[00:00:00] Herzlich willkommen zum AI-First-Podcast. Wir sprechen heute über das Thema AI-Agents und Agent-Economy Wie werden agentische Systeme Geschäftsmodelle, Funktionsbereiche, Unternehmen verändern? spannendes Thema, hochaktuell und wird uns in 2025 noch sehr viel beschäftigen. Ich habe dafür einen Echten Experten mit am Start, Sebastian Küpers von der Plan.net-Gruppe, die sich jetzt immer intensiver mit genau diesem Thema beschäftigen. Sebastian, danke, dass du dir die Zeit nimmst und heute ein paar Insights mit uns teilst. Ja, danke für die Einladung freut mich da zu sein. Magst du zum Start einmal kurz erzählen wer du bist und was ihr bei der Plan.net-Gruppe mit AI-Agents Ja Ja, sehr gerne. Also ich bin Chief Transformation Officer innerhalb der Planet-Gruppe Bin damit [00:01:00] verantwortlich für alle möglichen großen Transformationsthemen und KI ist mit Sicherheit das größte Transformationsthema was wir alle gerade haben. Dank. Bieten wir eine Vielzahl an. Services an. Natürlich machen wir auch schon immer viel in Richtung KI und Machine Learning. Und wir haben uns Anfang diesen Jahres intensiv mit den ganzen Forschungsergebnissen rund um die Erkenntnisse, wie gut diese sogenannten Agentic Workflows funktionieren beschäftigt und haben daraufhin stark unsere eigene KI-Strategie angepasst und viel angefangen zu investieren Die Skills aufzubauen, wie man KI-Agentensysteme entwickelt, zur Anwendung bringt, skalierbar macht und haben daraus abgeleitet viele Initiativen abgeleitet um nicht nur unseren Kunden zu helfen, mit Agenten zu arbeiten, sondern vor allen Dingen auch viele unserer [00:02:00] eigenen Agenturservices in Zukunft über KI-Agenten anbieten zu können und ein Stück weit auch Infrastruktur rund um das Thema zu entwickeln. Super, da habe ich gleich ganz... Viele Fragen dazu, aber bevor wir in das Thema reingehen, möchte ich einmal klären was verstehst du unter einem AI-Agent? Ich erkläre es unseren Kunden immer so, ein KI-Agent ist letzten Endes nichts anderes wie eine Applikation. Das ist ein Stück Software, das läuft irgendwo wahrscheinlich auf einem Server. Und dieser Agent ist in der Lage autonom, eigenständig ein Problem zu lösen oder ein Ziel zu erreichen. Und dafür hat er im Sinne, im Prinzip vier Komponenten Er benutzt ein Sprachmodell, sowas wie Chachibiti, Gemini, was auch immer. Er hat ein Sogenannten Systemprompt das ist also eine Anweisung, wer bist du, welche Rolle hast du, was ist das Ziel, was sind auch gegebenenfalls Arbeitsanweisungen, die man ihm mitgibt. [00:03:00] Dann der dritte Teil, ganz wichtig ist, Agenten haben immer Tools, das heißt, sie sind in der Lage, eigentlich alles zu benutzen was irgendwie eine API hat. Die können Marketing-Tools bedienen, können sich mit Datenbanken verbinden, was auch immer sie brauchen, um ihren Job zu erledigen. Und die vierte wichtige Komponente ist, dass sie Memory haben. Also die haben ein Langzeitgedächtnis, ein Kurzzeitgedächtnis und in der Regel eigentlich auch immer Zugriff auf irgendeine Art von permanenter Knowledge Base, auf die sie zurückgreifen können. Und Diese vier Komponenten ermöglichen es ihnen halt wirklich sehr autonom, Probleme zu lösen. Und der große Unterschied ist halt, wenn du es jetzt mal ChatGPT vergleichst da gibt es schon natürlich viele Parallelen Bei ChatGPT bist du aber sozusagen derjenige der im Ping-Pong im Dialog mit ChatGPT hin und her versucht, ein Problem zu lösen oder eine Frage zu beantworten. Und die Agenten sind halt in der Lage... Also entweder mit sich selbst auszumachen oder, und das ist ja eigentlich [00:04:00] die große Erkenntnis der Forschung der letzten zwölf Monate, in Zusammenarbeit mit anderen Agenten Probleme zu lösen. Und das nennt man dann Multiagentensysteme. das sind diese Multi-Agenten-Systeme Da gucken halt momentan noch nicht viele so richtig genau hin. Es ist momentan oft so, dass tatsächlich, wenn Leute über Agenten sprechen, sie eigentlich immer noch so ein Einzelagenten meinen und die große Fantasie kommt aber eigentlich erst auf und die großen Möglichkeiten, wenn du wirklich ein Multi-Agenten-System baust, wo viele Agenten zusammenarbeiten, genau. Okay. Jetzt nochmal zur Abgrenzung, weil jetzt letztens hat ja Microsoft mit dem Co-Pilot auch Agenten gelauncht was ja dann, ich würde das eher als einen Assistenten bezeichnen also wo ich mir für einen Anwendungsfall einen Agenten Ja, Systemprompt aufsetze und Wissen dahinter lege, wo ich dann Fragen oder Aufgaben in [00:05:00] Zusammenarbeit erledigen kann, was man bei ChatGPT GPTs genannt hatte. Das bringt natürlich maximale Verwirrung rein. Wenn auf der anderen Seite unter Agenten ein gewisser Autonomiegrad vorausgesetzt wird, was auch mein Verständnis darunter ist, aber wie würdest du es jetzt nochmal, also wenn wir sagen, wir haben Assistenten wir haben ja dann auch noch Automation regelbasierte Automation und wir haben die Agenten was ist das, was den Agenten von den anderen, wie soll man sagen, Anwendungen abgrenzt? Also die Komplexität des Problems was du lösen kannst. Du kannst halt durch diese Multiagentensysteme wesentlich komplexere Probleme lösen und vor allen Dingen auch wirklich Ende zu Ende komplette Prozesse durchautomatisieren. Du hast schon recht, es ist Tatsache so, dass... Man muss immer so aufpassen, was man sagt, weil jede Woche passiert was Neues und eventuell sagt man was Falsches. Aber in der Tat ist es so, dass als auch Salesforce, AgentForce vorgestellt hat oder [00:06:00] Microsoft, Copilot, Studio, Agenten unterstützt natürlich starten die alle erstmal mit dem einfachsten Case. Die Software-Embieter haben ja auch immer Interesse, dass es auch für den normalen Business-User relativ einfach zu konfigurieren ist. Das wird halt alles wesentlich komplexer wenn du ein System mit mehreren Agenten baust und wirklich Ende zu Ende einen kompletten Prozess Durch Automatisieren willst, da ist die Komplexität einfach höher. Ich gehe aber stark davon aus, dass es nur eine Frage der Zeit ist, dass