modellbehindert": warum DSGVO unser Vorteil ist + Model Portability16:30 — Monday Actions für CTO, CFO und Vorstand18:30 — Was euch bleibt + Teaser: Sakana & Fugu🐡 Nächste Folge: Sakana & Fugu — wie selbst schlechte Modelle ganz, ganz tolle Antworten liefern, wenn man sie zusammenarbeiten lässt.🎙️ Über den HostMalcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Studium: Physik / Werkstoffwissenschaft an der Montanuniversität Leoben. 10 Jahre Erdöl & Erdgas, 3 Jahre Novartis (Head of Strategy einer 2-Mrd-USD Business Unit). Am 30. November 2022 kam ChatGPT raus. Einen Monat später hat er gekündigt. Heute Co-Founder werchota.ai und coatingAI. Lebt in Lochau am Bodensee mit Masha, Camila, Sophia und Alex.🚀 Ressourcen für Führungskräfte📚 Chief AI Academy — KI für Entscheider🎯 AI Commercial Playbook — diagnostiziert eure 10-Säulen Commercial Maturity👥 AI Leadership Community🌐 werchota.ai📬 KontaktLinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: [email protected]: +43 676 6144 904📰 Quellen + ReferenzenBe...

Title: #147 - Die besten KI-Modelle der Welt — und ihr dürft sie nicht haben (Teil 1)Stell dir vor, du kaufst das beste Werkzeug der Welt, du hast es drei Tage in der Hand, es funktioniert, es ist genial — und dann kommt ein Brief. Nicht vom Baumarkt. Von einer Regierung, die du nicht mal gewählt hast. Und der Brief sagt: Du darfst es ab jetzt nicht mehr nutzen. Du nicht, und der Rest der Welt auch nicht. Genau das ist im Juni 2026 mit zwei der leistungsfähigsten KI-Modelle aller Zeiten passiert — und genau das passiert jetzt nochmal.📍 Worum es heute geht: Am 9. Juni hat Anthropic Claude Fable 5 und Claude Mythos 5 veröffentlicht — wahrscheinlich die besten Modelle der Welt. Drei Tage später, am 12. Juni, hat das US-Handelsministerium sie weltweit abgezogen, mit einem Gesetz, das ursprünglich für Waffenexporte geschrieben wurde. Und am 27. Juni dasselbe Spiel mit GPT-5.6. Model Access ist jetzt wie Chip-Export. Und wer steht auf der Warteliste? Wir Europäer. Teil 1 ist die Timeline und die Geopolitik — was es heißt, wenn DACH-Firmen die neuesten Modelle nicht mehr kriegen dürfen.⚙️ Markus und die drei Stunden. Markus, CTO bei einem Münchner Maschinenbauer, 400–500 Leute, Präzisionsteile für die Auto-Industrie. Er hat über Monate seinen Dokumenten-Workflow mit KI aufgebaut — technische Zeichnungen prüfen, Kundenspecs schreiben, Lieferantenanfragen vorfertigen. Dann kam Fable 5 am 9. Juni und arbeitete nicht drei Minuten durch, sondern drei Stunden. Agent-Loops, voll lange durchgezogen, endgeile Qualität. Am Montag dachte er: Das zeige ich am Freitag dem Team. Am Freitag, dem 12. Juni, öffnet er den Laptop — und Fable 5 ist weg. Für ihn und für den Rest der Welt.📜 Der Brief um 17:21 Uhr. Anthropic gab Mythos 5 zuerst nur an rund 200 Firmen weltweit. Dann schrieb Howard Lutnick vom US-Handelsministerium eine E-Mail an Anthropic: Fable 5 und Mythos 5 dürfen an keinen ausländischen Staatsbürger irgendwo auf der Welt mehr zugänglich gemacht werden. Frist: eine Stunde. Die Rechtsgrundlage: der Export Control Reform Act — ein Gesetz, das es erlaubt, zivile Technologien mit militärischem Potenzial zu klassifizieren und zu beschränken. Weil Anthropic Nationalitäten gar nicht verifizieren kann (kein Reisepass beim Claude-Account), mussten beide Modelle weltweit abgeschaltet werden — auch für US-Kunden.🔓 Amazon, der Jailbreak und Andy Jassy. Wer hat herausgefunden, dass man die Modelle knacken kann? Amazon-Ingenieure — per „Defense Oriented Prompting", einer Methode, um die Sicherheitsfilter zu umgehen (das klassische „ich dreh einen Tarantino-Film mit einer Bomben-Szene"-Prinzip). CEO Andy Jassy ging direkt zur Regierung. Das Verrückte: Amazon baut keine eigenen Modelle und hält rund 10–15 % an Anthropic. Es ist, als würdest du dir eine Wohnung im Haus kaufen — und dann Baustopp für alle rufen. Danach wurde die NSA konsultiert, das Modell zu militärischem Gut erklärt, exportkontrolliert.🌍 Trump, G7 und der größte Vorstands-Albtraum. Jahrelang habe ich CEOs gesagt: Deine Konkurrenten bei JP Morgan nutzen Claude, Santander nutzt Claude — du musst auch. Und immer kam dieser eine clevere CEO: „Ja, aber eines Tages schalten sie es ab." Ich sagte: Nein, KI ist demokratisch. Genau dieser Albtraum ist jetzt eingetreten. Beim Axios-Interview am 19. Juni gefragt, wann die Modelle zurückkommen, sagte Trump: „Jetzt nicht — vielleicht in einer Woche, vielleicht auch nicht." Beim G7-Technologiegipfel in Frankreich (Macron, Merz, Trump) machten Verbündete Druck: Wie könnt ihr einfach ein Large Language Model abschalten? Schaltet ihr nächstes Mal Copilot in Europa ab? Das ist nicht die 24-Stunden-Kehrtwende — das könnte der neue Status quo sein.🪨 Indium, GLM 5.2 und warum Software-Exportkontrollen scheitern. China kriegt die neuesten US-Modelle auch nicht — und hat seine Exportquoten für Indium verschärft. Indium steckt in Indium-Phosphid-Chips, den optischen Verbindungskomponenten in KI-Rechenzentren — und China kontrolliert 70 % der globalen Indium-Produktion. Aber: Exportkontrollen funktionieren bei physischen Gütern (H100-Karten). Bei Software kaum. In der Zwischenzeit kam GLM 5.2 raus — ein chinesisches Coding-Modell, teils besser als das GPT-5.5, das ihr habt. Wenn die Amerikaner zumachen, fluten andere den Markt.🇪🇺 Souveränität, Reisepass neben der KI — und TechCrunch. Was platzen lässt: Anthropic hat eine E-Mail verschickt — Claude-Nutzer müssen sich jetzt identifizieren. Bisher war es du und deine KI. Jetzt steht dein Reisepass daneben, und wir Europäer sind zu Recht datenkonservativer. Aleph Alpha und das Schweizer Apertus? Grottenschlecht. Mistral ist nicht auf US-Niveau, und die Forschung sitzt in den USA. Realität: Europa ist zu 99 % von USA und China abhängig. TechCrunch schrieb am 26. Juni: Es geht nicht mehr um Anthropic vs. OpenAI — ihr kriegt beide eh nicht. Die Frage ist: Wer kontrolliert den Zugang? Antwort: der amerikanische Staat. Manche wehren sich — Harvey AI hat Claude durch DeepSeek ersetzt: Kosten um zwei Drittel gefallen, lokal, unabhängig. „It's a matter of survival."📌 Take-awaysCTO: Behandle Model Access wie eine Lieferkette mit Single-Source-Risiko. Baue jetzt Model-Portability ein, damit ein Shutdown am Freitagabend dein System nicht lahmlegt — und teste lokale Open-Source-Modelle (Qwen 2.5, Gemma 4) als Fallback, offline und ohne laufende Kosten.CISO: Rechne damit, dass Cloud-Provider künftig Identitäts-/Reisepass-Verifizierung verlangen. Kläre, welche Daten dann wohin fließen — und prüfe lokale Modelle dort, wo Datensouveränität und DSGVO nicht verhandelbar sind.Vorstand: Der „eines Tages schalten sie es ab"-Einwand ist keine Theorie mehr. Plane KI-Strategie geopolitisch: Abhängigkeit von US-Modellen ist ein Vorstandsrisiko, nicht nur ein IT-Thema.⏱️ Timestamps00:00 — Das beste Werkzeug der Welt — und der Brief von der Regierung03:30 — Wer ist Malcolm? RBI Wien, London, Steuerberater, Fabriken06:00 — Markus, der Münchner CTO, und die drei Stunden mit Fable 510:30 — Der Lutnick-Brief um 17:21 Uhr und der Export Control Reform Act14:00 — Amazon-Jailbreak, Andy Jassy und die NSA18:00 — Trump bei Axios, G7 in Frankreich, der Vorstands-Albtraum22:00 — China, Indium und GLM 5.2: warum Software-Kontrollen scheitern26:00 — Europas Souveränität, Harvey AI + DeepSeek, Teaser Teil 2🎙️ Über den HostMalcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Studium: Physik / Werkstoffwissenschaft an der Montanuniversität Leoben. 10 Jahre Erdöl & Erdgas, 3 Jahre Novartis (Head of Strategy einer 2-Mrd-USD Business Unit). Am 30. November 2022 kam ChatGPT raus. Einen Monat später hat er gekündigt. Heute Co-Founder werchota.ai und coatingAI. Lebt in Lochau am Bodensee mit Masha, Camila, Sophia und Alex.🚀 Ressourcen für Führungskräfte📚 Chief AI Academy — KI für Entscheider🎯 AI Commercial Playbook — diagnostiziert eure 10-Säulen Commercial Maturity👥 AI Leadership Community🌐 we...

