Latest / KI Espresso / Was traust du dir mit KI wirklich zu?

Transcript

Was traust du dir mit KI wirklich zu? · KI Espresso

• 0:00
  SPEAKER_00: Eine Person hatte mit Cloud Code schon eine erste App gebaut und nutzte auch OpenClaw.
• 0:05
  SPEAKER_00: Dann las sie Matt Schumers Essay über den Wandel durch KI.
• 0:09
  SPEAKER_00: Zur Begeisterung kam Dringlichkeit.
• 0:11
  SPEAKER_00: Später brachte Felix Riesebergs Text sie dazu, ihre Projekte neu zu betrachten.
• 0:16
  SPEAKER_00: Was könnte sie sich als nächstes vornehmen?
• 0:18
  SPEAKER_00: Diese Erfahrung bleibt hier anonym.
• 0:20
  SPEAKER_00: Sie verbindet zwei Texte über eine Frage, die auch eure Arbeit betrifft.
• 0:24
  SPEAKER_00: Welche Aufgabe traut ihr euch mit KI zu?
• 0:27
  SPEAKER_01: Und woran würdet ihr erkennen, dass ihr sie gelöst habt?
• 0:30
  SPEAKER_01: Darum geht es heute bei KI Espresso.
• 0:32
  SPEAKER_01: Wir schauen uns beide Argumente an und entwickeln daran eine Aufgabe für einen gedachten Onlineshop.
• 0:37
  SPEAKER_01: Ich bin Irene.
• 0:38
  SPEAKER_00: Und ich bin Marc.
• 0:40
  SPEAKER_00: Mich interessiert daran, die Person konnte mit diesen Werkzeugen bereits etwas anfangen.
• 0:44
  SPEAKER_00: Trotzdem änderte sich durch die Lektüre der Blick auf die eigenen Projekte.
• 0:48
  SPEAKER_00: Welche Möglichkeiten übersehen wir, weil wir uns eine Aufgabe noch so vorstellen wie früher?
• 0:53
  SPEAKER_01: Zum Beispiel könnte unser gedachter Shop KI einsetzen, um Antworten auf stornierte Bestellungen zu formulieren.
• 0:59
  SPEAKER_01: Das spart möglicherweise Schreibarbeit.
• 1:02
  SPEAKER_01: Mich würde aber reizen, mit den verfügbaren Daten herauszufinden, unter welchen Bedingungen Bestellungen storniert werden.
• 1:08
  SPEAKER_01: Ob das gelingt, lassen wir offen.
• 1:10
  SPEAKER_01: Dieser Shop ist ein Beispiel, kein durchgeführter Versuch.
• 1:13
  SPEAKER_00: Schumer schreibt in Something Big is happening für Menschen außerhalb der KI-Branche, auch für seine Familie und Freunde.
• 1:20
  SPEAKER_00: Er arbeitet selbst als Unternehmer und Investor in diesem Bereich.
• 1:24
  SPEAKER_00: Sein Einstieg erinnert an die Zeit vor den Pandemie-Einschränkungen.
• 1:28
  SPEAKER_00: Eine große Veränderung kann näher sein, als sie sich im Alltag anfühlt.
• 1:33
  SPEAKER_00: Mit diesem Vergleich will er aufrütteln.
• 1:36
  SPEAKER_01: Der Vergleich macht die Dringlichkeit verständlich.
• 1:39
  SPEAKER_01: Wie groß die Veränderung wird, lässt sich daraus allerdings nicht ableiten.
• 1:42
  SPEAKER_01: Was hat er selbst erlebt?
• 1:44
  SPEAKER_00: Er beschreibt einen Sprung in seiner Softwarearbeit.
• 1:47
  SPEAKER_00: Früher habe er die KI laufend begleitet und korrigiert.
• 1:51
  SPEAKER_00: Inzwischen könne er ein gewünschtes Ergebnis beschreiben und den Agenten daran arbeiten lassen.
• 1:57
  SPEAKER_00: Der schreibe Code, öffne die App, klicke Sicht durch Funktionen und überarbeite Fehler.
• 2:02
  SPEAKER_00: Anschließend teste Schumer selbst.
• 2:04
  SPEAKER_00: Er schildert die Ergebnisse als meist nahezu fertig.