du auch bei Salesforce, bei Microsoft und Co. in der Lage bist, mit deren Systemen Multiagentensysteme zu bauen. Ja, gespannt. Welche Einsatzbereiche siehst du aktuell hauptsächlich für Agenten? Ich sage momentan immer, dass wir als Serviceplan-Gruppe das größte Potenzial darin sehen, intellektuelle Fleißarbeit mit Agenten zu machen. Man muss sich einfach eingestehen dass in der Serviceindustrie in Summe und auch bei uns im Speziellen im [00:07:00] Marketing in der Agentur unwahrscheinlich viel intellektuelle Fleißarbeit anfällt. Also das sind einfach Dinge, die gemacht werden müssen, Die gesunden Menschenverstand bedarfen, aber nicht unbedingt einen großen kreativen Lösungsprozess irgendwie beinhalten. Also das können Rechercheaufgaben sein, Insights ableiten, Content managen, irgendwelche Assets auf Regeln hin überprüfen und Diese intellektuelle Fleißarbeit, die gibt es nicht nur bei uns, die gibt es meiner Meinung nach in jeder großen Serviceindustrie, in jedem großen Servicebereich. Und dafür sind die Agenten unwahrscheinlich gut geeignet, weil man sehr schnell an einen Punkt kommt, dass diese Agenten in einem Bruchteil der Zeit für einen Bruchteil der Kosten ein Ergebnis Wo wir immer sagen, Agenten sind so unwahrscheinlich Pareto. Also das sind Ergebnisse, die so 80% gut sind. Und die Tatsache aber, dass man diese 80% guten Ergebnisse bekommt [00:08:00] und vielleicht noch die letzten 20% als Mensch machen muss, das ist einfach ein riesiger Gewinn. Ich muss hier gerade schmunzeln, das ist tatsächlich auch... Genau meine Erfahrung und umso näher man dann an die 100 Prozent kommen möchte, wie das halt immer so ist, ist jedes einzelne Prozentpünktchen wird immer schwieriger. Aber vielleicht muss genau das eben auch nicht der Anspruch sein, dass ich hier das perfekte Ergebnis rausbekomme, sondern eben ganz schnell auf die 80 Prozent komme, um dann den Rest nachlegen zu können. Also zusammengefasst beinhaltet das ja alle Bürojobs oder nicht? alle Bürojobs die auf Fleißarbeit irgendwie basieren und die gesunden Menschenverstand gebrauchen aber jetzt nicht unbedingt. Also es gibt ja auch Arbeit im Büro, die viel mit menschlicher Interaktion zu tun hat. Die wird definitiv durch Agenten nicht ersetzt. Also Workshops machen, kommunizieren mit Menschen, gemeinsam im Team Probleme lösen. Das sind ja alles Dinge, [00:09:00] die du nach wie vor immer noch gemeinsam mit deinen Kollegen machst. Und genauso ist es, glaube ich nach wie vor so, Dass dieser schöpferische Teil der Arbeit und so ein schöpferischer Teil, den gibt es in jedem Bereich. Also wenn bei uns ein Entwickler eine Software entwickelt, dann hat auch einen schöpferischen Anteil. Genauso wie wenn bei uns ein Kreativer sich eine neue Kampagne überlegt oder jemand, der Content produzieren will und am Anfang vor der Frage steht, was machen wir hier eigentlich? Also ich glaube, diese Bereiche sind weitestgehend nach wie vor davon unangetastet erstmal oder da wird... Mehr supportet als dass es wirklich ersetzt, aber in dem Bereich dieser intellektuellen Fleißarbeit und da sind natürlich viele Bürojobs mit einem großen Prozentsatz wahrscheinlich angesiedelt, die werden davon massiv profitieren. Oder auch nicht, aber auch darüber sprechen wir später Ja. Vielen bringt ja alles auch Herausforderungen mit sich, aber ich würde jetzt gerne nochmal ein paar Beispiele [00:10:00] reingehen du hattest jetzt gerade schon mal angeschnitten, dass Und es ist ja immer gut, wenn man Transformationen verkaufen möchte, auch bei sich selbst anzufangen und zu hinterfragen, hey, wie wir hier aktuell arbeiten, muss das überhaupt noch so sein und wie können wir denn eigentlich diese Technologie auch für uns einsetzen zu unserem Vorteil? Und du hattest schon angesprochen, dass ihr auch eure Prozesse, eure Arbeitsweisen mit AI und insbesondere Agents hinterfragt habt. Wo setzt ihr denn Agents bei euch in der Gruppe aktuell ein? Also wir haben angefangen im Research, weil wir machen einfach unwahrscheinlich viel Research, also entweder, weil wir zum Beispiel in einer Pitch-Situation sind, einen neuen Kunden gewinnen wollen und zum Lösen der Pitch-Aufgabe erstmal recherchieren müssen, wie ist die Wettbewerbssituation, wie sieht der Markt aus, was gibt es für Industrietrends in diesem Segment, was weiß man über die Zielgruppen die Audiences, was auch immer, also es gibt einfach unwahrscheinlich viel Recherchearbeit zu tun Tun. Und das [00:11:00] ist unser Startpunkt. Und wir haben die gute und die schlechte Idee gehabt, mit Wettbewerbsanalysen anzufangen. Es war eine gute Idee insofern, als dass jeder das will. Also jeder Mitarbeiter hätte das gerne und auch jeder Kunde hätte das gerne. Und auch jedem Kunden, dem wir das bisher gezeigt haben, reagiert unwahrscheinlich positiv. Also es kommt genau diese 80-Prozent-Meinung zum Tragen. Du hast es ab. Aber es ist halt einfach für jeden von uns absolut mindblowing, wie dieses Ergebnis innerhalb von einer Stunde zustande kommt. Weil du wirklich dir das durchliest und denkst, okay Wahnsinn, da hätten wir früher Tage gebraucht. Und das ist eine sehr positive Reaktion. Es war dummerweise eine schlechte Idee, weil eine Wettbewerbsanalyse doch ein ganz schön komplexes Problem ist. Also da haben wir uns jetzt nicht ein einfaches News Case ausgesucht von Anfang an, sondern eine schon wahnsinnig komplexen, wo du auch sofort dann merkst, okay, das wird sehr schwierig mal irgendwann für Microsoft, [00:12:00] Salesforce und Co. sowas ganz einfach in ihre Systeme einzubauen, dass sich das jeder nachbauen kann, weil du das schon gerade so im Bereich Qualitätssicherung und Parallelisierung von Aufgaben Dinge lösen musst, die jetzt nicht so einfach zu lösen sind. Aber das ist so das, wo auch jeder von uns scharf drauf ist, also Vielen Dank. meinte das ja vorhin auch wirklich ernsthaft, ich glaube wirklich, dass der Impact positiv ist, weil intellektuelle Fleißarbeit ist nicht unbedingt etwas, was bei vielen Leuten Begeisterung auslöst. Ich weiß, es