Title: #146 - Wir haben unserem Vertrieb einen Kopf gebaut: Das Commercial Brain (Teil 2)Teil 1 war euch feedbacktechnisch ein bisschen zu theoretisch — fair. Heute wird's praktisch. Stellt euch euren Vertriebler vor: 40, 50, 60 Calls in zwei Wochen, jedem Kunden ein anderes Versprechen gegeben, nirgendwo sauber aufgeschrieben. Genau da stirbt euer Deal. „Halb erinnern oder halb aufschreiben bringt nicht mehr Verkauf." Also bauen wir heute die Maschine, die das löst — und ihr bekommt das ganze Rezept, um sie euch selber zu bauen.📍 Worum es heute geht: Wir bauen ein Commercial Brain. Kein Second Brain, das alles weiß — sondern ein Second Brain mit Armen und Beinen, das euch mehr Umsatz bringen soll. Ihr habt schon ein CRM, E-Mails, Teams, Microsoft 365. Was fehlt, ist das Tool, in dem all diese Systeme zusammenkommen und das dann auch handelt. Masha hat unseres in Copilot Studio gebaut, auf dem Microsoft-365-Stack, den ihr sowieso habt — kein neues Stück Software.🧠 Kein Werkzeugproblem — ein Nahtstellen-Problem. Ihr habt die einzelnen Werkzeuge ja längst: CRM, Outlook, Teams. Der Kern ist, dass sie nicht miteinander reden. Frag deinen Vertriebler „Was ist in den letzten 6 bis 8 Wochen mit dem Kunden passiert?" — und er geht auf eine archäologische, ägyptische Ausgrabung: durch Postfächer wühlen, mit zwei, drei Kollegen reden, die am selben Kunden hängen. Ein Commercial Brain hat das Wissen nicht verstreut wie ein Mensch. Drin sind nur Firmenstrategie, Produkte, Vertriebler-E-Mails und aufgenommene Calls — mehr nicht. Und genau deshalb funktioniert es so gut.🎛️ Ein Direktor, kein Dashboard. Du tippst rein: „Wo stehen wir mit dem Kunden? Gib mir ein Dashboard mit 4 bis 5 Tabs." Was rauskommt: Tab 1 — was läuft. Tab 2 — die letzten 60 Calls und E-Mails. Tab 3 — die Top 5 Dinge, die der Kunde will. Tab 4 — was wir ihm verkaufen müssen (weil er's vier, fünf Mal gesagt hat). Tab 5 — fünf To-Dos, schon in Planner angelegt und auf den Kunden zugeschnitten. Das kann kein Vertriebler. Aber jeder Vertriebler kann vor dem Commercial Brain stehen und das reintippen. Dahinter steckt nicht das neueste Modell — ein ChatGPT 5.2 reicht. Wie ein Dirigent, der ein ganzes Orchester führt: delegieren, dirigieren.🖐️ Die fünf Spezialisten. Das Gedächtnis (euer CRM plus Vektordatenbank — einzige Quelle der Wahrheit). Die Hand, die schreibt (Angebote — nicht das ganze, aber Kernleistungen, Preislogik, Spezifikationen; mit euren letzten 1.000 oder 10.000 Angeboten gefüttert kennt sie das besser als jeder Mensch). Das Ohr (Gesprächsaufzeichnung — oder einfach 10 Minuten in Teams reinreden, bitte nicht tippen). Der Wille (Aufgaben — die Mail schon schreiben, in den Outlook-Folder legen, aber nicht senden; den Rückruf in zwei Wochen als Kalendereintrag anlegen). Der Hüter des Tages (Postfach + Kalender). Und bitte versteckt euch nicht hinter dem Datenschutz-Dinosaurier oder dem „wir haben SAP" — ein Data-Dump aus SAP, und die KI liest das.🏭 Bald will es jeder nutzen. Nicht nur Vertrieb. Im Lager: „Mit wie vielen Kunden wird gerade über Pumpe A gesprochen?" — 17? Dann bestelle ich besser zwei, drei extra. Als CEO: „Was waren die Probleme, was will der Kunde, das ich noch nicht weiß?" Salesforce-KI kann das nicht — die fragt nur Salesforce ab, nicht die E-Mails, nicht die Sales-Strategie. Und das Beste: Das ist ein institutionelles Gedächtnis. Springen dir zwei, drei Vertriebler zur Konkurrenz ab — irgendwann ist es dir wurscht. Das Wissen bleibt im Brain. Jeden Morgen schreibt es dem Marc drei Dinge, die heute mehr Umsatz bringen — Tagesplan aus dem ganzen Firmenwissen, nicht ein Plan von vor einem halben Jahr, der längst obsolet ist.🛠️ So baut ihr es — und das ist kein Halbjahrespilot. Strategie ohne Pipeline ist Meinung; Pipeline ohne Strategie ist nur eine Liste — ihr braucht beides verdrahtet. Nehmt eure fünf Tools (Gedächtnis, schreibende Hand, Ohr, Wille, Hüter des Tages), legt eine Vektordatenbank auf Azure und Copilot-Studio-Agenten drüber. Wir setzen das bei Firmen in zwei bis drei Wochen um — intern baut ihr das in zwei bis drei Tagen. Und keine Angst vor den Dashboards: Meine Achtjährige baut bessere als die meisten in eurer Firma. Wenn sie das kann, kann es euer IT-Team auch. Go and do it.📌 Take-awaysHead of Sales / Geschäftsführer: Schreibt eure fünf Hände auf — welches Tool ist heute Gedächtnis, schreibende Hand, Ohr, Wille, Hüter des Tages? Ihr habt sie alle schon.IT / Power-Platform-Team: Prüft, ob Copilot Studio in eurer M365-Lizenz steckt (meistens ja), baut einen orchestrierenden Agenten, der EIN Tool sauber abfragt — fangt mit dem CRM an, hängt erst dann das nächste an.CFO: Fragt, wie viel Deal-Wissen verloren geht, wenn ein Vertriebler kündigt — das ist der echte Business Case; und fordert Outcome- statt Aktivitäts-Metriken.⏱️ Timestamps00:00 — Rückblick Teil 1: 95 % der KI-Projekte scheitern, nur 2 % nutzen KI für Umsatz02:00 — Das Problem: 60 Calls, 60 Versprechen, nichts sauber aufgeschrieben04:30 — Was ein Commercial Brain ist: ein Direktor statt Dashboard08:00 — Die fünf Spezialisten: Gedächtnis, Hand, Ohr, Wille, Hüter des Tages12:30 — Warum es bald jeder will: Lager, CEO, institutionelles Gedächtnis16:00 — Der Tagesplan aus dem Firmenwissen + warum das keine Werbung ist18:30 — Das Rezept: in Tagen bauen auf Copilot Studio, nicht im Halbjahrespilot🎙️ Über den HostMalcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Studium: Physik / Werkstoffwissenschaft an der Montanuniversität Leoben. 10 Jahre Erdöl & Erdgas, 3 Jahre Novartis (Head of Strategy einer 2-Mrd-USD Business Unit). Am 30. November 2022 kam ChatGPT raus. Einen Monat später hat er gekündigt. Heute Co-Founder werchota.ai und coatingAI. Lebt in Lochau am Bodensee mit Masha, Camila, Sophia und Alex.🚀 Ressourcen für Führungskräfte📚 Chief AI Academy — KI für Entscheider🎯 AI Commercial Playbook — diagnostiziert eure 10-Säulen Commercial Maturity👥 AI Leadership Community🌐 werchota.ai📬 KontaktLinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: [email protected]: +43 676 6144 904📰 Quellen + ReferenzenDas Commercial Brain wurde gebaut von Maria „Masha" Werchota in Microsoft Copilot Studio — auf dem Microsoft-365-Stack (Outlook, Dynamics/CRM, Teams)Prinzip dieser Folge: „Strategie ohne Pipeline ist Meinung; Pipeline ohne Strategie ist nur eine Liste."Genannte Werkzeuge: CRM (HubSpot / Salesforce / Dynamics), Microsoft Teams, Microsoft Planner, SharePoint, Azure (Vektordatenbank), Word für die AngebotserstellungModell hinter dem Agenten: kein Frontier-Modell nötig — ein ChatGPT-5.2-Klasse-Modell genügtSalesforce-KI (Agentforce) als Gegenbeispiel: fragt nur Salesforce ab, n...

Title: #145 - Ihr nutzt KI fürs Falsche: Warum nur 2% damit mehr verkaufen (Commercial Playbook, Teil 1) Ich war ein paar Wochen unterwegs — Keynotes bei einer Bank, vor einer Gruppe Galabauern, bei einer Private-Equity-Firma. Und alle sind in dieselbe Richtung gegangen: Ihr nutzt KI fürs Falsche. Eure ganzen KI-Projekte stecken in Content, Marketing-Texten, Social-Media-Posts — also genau dort, wo ihr nie zeigen könnt, dass ihr damit mehr Geld macht. Heute ändern wir, wie ihr eure KI-Projekte aussucht. 📍 Worum es heute geht: Die berühmte „95 Prozent aller KI-Projekte liefern keinen messbaren ROI"-Zahl macht ständig die Runde — und sie ist als Studie Bullshit (das waren Interviews, keine Studie). Aber der Kern stimmt: Firmen können den ROI ihrer KI nicht messen, weil das Budget in Low-ROI-Bereiche fließt. Es gibt einen Ausweg: alle Projekte auf Pause, und nur noch dort investieren, wo ihr mehr Umsatz macht — in Commercial und Sales. Laut Studie machen das in Deutschland nur 2 Prozent. Genau diese Lücke ist eure Chance. 🍽️ Das Restaurant, das die falsche Speisekarte poliert. Stell dir ein Restaurant vor, das die ganze Zeit in eine schönere, größere, personalisierte Speisekarte investiert. Nobody gives a shit — denn in der Küche läuft alles schlecht: Bestellungen kommen falsch raus, To-Dos werden vergessen, Offerten brauchen Wochen statt Minuten, die Reservierung ist Chaos. Genau das machen Firmen mit KI: Sie optimieren die Speisekarte (ein paar Texte, ein paar Bilder), während das operative Herzstück — der Sales — komplett unangetastet bleibt. 👨‍💼 Markus, Head of Sales. Mittelgroßer deutscher Maschinenbauer, 300 Mitarbeiter, 80–100 Mio. Umsatz. Der Vorstand hat „wir brauchen KI" beschlossen, Markus hat ein Budget — und keine Ahnung was er damit soll. Ich frage ihn: Wie war deine Forecast-Genauigkeit? Schweigen. Wie lange dauert ein typisches Angebot? Drei Wochen. Und die 20 anderen Angebotstypen? Schweigen. Wie viele Deals hast du verloren, weil das Angebot zu spät oder falsch konfiguriert war? Schweigen. Das ist nicht Markus' Schuld — das ist das System. Mein Prinzip: Ihr könnt keine Commercial AI fahren auf einem Prozess, der unauditiert ist. Deine CNC-Maschine kennst du aufs Hundertstel — deinen Sales-Schlamassel nicht. 📈 Die drei Zahlen für deinen Vorstand. Erstens: 2,6× höhere Wahrscheinlichkeit auf kommerzielles Wachstum (nicht Produktivität — nobody gives a shit about Produktivität) bei KI-gestützten Handlungsempfehlungen (Gartner, 250+ CSOs). Zweitens: 83 % der KI-nutzenden Vertriebsteams haben mehr Umsatz gemacht vs. 66 % ohne — fast 20 Punkte Lücke. Bei 100 Mio. Umsatz sind 17 Prozentpunkte = 17 Mio. Euro. Wollt ihr das auf dem Tisch liegen lassen? Drittens: 79 % statt 51 % Forecast-Genauigkeit. Der Vorstand fährt heute im Nebel — KI ist der Scheinwerfer, der bessere Kapitalallokation erlaubt. 🎯 Die fünf Bereiche, wo KI heute Geld macht. Das Modell ist egal — Copilot, Azure, Gemini, wurscht. Der Moat ist nicht das LLM, sondern eure Commercial Engine: (1) Forecast Intelligence, (2) Install-Base Mining — verdienst du bei ähnlichen Kunden gleich viel?, (3) CPQ / Angebotserstellung von Wochen auf Stunden (60–80 % weniger Bearbeitungszeit, höhere Win-Rate), (4) Deal Desk, (5) Rep Ramp. Alle 10 Säulen des Commercial Playbooks arbeiten zusammen — ein schnelles Angebot allein reicht nicht. 🙅 Die drei Ausreden — und warum sie nicht zählen. „Die KI halluziniert" — eure Vertriebler halluzinieren nonstop (falsche Preise, Lieferzeiten), nur sind KI-Halluzinationen nachvollziehbar und korrigierbar. „Unsere Daten sind ein Chaos" — du arbeitest schon im Chaos; fang mit den Kunden von morgen an, nicht mit 20 Jahren Altlast. KI ist der Forcing Factor, der eure Datenhygiene endlich bereinigt. „Meine Vertriebler nutzen das nie" — falsch: Vertriebler HASSEN Protokolle und CRM-Tipperei. Nimm ihnen das weg, und sie lieben es. Wer es trotzdem nicht macht, dessen Firma wird es bald nicht mehr geben. 🏎️ Hört auf, dem Modell-Krieg zuzuschauen. Fable 5 ist da, dann wieder weg, ChatGPT 5.6 kam heute raus — der Modell-Krieg ist für euch vorbei. Was zählt: eure Sales- und Revenue-Strategie mit der KI verbessern, die ihr heute schon habt. Ihr habt eine Commercial Engine, die nicht funktioniert — und euer Konkurrent hat seine aus der Garage geholt und fährt 200 km/h damit. 📌 Take-aways Head of Sales / CEO (jeder CEO ist Head of Sales): Auditiert euren Sales-Prozess BEVOR ihr einen Cent in KI steckt — 80-Fragen-Audit oder externe Interviews mit jedem Vertriebler. Vorstand: Nehmt die letzten 100 KI-Projekte und seid ehrlich — wie viele sind da, um mehr Umsatz zu machen? Stellt den Rest auf Pause und investiert nur noch in Commercial. CFO: Geht von 51 % auf 79 % Forecast-Genauigkeit — damit könnt ihr Kapital endlich nach Evidenz allokieren statt im Nebel. ⏱️ Timestamps 00:00 — Wieder da: Notre Dame, Keynotes — und „ihr nutzt KI fürs Falsche" 03:00 — Die 95-%-Studie ist Bullshit — aber der ROI-Kern stimmt; nur 2 % in DE verkaufen mehr mit KI 07:30 — Das Restaurant: die schöne Speisekarte vs. die chaotische Küche 10:30 — Markus, Head of Sales: das Schweigen auf die einfachen Fragen + das Audit-Prinzip 14:00 — Die drei Zahlen für den Vorstand: 2,6× · 83 % vs. 66 % (17 Mio.) · 79 % vs. 51 % 20:00 — Die fünf ROI-Bereiche: Forecast, Install-Base, CPQ, Deal Desk, Ramp 25:30 — Die drei Ausreden entkräftet: Halluzination, Datenchaos, „nutzt eh keiner" 31:00 — Schluss mit dem Modell-Krieg; die Commercial Engine in der Garage — Ausblick Teil 2 👉 Teil 2 (#146 — das Commercial Brain) kommt: Wie ihr aus den 10 Säulen einen echten Motor baut — den Beweis aus echten Engagements und ein klares „Hier fängt ihr an", ohne Buzzwords. 🎙️ Über den Host Malcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Studium: Physik / Werkstoffwissenschaft an der Montanuniversität Leoben. 10 Jahre Erdöl & Erdgas, 3 Jahre Novartis (Head of Strategy einer 2-Mrd-USD Business Unit). Am 30. November 2022 kam ChatGPT raus. Einen Monat später hat er gekündigt. Heute Co-Founder werchota.ai und coatingAI. Lebt in Lochau am Bodensee mit Masha, Camila, Sophia und Alex. 🚀 Ressourcen für Führungskräfte 📚 Chief AI Academy — KI für Entscheider🎯 AI Commercial Playbook — diagnostiziert eure 10-Säulen Commercial Maturity👥 AI Leadership Community🌐 werchota.ai 📬 Kontakt LinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: [email protected]: +43 676 6144 904 📰 Quellen + Referenzen Gartner CSO Survey, n=227, Aug–Sep 2025 — 2,6× Commercial Gr...