• 2:09
  SPEAKER_01: Da gehört das Prüfen also schon zu seinem Bericht.
• 2:11
  SPEAKER_01: Interessant ist, wie viel von der Arbeit zwischen Auftrag und Abnahme er abgeben kann.
• 2:16
  SPEAKER_01: Wir kennen aus dem Essay aber seine konkreten Abnahmekriterien nicht.
• 2:20
  SPEAKER_01: Dass es bei seinen Apps funktioniert, sagt noch wenig über die nächste fremde Aufgabe.
• 2:24
  SPEAKER_00: Für ihn steckt darin mehr.
• 2:26
  SPEAKER_00: Manche Entscheidungen des Modells empfindet er als Urteilsvermögen, sogar als Geschmack.
• 2:32
  SPEAKER_00: Und er verbindet den Fortschritt beim Programmieren mit der Entwicklung neuer KI.
• 2:37
  SPEAKER_00: Er verweist auf Aussagen der Hersteller, dass Modelle bereits an ihrer eigenen Weiterentwicklung mitarbeiten.
• 2:44
  SPEAKER_00: Daraus erwartet er eine Beschleunigung.
• 2:46
  SPEAKER_00: Bessere Werkzeuge helfen beim Bau noch besserer Werkzeuge.
• 2:50
  SPEAKER_01: Mithelfen kann vieles heißen, etwa Fehler im Entwicklungscode suchen.
• 2:55
  SPEAKER_01: Eine Maschine, die ohne Menschen zuverlässig ihre Nachfolger baut, wäre eine weitergehende Behauptung.
• 3:01
  SPEAKER_01: Schumer verbindet die heutigen Berichte mit einer Erwartung.
• 3:04
  SPEAKER_01: Diesen Übergang müssen wir beim Lesen mitvollziehen.
• 3:07
  SPEAKER_00: Er stützt sich außerdem auf Messungen dazu, wie lange Aufgaben dauern, die Modelle selbstständig bewältigen, und auf Vorhersagen von Branchenchefs.
• 3:15
  SPEAKER_00: Den Trend verlängert er in die Zukunft.
• 3:18
  SPEAKER_00: Sein Schluss reicht dann weit über Software hinaus.
• 3:20
  SPEAKER_00: Er erwartet tiefgreifende Veränderungen bei Arbeit, die am Bildschirm stattfindet, bis hin zu Entscheidungen und Analysen.
• 3:27
  SPEAKER_01: Das ist der große Sprung seines Arguments.
• 3:30
  SPEAKER_01: Eine gemessene Aufgabe hat bestimmte Bedingungen.
• 3:33
  SPEAKER_01: Ein Beruf umfasst viele Aufgaben, Verantwortung und Zusammenarbeit.
• 3:37
  SPEAKER_01: Aus der Entwicklung einer Messkurve folgt noch kein verlässlicher Zeitpunkt, an dem ein ganzer Beruf verschwindet.
• 3:43
  SPEAKER_01: Die Zahlen und Fristen aus seinem Essay verwenden wir deshalb hier nicht als bestätigte Prognose.
• 3:49
  SPEAKER_00: Seinen Einwand gegen schlechte frühere Erfahrungen finde ich trotzdem nützlich.
• 3:53
  SPEAKER_00: Wer ein Werkzeug einmal ausprobiert und beiseite gelegt hat, beurteilt möglicherweise noch diese alte Version.
• 3:59
  SPEAKER_00: Schumer fordert dazu auf, die eigene Einschätzung an einer anspruchsvollen Aufgabe erneut zu prüfen.
• 4:05
  SPEAKER_01: Ja, solange auch der neue Versuch scheitern darf.
• 4:08
  SPEAKER_01: Wer nach einem Fehler immer nur sagt, das richtige Modell könne es bestimmt, schützt die Behauptung vor jedem Gegenbeispiel.
• 4:14
  SPEAKER_01: Für unseren Shop hieße das, wir müssten uns anschauen, welche Antworten brauchbar sind und wo Angaben fehlen.
• 4:21
  SPEAKER_00: Schumer will, dass seine Leser ins Handeln kommen.