gibt Leute, die machen sowas sehr gerne, aber In Summe glaube ich der überwiegende Anteil ist schon froh darum, wenn viel von dieser Fleißarbeit automatisiert werden kann und man viel mehr Unterstützung bekommt und jeder fühlt sich gut, wenn er seine Zeit für etwas einsetzen kann, was mehr Wert erzeugt außer ich muss erst mal durch die Pflichtübungen durch, bevor ich zur Kür kommen kann. Und jeder hat Spaß daran, sich mehr um die Kür zu kümmern als um die Pflicht Jetzt gehen wir schon [00:13:00] da rein. Ich kann es aber nicht zurückhalten. Ich glaube, dafür braucht es dann einfach vom Unternehmen einen Plan, wie shiftet man diese Arbeit in andere Rollen Auch das ist total spannend. Hebe ich mir auf als Gedanken. Aber wir lieben hier in diesem Podcast in konkrete Use Cases reinzugehen und wirklich mal so Schritt für Schritt zu verstehen, warum Jetzt nehmen wir mal eure Wettbewerbsanalyse. Was macht der Agent dort oder habt ihr dort auch schon verschiedene Agents die zusammenarbeiten und wie sieht dieser Prozess dann agentengestützt aus? Und welche Rolle spielt in diesem Prozess dann auch noch der Mensch? Also wo wird der Mensch dazwischen geschaltet? Sehr gute Frage und du willst jetzt wahrscheinlich die ausführliche Antwort, ne? Also klar, gerne so tief rein wie Ja, kurz auf die Uhr geschaut. Also, in diesem Fall der Webware-Analyse sind das wirklich Dutzende von Agenten die da zusammenarbeiten. Und das sind, ich [00:14:00] gucke gerade im Kopf, was ich gerade rausfinden muss, also es sind bestimmt 20 Teams oder so. Also das sind, man schaltet mehrere Teams, die sich auf Teilaufgaben spezialisieren und ein Team besteht vielleicht immer so aus zwei, drei, maximal vier Agenten schaltet man sozusagen in einem Flow zusammen. Und man muss sich das so vorstellen, der Prozess beginnt damit, dass sich die Aufgabenstellung von einem Team angeschaut wird. Und diese Aufgabenstellung ist definiert, das ist der Kunde, das sind seine drei, vier, fünf Wettbewerber dann bekommt noch als Input mit, was wichtige Evolutionskriterien für diese Wettbewerbsanalyse sind, also da kann man nochmal genauer definieren auf was man genau achten möchte und dann kann man eine sehr Freien Prompt schreiben, was die Aufgabenstellung ist, die man gelöst haben möchte. Man muss definitiv sagen, dass diese Web-Analyse, die wir da gebaut haben, die funktioniert gut für sehr spezifische Fragestellungen. Es geht nicht darum zu sagen, machen Sie mal bitte den [00:15:00] global-galaktischen Vergleich zwischen irgendwie drei Marken sondern es geht darum, gezielte Aufgabenstellungen auf Fragestellungen zu beantworten. Und dann, was die erste Crew macht, ist, sie überlegt sich erst mal die Outline Von dieser Anfrage. Die haben als Tool ein Search-Tool das heißt ExaAI. Das ist so speziell für KI und Agenten-Applikationen entwickeltes Such-Tool was sehr gut und sehr populär ist, weil es vereint so ein bisschen... Die Suche als auch die Content-Extraktion als auch die Möglichkeit, nochmal ähnliche Links zu finden und es hat auch ganz viele tolle Features, wie Agenten mit Suche arbeiten können, um die wesentlichen Sachen zu finden und die machen das wie ein Mensch, wenn du als Mensch, wenn ich dir ein Briefing hinlege zu einer Wettbewerbsanalyse, das erste, was du wahrscheinlich machen wirst, ist, du wirst anfangen zu googeln und du wirst erstmal so ein bisschen... Wir losgoogeln und dir die Wettbewerber anschauen und ein paar Sachen zu der Fragestellung recherchieren und genau das erlauben wir auch diesen Agenten. [00:16:00] Die fangen wirklich an, so ein bisschen wirrlos zu recherchieren und die versuchen, sich darauf zu einigen, wie wird jetzt diese Wettbewerbsanalyse strukturiert. Die haben dafür ein paar Vorgaben von uns, was so unsere Qualitätskriterien sind, was jede Wettbewerbsanalyse beinhalten muss, also zum Beispiel eine Executed Summary, Dass jede Marke ein eigenes Kapitel bekommen soll, dass es am Ende Vergleiche geben soll. Es gibt so ein paar Guardrails, aber nichtsdestotrotz dürfen die sich selber überlegen, was die Outline ist von dieser Analyse. Und wenn sie das fertig haben, übergeben die den Job an das Research Team. Es gibt dann ein Team, das besteht wieder aus mehreren Agenten Deren Job besteht jetzt darin sie verstehen die Aufgabenstellung, sie verstehen die Outline und die überlegen jetzt und brainstormen Research-Tasks und die erstellen einfach nur eine Liste von es wäre glaube ich, hilfreich mal im Internet das zu suchen. Es wäre mal hilfreich, auf der Webseite sich das anzuschauen. Es wäre schlau in [00:17:00] einer Search-Datenbank mal diese Queries zu überprüfen und die brainstormen sozusagen Research-Ideen Und da kommt ein Dokument raus, in dem Dutzende, wenn nicht sogar Hunderte Research-Ideen drinstehen, die dann nochmal priorisiert und gefiltert werden von einer Qualitätsmanagement-Crew, die sich das anschaut und sagt, okay, wir sortieren das mal durch. Und um es jetzt nicht bis zum Ende durchzuerzählen was dann im Prinzip Passiert ist, dass dann Hunderte von Tasks gespawnt werden und es gibt dann mehrere spezialisierte Agenten-Crews die nichts anderes machen, sich diese Aufgaben zu nehmen und das zu erledigen. Okay, wir suchen mal das, wir suchen mal das, wir analysieren dieses, wir gucken uns YouTube an, wir machen Screenshots von Instagram-Posts und Jedes dieser hunderten Aufgaben hat ein Output, also diese ganzen Research-Agenten schreiben für sich genommen Analysen Die haben immer den Kontext in dem sie das machen und die produzieren dann erstmal ohne Ende Papier. Und dieses Papier sind eigentlich nur Markdown-Files also die [00:18:00] produzieren ganz, ganz viele Analyse-Papiere und legen die alle ab und dann Passiert eigentlich der nächste Schritt. Dann wird das sozusagen übergeben und dann kommen wieder diverse andere Agenten die dann nichts anderes machen, wie sich durch diesen ganzen Research durchzukämpfen und immer noch im Kontext der Outline, was da passieren soll, die Zusammenfassung zu schreiben, die