Title: #144 - Wie ich 94 Slides gebaut habe ohne zu prompten (Teil 2/2)Teil 1 vom Montag war Theorie: Was ist ein Loop? Wie unterscheidet sich das von Agents und Workflows? Heute der konkrete Teil. Wir nehmen einen echten Use Case — meinen Workshop-Closeout bei Gärtner von Eden mit 94 Slides — und bauen ihn Schritt für Schritt mit Loops. Ihr seht, wie man konkret prompted, was die Done-Conditions sind, und warum dieselbe Logik bei Sales-Calls, F&E-Reports und Procurement-Audits funktioniert.📍 Worum es heute geht: Loops am echten Workshop-Closeout — von 20 Workshop-Transkripten zum verifizierten 94-Slide-Deck. Mit konkreten Prompt-Mustern, der "linken Felge" und einer Einladung nach Wien.🪙 Der Goldwäscher (Content-Extraction Loop). 20 Aufnahmen, Interviews, Toothbrush-Tests, Breakout-Rooms. Wie zieht ihr da raus, was wirklich drin ist? Ihr sagt der KI: "Extrahiere die Use Cases. Jeder Use Case braucht mindestens DREI Belege aus dem Transkript. Wenn nicht — raus. Wenn ja — drinnen." Und dann lasst ihr es laufen. Drei, vier Mal. Mit immer feinerem Sieb. Bis das Gold übrig bleibt. Das ist Loop Nummer eins.🛠️ Die linke Felge (Personal Verify Loop). Mein Mechaniker weiß, wenn der Malcolm kommt — die linke Felge ist zerkratzt. Jedes Mal. Er muss nicht jeden Aspekt prüfen. Er prüft DAS eine, was bei mir IMMER schiefgeht. Genau das macht ein Verify Loop: er prüft NICHT alles, er prüft eure typischen Fehler. Wenn die KI bei euch immer Use Cases erfindet, die nie im Interview vorkamen — Verify Loop prüft genau das. Drei Mal. Vier Mal. Bis sicher.📋 Memory Loop als Audit-Log. Ihr braucht keinen perfekten Mega-Prompt. Ihr braucht einen Memory Loop, der mitschreibt was passiert. Eine Zeile pro Schritt. Was wurde gebaut? Was wurde geprüft? Was war rot, was wurde gefixt? Wenn die KI in drei Stunden Arbeit vergisst, was sie gemacht hat — der Memory Loop weiß es noch. Audit-Log mit zwei Funktionen: erstens, lückenlos prüfbar. Zweitens, die KI selbst kann reinschauen und sich erinnern.🏗️ Die 5 Templates aus der Nacht (im Detail im Listener Artifact unten):T1 — Content Extraction Loop: Goldwäscher. Aus messy Sources (Transkripte, Calls, E-Mails) das Gold sieben.T2 — Generation with Source-Pinning: Bauteil mit Prüfsiegel. Jede Behauptung muss auf eine Quelle zeigen, sonst FAIL.T3 — Adaptation Loop: Heimwerker am Auto. Eine Schraube ändern, nicht den Motor.T4 — Mechanical Verify: TÜV-Prüfer. Deterministisches Skript, keine LLM-Bewertung.T5 — Self-Catch Loop: Prüfstatiker. Frischer QA-Subagent, ohne Build-Kontext, findet deine eigenen Widersprüche.⚡ Der 03:42-Moment. Die Build ist durch. Mechanical Verify grün. Espresso #3. Ich starte den QA-Subagent (frischer Kontext, kennt den Build nicht). 4 Minuten später schreibt er mir: "Die Rubric sagt Modul 03 unangetastet. Aber Slide 27 hat eine neue Bildreferenz. Welche Version stimmt?" — und ich dachte: f*ck. Ich hatte beides geschrieben. In meiner EIGENEN Rubric. Eine andere KI hat MICH gefunden.📌 Drei Take-aways für drei Rollen:CTO/CDO: T4 zuerst. Mechanical Verify ist die einzige Schicht, die nicht lügt. Baut das vor allem anderen.Head of Sales: T1 (Extraction). CRM-Notizen, Calls, E-Mails — Goldwäscher. Was bewegt sich? Wer signalisiert?R&D-Lead: T2 (Source-Pinning). KI in Forschung MUSS Quellen pinnen, sonst halluziniert sie eure Reputation kaputt.💼 Wo das in eurer Firma als Pattern auftaucht — die 10-Säulen Commercial Maturity bei werchota. Säule 9 Sales Ops & Performance Management = im Kern T4 + T5: eure Pipeline-Daten validieren sich selbst gegen die Pipeline-Regeln, ohne dass jemand wöchentlich im Forecast-Call alles abfragt. Wer wissen will, wo in der eigenen Commercial Engine Loops ansetzen können — Link unten.🎒 Bonus: Ich bin diese Woche in Wien. Donnerstag bei der RBI. Wenn ihr in Wien seid und euch treffen wollt — pingt mich auf WhatsApp 0043 676 6144 904. Oder wenn ihr mit eurer KI an einer Stelle hängt und nicht weiterkommt — ping. Manchmal bauen wir gemeinsam einen Loop für euren Case.⏱️ Timestamps00:00 — 30-Sekunden-Recap aus Teil 1 (Fable 5, US-Handelsministerium, Loops)02:00 — Der konkrete Use Case: Gärtner von Eden Workshop-Closeout05:00 — Content-Extraction Loop: der Goldwäscher09:00 — Generation-with-Source-Pinning: das Bauteil mit Prüfsiegel12:00 — Adaptation Loop: nur die linke Schraube, nicht der Motor14:30 — Mechanical Verify: warum LLM-as-judge nicht funktioniert17:00 — Self-Catch Loop: der 03:42-Moment, der QA-Subagent fängt MICH19:30 — Die linke Felge: personalisierter Verify auf eure typischen Fehler21:30 — Memory Loop als Audit-Log + Einladung nach Wien🎙️ Über den HostMalcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Studium: Physik / Werkstoffwissenschaft an der Montanuniversität Leoben. 10 Jahre Erdöl & Erdgas, 3 Jahre Novartis (Head of Strategy einer 2-Mrd-USD Business Unit). Am 30. November 2022 kam ChatGPT raus. Einen Monat später hat er gekündigt. Heute Co-Founder werchota.ai und coatingAI. Lebt in Lochau am Bodensee mit Masha, Camila, Sophia und Alex.🚀 Ressourcen für Führungskräfte📚 Chief AI Academy — KI für Entscheider🎯 AI Commercial Playbook — diagnostiziert eure 10-Säulen Commercial Maturity👥 AI Leadership Community🌐 werchota.ai📥 Loop Templates Collection (T1-T5) — kostenlos zum Download📬 KontaktLinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: [email protected] (für Wien-Meetup oder Loop-Hilfe): +43 676 6144 904📰 Quellen + ReferenzenGärtner von Eden Workshop, Düsseldorf (11. Juni 2026)Lance Martin (Anthropic Research) — Agent Loops InfografikAnthropic Fable 5 + Mythos 5 Launch (9. Juni 2026, Export-Stopp 12. Juni 2026)Loop-Methode angewandt auf: Workshop-Closeout, Sales-Pipeline, F&E-Reporting, HR-Bewerber-Filter, Vorstands-Strategie-AuditTags: #LoopTemplates #ContentExtraction #SourcePinning #MechanicalVerify #SelfCatchLoop #AuditLog #MemoryLoop #Workshop #CommercialPlaybook #Mittelstand #DACH #werchota #DasKIKochbuch #Bregenz #WienNeed to diagnose your commercial engine? [email protected] care for now. Malcolm out.