• 4:24
  SPEAKER_00: Er empfiehlt, KI in tatsächliche Arbeit einzubeziehen, ausreichend Kontext zu geben und nach einem mäßigen ersten Ergebnis weiterzuarbeiten und ernennt Vorhaben, die Menschen vielleicht schon lange im Kopf haben.
• 4:36
  SPEAKER_00: Eine App bauen, ein Buch schreiben, etwas Neues lernen.
• 4:40
  SPEAKER_00: Wer nur die Warnung vor Jobverlust hört, verpasst diese Einladung.
• 4:45
  SPEAKER_01: Für unseren Shop könnte der erste Versuch ziemlich überschaubar sein.
• 4:48
  SPEAKER_01: Die KI entwirft eine Antwort auf eine Stornierung, anhand freigegebener Regeln und eines erfundenen Beispiels.
• 4:55
  SPEAKER_01: Ein Mensch prüft, ob sie etwas verspricht, das der Shop gar nicht anbietet.
• 4:59
  SPEAKER_01: Damit hätte man einen Einstieg.
• 5:01
  SPEAKER_01: Mich würde aber die größere Frage weiter beschäftigen, warum kommt es überhaupt zur Stornierung?
• 5:06
  SPEAKER_00: Schumer denkt auch über die einzelne Aufgabe hinaus.
• 5:09
  SPEAKER_00: Er rät dazu, Spielraum für Veränderungen zu behalten, spricht über finanzielle Widerstandsfähigkeit und über Arbeit, bei der Vertrauen oder persönliche Verantwortung zählen.
• 5:19
  SPEAKER_00: Beim Thema Kinder betont er Neugier und Anpassungsfähigkeit.
• 5:23
  SPEAKER_00: Das sind seine Ratschläge für eine Zukunft, deren Verlauf er selbst nicht kennen kann.
• 5:27
  SPEAKER_01: Das kann einen ziemlich konkreten Unterschied machen.
• 5:30
  SPEAKER_01: Eine Idee, die man wegen fehlender Programmierkenntnisse beiseite gelegt hat, wird wieder zu einer Aufgabe, die man versuchen könnte.
• 5:37
  SPEAKER_01: Schumer hält die Einstiegshürden für stark gesunken.
• 5:40
  SPEAKER_01: Wie weit man tatsächlich kommt, muss sich am eigenen Vorhaben zeigen.
• 5:44
  SPEAKER_01: Aber schon der Entschluss, wieder anzufangen, verändert, womit man seine Zeit verbringt.
• 5:49
  SPEAKER_00: Am Ende weitet Schumer den Blick auf mögliche Fortschritte in der Forschung und auf Gefahren, etwa Missbrauch und Kontrollverlust.
• 5:57
  SPEAKER_00: Er beschreibt sehr große Chancen und Risiken.
• 6:00
  SPEAKER_00: Seine Aufforderung ist, mit Neugier und Dringlichkeit drauf zu reagieren.
• 6:05
  SPEAKER_00: Der Text soll Menschen erreichen, die diese Entwicklung bisher für weit weghalten.
• 6:10
  SPEAKER_01: In unserer anonymen Geschichte traf das auf jemanden, der bereits eine App gebaut hatte.
• 6:14
  SPEAKER_01: Die Begeisterung war schon da.
• 6:16
  SPEAKER_01: Schumer verstärkte das Gefühl, sich jetzt damit zu beschäftigen.
• 6:20
  SPEAKER_01: Was man sich als nächstes vornimmt, bleibt damit aber noch offen.
• 6:23
  SPEAKER_00: Dort setzen wir Felix Riesebergs Essay daneben.
• 6:26
  SPEAKER_00: How to be more ambitious.
• 6:28
  SPEAKER_00: Er schreibt ausdrücklich als jemand, der an Claude arbeitet.
• 6:31
  SPEAKER_00: Seine Beispiele kommen also aus der Praxis eines Herstellers.
• 6:34
  SPEAKER_00: Gleich zu Beginn hält er fest, dass Modelle sehr ungleichmäßig gut sind.
• 6:39
  SPEAKER_00: Manche Möglichkeiten sind erstaunlich, andere Aufgaben bleiben schwierig.
• 6:43
  SPEAKER_01: Er unterscheidet vier Richtungen, in denen man ehrgeiziger werden kann.