Analysen zu machen, die Vergleiche zu machen. Am letzten Schritt schreibst du dann das Intro und das Outro und die Executive Summary. Und das ist wirklich so ein Prozess mit Du wirst erstmal ganz breit und du produzierst ganz viel Research und dann kommen wieder Agententeams die das alles wieder zusammenfassen und am Ende des Tages wird da wirklich ein Word-Dokument beziehungsweise ein PDF generiert, was dann so aussieht wie 30, 40, 50, 60, was auch immer die Aufgabenstellung ist, Seiten-Wettbewerbsanalyse. Und so funktioniert das. Faszinierend! Wie sind denn die einzelnen [00:19:00] Crews, die einzelnen Subteams aufgestellt? Also du hast Fast immer so ein Zusammenspiel zwischen einer recherchiert was und dann eine andere schreibt was. Das kommt irgendwie ganz häufig vor. Also selbst, egal ob das jetzt eine Research-Aufgabe ist oder eine Schreibaufgabe ist, auch die Leute, also die Crews die am Ende die Kapitel schreiben, die recherchieren sich ja erstmal durch diesen Wissensbestand des Researches und versuchen die Insights zu finden Ja Und übergeben das dann an denjenigen, der schreibt. Und du hast dann manchmal noch Ergänzungen, dass du schon ein bisschen versuchst Quality Assurance-Agenten mit in diese Crews einzubauen oder du hast vielleicht Spezialaufgaben dass du nochmal Agenten brauchst, die spezialisiert sind, mit gewissen Tools zu arbeiten oder gewisse Teilanalysen zu machen. Aber im Prinzip ist es so dass es immer wieder diese wiederkehrenden Recherche-Schreiber-Agenten sind Noch [00:20:00] erweitert um Spezialskills in einem Team. Jetzt hast du Quality Assurance angesprochen, das sehe ich als... Immer wieder eine große Herausforderung wie kontrolliere ich den Output von AI-Agents weil der Output wird ja dann auch in dieser Kette immer weitergegeben. Ich habe es jetzt so verstanden dass das automatisiert abläuft und am Ende der Mensch, der die Aufgabe gestellt hat, das Ergebnis auf den Tisch bekommt, Wie schafft ihr es, das dann irgendwie halbwegs nachvollziehbar zu machen und auch eine gewisse Qualität vom Ergebnis sicherzustellen, auch Stichwort Halluzinationen von Sprachmodellen die man ja irgendwie rausnehmen möchte? Genau, es gibt eigentlich drei oder vier Ansätze wie man dem jetzt aktuell begegnet. Also erst mal Ist die Tatsache dass man auf einer Aufgabe spezialisierte Agenten hat, die einen schmalen Scope haben, was sie machen sollen und für genau diesen Scope aber Zugriff auf die [00:21:00] wesentlichen Daten oder Tools bekommen, das ist an sich schon ein Qualitätssicherungsschritt. Weil du sorgst dafür, dass der Gar nicht so breit denkt und jetzt versucht, alles alleine zu lösen, sondern der Agent hat eine Aufgabe und idealerweise gibst du ihm genau den Content oder den Zugriff auf die Daten die er braucht, um das zu erstellen. Also Halluzination passiert ja häufig, wenn die Sprachmodelle nicht das finden, wonach sie, also nicht Zugriff auf die Daten haben, die sie gerne hätten. Dann fangen die auf einmal an, irgendwelche Studien, irgendwelche Webseiten und irgendwelche Erkenntnisse zu erfinden oder irgendwie aus ihrem trainierten Modellwissen auszugraben. Das ist der erste Schritt. Der zweite Schritt ist wirklich, du baust in diese Flows Wirklich so, es gibt immer quasi eine Crew, die erstellt was und eine andere Crew, die übernimmt die Qualitätssicherung und zwar für jeden dieser hunderten Tasks und das ist immer ein Ping-Pong das ist wirklich wie so ein Vier-Augen-Prinzip dass Also sowohl die Qualitätssicherer als auch diejenigen, [00:22:00] die den Job machen, die kennen beide sozusagen die gleiche Arbeitseinweisung oder den gleichen Kontext oder was auch immer quasi der Rahmen ist und die Qualitätssicherungs-Crew überprüft einfach nur den Output der anderen, haben sie wirklich jetzt zehn Sachen recherchiert? Ne, sie haben nur fünf recherchiert und dann gibt es Feedback oder haben sie wirklich die Links zu den Quellen mit reingemacht und gibt es diese Quellen wirklich? Ah, haben sie vergessen. Also es passiert ja wirklich, also durchaus viel komische Sachen erstmal und das ist auch ein wichtiger Punkt. Der meiner Meinung nach wichtigste Punkt, und das ist leider der absolut zeitaufwendigste, aber meiner Meinung nach der wichtigste Punkt ist, dass du richtig gut mit Memory arbeiten musst. Also Die haben ja die Fähigkeit, sich ein Langzeitgedächtnis aufzubauen. Das kannst du an und abschalten und letzten Endes ist dieses Langzeitgedächtnis, das klingt immer so faszinierend, das ist nichts anderes wie eine Datenbank in der die Outputs aller Iterationen vorher gespeichert werden, über die [00:23:00] sie nochmal rübergehen können. Und was wir halt machen ist, dass du eine Trainingsphase hast, wenn du ein neues Agentensystem schreibst, wo du erstmal 20, 30 Iterationen immer wieder die gleiche Aufgabe der Agenten lösen lässt und dabei... An ganz vielen Kontrollpunkten menschliches Feedback einbaust. Das ist dann leider intellektuelle Fleißarbeit, die nochmal notwendig ist, um die intellektuelle Fleißarbeit loszuwerden. Das ist nämlich jemand, die undankbare Aufgabe hat, das jetzt 30 Mal mit diesem Agenten zu machen und bei jedem Arbeitsschritt Feedback zu geben. Aber das ist halt, das erhöht die Qualität enorm, weil die sich das, also wenn du dann Das Memory-Training währenddessen angeschaltet hast, weil die sich quasi natürlich sofort merken, was war das Feedback des Users und warum hat das, was sie da getan haben, keinen Sinn gemacht oder hätte man noch besser machen können. Und durch diesen Prozess läufst du durch und irgendwann sagst du dann, okay, wir sind hier zufrieden mit dem, wie die Agenten arbeiten und dann frierst du das Memory ein. Dann sagst du so, jetzt bitte nicht mehr das [00:24:00] Weiter sich was Neues ins Langzeitgedächtnis schreiben, weil was du dann nämlich nicht willst, ist, dass jemand das dann, keine Ahnung, die machen dann 50 unterschiedliche Wettbewerbsanalysen und die merken sich alles von diesen 50 unterschiedlichen Wettbewerbsanalysen und dann