Vor circa einem Jahr, irgendwo in Russland, zur gleichen Zeit: fünf verschiedene Luftwaffenstützpunkte. Die Ukrainer treffen sie. Tu-95-Bomber. Tu-22M3. A-50 AWACS-Aufklärer.Keine Sirenen. Keine Abfangjäger. Weil der Angriff nicht vom Himmel kam.Er kam aus Lastwagen. Ganz normalen Transportern. Die LKW-Fahrer wurden ausgetrickst — bring den Container dahin, jemand holt ihn ab. Niemand kam je. Drinnen: 117 FPV-Drohnen. Beladen mit Sprengstoff. Aus dem Nichts öffnet sich der Container und eine Drohne nach der anderen fliegt los.Operation Spider's Web. In einer Nacht: rund 41 Flugzeuge zerstört. Geschätzter Schaden: 7 Milliarden Dollar. Gesamtkosten der Operation: 2-3 Millionen Dollar.ROI: 3.500 zu 1. Wenn das ein Aktienkurs wäre, würden Investoren ausrasten. Es ist aber kein Aktienkurs.Manche nennen es Russlands Pearl Harbor. Aber nicht von einer Marine geliefert. Nicht von Kampfjets. Sondern von Drohnen in einem Lastwagen. Heute kein normaler Deep Dive — heute ein AI Drama in 5 Akten.🎮 Mykola, 19, Gaming-Streamer wird DrohnenpilotVor drei Jahren war Mykola 16. Counter-Strike-Streamer in Charkiw. Ein paar tausend Twitch-Follower. Heute ist er in der Armee. Nicht weil er wollte — die Ukraine hat ein Programm gestartet: nur Soldaten zwischen 18 und 24 dürfen Drohnen bedienen. Warum 24? Weil danach ist dein Gehirn zu langsam.Seine "Front" ist ein ausgebombter Keller. Vier Laptops. Drei FPV-Brillen. Ein Controller wie eine PlayStation. Über ihm eine LED auf Batterie, die in 2-3 Stunden ausgeht.Er fliegt einen 300-Dollar-Quadrocopter, 8-10 km weit, 150 km/h. Tippt links, tippt rechts. Russischer Soldat sieht die Drohne, hat Millisekunden zum Reagieren. Aufprall in 4 Sekunden. Live-Feed weg. Mykola tippt zwei Buchstaben: "Ok." Greift zur nächsten.Es ist 14 Uhr. Das ist sein zwölfter Einsatz heute.🏭 Die Zahlen, die NATO terrorisieren solltenUSA: ~100.000 Militärdrohnen pro JahrUkraine: 4,5 Millionen Drohnen pro Jahr — industrielles Limit: 8-10 Mio.Verhältnis 45 zu 1 — Ukraine vor 4 Jahren: null eigene DrohnenindustrieBloomberg: Ukraine produziert mehr Drohnen als die gesamte NATO-Allianz zusammenDie Ukraine hat eine eigene Unmanned Systems Forces gegründet — die erste Teilstreitkraft weltweit, die ausschließlich Drohnenkriegsführung macht. Kein anderes Land der Welt hat sowas.⚠️ Aurora 26 — als die NATO es hart gelernt hatApril-Mai 2026, Gotland, Schweden. NATO-Übung Aurora 26. 18.000 Soldaten aus 13 NATO-Ländern. Ukraine eingeladen als Angreiferkraft.Die Übung musste DREI MAL gestoppt werden. Jedes Mal wären die NATO-Truppen vernichtet worden. Der ukrainische Pilot: "Wenn das echtes Leben gewesen wäre — wären sie alle tot."Schwedens Verteidigungsminister Claesson: "Der schnellste Weg, etwas über Drohnen- und Anti-Drohnen-Kriegsführung zu lernen, ist, den Ukrainern zuzuhören."🤖 Die 700-Dollar-TötungsmaschineEine FPV-Drohne kostet 300-3.000 Dollar. Drinnen sitzt ein Chip von einer unserer Lieblingsfirmen: NVIDIA Jetson Nano. Etwa wie eine Streichholzschachtel. 100-300 Dollar. Auf Amazon erhältlich.Der Chip ist nicht für den Krieg gebaut. Er ist für Saugroboter gebaut. DIY-Bastler. KI-Studenten. NVIDIA hat sich nicht hingesetzt und gesagt "Lasst uns Chips für Drohnen bauen, die Menschen töten." Es ist halt passiert.Die ukrainische Firma The Fourth Law verkauft das TFL-1-Modul (100 Dollar). Der Operateur fliegt bis 400-500 m ans Ziel, dann übernimmt der Jetson per Computer Vision.Trefferquote ohne KI: 30-50 %. Mit Jetson + Computer Vision: über 80 %. Über 20 ukrainische Brigaden nutzen das. Microsoft Copilot — aber zum Töten. Gegeben einem 19-Jährigen.Gesamtkosten: ~700 Dollar. Selbst bei 10.000 Dollar (was sie nicht kosten):10.000 $ Drohne vs. 5 Millionen $ russisches Panzerfahrzeug10.000 $ Drohne vs. 100 Millionen $ Tu-95-Bomber10.000 $ Drohne vs. 350 Millionen $ A-50 AWACS = 1 zu 500.000🇪🇺 Warum das EUER Problem ist (ja, auch im DACH)Stellt euch Werner vor: Sicherheitschef bei einem Automobilzulieferer in BW. 1.500-2.000 Mitarbeiter. Drei Werke. Just-in-time-Lieferung an Mercedes, BMW, Audi. Sein BCP-Plan deckt Feuer, Hochwasser, Cyberangriffe, Lieferantenausfall. Er deckt keine Glasfaserdrohne ab, die auf die Laderampe zufliegt."Aber Malcolm, die Drohne kann nicht bis Bayern fliegen!" — Hast du verstanden? 700 Dollar. Du baust sie in einer Garage. Du startest aus einem Container. Das wurde schon vor einem Jahr gemacht. Und du schickst nicht eine — du schickst Schwärme.Beweis? Russland am 30. Mai 2026 — über 800 Drohnen in einer einzigen Nacht. Die Bundeswehr hat heute geschätzt 500-600 Drohnen. Russland könnte den gesamten deutschen Drohnenbestand in einer Nacht auslöschen und hätte noch 200 übrig.🏢 Die deutschen Player, die das leise bauenHelsing (München) — 12 Mrd. $ Bewertung, 600-Mio.-Runde angeführt von Daniel Ek (Spotify-Gründer). Ihre HX-2-Loitering-Munition nutzt fortgeschrittene KI-Zielerfassung.RF-1 Resilience Factory (Süddeutschland) — über 1.000 HX-2-Einheiten pro Monat. Ukraine hat 10.000 bestellt.Sogar die Bundeswehr kauft jetzt bei Helsing. 1-Mrd.-€-KI-Drohnen-Vertrag Anfang 2026.🎯 Fünf Montag-Aktionen für jeden europäischen EntscheiderLuftraum-Annahmen-Audit: Logistik + Operations + Versicherung + General Counsel an einen Tisch. Frage: "Welche Annahmen macht unser BCP über die Sicherheit des europäischen Luftraums?" Diese Pläne existieren noch nicht.Drohnen-exponierte Lieferketten-Engpässe mappen. Belgien hatte ständig Probleme mit gestörtem Luftraum. Straßburg liegt direkt an der Grenze. Macht nicht die Annahme "wir sind zu weit weg."Defense-Tech-Intelligenz holen. Jemand der Helsing, Anduril, Shield AI versteht. Nicht um Waffen zu kaufen — sondern um zu verstehen, was migriert in 5 Jahren in zivile Anwendungen.Baut KI-steuerbare Maschinen. Eure UIs sehen aus wie aus den 90ern. Baut Maschinen, die per MCP-Server gesteuert werden können. Niemand macht das gerade. First-Mover gewinnt.Vorstandsgespräch. Polen, USA, Israel, Südkorea führen es bereits. DACH-Boardrooms noch nicht. Führt es. Jetzt.🌐 Das Wilde: das meiste davon ist OPEN SOURCEGeht jetzt auf Google oder Perplexity. Tippt: "GitHub repo drones". Ihr findet:Drone Log Analyzer — High-Performance-Dashboard zur Flug-Log-AnalyseVollständig autonome VTOL-RepositoriesComputer-Vision-ZielmoduleHunderte von Repos mit dem kompletten KI-Tech-StackJeder kann das jetzt bauen. Nicht staatliche Akteure. Nicht kriminelle Organisati...

Dienstagabend, 13. Mai 2026, kurz vor sieben. Zwei Stunden Live-Session sind grad zu Ende. Dreißig fremde Menschen aus elf Ländern, Zoom-Kacheln auf dem Bildschirm. Letzte Runde: was hat euch heute am meisten umgehauen?Anastasia, Beraterin aus Genf: "Es ist zu viel. Aber ich sehe, wie es alles verändert." Indira: "Mind-blowing." Rodolfo: "Ich liebe es." Und dann William. Zwanzig Jahre Beratung. Die Academy aus eigener Tasche bezahlt. Sagt ein Wort. Auf Englisch: "Miracle." Eine Minute Stille im Chat. Dreißig Webcams. Niemand schreibt.Heute drei Insights aus der ersten Session von Cohort 3 der Chief AI Academy — plus der Moment, in dem mich meine eigene KI vor allen blossgestellt hat.💥 Insight 1 — Das Software-ArmageddonFolie zwölf in die Session. Bei einigen wird die Magen-Gegend angespannt:HubSpot: Börse −70% in 18 MonatenGartner: freier Fall seit Q3Adobe, Duolingo, Salesforce: Schatten ihrer selbstWarum? Nicht weil sie KI nicht integrieren. Weil ihre Kunden ihre eigentliche Funktion mit KI selber nachbauen. Schneller. Billiger. Näher am Bedarf.Anastasias Frage: "Aber Malcolm, jede Firma kauft doch trotzdem Software. Wie kann das stimmen?"Meine Antwort, im Chat 20 Reaktionen in Sekunden: "Hört auf, euren Mitarbeitern Software zu geben. Gebt ihnen APIs." Statt SAP zu öffnen und durch 5 Menüs zu klicken, sagt der Mitarbeiter zur KI "buch das auf Konto 4200". Die KI ruft die SAP-API auf. Software wird headless. Kopflos.Mittelstand zahlt heute 300-800 Euro pro Kopf pro Monat für Software. In 18 Monaten merkt ihr: 70% davon war durch einen KI-Workflow ersetzbar.Zwei Live-Beispiele aus der Session:Einkauf-Teilnehmerin nutzt Ironclad für Vertrags-Reviews — 40.000 Euro/Jahr. Wir haben mit Claude in 15 Minuten dasselbe für die Top-20-Klauseln gebaut.Customer-Success-Teilnehmer nutzt HubSpot für Ticket-Zusammenfassungen. In 18 Minuten haben wir einen Workflow auf Outlook gebaut. Kosten: 0 € (Copilot war eh schon da).🔄 Insight 2 — Reverse PromptingMinute 45. Teilnehmerin aus Mailand: "Malcolm, wie kriegst du diese schönen Dashboards so schnell hin?"Hier die Technik, gestern getauft — Reverse Prompting. Die wertvollste eine Minute der ganzen Folge:Statt der KI Fragen zu stellen, lasst ihr die KI EUCH Fragen stellen.Konkret: ihr formuliert eine ungenaue Anforderung ("mach das hier besser") und sagt dann:"Stell mir zehn Fragen mit jeweils vier Multiple-Choice-Antworten. Nicht alle auf einmal. Fünf, dann fünf."Die KI fragt euch. Ihr antwortet. Und während ihr antwortet, klärt sich in eurem Kopf, was ihr eigentlich wollt. Die KI ist nicht das Tool — die KI ist die Therapeutin, die euch zwingt, klar zu werden.Beispiel-Fragen, die Claude live zurückgeschickt hat:Was ist das Hauptproblem? (a) Design (b) Datenstruktur (c) Zielgruppe (d) TonalitätFür wen ist das? (a) Du (b) Vorstand (c) Operatives Team (d) KundenWie brutal soll die Sprache sein? (a) Literal (b) Diplomatisch (c) Provokant (d) AkademischNach 10 Minuten + 2 Fragenrunden: Dashboard, das mir die Socken auszieht. Im Chat von Cohort 3 explodiert es.