• 6:47
  SPEAKER_01: Geschwindigkeit, die Ebene des Ziels, die Tiefe der Bearbeitung und den Einsatz von Methoden aus anderen Bereichen.
• 6:55
  SPEAKER_01: Geschwindigkeit wäre bei unserem Shop, dieselben Antworten schneller zu schreiben.
• 7:00
  SPEAKER_01: Lass uns mit der Ebene des Ziels weitermachen.
• 7:03
  SPEAKER_00: Rieseberg fragt nach dem Zweck hinter dem Auftrag.
• 7:06
  SPEAKER_00: In seinem ausdrücklich erfundenen Firmenbeispiel beginnt er mit Folien für einen Geschäftsbericht.
• 7:12
  SPEAKER_00: Dann geht es um Entscheidungen, die aus diesem Bericht folgen sollen.
• 7:15
  SPEAKER_00: Schließlich fragt er, ob sich Probleme auch früher erkennen ließen.
• 7:19
  SPEAKER_00: Er verändert also schrittweise, wofür die Arbeit überhaupt geleistet wird.
• 7:23
  SPEAKER_01: Beim Shop würde ich zunächst fragen, was nach unserer Antwort passieren soll.
• 7:28
  SPEAKER_01: Eine Stornierung muss korrekt bearbeitet werden.
• 7:31
  SPEAKER_01: Darüber hinaus könnte man untersuchen, ob es vermeidbare Schwierigkeiten vor der Stornierung gibt.
• 7:36
  SPEAKER_01: Das wäre eine andere Aufgabe als das Schreiben.
• 7:40
  SPEAKER_01: Ich würde der KI dafür allerdings nicht einfach auftragen, möglichst viele Sornierungen zu verhindern.
• 7:45
  SPEAKER_00: Weil sie dann den Kunden das Stornieren erschweren könnte.
• 7:49
  SPEAKER_00: Das wäre ein schlechter Erfolg.
• 7:51
  SPEAKER_00: Wir bräuchten als Ziel, vermeidbare Probleme zu finden, während die Entscheidung des Kunden respektiert wird.
• 7:57
  SPEAKER_01: Genau.
• 7:58
  SPEAKER_01: Und dafür würde ich wissen wollen, was vor dem Abbruch passiert ist.
• 8:02
  SPEAKER_01: War eine Lieferangade unklar?
• 8:04
  SPEAKER_01: Gab es einen Fehler beim Bezahlen?
• 8:07
  SPEAKER_01: Das sind mögliche Erklärungen in unserem Beispiel.
• 8:09
  SPEAKER_01: Wir haben bisher keine Daten, die eine davon stützen.
• 8:12
  SPEAKER_00: Bei Rieseberg selbst lässt sich sehen, welche Arbeit hinter einem größeren Auftrag steckt.
• 8:17
  SPEAKER_00: Er beschreibt, wie er von einzelnen Fehlerkorrekturen zur Aufgabe überging, Anwendungen stabil zu halten.
• 8:23
  SPEAKER_00: Dafür musste der Agent an Absturzberichte kommen und erkennen können, welcher Programmstand zu einer App-Version gehört.
• 8:30
  SPEAKER_00: Außerdem brauchte er Computer mit, Windows, Mac OS und Linux, um Fehler nachzustellen und Korrekturen zu prüfen.
• 8:37
  SPEAKER_01: Er verlagert damit auch seine eigene Arbeit.
• 8:40
  SPEAKER_01: Statt jeden einzelnen Fehler als nächsten Auftrag zu formulieren, richtet er die Umgebung für eine fortlaufende Aufgabe ein.
• 8:48
  SPEAKER_01: Das finde ich an dem Beispiel spannend.
• 8:50
  SPEAKER_01: Der größere Anspruch verändert, was der Mensch vorbereiten muss.
• 8:54
  SPEAKER_00: Für den Shop müssten wir ebenfalls klären, welche Aufzeichnungen existieren und welche davon wir verwenden dürfen.
• 9:00
  SPEAKER_00: Rieseberg betont den Zugang zu passenden Daten und Werkzeugen.
• 9:04
  SPEAKER_00: Er setzt seinem Ansatz auch Grenzen.
• 9:06
  SPEAKER_00: Bei kreativen Vorhaben passt diese Suche nach einem übergeordneten Zweck weniger gut.