fangen die an, Sachen durcheinander zu würfeln, weil sie ja, keine Ahnung, für einen Automotivehersteller haben sie das recherchiert für einen Reisehersteller haben sie das recherchiert auf einmal und dann Fangen die an, Sachen durcheinander zu würfeln. Und da haben wir halt eher festgestellt, es macht viel mehr Sinn, das dann wieder abzuschalten oder einzufrieren, damit da dann kein Quatsch passiert. Und das sind eigentlich so die drei wichtigsten Punkte. Jetzt würde ich, wenn ich im Unternehmen arbeite und intellektuelle Fleißarbeit mache, würde ich jetzt erstmal etwas beunruhigt sein. Ich als Unternehmer und da hier auch viele... ... AI-Führungskräfte in Unternehmen oder auch Geschäftsführer, die diesen Podcast [00:25:00] hören, sehen wahrscheinlich jetzt, geht wahrscheinlich der Kopf auf an Möglichkeiten, wie man solche Teams weiterdenken und der auch auf immer mehr Aufgaben ausrichten und spezialisieren in Prozesse integrieren kann und so weiter. Ich habe mich jetzt aber gerade gefragt ... Welche Fähigkeiten brauche ich denn in meinem Unternehmen, um solche Agents und Agent-Teams zu bauen? Weil wie du das jetzt gerade beschrieben hast, ist ja glaube ich vor allem erstmal wichtig, den Prozess haargenau Zu kennen und dann verschiedene Datenquellen, ja, irgendwie zugänglich zu machen, wo die Informationen herausgenommen werden können und eine klare Aufgabenbeschreibung für jeden Agenten zu haben und das dann eben mit Sprachmodellen zu kombinieren. Aber ich glaube, ganz so einfach ist es wahrscheinlich doch noch nicht, oder? Genau, also wenn du jetzt ein Unternehmen bist, was sich jetzt vornimmt, das komplett eigenständig zu tun, da muss man erstmal [00:26:00] sagen, technologisch gesehen ist das wirklich keine Rocket Science, also Entwickler Die irgendwie langjährige Python-Entwickler oder was auch immer sind, die sich das anschauen und das lernen wollen. Wir haben jetzt irgendwie zweimal große Hackathons bei uns veranstaltet, wo viele Entwickler kamen Die sind ehrlich gesagt so ein bisschen enttäuscht dass sie so sagen, okay, so wirklich viel programmieren muss man ja nicht. Es ist jetzt keine große Herausforderung an den Software- Engineer. Deshalb glaube ich Ich sage mal lapidar, jeder, der in der Lage ist, einen dreitägigen Python-Grundkurs zu machen, ist relativ schnell in der Lage, mit so einem Framework wie QAI oder so zu arbeiten, um Agenten zu programmieren. Der Programmierteil ist nicht die Rocket Science. Die Rocket Science liegt wirklich darin Diese Workflows zu gestalten und auch wiederum diese Prompts und diese, also du musst ja Prompts schreiben für, was ist die Rolle des Agenten, wie sieht die Arbeitsanweisung aus und diese Dinge, die bedürfen dann auch keinem Entwickler, der [00:27:00] hat nämlich dann eher wenig Lust und Zeit, sich das ausführlich zu überlegen, der schreibt dann halt schnell irgendwas dahin, sondern du brauchst halt die wirklichen Wissensträger. Du musst die Leute finden, die diese Prozesse in der Vergangenheit oder aktuell Immer noch machen und die gut darin sind, zu verbalisieren und zu externalisieren, was sie da eigentlich tun und wie sie eigentlich arbeiten. Und das erlebe ich auch bei uns wirklich im Unternehmen. Es gibt Leute, die sind unwahrscheinlich gut darin Das sind so super strukturierte Leute, die auch gut darin sind, ihre Arbeit zu dokumentieren und die ganz genau erklären können, was sie machen. Und es gibt Leute, die Nicht gut in der Lage sind, zu verbalisieren wie sie eigentlich ein Problem lösen. Und die kannst du schwer dazu bringen, dir mal zu erklären, wie sie ihren Job machen sollen. Die müssen es eigentlich dir zeigen, indem sie es machen. Und ich glaube, das ist die größte Herausforderung. Das Entwickeln von Agentensystemen, das ist vielmehr ein Prozessthema und ein Knowledge-Management-Thema und... Ein herausfinden wie [00:28:00] man einen Job eigentlich wirklich gut macht, anstatt dass es eine große Entwicklerherausforderung ist. Würdest du sagen, dass das irgendwann jeder... Also wirklich jeder machen kann, genauso wie es ja heute total einfach ist, sich so ein GPT oder so etwas aufzusetzen, dass ich mir irgendwann sagen kann, ich bin jetzt, ich habe jetzt einen Beruf. Und ich baue mir jetzt hier meine fünf Agents und die schicke ich dann den ganzen Tag lang eigentlich rum und ich bin dann in der Aufgabe, dieses Agent-Team zu managen und zu kontrollieren und zu steuern und weiterzuentwickeln, aber ich gehe eigentlich aus der operativen raus und manage nur noch mein Agent-Team. Also auch da hätte ich wieder drei Überlegungen zu. Also A, ja, ich glaube, dass es immer einfacher wird und ich glaube, man muss sich darüber bewusst werden, dass [00:29:00] Agenten Agenten schreiben können. Und ich bin mir relativ sicher, dass wir relativ schnell an diesen Punkt kommen werden Dass auch wenn du das nicht gut kannst, jemand, ein Agent, Ein Team schreiben wird, was die hilft, das zu tun. Also das ist so der erste Punkt. Der zweite Punkt, ich glaube ja wirklich daran, wie viele andere auch, dass wir auf eine Welt hinauslaufen, in der es sowieso schon Milliarden von Agenten geben wird und wir müssen vielleicht gar nicht. Alle jetzt unsere eigenen Agenten entwickeln, sondern es wird einen Marktplatz geben, auf dem es ganz, ganz viele Angebote gibt, auf die du einfach zugreifen kannst, denen du gewisse Rechte geben kannst, noch ein bisschen Input mitgeben kannst. Und du hast gar nicht mehr, momentan ist es ja, wir sind in so einer Phase, wo man das nicht findet. Also viele Leute bauen gerade Agenten aber alle so für sich. Und ich glaube in der nächsten Phase werden all diese Agenten sichtbar und wir können mit denen zusammenarbeiten Und sie einfach für unsere, so wie wir heute einen App-Store haben, wo wir ganz viele Apps auf unser Telefon runterladen, wird es in Zukunft Marktplätze geben, wo du auf diese ganzen Agenten zugreifen kannst. [00:30:00] Und ich glaube, die dritte Ausbaustufe ist eigentlich, dass vielleicht auch dieses ganze Agententhema