🪞 Insight 3 — Der Moment, in dem mich meine eigene KI blossgestellt hatBei werchota.ai haben wir vor 6 Monaten was gebaut: Second Brain. Ein internes KI-System, das alle Meeting-Aufzeichnungen, Transkripte, E-Mails, Slack-Channels, Strategie-Dokumente einliest. Jeder im Team kann anonym fragen.Minute 75 der Session. Ich tippe vor allen 30 Teilnehmern: "Wie gut oder schlecht ist Malcolm im Verkaufen? Sei ehrlich. Beleg mit konkreten Momenten aus den Meetings." Was zurückkam, wortwörtlich:"Malcolm ist hervorragend in Live-Demos, Dashboards, Vision-Pitches. Er ist die schwächste Persona im gesamten Verkaufs-Team, wenn es um klassische Sales-Disziplin geht. Selten eine Agenda. Geht im Gespräch überall hin. Schlecht bei Budget-Timelines, Stakeholder-Mapping, Follow-up-Disziplin. Erzeugt Information Overload. Er gewinnt Deals durch Begeisterung, nicht durch Methodik."Eine Minute Stille im Chat. Dann William: "Malcolm. Kannst du mir den Report schicken? Ich will dir sagen, dass du wahrscheinlich der schlechteste Verkäufer der Welt bist."Rodolfo fragt: "Wenn jeder sieht, wie schlecht der CEO bei XY ist, wird er noch ernst genommen?"Meine Antwort:Wenn ein Vorstand sich nicht traut, seine Schwächen in einem System zu haben, das sein Team einsehen kann — dann ist diese Person wahrscheinlich nicht die Person, die in der KI-Zeit eine Firma führen sollte.In der KI-Zeit liegen Schwächen offen. Nicht weil jemand sie sucht. Sondern weil Daten an Stellen sammeln, an denen sie früher nicht waren. Wer transparent ist, gewinnt. Wer verbergen will, verliert.🧓 Insight 4 — "Eure letzten zehn Hires sind KI-Neandertaler"Minute 62. Der Satz, der nochmal Stille erzeugt hat:"Schaut euch eure letzten zehn Einstellungen an. Sind das Menschen, die in einer Stunde Claude beibringen können, einen Prozess aus ihrem Kopf zu übernehmen? Oder habt ihr in 2010er-Logik eingestellt — drei Jahre Audit, BWL-Abschluss, Praxis im Steuerrecht? Wenn Zweiteres: eure letzten zehn Hires sind KI-Neandertaler."Johnnys (Teilnehmer, neu eingestellt vor 2 Monaten) Stellenbeschrieb ist eine Zeile:"Johnny, deine Aufgabe ist, alles in deiner Abteilung zu automatisieren. Wenn du fertig bist — ich befördere dich und triple dein Gehalt, und du fängst mit drei weiteren Abteilungen an."Das ist der neue Hiring-Standard. Die Frage an euch — und die teuerste Stille der ganzen Session:"Wenn euer eigener Job morgen ausgeschrieben würde — mit der Anforderung, dass jeder Prozess automatisierbar an einen KI-Agenten weitergegeben werden muss — würdet ihr euch selber einstellen?"Reale Konsequenzen aus der Session:HR-Direktorin (Schweiz): "Ich schreibe heute drei Stellenanzeigen um. Heute."CFO eines bayerischen Familien-Unternehmens: "Wir haben den Senior-Controller-Kandidaten abgesagt, den wir nächste Woche eingestellt hätten."🎯 Drei Sachen Montag frühAktion 1 — Reverse Prompting heute, in den nächsten 30 Minuten. Eine schwierige Kunden-Mail oder eine ungenügende Stellenanzeige. Paste rein, dann: "Stell mir zehn Fragen, fünf und fünf." Wenn euch das Ergebnis nicht umhaut, schreibt mir auf LinkedIn — ich zahle das Mittagessen.Aktion 2 — Audit eurer letzten zehn Hires. Excel-Tabelle: "Name" + "Kann diese Person einen Prozess aus ihrem Kopf an einen KI-Agenten weitergeben? Ja/Nein". Verteilung gibt euch eine harte Zahl für die Geschäftsleitung.Aktion 3 — Stellt euch selber die Second-Brain-Frage. Heute Abend. Allein. 3 Performance-Reviews + 3 Kunden-Mails + 1 Meeting-Protokoll in Claude. Dann: "Sei ehrlich. Wo bin ich beruflich am schwächsten?"🔮 Die ProphezeiungJeder Cohort gebe ich am Ende der ersten Session dieselbe...

Stellt euch vor, euer Firmenwagen ist ein Lamborghini. Oder ein Ferrari. Egal. Ihr fahrt jeden Tag damit zur Arbeit, ihr seid produktiv, ihr seid glücklich. Und dann kommt euer CEO und sagt: "Wir geben dir ab nächsten Monat einen Skoda Octavia."Genau das ist gerade bei Microsoft passiert. Und es betrifft euch direkt — auch wenn ihr noch nie eine Zeile Code geschrieben habt.Letzte Woche, 14. Mai 2026, landete ein internes Memo bei Microsofts Experiences and Devices Division. Windows, Microsoft 365, Outlook, Teams. Zehntausende Ingenieure. Das Memo kommt von Rajesh Jha, Executive Vice President. Inhalt in einem Satz: Wir schalten Claude Code ab. Stichtag: 30. Juni 2026.Die Absurdität: vor sechs Monaten — Dezember 2025 — hat Microsoft Claude Code aggressiv an dieselben Ingenieure verteilt. Tausende Lizenzen. Sogar Designer und Projektmanager bekamen Zugang. Die Ansage damals: installiert das, experimentiert, baut Prototypen.Warum jetzt der Rückzieher? Nicht weil Claude Code schlecht ist. Weil es zu gut ist. Es war besser als Microsofts eigenes Tool — GitHub Copilot — bei genau den Aufgaben, die zählen: Multi-File-Refactoring, Architektur-Arbeit, Rapid Prototyping. Microsoft verkauft der Welt GitHub Copilot als KI-Entwickler-Flagschiff. Microsoft hat 13 Milliarden Dollar in OpenAI investiert. Und sechs Monate lang haben Microsofts eigene Ingenieure heimlich ein Konkurrenzprodukt von Anthropic bevorzugt. Das ist nicht peinlich — das ist eine strategische Bombe.📊 Was Claude Code von GitHub Copilot unterscheidetCopilot ist Autovervollständigung. Ihr tippt, Copilot schlägt die nächste Zeile vor. Ihr seid am Steuer. Passiv. Wie ein Skoda mit Tempomat.Claude Code ist agentisches Coding. Ihr sagt: "Bau mir eine App, die meine Sonos-Boxen erkennt und Musik startet, wenn mein Tesla heimkommt." Claude arbeitet zwei, drei, sieben Stunden autonom durch. Liest die Codebase. Refaktoriert. Testet seinen Output. Ihr seid nicht mehr am Steuer — ihr seid Projektmanager.Context Window: 1 Million Tokens (laut Gerüchten kommen 12 Mio.). Das Gehirn der KI passt mit der ganzen Codebase rein.Extended Thinking: Claude stoppt, plant, denkt nach, sagt euch wenn etwas Unsinn ist. Copilot programmiert blind weiter.Multi-File-Autonomie: Claude holt sich "Helfer" und arbeitet parallel über die ganze Codebase.💸 Die PreisfrageClaude Code Enterprise: 150 Dollar pro Sitz pro Monat. GitHub Copilot: 10 bis 30 Dollar. Microsofts Ingenieure haben das 10× teurere Tool genutzt — und wenn sie tokens aufgebraucht hatten, haben sie aus eigener Tasche nachgekauft. Wie in einem Free-to-Play-Spiel, nur dass die Tokens hier Code produzieren.⚠️ Der Amazon-PräzedenzfallMicrosoft ist nicht der erste, der diesen Fehler macht. Ende 2025 hat Amazon Claude Code und Codex intern verboten und das hauseigene Tool "Kiro" vorgeschrieben. Was ist prompt passiert? Ein 13-stündiger AWS-Ausfall in China. Die Ingenieure standen mit dem Skoda Octavia vor einem Ferrari-Problem. Im April 2026 hat Amazon zurückgerudert und Claude Code wieder freigeschaltet. Google macht es ähnlich: Claude Code ist standardmäßig gesperrt — außer bei DeepMind, der eigenen Top-KI-Abteilung. SpaceX hat gerade 60 Milliarden Dollar für eine Option auf Cursor (ein Claude-Code-Konkurrent) bezahlt.🇪🇺 Die DACH-LektionWenn ihr CTO, VP Engineering oder Gründer in einem typischen DACH-Tech-Unternehmen seid: eure Entwickler nutzen diese Tools schon. Als Shadow AI. Auf privaten Abos. Heimlich am Abend. Wie ihr das herausfindet, ohne irgendeine Umfrage:Vor 2 Jahren: ~3.000 Zeilen Code pro Entwickler pro TagMit Copilot: Sprung auf 6.000–9.000 (2–3×)Mit Claude Code: Sprung auf 30.000–300.000 (10–100×)Schaut euch nur den Output an. Das ist euer Audit.🇪🇺 Die souveräne AlternativeWenn Daten-Souveränität ein Thema ist: Mistral Codestral — 22 Mrd. Parameter Code-Modell, 80+ Sprachen, EU-Infrastruktur, DSGVO-nativ. Mistral hat fast 1 Milliarde Dollar von europäischen Banken bekommen, um genau das zu bauen. Plus die kommende Cohere-Aleph Alpha-Fusion (Schwarz-Gruppe, 500 Mio. €), die explizit für DACH-Konzerne gebaut wird. Ihr habt keine Ausrede mehr.🏭 Der Hackathon-MomentVor drei Tagen haben wir bei einer großen deutschen Manufacturing-Firma einen Hackathon mitgestaltet. 20 Top-Entwickler im Raum mit den absolut besten Tools — OpenCode, Open Terminal, Claude Code. Großartig. Aber dann die Frage: 20 Leute am Tisch, 6.000 im Konzern. Wann kriegen die anderen 5.980 dieselben Werkzeuge?🚀 Wie wir bei werchota.ai arbeitenBei uns nutzt jede einzelne Person Claude Code. 85% unserer gesamten Arbeit wird von Claude Code und KI-Agenten erledigt. Porni (Journalistin) — Claude Code. Alex (Finance) — Claude Code. Nicht weil sie programmieren. Sondern weil das Tool universell geworden ist.📌 Drei Montag-AktionenShadow-AI-Audit. Schaut euch den Code-Output pro Entwickler über 2 Jahre an. Wer hat den 10×-Sprung gemacht? Diese Person nutzt heimlich Claude oder Codex.A/B-Test mit echter Aufgabe. Gleicher Task, gleiche 24 Stunden. Ein Entwickler "alt", einer mit Claude Code. Vergleicht Output, Fehlerrate, Fertigstellung.Drei-Stufen-Datenklassifikation. Stufe 1 unsensibler Code = jedes Tool. Stufe 2 interne Geschäftslogik = EU-gehostete Tools (Mistral). Stufe 3 regulierte Daten = Security-Review. Kein Verbot. Eine Policy.🎬 Die größere FrageMicrosoft wird das in 2-3 Monaten zurücknehmen. Genau wie Amazon. Aber ihr habt ein wichtigeres Problem: nehmt ihr euren Ingenieuren weiter den Ferrari weg — oder gebt ihr ihn endlich allen?⏱️ Timestamps00:00 — Cold Open: Der Lamborghini, das Microsoft-Memo, der 30. Juni-Stichtag03:00 — Agentisches Coding vs. Autovervollständigung — die zwei Welten05:30 — Context Window, Extended Thinking, Multi-File-Autonomie07:00 — Die $150-vs-$20-Frage und warum Ingenieure trotzdem zahlen09:00 — Der Amazon-AWS-Ausfall in China + Google + SpaceX-Cursor11:00 — Wie ihr eure Shadow AI in 5 Minuten auditet13:30 — Mistral Codestral + Cohere-Aleph Alpha als souveräne Alternative15:30 — Der Hackathon: 20 vs. 6.000 — die Frage, die jeder CTO sich stellen muss17:30 — werchota.ai: 85% Claude Code, jede einzelne Person19:00 — Drei Montag-Aktionen + Close aus Bregenz🎙️ Über den HostMalcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Nach über 15 Jahren bei Novartis und Schlumberger heute Fokus: KI ohne Bullshit. Letzte Woche live in London am AIM Summit — nach Lord Melvin (ehem. Chief der Bank of England) und vor Eric Trump, vor 150 Investoren. Dozent an ESADE und HSLU. Studiert ...