• 9:11
  SPEAKER_00: Und ein vager Auftrag, Geld zu verdienen, ersetzt keine funktionierende Geschäftsidee.
• 9:16
  SPEAKER_01: Nehmen wir an, der Shop hat nur Nachrichten von Kunden, die storniert haben.
• 9:20
  SPEAKER_01: Ein Modell könnte daraus einen Bericht bauen, der die Lieferzeit als häufiges Problem nennt.
• 9:25
  SPEAKER_01: Das wäre zunächst eine Auswertung dieser Nachrichten.
• 9:28
  SPEAKER_01: Um zu verstehen, wodurch sich stornierte Bestellungen unterscheiden, fehlen uns aber die anderen Bestellungen.
• 9:34
  SPEAKER_00: Weil Kunden vielleicht auch dann lange warten, wenn sie nicht stornieren.
• 9:38
  SPEAKER_00: Dann hätte ich mit den Beschwerden eine plausible Erklärung gefunden, aber noch keinen brauchbaren Vergleich.
• 9:43
  SPEAKER_01: Deshalb heißt Tiefe bei Rieseberg, an die ursprünglichen Daten zu gehen und geeignete Fachmethoden einzusetzen.
• 9:50
  SPEAKER_01: Für unseren Shop wäre der nächste Schritt, stornierte und nicht stornierte Bestellungen vergleichbar zu machen.
• 9:56
  SPEAKER_01: Eine Rücksendung nach der Lieferung wäre beispielsweise ein anderer Vorgang.
• 10:00
  SPEAKER_00: Dann kann ich den Auftrag gerade nicht einfach größer formulieren und weiterreichen.
• 10:05
  SPEAKER_00: Wir brauchen diese Aufzeichnungen erst.
• 10:07
  SPEAKER_00: Die KI könnte helfen, einen passenden Datenexport zu entwerfen und zu klären, was die Felder bedeuten.
• 10:13
  SPEAKER_01: Ja, mit rechtmäßig zugänglichen, anonymisierten Angaben.
• 10:18
  SPEAKER_01: Und genau darin liegt schon ein Fortschritt gegenüber dem ersten Plan.
• 10:21
  SPEAKER_01: Wir arbeiten jetzt an der Grundlage für eine Antwort, die wir vorher gar nicht gesucht hätten.
• 10:26
  SPEAKER_00: Bei der Tiefe empfiehlt Rieselberg auch, ungewöhnlich anspruchsvolle Ziele zu setzen und darauf zu bestehen, dass sie erreichbar sind.
• 10:34
  SPEAKER_00: Das kann zu einem weiteren Versuch anregen.
• 10:36
  SPEAKER_00: Ich würde aber ausdrücklich erlauben, dass dabei eine fehlende Voraussetzung sichtbar wird.
• 10:41
  SPEAKER_01: Das passt zum anspruchsvollen Ziel.
• 10:43
  SPEAKER_01: Wer ehrlich zeigen darf, wo er nicht weiterkommt, kann auch einen anderen Weg vorschlagen.
• 10:48
  SPEAKER_01: Rieseberg führt seinen erfundenen Firmenfall bis zur Frage nach einem frühen Signal für Kundenverlust.
• 10:54
  SPEAKER_01: Er will es an bisher ungesehenen Daten prüfen.
• 10:57
  SPEAKER_01: Kundenverlust ist ein anderes Ergebnis als eine einzelne Stornierung.
• 11:01
  SPEAKER_01: Die Idee einer solchen Prüfung können wir trotzdem übernehmen.
• 11:05
  SPEAKER_00: Für unseren Shop könnten wir also nach einem frühen Anzeichen für eine spätere Stornierung suchen.
• 11:11
  SPEAKER_00: Einen Teil der Daten legen wir vorher zur Seite und prüfen erst am Schluss daran, ob der Vorschlag auch bei unbekannten Bestellungen hilft.
• 11:19
  SPEAKER_01: Dabei zählen nur Angaben, die vor der Stornierung bekannt waren.
• 11:23
  SPEAKER_01: Und vorher legen wir fest, was hilfreich wäre.
• 11:25
  SPEAKER_01: Etwa ein Hinweis, mit dem Beschäftigte ein Problem rechtzeitig erkennen können.