eigentlich wieder verschwindet, weil es einfach komplett selbstverständlich wird, dass jegliche Software autonome Capabilities hat. Ich glaube, es wird in wenigen Jahren keine Software mehr geben, die Die nicht autonom handeln kann. Also egal, ob es deine Steuererklärung ist, deine Dating-App, dein Online-Banking, deine Foto-App, dein E-Mail-Programm dein Online-Game, alles wird quasi geändert Diese autonomen Fähigkeiten bekommen. Und es wird einfach ganz normal, dass es sowieso überall ist. Und wir werden es auch als völlig normal empfinden, dass diese Software miteinander zusammenarbeiten kann und komplexere Problemstellungen lösen kann. Deshalb glaube ich, dass dieses Agententhema sowieso wahrscheinlich gerade nur so eine Brückentechnologie ist, bevor wir an den Punkt angelangen, dass es wieder verschwindet und sowieso vollkommen selbstverständlich ist, dass wir [00:31:00] von Software umgeben sind, die autonomen Probleme lösen können, Für uns mit Freigabe von uns. Hm. Stichwort Freigabe. Wer ist denn organisatorisch für dieses Agententeam und ihr werdet ja noch mehrere davon haben, verantwortlich? Organisatorisch meinst bei uns eine Organisation? Ja, genau. Also ich frage mich, ist das dann in einem bestimmten Department aufgehangen? Weil irgendjemand muss ja auch den Output, den ich dann von dort bekomme und den ich dann wieder an den Kunden gebe... Ja, verantworten und müsste nicht auch eigentlich eine Person verantwortlich dafür sein, so dieses Agent-Team zu hirn und dafür die Job-Descriptions zu machen und weiß nicht, ja, das ist irgendwie das Onboarding, also es ist ja irgendwie wie so ein Team, was man auch weiterentwickeln kann, dann könnte man ja auch schauen, Welche Ergebnisse produzieren die jetzt? Dann schaut man sich das an, macht wie so ein arbeitet das Feedback wieder in die Agents ein und entwickelt dieses Team mit der Zeit weiter. Dann [00:32:00] merkt man vielleicht, okay, mir fehlt hier etwas. Wir haben eine neue Anfrage vom Kunden. Ich muss jetzt einen neuen Agent heiern und ich stelle mir das schon vor, dass das irgendwie organisatorisch verankert wird Sein muss, weil ja auch wiederum und jetzt werfe ich dir so viele Fragen entgegen was ich mir immer abgefüllt möchte und dann doch immer wieder mache, aber es gibt ja dann auch in einem Team, das ist ja dann auch aufgeteilt in, also auch die Arbeit wird ja auch aufgeteilt zwischen Mensch und Agents ja, und das, denke ich schon, muss ja irgendwie organisatorisch geregelt sein. Ja. Okay, also momentan ist es bei uns so geregelt innerhalb unserer Agentur Wir haben eine Agentur die heißen Planet Studios. Das ist unser Creative Studio, wo wir ganz viele Innovationsthemen machen. Die sind momentan so ein bisschen der Inkubator für diese Technologie. Also dort wird gerade... Werden viele Agenten entwickelt, wird dieser Service entwickelt. Wir haben aber von Anfang an die Strategie dass niemand innerhalb der [00:33:00] Serviceplan-Gruppe zentral dafür zuständig sein soll, sondern unsere Strategie ist es, deshalb machen wir zum Beispiel auch diese Hackathons, dass jeder enabled sein soll, Mit dieser Technologie zu arbeiten und sich darüber Gedanken zu machen, wie er das in Zukunft in seinen Arbeitsalltag integrieren kann. Und wir versuchen, unsere Agenturen zu enablen, diese Technologie zu nutzen. Und wir entwickeln dafür auch ganz viele Tools gerade, die auch mal irgendwann alle öffentlich werden, damit diese Teams das einfacher machen können. Deshalb haben wir schon so einen föderierten Ansatz wenn man so möchte. Auf der anderen Seite denke ich halt, Die Frage ist ja momentan so ein bisschen, wie integrierst du das eigentlich für dich in deinen Arbeitsalltag? Und ich glaube, was momentan Salesforce mit Slack macht und Microsoft mit Teams, ist auch für unseren Arbeitsalltag die wahrscheinlichste Variante, wie das die meisten Menschen benutzen werden. Nämlich sie werden wirklich einfach über Microsoft Teams oder Slack oder das Messaging [00:34:00] Tool of Choice in deinem Unternehmen verwendet Mit diesen Agenten interagieren und Aufträge erteilen, etwas zu erarbeiten und bekommen dann Feedback, haben vielleicht indirekt sogar Zugriff auf die ganzen Ergebnisse über Co-Pilot zum Beispiel von Microsoft, was auch immer. Und ich glaube, Ich glaube nicht, dass es neue, separate Strukturen oder Organisationsänderungen braucht, um das zu machen, sondern du willst ja eigentlich, dass sich das möglichst nahtlos eingliedert in alles andere. Und natürlich hast du die üblichen Stakeholder, die daran beteiligt sind. Also du hast deinen Data Privacy Officer, der darauf achtet dass das alles... Konform ist mit deinen Regeln zum Thema Data Protection zum Beispiel. Du hast nach wie vor die IT, die dir darauf schaut, wie du sowas betreibst. Also diese Standardrollen die haben einfach eine Aufgabe in diesem Setup aber ich glaube nicht, dass es dafür etwas Neues braucht. [00:35:00] Also ihr behandelt es dann doch eher wie ein Stück Software, wie eine Software, die vom Menschen bedient wird, als wie eine Art Mitarbeiter. Ja, also diese menschliche Assoziation, dass da jetzt ein neuer Mitarbeiter ist, die versuchen wir eigentlich eher zu vermeiden Warum? Ich weiß nicht, ich glaube, diese Vermenschlichung macht einfach keinen Sinn an der Stelle. Es ist halt kein Mensch. Es ist ein System, was autonom Probleme lösen kann. Was ich mir viel eher vorstellen kann, das ist etwas, woran wir gerade so im Labor arbeiten, ist Jetzt wird es so ein bisschen Inception-mäßig, was ich mir eher vorstellen kann ist, dass du in Zukunft einen Assistenten hast, also eher so ein Assistenzsystem, wie es es auch gerade gibt und vielleicht hat dieses Assistenzsystem dann so wie Alexa oder wie Siri einen Namen, mit dem du reden kannst und dass dieses Assistenzsystem so ein bisschen der Broker ist. Der dir hilft, mit dem Schwarm an Agenten die verfügbar sind, [00:36:00] zusammenzuarbeiten. Dass du nicht selber jetzt wirklich das alles regeln musst und dir überlegen musst, welcher