Du bist klonbar. Auch du. Jede Person, die diesen Podcast hört, ist heute mit dem Audio klonbar — und auch im Video. Die Software ist so gut, dass eineinhalb bis zwei Minuten Video reichen. Mit Audio noch weniger: 30 bis 40 Sekunden von einem Anruf.Wenn du denkst, das ist übertrieben — geh auf TikTok, tipp Patrycek ein. P-A-T-R-Y-C-Z-E-K. Ein 13-14-jähriger Junge, ein bisschen übergewichtig. Er drückt einen Knopf und schaut aus wie Brad Pitt. Bewegt sich wie Brad Pitt. Vor einem Monat gab es ihn nicht. Heute: 104 Millionen Views.Auf der einen Seite cool. Auf der anderen Seite — Leute — das ist eine Hacking-Anleitung für 30 bis 50 Cent.Erinnert ihr euch an die Arup-Story aus Hongkong, Januar 2024? Eine Mitarbeiterin bekommt einen Teams-Call. Der CFO. Der ganze Vorstand sitzt mit am Tisch. Sie macht über 15 Transaktionen 25 Millionen Dollar Überweisungen. Jede Person in dem Call war fake. Damals: hunderttausende Dollar Investment. Heute, zwei Jahre später: 30 Cent.🔧 Drei Technologien, die heute gestapelt werdenEchtzeit-Deepfake — dein Gesicht wird im Live-Call ersetzt, Millisekunden-Latenz. Stimme auch. Teuer, aber in 6 Monaten überall.Face-Swap-Pipeline — günstig und ausgereift. Funktioniert in Streams. Wenn Audio fehlt: "Sorry, Audio kaputt, ich tippe."Voice Cloning — billigste und reifste Technologie. Läuft lokal. 30 Sekunden Quellaudio reichen.📱 Wo das Zeug verkauft wird: TelegramNicht auf einer Website namens deepfake-store.com. Auf Telegram-Kanälen mit tausenden Mitgliedern. Du trittst bei, fragst "ich möchte X machen" — Minuten später bietet jemand dir einen Demo-Call an. Same Playbook wie legitimer Enterprise-Software-Verkauf.Eine genannte Software: Haotian AI. Chinesisches Real-Time-FaceSwap. Mit Kundensupport. Update-Protokollen. Tutorials. Direkt integriert in WhatsApp, Teams und Zoom. Ehrlich gesagt — SAP und die großen Software-Häuser sollten sich das anschauen. Besser integriert als die meiste legitime Software 2026.Preise im SaaS-Stil: 100 Dollar/Monat Einstieg, mehrere tausend für High-Quality-Modelle mit niedriger Latenz. Fraud-as-a-Service hat SaaS-Reife erreicht.🐷 Pig Butchering 2.0 — alte Scams, neue GesichterDas ist kein neuer Scam. Junge Männer in Nigeria und Ghana machen das seit Jahrzehnten. Fake-romantische Personas. Frauen ab 40-50, oft geschieden. Über Monate aufwärmen. "Ich liebe dich, schickst du mir Geld für mein Flugticket?" Slow extraction. Hat sogar einen Namen: Pig Butchering — du nimmst ein Schwein und schneidest es langsam.Vor heute: detektierbar. Falscher Akzent, falsches Foto, falscher Rhythmus. Heute: 25-jähriger aus Wien. Oder 25-jährige aus Hannover. Mit dem richtigen Gesicht. Der richtigen Stimme. Dem richtigen Akzent. Decades-alte Scam-Playbooks plötzlich enhanced.US-Betrugsverluste in dieser Kategorie: 12 Milliarden Dollar in 2023 → 40 Milliarden bis 2027. 30% Wachstum pro Jahr.🇩🇪 Warum DACH-Mittelstand das perfekte Ziel ist"Malcolm, ich bin glücklich verheiratet, mich betrifft das nicht." Stopp. Hör zu.Österreichischer Mittelstand. Schweizer Family Offices. GmbH-Inhaber. Firmen zwischen 200 und 2.000 Leuten, dritte oder vierte Generation. Wenn der CFO anruft und "dringend" sagt — die Leute machen schnell. Hierarchie ist real. Genau diesen Kultur-Reflex zielen die neuen Scammer an.Family Office Zürich — Teams-Call, dringende Immobilien-Überweisung, deal schließt heute. Die Assistentin kennt das Gesicht, die Stimme, den Reiseplan. Was nicht existiert: ein formales Rückruf-Protokoll. Trust ist das Betriebssystem. Dieses Trust kann heute auf Telegram für 500 Euro/Monat gemietet werden.IT-Passwort-Reset — Werksleiter ruft IT auf Teams an, "ich stecke beim Kunden, mein Passwort ist blockiert." Der IT-Mitarbeiter sieht das Gesicht, hört die Stimme, gibt den Reset frei. Perfekter Eingang für Ransomware. Nicht dein Passwort. Die Schlüssel zur ganzen Firma. (Die Nordkoreaner sind darin top — andere Episode.)🔍 Detection ist ein verlorenes Spiel. Protokoll nicht."Können wir Software kaufen, die Deepfakes erkennt?" — Kind of yes, mostly no. Detection-Software existiert, wird besser. Aber strukturell: sobald ein Detektor gut wird, testen die Angreifer dagegen und routen drumherum. Antivirus 1990 Arms-Race, nur schneller.🖐️ Ein kostenloser Trick: Wenn du im Call jemandem nicht traust — sag "kannst du einen Stift nehmen und vor der Kamera drehen?" Heutige Face-Swap-Modelle sind schlecht bei kleinen motorischen Bewegungen, die das Gesicht überlappen. Die Finger werden glitchen.🎯 Fünf Montag-Aktionen1. High-Risk-Action-Liste. Eine Seite, 5 Items. Was kann NICHT per Telefon/Teams genehmigt werden. Überweisungen >10.000 EUR. IT-Admin-Passwort-Resets. Vendor-Bankdaten-Änderungen. Document-Signing unter Zeitdruck. Payroll-Routing-Änderungen.2. Codewort-System. Ein Wort. Wechselt alle 90 Tage. Wird in Person ausgemacht, nie aufgeschrieben. Bei sensiblen Aktionen: "Was ist unser Codewort dieses Quartals?" Kann er nicht antworten — Call vorbei. Mache ich in meiner Familie.3. Multi-Factor auf Zahlungen. Du hast MFA auf deinem Microsoft-Login. Jetzt auf finanzielle Aktionen ausweiten. Über 10K: zweite Person muss via App auf separatem Gerät bestätigen. Video-Call kann das nicht überschreiben.4. Drill. Externer Berater simuliert Deepfake-Angriff. Impersoniert den CFO, den Werksleiter. Heute: vielleicht 2 von 10 Versuche erfolgreich. In 9 Monaten: 9 von 10. Jährlich machen wie eine Brandschutzübung.5. Team trainieren — zeig ihnen Patrycek. 10 Minuten beim nächsten All-Hands. Deepfake-Software auf den Screen. In 10 Sekunden 3 verschiedene Personen sein. "Das hat 3 Euro gekostet und 10 Minuten gedauert." Der Schock ist das Training.🧠 Die tiefere Lektion: Psychological SafetyBei einer HSLU-CAS-Session war die Head of Strategy vom Schweizer Fernsehen dabei. Am Ende sagte sie etwas, das mich nicht mehr loslässt: "Was bei deinen Protokollen fehlt, ist Psychological Safety."Das ist die Erlaubnis, mitten im Call zu deinem Chef zu sagen "ich glaube dir gerade nicht." Die Erlaubnis für die Assistentin, den CFO zu unterbrechen mit "schickst du mir auch noch eine schriftliche Bestätigung?" — ohne bestraft zu werden, ohne als schwierig zu gelten, ohne den Job zu verlieren.Im DACH-Raum ein riesiges Problem. Unsere Hierarchien sind real. Unsere Kultur belohnt Ausführung über Hinterfragen. Genau das zählen die Kriminellen auf Telegram.Die Arup-Mitarbeiterin damals war nicht dumm. Sie sah den CFO. Sah zehn Leute, die sie kannte. Was ihr fehlte: ...