• 11:30
  SPEAKER_01: Sonst optimieren wir vielleicht eine Zahl, die niemandem bei der Arbeit hilft.
• 11:34
  SPEAKER_00: Rieseberg fordert dafür einen Maßstab außerhalb der Selbsteinschätzung des Modells.
• 11:39
  SPEAKER_00: Das kann eine Prüfung durch ein Programm sein, das der Agent selbst startet.
• 11:43
  SPEAKER_00: Entscheidend ist, was diese Prüfung nachweist.
• 11:46
  SPEAKER_00: Ein weiteres Modell, das zustimmend klingt, löst unser Problem mit den Daten nicht.
• 11:50
  SPEAKER_01: Damit bekommt der größere Auftrag eine Form.
• 11:53
  SPEAKER_01: Wir würden den Vorschlag an neuen Daten prüfen und mit einer einfachen bisherigen Regel vergleichen.
• 11:59
  SPEAKER_01: Das kann der Agent vorbereiten.
• 12:01
  SPEAKER_01: Die Anforderungen sollten schon vor seinem Ergebnis feststehen.
• 12:04
  SPEAKER_00: Und wenn Lieferangaben tatsächlich eine Surnierung Vorhersagen helfen, könnten wir eine verständlichere Anzeige vorschlagen.
• 12:13
  SPEAKER_00: Ob diese Änderung etwas verbessert, bräuchte dann einen eigenen, begrenzten Vergleich.
• 12:19
  SPEAKER_00: Die Vorhersage allein erklärt noch keine Ursache.
• 12:22
  SPEAKER_01: Ja.
• 12:23
  SPEAKER_01: Wir sind von einer Antwortmail zu einem Vorschlag gekommen, wie der Shop vermeidbare Schwierigkeiten untersuchen könnte.
• 12:30
  SPEAKER_01: Darin liegt der größere Anspruch.
• 12:32
  SPEAKER_01: Auch Schumer lässt seinen Agenten schon testen und prüft anschließend selbst.
• 12:37
  SPEAKER_01: Bei beiden Texten müssen wir deshalb fragen, was eine Prüfung am konkreten Auftrag zeigen soll.
• 12:42
  SPEAKER_00: Riesebergs vierte Richtung geht über die Methoden hinaus, die man selbstgewöhnlich benutzt.
• 12:47
  SPEAKER_00: Er erzählt, wie ein Kollege mit Claude und dem Programm Blender Innenräume gestaltete.
• 12:53
  SPEAKER_00: Erst dadurch kam er auf die Idee, dreidimensionale Umgebungen für seine eigene Webseite zu erwägen.
• 12:58
  SPEAKER_00: Dabei hatte er sogar schon Spiele entwickelt.
• 13:01
  SPEAKER_01: So ein Beispiel kann den eigenen Blick verschieben.
• 13:03
  SPEAKER_01: Eine Möglichkeit war ihm vorher schlicht nicht eingefallen.
• 13:07
  SPEAKER_01: Wenn wir KI immer nur in unseren vertrauten Arbeitsablauf einsetzen, stellen wir womöglich auch immer dieselben Fragen.
• 13:13
  SPEAKER_00: Sein praktischer Vorschlag ist, zuerst die Handlung zu beschreiben.
• 13:17
  SPEAKER_00: Beim Shop wollen wir herausfinden, welche Schwierigkeit beim Bestellen jemand untersuchen sollte.
• 13:22
  SPEAKER_00: Dafür könnte neben Datenanalyse auch eine Prüfung der Benutzerführung helfen.
• 13:27
  SPEAKER_00: Welche Lieferinformationen sieht ein Kunde im Bestellablauf tatsächlich?
• 13:31
  SPEAKER_01: Dafür müsste der Agent einen Ablauf in einer geeigneten Testumgebung nachstellen und dokumentieren.
• 13:36
  SPEAKER_01: Rieseberg warnt davor, einfach verschiedene Expertenrollen sprechen zu lassen.
• 13:40
  SPEAKER_01: Interessant sind die Methoden dieser Berufe und die Werkzeuge, mit denen man sie anwenden kann.
• 13:45
  SPEAKER_00: Am Ende wird sein Essay deshalb sehr menschlich.