Agent ist jetzt für diese Aufgabe der Richtige und wie steuere ich den an, sondern vielleicht hast du wirklich wieder einen Assistenten den du ganz einfach mit... Natürlicher Sprache interagieren kannst, der für dich sagt, okay, wenn du das Problem hast, dann würde ich vorschlagen, lass uns mal den Research-Agenten losschicken, der sich mal den Markt genauer anschaut, dann sagst du, ja, lass mal machen und dann kümmert er sich darum, dann läuft das im Hintergrund und dann meldet sich der Assistent und sagt dir hier, fertig, das sind die Ergebnisse und was machen wir als nächstes? Und das könnte halt auch einfach co-pilot sein. Also wir schauen uns gerade ganz genau an, und da wird es auch ein paar Nachrichten noch Anfang nächsten Jahres geben, wie wir diese ganze Technologie eng in die üblichen verdächtigen Systeme integrieren können. Und wenn man sich das jetzt gerade anschaut, Microsoft, Universum, Salesforce, Slash Slack, Slash Agent vor das Universum die sind alle sehr offen angelegt. Also da wird, glaube ich, auch [00:37:00] ganz viel schlaue Integration das nächste Jahr passieren, dass immer mehr Leute auf die Idee kommen, okay, wie kann ich mich an so ein System, was sowieso schon sehr populär ist, mit so einer Agentenlösung einfach andocken und sie damit erweitern. Ja, ich glaube, anders bekommt man es in einem Unternehmen nicht in die Breite also zumindest Nicht, wenn ich da nochmal ein externes Interface habe, dann bleibt es entweder ein Power-User-Tool oder irgendwie ein Tech-Thema aber genau, breite Nutzung wird schwierig. Kurz in eigener Sache. Wenn dir der AI First Podcast gefällt und du mehr spannende Inhalte und hochkarätige Gäste hören möchtest, dann freue ich mich über deine Unterstützung. Mit einer Fünf-Sterne-Bewertung und einem Abo für den Podcast hilfst du uns sichtbarer zu werden und AI First weiterzuentwickeln. Für dich und die gesamte Community. Ich danke dir. Was waren denn die größten Challenges jetzt so in dem Jahr, wo ihr da tief eingestiegen seid bei der Arbeit mit Agents Ich glaube, meine allererste größte Challenge [00:38:00] war das echt mal zu verstehen. Also ich kam aus irgendwie einer anderen Annahme und ich bin wirklich so ganz klassisch so irgendwie LinkedIn Post gesehen mit irgendeinem Video zu einem Vortrag von Andrew Ng im Februar oder so und habe mir diesen Vortrag angeschaut über Gentic Workflows und habe mich gefragt, worüber redet er die ganze Zeit Zeit eigentlich und ich habe lange gebraucht und musste echt viel darüber nachdenken, bis ich so witty verstanden habe, was da eigentlich wirklich gerade passiert und ich merke das immer noch, dass wenn ich das Kunden aktuell erkläre, viele Kunden oder es hat gar nichts mit Kunden zu tun, ich glaube viele andere Menschen Die sind immer noch auf diesem Dampfer unterwegs, dass sie sagen, wenn ein Sprachmodell auf dem Wissen der ganzen Welt trainiert worden ist, dann müsste es mir doch eigentlich sofort die perfekte Antwort liefern. Und warum tut es das nicht? Und das zu verstehen und zu verstehen, warum braucht man jetzt mehrere Agenten die zusammenarbeiten um ein besseres Ergebnis zu erzielen Ich denke, dieses Sprachmodell weiß alles. [00:39:00] Das ist irgendwie erstmal, glaube ich so ein Knoten den man irgendwie... Auseinanderpriemeln muss, um zu verstehen, was da eigentlich gerade wirklich passiert. Und genauso, ich habe lange nicht in meinen Kopf reinbekommen. Und ich bin quasi mit Softwareentwicklung groß geworden. Ich konnte an meinem Schneider CPC 1984 programmieren bevor ich in der Schule gekommen bin, weil ich einfach nur Basic Code aus dem Buch von der Anleitung abgeschrieben habe. Und ich konnte es mir nicht in meinen Kopf reinhämmern. Wie kann das denn bitte schon sein, dass ein Agent eigenständig lernen kann, ein Tool zu benutzen? Das konnte ich mir nicht vorstellen. Ich konnte mir nicht vorstellen, bevor ich es zum ersten Mal selber programmiert habe und ausprobiert habe, wie das funktioniert. Und ich glaube, das war die allererste größte Herausforderung im Prinzip zu verstehen, wie das funktioniert. Und ich glaube, dann ist die Erfahrung von vielen, die das gerade machen, Aber das ist, glaube ich, auch so die Erfahrung mit vielen AI-Tools. Man hat erstmal so man [00:40:00] macht die ersten Experimente und es ist so, wow, wow, wow wow, es geht hier alles, der helle Wahnsinn. Und dann stellt man fest, okay, aber wenn man wirklich einen echten Use-Case bauen will, dann wird es dann doch publiziert. Also jetzt, Zuverlässig gute Ergebnisse liefern ist dann doch wieder nochmal eine andere Nummer und das ist dann, glaube ich, die nächste Herausforderung vor der man steht, nachdem man es verstanden hat und die Begeisterung da ist, jetzt die Probleme zu lösen die dann doch da sind, um zuverlässig gute Ergebnisse zu produzieren. Aber das war es eigentlich. Das waren bisher so die größten Herausforderungen, die ich so im Kopf habe von den letzten neun Monaten. Dann lass uns jetzt mal einen Blick in die Zukunft werfen. Du schreibst viel von der Agent-Economy. Was heißt das? Also ich glaube, dass es in Zukunft Milliarden von Agenten geben wird, die jegliche Interaktion zwischen Menschen, zwischen Menschen und Unternehmen oder zwischen Unternehmen irgendwie begleiten oder regeln werden. Und damit bin ich ja Gott sei Dank auch nicht der Einzige auf der Welt. [00:41:00] Mittlerweile redet ja... Fast jeder darüber, alle reden über eine Welt, in der es mehr Agentenlösungen geben wird als Menschen. Und da wird eine neue Ökonomie entstehen weil die werden miteinander Probleme lösen, miteinander handeln, miteinander Geld bewegen, miteinander Verträge abschließen und Geschäfte machen. Und witzigerweise war das einer unserer allerersten Gedanken, also das, was wir da gerade mit diesem Projekt Masumi auf die Welt bringen, Was ja ein Protokoll sein soll, mit dem diese Ökonomie der Agenten möglich wird. Die Idee ist dadurch geboren, dass mir irgendwann der Geräusch hingefallen ist, zu sagen, okay, wahrscheinlich ist es