Erinnert ihr euch noch an euren ersten Telefonrechnungsschock? Zwei Wochen Dubai, zurück zu Hause, plötzlich 1.000 Euro statt 30. Dasselbe Handy, dasselbe Verhalten — aber ein komplett anderes Abrechnungsmodell.Genau das passiert gerade in jeder Firma in DACH. Eure CTOs sitzen wie dieser Vater am Küchentisch und denken: "Wir zahlen 30 Euro im Monat für Copilot-Lizenzen." Und dann öffnet jemand still die API-Rechnung. Und sie ist nicht 30 Euro. Sie ist 1.500. Pro Mitarbeiter. Pro Monat.Andrej Karpathy — Co-Founder OpenAI, ex-Tesla AI-Chef — bringt es in einem aktuellen Post auf den Punkt: "90% eurer KI-Rechnung zahlt ihr für Kontext, den ihr nie braucht." Stellt euch das vor: ihr lasst ein Haus für 100.000 Euro bauen. Der Bauleiter sagt: "Malcolm, das macht 1 Million." — "Warum 10× mehr?" — "Naja, der Kontext..."Genau das macht eure Firma gerade mit jeder einzelnen KI-Abfrage.📚 Wie wir hierher gekommen sind2022-2023: Prompt Engineering. Gehälter 200.000-500.000 Dollar. "Bitte und Danke", "denke Schritt für Schritt", Chain of Thought. Funktioniert teilweise heute noch.2024: Job-Titel "Prompt Engineer" verschwindet. Karpathy bringt Context Engineering — die delikate Kunst, der KI im richtigen Kontextfenster die richtigen Informationen zu liefern.2026: Jetzt brauchen wir Prompt Engineering 2.0 — nicht für bessere Antworten, sondern für 10× günstigere Antworten.🔧 Acht messbare Token-Hebel, die kein Mittelständler nutztChunking — große Dokumente in semantische Stücke teilen, statt 100 PDFs in einer Abfrage zu verbrennenGrab-before-Fetch — der KI gezielt sagen, welches Buch sie aus der Bibliothek holen soll, statt sie 100 lesen zu lassenPrompt Caching — bei stabilen Präfix-Anweisungen zahlt ihr nur 10% (Anthropic). Erste Cache-Speicherung kostet 90%, jeder Wiederabruf 10%. Bei einer 17-Seiten-Compliance-Anweisung = riesiger Hebel.Skill.MD / Agent.MD — Arbeitsanweisungen für die KI. Karpathy hat es ausgerechnet: ohne Skill.MD = 4 Dollar pro Session. Mit Skill.MD = 30 Cent. Faktor 13.Compaction — bei langen Sessions selbst kompaktieren, nicht warten bis die KI das tut. Funktioniert in Claude Code, Codex etc.Model Routing — Haiku 5$/1M Tokens (Klassifikation, Formatieren), Sonnet 15$ (Code Review), Opus 25$ (Architektur). Fahrt nicht den Bugatti zum Einkaufen.Default Model wechseln — eure Devs haben das teuerste Modell als Standard. Sonnet reicht in 85% der Fälle.Auto-Context-Loading + Prompt-Audits durch eine zweite KI = automatischer Context-Bloat-Killer🚦 Die Stromrechnungs-Analogie für euren VorstandPrivat: 20-Euro-Glühbirne. Wenn ihr sie 24h anlasst, ist es egal. Stromrechnung 800 oder 850 — wurscht.Aber jetzt: Fabrikhalle. 50.000 Lampen. Drei Schichtbetrieb. Plus Anlagen, Serverraum. Plötzlich 5 Millionen Euro Stromrechnung. Genau das ist eure KI-Rechnung 2026. Ihr habt zwei Jahre lang KI gekauft, ohne den Stromzähler einzubauen.Wenn ich als Berater reinkomme und sage "Projekt für 1 Million Euro, um eure Prompt-Sachen zu verbessern" — und ihr aus 5 Millionen runter auf 500.000 kommt? Klar man, das ist Faktor 10.📟 Cloud-Meter — der physische Stromzähler für eure KIJemand hat sich einen kleinen Würfel mit Touchscreen gebaut, der in Echtzeit zeigt, wie viel Geld er aktuell für Tokens verbrennt. Schreibtisch neben dem Laptop. GitHub-Repo, viral auf TikTok. Ein Mensch hat einen Stromzähler für KI gebaut, weil er auch überfordert ist.🎯 Drei Montag-Aktionen1. Subscription Audit: Habt ihr Claude Code + Codex + Cursor + Lovable Pro + ChatGPT Plus + Gemini parallel? Lasst eine KI auflisten, wo Doppelausgaben sind. Bei werchota.ai sparen wir monatlich tausende, weil wir schnell abonnieren und schnell kündigen.2. Skill.MDs bauen: Sobald ihr einen Prozess 2× macht, schreibt eine Skill.MD. Bei werchota haben wir ein Skill-Repository auf GitHub. Jede Skill = bessere Qualität + 13× weniger Tokens.3. Default Model wechseln: Geht in Claude/Codex/Cursor, ändert das Default Model auf Sonnet (oder kleiner). Ihr werdet weniger "max out" bekommen — und ihr könnt viel länger arbeiten.💬 Die Frage, die jeder Vorstand stellen können muss"Wie viel kostet bei uns ein Token?"Eure CFOs wissen die Stromrechnung. Sie kennen den Goldpreis. Den Benzinpreis. Den Milchpreis bei Kaufland. Den Token-Preis kennen sie nicht. Und sie wissen auch nicht, dass sie ihn kennen sollten.Das ist die Sprache, die wir lernen müssen. KI-Sprache. Wer sie zuerst spricht, gewinnt.⏱️ Timestamps00:00 — Cold Open: Die 1.000-Euro-Roaming-Rechnung aus Dubai03:30 — Zwei Welten: Privat-Flatrate vs. Enterprise-API06:00 — Karpathy: 90% eurer Rechnung ist Müll-Kontext08:30 — Retro: Prompt Engineering 2022 → Context Engineering 2024 → Prompt Engineering 2.013:00 — Chunking + Grab-before-Fetch16:00 — Prompt Caching: 10% statt 100% (Anthropic-Hebel)19:00 — Skill.MD / Agent.MD — Faktor 1322:00 — Compaction25:00 — Stromrechnung-Analogie: 5 Mio. Token-Kosten ohne Zähler28:00 — Cloud-Meter — der physische Token-Zähler30:00 — Model Routing: Haiku/Sonnet/Opus — Skoda, Ferrari, Bugatti33:00 — Drei Montag-Aktionen: Subscription Audit, Skill.MDs, Default Model37:00 — Die Frage für jeden Vorstand: "Wie viel kostet ein Token?"🎙️ Über den HostMalcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Nach über 15 Jahren bei Novartis und Schlumberger heute Fokus: KI ohne Bullshit. Dozent an ESADE und HSLU. Studiert in Leoben.🚀 Ressourcen für Führungskräfte📚 Chief AI Academy — KI für Entscheider👥 AI Leadership Community🌐 werchota.ai📬 KontaktLinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: [email protected]📰 QuellenAndrej Karpathy — Twitter/X-Post zu Context Engineering & Skill.MD Faktor 13Anthropic — Prompt Caching Pricing (10%/90% Split)Anthropic — Modellpreise Haiku / Sonnet 4.6 / Opus 4.7GitHub — Cloud-Meter Open-Source-Projekt (viral auf TikTok)Werchota.ai — interne Skill Repository & Subscription AuditsTags: #PromptEngineering #ContextEngineering #Karpathy #Anthropic #Claude #ClaudeCode #Codex #Tokens #AICost #PromptCaching #SkillMD #ModelRouting #DACH #Mittelstand #CFO #CTO #werchota #ChiefAIAcademy #DasKIKochbuch

Willkommen zu AI Drama. Heute kein Deep Dive — heute ein Drama in fünf Akten. Mit einem Bösewicht, einer Milliarden-Bewertung und einem der größten Interessenskonflikte der gesamten KI-Welt.Akt eins. Manila. Ivan verliert seinen Job an eine KI. Sein Satz: "I helped improve the work of an AI and now AI replaced my job." Zur selben Stunde, 12.000 km entfernt in San Francisco, geht eine Pressemitteilung raus: 950 Millionen Dollar frische Runde. Bewertung: 16 Milliarden Dollar. Investoren: Tiger Global, Google Ventures, Sequoia, Benchmark. Die Firma heißt Sierra. Und kein Schwein in DACH kennt sie.Dabei sollte jeder, der diesen Podcast hört, Sierra kennen. 40% aller Fortune 50 nutzen sie. 95% aller US-Black-Friday-Shoppers haben letztes Jahr mit einem Sierra-Agenten gesprochen — ohne es zu wissen. 50% aller US-Haushalte im Gesundheitssektor. Nordstrom, Sonos, Chime, The North Face, eine der drei größten Banken der Welt.📈 Die Zahlen, die nicht zusammenpassenBewertung Sept 2025: 10 Mrd. → heute 16 Mrd. (+60% in 8 Monaten)ARR vor 18 Monaten: 25 Mio. → November: 100 Mio. → heute: 150 Mio. (6× in 18 Monaten)Bewertungsmultiple: 105× ARR. Normal wären 5×. Das ist fast ein Glaubensbekenntnis.🎭 Akt zwei: Brad Taylor — der Mann, den ihr kennen müsstetSierras CEO ist Brad Taylor. Der sollte so berühmt sein wie Zuckerberg oder Musk. Sein Lebenslauf:Co-Erfinder von Google MapsCTO bei FacebookAufsichtsratsvorsitzender Twitter — saß am Tisch, als Elon es übernahmCo-CEO bei Salesforce bei Mark BenioffJanuar 2023: verlässt Salesforce. Februar 2023: gründet Sierra.The Times of India: "Der Protégé von Benioff ist jetzt sein größter Enemy." Sierra wirbt systematisch Salesforce-Flaggschiffkunden ab — Sonos, Casper, Rocket Mortgage. Sierras President of Field Operations? Direkt aus der Agent Force von Salesforce abgeworben. Ergebnis: Salesforce hat den Support-Bereich in 18 Monaten von 9.000 auf 5.000 reduziert, Aktie −30%, eine der schlechtesten Performances am Dow Jones.⚖️ Akt drei: Die KonfliktarchitekturErinnert ihr euch an die Sam-Altman-Feuerung Ende 2023? Wen haben sie mitten im Chaos zum Aufsichtsratsvorsitzenden von OpenAI gemacht? Brad Taylor.Jetzt rechnet zusammen:Sierra nutzt OpenAI-Modelle → Sierra ist Kunde von OpenAITaylor leitet OpenAI → er sitzt am Tisch von beiden SeitenSierras 950 Mio. Runde kommt u.a. von Google Ventures — dem direkten OpenAI-KonkurrentenSierra nutzt bis zu 15 Frontier-Modelle — OpenAI, Claude, Gemini parallelSeine Antwort 2024 auf den Vorwurf: "We exist at a different layer of the stack." Bro — du bist der größte Interessenskonflikt.📞 Akt vier: Warum Sierra wirklich gefährlich ist17 Millionen Callcenter-Mitarbeiter weltweit. 80 Milliarden Dollar an jährlichen Arbeitskosten. Gartner sagt: dieser Markt wird durch KI-Agenten neu verteilt. Schon jetzt:Teleperformance (500.000 Mitarbeitende, 60.000 davon Philippinen): Aktie −30%, Massenentlassungen, 100 Mio. RestrukturierungsplanTCS: 12.000 Stellen wegOracle India: 12.000 Stellen wegAvasant prognostiziert 300.000 Jobverluste in den nächsten JahrenSierras Agenten analysieren Tonlage und Stresslevel in Echtzeit. Planen den nächsten Satz, während ihr noch redet. Werden nicht müde, haben keinen schlechten Tag, sprechen jede Sprache. Salesforce-CTO: "A language model handles 8 sequential directives. A human cannot."🇩🇪 Akt fünf: DACH — was am Montag zu tun istSierra sagt offiziell: keine DACH-Kunden. Aber 25% des europäischen Bankings arbeitet angeblich schon mit Sierra. Und ihr habt deutsche Alternativen, die DSGVO-konform sind und on-prem laufen:Cognigy (Düsseldorf) — von NICE für 1 Mrd. gekauft. Kunden: Lufthansa, Bosch, Henkel, NestléParloa (Berlin) — Triple-Unicorn, 3 Mrd. Bewertung. Kunden: Deutsche Telekom, Decathlon. Ruft heute bei der Telekom an — die erste Stimme ist ein Parloa-Agent.Drei Montag-Aktionen:Customer-Service-Inventur: Wo wird Kundenkontakt gemacht? Telefon, E-Mail, Chat, Self-Service, Website. Wie viele Leute, wie viele Kosten pro Kanal?Den Klarna-Test: Wenn euer CEO morgen ruft "Wir brauchen Sierra-Agenten" — haltet ihm den Klarna-Salesforce-Reverse vor. Erst feuern, dann teuer wieder einstellen war 2024. 2026 ist das Modell viel besser.Souveränitäts-Frage: DSGVO, Sprachlogs, on-prem. Sierra ist amerikanisch. Cognigy + Parloa sind die DACH-Antworten.🎬 Die Frage, die alles entscheidetSierra wird der Wächter über euren Kundenkontakt. Die KI-Agenten antworten E-Mails, telefonieren mit euren Kunden, lesen jede Tonlage. Aber:Wer überwacht den Wächter?Wenn der Wächter Brad Taylor heißt — gleichzeitig OpenAI-Aufsichtsrat, Sierra-CEO, Google-Investor-Empfänger und Salesforce-Talent-Räuber — dann ist das nicht nur ein Interessenskonflikt. Das ist eine komplette Konfliktarchitektur.⏱️ Timestamps00:00 — Cold Open: Ivan in Manila + 950 Mio. in San Francisco02:30 — Wer ist Sierra? 16 Mrd., 105× ARR-Multiple, Fortune-50-Kunden06:00 — Akt zwei: Brad Taylor — Google Maps, Facebook, Twitter, Salesforce10:00 — Salesforce blutet: 9.000 → 5.000 Support, Aktie −30%13:00 — Akt drei: Der OpenAI-Aufsichtsrat + Google-Geld-Konflikt17:00 — Akt vier: 17 Mio. Callcenter-Jobs, 80 Mrd. Markt — was Gartner sagt21:00 — Teleperformance, TCS, Oracle — die Massenentlassungen sind schon da25:00 — Wie Sierra-Agenten Tonlage + Stress in Echtzeit lesen28:00 — DACH-Antworten: Cognigy + Parloa31:00 — Drei Montag-Aktionen für Customer-Service-Verantwortliche34:00 — Wer überwacht den Wächter? Closing aus Bregenz🎙️ Über den HostMalcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Nach über 15 Jahren bei Novartis und Schlumberger heute Fokus: KI ohne Bullshit. Dozent an ESADE und HSLU. Studiert in Leoben.🚀 Ressourcen für Führungskräfte📚 Chief AI Academy — KI für Entscheider👥 AI Leadership Community🌐 werchota.ai📬 KontaktLinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: [email protected]📰 QuellenSierra — Series E announcement (950 Mio., 16 Mrd. Bewertung)The Times of India — Brad Taylor / Salesforce / Sierra coverageGartner — Callcenter Automation Market SizingReports zu Teleperformance, TCS, Oracle India LayoffsAvasant — Customer Service Job Loss ForecastsCognigy + Parloa Press Release...