• 13:48
  SPEAKER_00: Er fragt, was wir gar nicht erst versuchen, weil wir uns nur in einem engen Bereich etwas zutrauen.
• 13:54
  SPEAKER_00: Er wirbt dafür, schwierige Ziele zu wählen, sich von fremden Beispielen anregen zu lassen und sich einen Fehlschlag zu erlauben.
• 14:01
  SPEAKER_00: Wir geben hier seine Einladung wieder.
• 14:03
  SPEAKER_00: Seine psychologischen Verweise haben wir nicht unabhängig geprüft.
• 14:07
  SPEAKER_01: Bei der Person vom Anfang folgte auf diese Lektüre genau dieses neue Betrachten der eigenen Projekte.
• 14:13
  SPEAKER_01: Eine erste App und Open Claw waren schon vor Schumer da.
• 14:18
  SPEAKER_01: Schumer verstärkte den Antrieb, sich damit zu beschäftigen.
• 14:20
  SPEAKER_01: Rieseberg lenkte die Aufmerksamkeit darauf, was man sich als nächstes vornehmen könnte.
• 14:26
  SPEAKER_00: Ich finde daran ermutigend, dass dafür noch keine fertige Erfolgsgeschichte nötig ist.
• 14:30
  SPEAKER_00: Man kann ein Vorhaben wieder aufgreifen und den ersten Schritt anders wählen.
• 14:34
  SPEAKER_00: Beim Shop würden wir jetzt eine Untersuchung vorbereiten, statt nur die nächste Antwort schneller zu schreiben.
• 14:40
  SPEAKER_00: Für den Shop würde ich den nächsten Auftrag jetzt so formulieren.
• 14:43
  SPEAKER_00: Prüfe zuerst, ob unsere Aufzeichnungen einen Vergleich zwischen stornierten und nicht stornierten Bestellungen erlauben.
• 14:50
  SPEAKER_00: Wenn ja, untersuche eine begründete Vermutung und lege offen, woran das Ergebnis geprüft werden kann.
• 14:56
  SPEAKER_00: Wenn nein, zeige, welche Daten fehlen.
• 14:58
  SPEAKER_00: Änderungen am Shop schlagen wir ja erst danach vor.
• 15:01
  SPEAKER_01: Und ich würde dazu schreiben, wofür wir das tun.
• 15:04
  SPEAKER_01: Vermeidbare Schwierigkeiten beim Bestellen finden.
• 15:07
  SPEAKER_01: Damit kann die KI auch einen anderen Untersuchungsweg vorschlagen, als wir zuerst im Kopf hatten.
• 15:12
  SPEAKER_01: Eine schöne Erklärung allein reicht uns nicht.
• 15:15
  SPEAKER_01: Wir wollen wissen, wie wir sie prüfen können.
• 15:17
  SPEAKER_00: Mit beiden Texten lässt sich also etwas anfangen.
• 15:20
  SPEAKER_00: Schumer lädt dazu ein, eine anspruchsvolle eigene Aufgabe tatsächlich zu versuchen.
• 15:24
  SPEAKER_00: Rieseberg hilft, den Auftrag weiterzuentwickeln und die nötige Arbeit darunter sichtbar zu machen.
• 15:29
  SPEAKER_00: Ihre Zukunftserwartungen muss man dafür nicht als Gewissheit übernehmen.
• 15:32
  SPEAKER_01: Nehmt ein Vorhaben, das ihr bisher aufgeschoben habt.
• 15:35
  SPEAKER_01: Schreibt auf, welches Ergebnis euch helfen würde.
• 15:38
  SPEAKER_01: Lasst euch dann einen ersten Schritt vorschlagen, dessen Ergebnis ihr beurteilen könnt.
• 15:43
  SPEAKER_01: Vielleicht wird das Vorhaben dadurch größer.
• 15:45
  SPEAKER_01: Vielleicht entdeckt ihr zuerst eine Lücke, die sich schließen lässt.
• 15:48
  SPEAKER_01: Welche Aufgabe würdet ihr so noch einmal angehen?
• 15:51
  SPEAKER_00: Das war KI Espresso mit Irene und Marc.
• 15:55
  SPEAKER_00: Beide Essays findet ihr in der Beschreibung.
• 15:58
  SPEAKER_00: Bis zum nächsten Mal.