nicht, also es ist hochwahrscheinlich, dass in Zukunft ich mit meinem Telefon spreche und sage, hey Siri, hoffe es spricht nicht an, und dann sage... Ich möchte mit meiner Frau über Weihnachten nach New York fliegen ich brauche einen Flug, ich würde gerne in Soho wohnen ich hätte gerne ein Taxi vom Flughafen und [00:42:00] ich äußere einfach nur so die Wünsche, die ich habe und äußere ein wahnsinnig komplexes Problem und ich bin der festen Bezeugung dass wir auf eine Zukunft hinauslaufen, wo dann Siri mehr die Rolle eines Vermittlers spielen wird, Und mit sehr vielen unterschiedlichen Agenten dieses Problem lösen wird. Also dann werden dann Agenten von der Lufthansa, mit Agenten von Marriott, mit Agenten von Uber und so weiter eine Lösung für dieses Problem aushandeln. Und dabei ist mir bewusst geworden, okay, wenn das wirklich passiert, dann haben wir auf einmal ganz viele Probleme. Weil woher weißt du Dass das der Lufthansa-Agent ist und wie kannst du sicherstellen, dass du quasi da keinen Betrug auf den Leim gehst? Woher weißt du, dass wenn du dann in Soho vor deinem Hotel stehst und sagst ich habe ja ein Zimmer reserviert und die Person auf der anderen Seite des Tresens kann aber deine Reservierung nicht finden, wie kannst du sicher wissen, dass die Agenten das wirklich gemacht haben und wie kannst du es auch beweisen in dem Moment?[00:43:00] Und natürlich fragst du dich, wie löst man jetzt das Problem, dass diese Agenten alle miteinander Transaktionen irgendwie tätigen müssen und Geld hin und her bewegt werden muss, um komplexere Probleme zu lösen Es geht ja nicht nur um die Reisebuchung. Ich glaube, fast jedes komplexere Problem bedarf irgendwo auf einmal Transaktionsfähigkeiten. Ich glaube, auf diese Welt werden wir hinauslaufen und dann entsteht auf einmal ein komplett neuer Wirtschaftszweig oder wie auch immer man das nennen mag, also eine neue Ökonomie wo auf einmal wahnsinnig viel Geld von Agenten bewegt wird und auch wahnsinnig viele Aufgaben von Agenten bewegt werden. Und ich glaube, das wird ein weiteres großes dezentrales Netzwerk was eine Kernkomponente von dem ist, was wir heute das Internet nennen. So jetzt noch abschließend die Frage, wer wird denn in dieser Welt und vielleicht denken wir es noch gar nicht als [00:44:00] Parallelökonomie sondern erstmal ja als Agenten die die Art und Weise wie Unternehmen funktionieren und Wie Arbeit erledigt wird, vollständig verändern. Wer wird denn überhaupt wirtschaftlich überlebensfähig bleiben in so einer Welt? Naja, jeder, der sich wie immer darauf einstellt, dass die Gegenwart nicht so bleiben wird, wie sie gerade ist und sich quasi an die Zukunft anpasst Ich sage das immer wieder, ich meine, ich bin jetzt ich mache diesen Job seit 1999, ich habe in den letzten 25 Jahren so wahnsinnig viele technologische Entwicklungen erlebt und es ist immer so gewesen, dass auf einmal eine Tätigkeit, die ich letztes Jahr noch getan habe, nächstes Jahr nicht mehr tun musste, weil sich wieder was dramatisch verändert hat. Nichtsdestotrotz ist also... Der Bereiche, in denen ich arbeite granatenmäßig weitergewachsen. Ich hatte immer wieder was Neues zu tun. Und natürlich habe ich [00:45:00] einen Job oder haben wir alle einen Job in dieser Industrie, wo wir seit 25 Jahren stetig uns weiterentwickeln, stetig lernen. Anpassen und neue Dinge tun. Ich habe seit dem Abi nie aufgehört zu lernen und stetig neue Dinge zu tun. Und ich glaube, darauf kommt es in Zukunft an. Oder es ist auch in Vergangenheit schon angekommen. Ich glaube, der große Unterschied ist jetzt nur die wahnsinnige Geschwindigkeit. Also die Geschwindigkeit heute, in der man sich anpassen muss und umdenken muss und lernen muss, ist einfach um ein so vieles größer als es noch Anfang der Nullerjahre war Der Fall gewesen ist. Da ist einfach alles tausendmal langsamer passiert, auch wenn dort auch dramatische Veränderungen damals stattgefunden haben. Und ich glaube, Anpassungsfähigkeit ist wie immer quasi der Schlüssel zum Erfolg in der Sache. Ja, und du hast natürlich den selbstbeschleunigenden Faktor, was du vorhin gesagt hast, dass ich jetzt Agent-Teams bauen kann, die mir neue Agent-Teams Bauen und auf [00:46:00] einmal schmeiße ich nur noch, das ist ja so ein Meta-Level dann schon, also ich schmeiße ja nur noch das Problem rein, wofür dann Agent-Teams gebaut werden, die wieder Agent-Teams bauen, die dann irgendwann in einem tieferen Schritt auch tatsächlich diese Probleme auf mehreren Leveln lösen können. Also es ist ja das weitergedacht Und gibt es ja fast keine Limit, Mehr, was ich damit zumindest, was so heutige Bürojobs, Intelligenzjobs angeht abwickeln kann, oder? Ja, also ich hätte es nämlich diese Frage vor zwei Jahren gefragt, hätte ich noch wesentlich skeptischer geantwortet und hätte gesagt, mal immer langsam. Ich glaube, ich habe es in den letzten zwei Jahren auch so oft selber falsch gelegen, dass ich gesagt, dass ich also immer zu konservativ gedacht habe und immer gedacht habe, ja, Bilder generieren ist ganz schön, aber wie viele Jahre wird das noch dauern bis das mit Video funktioniert und so weiter [00:47:00] Ein paar Monate später wirst du eines Besseren belehrt. Und deshalb, ich bin mittlerweile echt nicht mehr so konservativ und ich denke, oh mein Gott, das geht alles so schnell. The sky is the limit. Aber man kann es momentan nicht anders machen, als sich dem Schritt für Schritt zu nähern und zu gucken, wohin die Reise geht Diese Agentenlösung Multiagentensysteme die Art und Weise, wie Arbeit in Unternehmen, insbesondere in Bürojobs erledigt wird, extrem stark verändern wird. Was würdest du denn mit auf den Weg geben als Tipp, wie man so den Start in dieses Thema fürs eigene Unternehmen machen kann? [00:48:00] [00:49:00] Sebastian, vielen, vielen Dank. Ich habe viel gelernt, sehr inspirierend und ich bin gespannt. Vielleicht können wir in einem Jahr nochmal sprechen. Mal schauen, wo wir dann stehen werden und ob einige der Prophezeiungen wahr werden. Danke dir. Danke dir.