Ein guter Freund von Malcolm — aus der Automobilbranche — sagt: "Malcolm, dein Podcast ist ja schön und gut, aber bei uns im Auto-Sektor tut sich genau gar nichts. Wir feuern doch keine Leute wegen KI." Falsch. So falsch. Diese Episode ist die Antwort.Was bei General Motors gerade passiert ist kein Einzelfall: 500-600 IT-Stellen weg in einer Welle. Plus die 1.000 Software-Mitarbeiter, die sie vor zwei Jahren schon abgebaut haben. Und das in mehreren parallelen Wellen über 18 Monate. Ausgerechnet die IT — die "Wichtigen, die ja KI ausrollen sollen". Genau die.Aber das ist nicht nur GM. Das Muster zieht sich von San Francisco bis München. Siemens. SAP. Amazon (14.000 Corporate Roles letztes Jahr + weitere 16.000 dieses Jahr). Microsoft (15.000 + 15.000, drei Runden geplant). Workday. CrowdStrike. Block. Es sind nicht Bäume — es sind ganze Wälder, die abgesägt werden.In dieser Episode zerlegt Malcolm drei Sachen:Warum das KEIN "AI is taking over"-Narrativ ist, sondern eine fundamentale Rollen-Redesign-Welle. Es geht nicht um Massenentlassungen wegen KI. Es geht um Rollen, die sich an der Wurzel verändern.Das Drei-Säulen-Paradigma (Harvard Business Review, Gartner, McKinsey): ↳ KI eliminiert Tätigkeiten (vor allem repetitive) ↳ KI erhöht Nachfrage nach bestimmten Tätigkeiten ↳ KI schafft komplett neue Rollen, die es vor 2 Jahren nicht gabKonkrete Action Items für HR und Recruiting — inklusive eines Rot-Gelb-Grün-Ampelsystems, mit dem ihr eure nächsten Einstellungen sofort bewerten könnt.🎯 Die drei neuen Rollen, die ihr 2026 einstellen MÜSSTAI Agent Trainer — Menschen, die KI-Agenten antrainieren können. Nicht "KI nutzen". Antrainieren. Das ist ein anderer Skill.Buy-vs-Build Specialist — Menschen, die beurteilen können, ob ihr eine Software-Lizenz kauft oder die Sache selber baut, weil KI das Bauen so einfach gemacht hat.AI Teacher / Internal Enablement — Menschen, die anderen Menschen KI beibringen können. Klingt banal — ist der größte Hebel im Unternehmen.🚦 Das HR-AmpelsystemSchreibt jeden Bewerber auf Grün, Gelb oder Rot:🟢 Grün: Alle drei Fähigkeiten — kann antrainieren, kann Build/Buy beurteilen, kann andere ausbilden🟡 Gelb: Zwei von drei (z.B. Build/Buy + Antrainieren, aber kann andere noch nicht beibringen)🔴 Rot: Keine der drei → 99% aller Einstellungen in 2026 sind aktuell hierInterview-Fragen, die jeder Recruiter ab heute stellen sollte:"Hast du in deiner letzten Firma Trainings gehalten?""Erkläre uns etwas über KI, das wir nicht wissen.""Share your screen — zeig uns LIVE, wie du KI nutzt."⚠️ Die unbequeme Wahrheit für HRWenn ihr selbst in HR sitzt und kein Ampelsystem habt — seid ihr die nächsten, die rot klassifiziert werden. Versteht ihr das? Weil ihr genau die strukturierte, repetitive Aufgabe macht, die heute schon automatisiert wird.Und in DACH machen wir's anders als in den USA: Wir feuern weniger — aber wir stellen weniger neu ein. Pension geht in Rente? Stelle nicht nach. Junior fragt nach repetitiver Datenaufgabe? Existiert nicht mehr. Harvard Business Review hat das längst dokumentiert: seit ChatGPT gibt es signifikant weniger Junior-Einstellungen für strukturierte Aufgaben.⏱️ Timestamps00:00 — Cold Open: Für meinen Freund aus der Automobilbranche02:00 — General Motors: 500-600 IT-Stellen + die 1.000 von vor 2 Jahren05:00 — Das Muster: GM, Siemens, SAP, Amazon, Microsoft — von SF bis München08:00 — Salesforce-Paradox (firing → re-hiring) wird seltener11:00 — DACH-Version: weniger einstellen statt entlassen14:00 — Drei Säulen: Eliminieren / Erhöhen / Neue Rollen18:00 — Die drei neuen Rollen: Agent Trainer, Build/Buy, AI Teacher23:00 — Das Rot-Gelb-Grün-Ampelsystem26:00 — Warum HR selbst die nächsten sind30:00 — Closing — Leoben, Manuel, half miracles🎙️ Über den HostMalcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Nach über 15 Jahren bei Novartis und Schlumberger heute Fokus: KI ohne Bullshit. Dozent an ESADE und HSLU. Studiert in Leoben.🚀 Ressourcen für Führungskräfte📚 Chief AI Academy — KI für Entscheider👥 AI Leadership Community🌐 werchota.ai📬 KontaktLinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: [email protected]📰 QuellenTechCrunch + Transport Topics — General Motors IT Layoffs 2026Reports zu Amazon Corporate Layoffs (14k + 16k geplant)Microsoft Workforce Adjustments unter Satya NadellaHarvard Business Review — ChatGPT-Effekt auf Junior-HiringGartner + McKinsey — AI Role Redesign FrameworksTags: #KI #KIKochbuch #AIAdoption #JobMarket #FutureOfWork #RoleRedesign #GM #Siemens #SAP #Amazon #Microsoft #Automobilbranche #HR #Recruiting #Hiring #LayoffNomicon #AIAgent #BuyVsBuild #werchota #ChiefAIAcademy #DasKIKochbuch

Stellt euch das vor. Ihr holt euch keinen Berater mehr ins Haus. Ihr holt euch direkt den Modellhersteller. Plus Private Equity. Nicht für ein Strategiepapier. Sondern für den kompletten Umbau eurer Kernprozesse.Genau dafür steht gerade eine neue Firma. Bewertet — laut Berichten — mit 1,5 Milliarden Dollar. Anthropic, das Labor hinter Claude, geht zusammen mit Blackstone, Hellman & Friedman und Goldman Sachs in eine Enterprise-AI-Services-Struktur. Vier Namen, die normalerweise nicht zusammen am Tisch sitzen. Wenn sie es jetzt tun, ist die Botschaft hart: AI-Transformation wird nicht mehr über dutzende lose Beratungsprojekte laufen. Sondern über eine produktisierte Liefermaschine.Malcolm zeichnet in dieser Episode das vollständige Bild: Warum der wahre Engpass in Firmen nie das Modell war, sondern die Implementierung. Warum Blackstone in seiner Pressemitteilung erstaunlich offen vom "Implementation-Partner-Bottleneck" spricht. Warum die klassischen Systemintegratoren — Accenture, Deloitte, Capgemini — gerade einen Teil ihrer Macht verlieren. Und warum das für den DACH-Mittelstand sofort strategisch wird: vom Ersatzteilgeschäft bis zur Angebotserstellung, vom Service-Außendienst bis zur Betriebsratsfrage.Die Wahrheit hinter der "Build-it-yourself"-Romantik: CoatingAI brauchte 1,5 bis 2,5 Millionen Euro plus 10 Entwickler über Monate, um einen einzigen industriellen AI-Workflow in Produktion zu bringen. Wie viele Devs habt ihr? Einen? End of discussion. Buy, don't build.Das neue Geschäftsmodell ist nicht "Beratung". Es ist Equity-für-Implementation: Anthropic + PE-Partner kommen nicht mit einem Pitch-Deck — sie kaufen 15-20% deiner Firma und übernehmen das operationelle Mandat zur KI-Transformation. Wenn dein Konkurrent das macht und du nicht? Game over.Die Episode endet mit fünf konkreten Montag-Aktionen vor dem nächsten Anbieter-Pitch:Implementierungsinventur — wo verbrennt ihr aktuell Geld?Hartes Build-versus-Buy-Kriterium — Devs vs. realistische WorkflowsBesitzlandkarte für jeden externen Partner — wer hält die Operativ-DNA?Ein echter Use Case statt der schönsten DemoDer Ausfalltest — was passiert wenn der KI-Partner morgen rausgeht?Plus die Anfangsfrage, die alle Entscheider stellen müssen: Wenn das Modellhaus selbst zum Umsetzer wird — wer besitzt am Ende eure Betriebs-DNA?Die nächste Welle wird nicht von denen gewonnen, die am lautesten über Agenten reden. Sondern von denen, die Rollen, Prozesse, Daten und Umsetzung so sauber verschrauben, dass aus einem Modell ein vernünftiger Betrieb wird.⏱️ Timestamps00:00 — Cold Open: Wenn das Modellhaus selbst zum Umsetzer wird03:00 — Der wahre Engpass ist nicht das Modell — Implementation-Partner-Bottleneck06:30 — Wenn AI-Services zur Produktkategorie wird — das Accenture-Problem10:00 — Was das für DACH-Maschinenbau bedeutet — Ersatzteile, Service, Angebote13:00 — Build versus Buy — die CoatingAI-Wahrheit (1,5-2,5 Mio + 10 Devs)15:00 — Fünf Montag-Aktionen vor dem nächsten Anbieter-Pitch17:00 — Wer besitzt eure Betriebs-DNA?🎙️ Über den HostMalcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Nach über 15 Jahren bei Novartis und Schlumberger heute Fokus: KI ohne Bullshit. Dozent an ESADE und HSLU.🚀 Ressourcen für Führungskräfte📚 Chief AI Academy — KI für Entscheider👥 AI Leadership Community🌐 werchota.ai📬 KontaktLinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: [email protected]📰 QuellenAnthropic — Enterprise AI Services CompanyBlackstone PressemitteilungTechCrunch — Anthropic + OpenAI JVsCNBC — Goldman/Blackstone AI VentureFortune — Claude Consulting IndustryTags: #Anthropic #Claude #Blackstone #GoldmanSachs #HellmanFriedman #EnterpriseAI #AIServices #ImplementationBottleneck #BuildVsBuy #DACH #Mittelstand #Maschinenbau #Accenture #Deloitte #Capgemini #CoatingAI #KIBeratung #DasKIKochbuch #TheAICookbook #werchota #ChiefAIAcademy