Was kommt nach KI-Chatbots?

Intro

Florian Baader ist Gründer und CEO von Select Code, dem Unternehmen hinter der KI-Plattform MeinGPT. Mit 26 Jahren führt er ein 29-köpfiges Team, das sich ausschließlich auf generative KI im deutschen Mittelstand fokussiert. In dieser Episode teilt Florian seine Erfahrungen aus hunderten KI-Adoptionsprojekten – vom typischen "Co-Pilot-Frust" über die gefürchtete "Analyse-Paralyse" bis zu autonomen Coding-Agenten mit 90-prozentiger Genauigkeit. Ein faszinierender Einblick in die praktische KI-Transformation: Was funktioniert wirklich, welche Anti-Patterns bremsen Unternehmen aus, und warum Select Code keine neuen Entwickler mehr einstellen muss.

Inhaltsübersicht

Florians Weg vom Jugend-forscht-Teilnehmer zum CEO einer 29-Mitarbeiter-Firma
Der fundamentale Unterschied zwischen traditioneller und generativer KI
MeinGPT-Plattform: Ganzheitlicher Ansatz mit Schulungen, Plattform und Custom-Agenten
Typische Anti-Patterns bei der KI-Adoption: Co-Pilot-Frust, Hyper-Erwartungen und Analyse-Paralyse
Best-Practice-Einstieg: "Erst Use, dann Case" – vom Prompting zu autonomen Agenten
Konkrete Use Cases mit echtem ROI: Messeausstatter mit 90% Genauigkeit bei Angebotserstellung
Revolution in der Softwareentwicklung: Autonome Coding-Agenten bei Select Code
Dramatische Auswirkungen auf den Entwickler-Arbeitsmarkt
Sprachinterfaces als ultimatives KI-Interface der Zukunft
Gesellschaftliche Herausforderungen: Machtkonzentration, fehlende Regulierung und das Ende visueller Vertrauenswürdigkeit
Ungelöste technische Grundprobleme: Prompt-Injection und die Trennung von Daten und Anweisungen

Über den Gast

Florian Baader ist Gründer und CEO von Select Code, dem Unternehmen hinter der KI-Plattform MeinGPT. Mit 26 Jahren führt er bereits seit acht Jahren das Unternehmen, das er kurz vor dem Abitur gegründet hat. Seine ersten Programmiererfahrungen sammelte Florian mit MS-DOS, inspiriert von seinem Vater und gefördert durch eine Lehrerin bei Jugend forscht. Das Unternehmen hat sich von klassischen KI-Projekten in Computer Vision und Digitalisierung zu einem spezialisierten Anbieter für generative KI im Mittelstand entwickelt. Mit 29 Mitarbeitern begleitet Select Code heute Unternehmen von der ersten Schulung bis zur produktiven Nutzung autonomer KI-Agenten – komplett gebootstrappt ohne externe Investoren.

Detaillierte Zusammenfassung

Von traditioneller zu generativer KI: Ein Paradigmenwechsel

Florian beschreibt den Wandel von traditioneller zu generativer KI als fundamentalen Paradigmenwechsel. Frühere KI-Projekte waren teuer, aufwendig und datenintensiv – sie erforderten Data Scientists, umfangreiche Trainingsdaten und lange Entwicklungszyklen. Select Code arbeitete beispielsweise für Vonovia an der Digitalisierung von Heizanlagen und nutzte Computer Vision in der Fahrradbranche. Heute ermöglicht generative KI niedrige Einstiegshürden und schnelle Ergebnisse. Die Technologie ist zu einem einkaufbaren Asset geworden, bei dem es nicht mehr um die technische Machbarkeit geht, sondern um die richtige Anwendung im Business. Die größte Änderung: Alle Showstopper – fehlende Daten, fehlende Entwickler, hohe Kosten – wurden aus dem Weg geräumt.

Der ganzheitliche MeinGPT-Ansatz

Die MeinGPT-Plattform verfolgt einen dreisäuligen Ansatz für erfolgreiche KI-Adoption. Die erste Säule sind interaktive Schulungen und Lernplattformen, die Mitarbeitern innerhalb von 30 Minuten ein grundlegendes KI-Verständnis vermitteln. Die zweite Säule ist die zentrale Plattform als Dreh- und Angelpunkt für alle KI-Aktivitäten – hier können Mitarbeiter auf alle führenden Modelle zugreifen, Unternehmensdaten verbinden und Use Cases entwickeln. Die dritte Säule umfasst maßgeschneiderte KI-Agenten, die Select Code sowohl für große Konzerne als auch für Mittelständler entwickelt. Dieser ganzheitliche Ansatz adressiert alle Phasen der KI-Journey: vom Training über die Plattformnutzung bis zur Differenzierung durch Custom-Lösungen.

Typische Adaptionsphasen und gefährliche Anti-Patterns

Die meisten Unternehmen durchlaufen bei Select Code eine dreimonatige geführte Pilotphase mit 20-30 Use Cases. Dabei hat Florian drei schädliche Muster identifiziert. Das erste ist der "Co-Pilot-Frust" – Unternehmen, die frühe KI-Versionen wie ChatGPT 3.5 getestet haben, sind enttäuscht und glauben, KI könne grundsätzlich nichts. Diese müssen von den enormen Fortschritten der aktuellen Modelle überzeugt werden. Das zweite Anti-Pattern sind "Hyper-Erwartungen": Unternehmen wollen sofort eine Superintelligenz, die mit ihren 35 On-Premise-Systemen verbunden ist, und lehnen Prompting als zu simpel ab. Das dritte Problem ist die "Analyse-Paralyse" – endlose theoretische Überlegungen zum perfekten Use Case, ohne jemals ins Doing zu kommen. Florians Motto dagegen: "Erst Use, dann Case".

"Erst Use, dann Case – einfach mal ins Doing kommen, ohne krasse ROI-Erwartungen am Anfang."

Der Best-Practice-Einstieg: Schrittweise zum Erfolg

Florians empfohlener Einstiegsweg folgt einer klaren Progression. Zunächst beginnen Mitarbeiter mit einfachem Prompting, um ein Gefühl für die Technologie zu entwickeln. Der nächste Schritt ist der Aufbau von Assistenten auf der Plattform – vordefinierte Prompts und Workflows, die im Team geteilt werden können. So muss nicht jeder Mitarbeiter bei Null anfangen. Anschließend werden diese Assistenten mit Unternehmenstools und Datenquellen verbunden. Der letzte Schritt sind automatisierte Workflows, bei denen Assistenten zu Agenten werden und im Hintergrund eigenständig arbeiten. Entscheidend für diesen Erfolgsweg sind interne Verantwortlichkeit für das Thema und Management-Support mit Budget für Experimente. Vertrauen in KI-Ergebnisse muss schrittweise aufgebaut werden – von manueller Arbeit über Templates bis zur Automatisierung.

Datengetriebene Use Cases mit höchstem ROI

Florian sieht die größten Potenziale in strukturierten Datensätzen statt in klassischen RAG-Anwendungen mit SharePoint-Dokumenten. Select Code hat mittlerweile zahlreiche SAP-Systeme, CRM-Datenbanken und ERP-Systeme angebunden. Der Vorteil: Mitarbeiter können natürlichsprachliche Fragen stellen, statt sich durch Dashboards zu klicken. Die KI analysiert selbstständig, welche Abfragen nötig sind, um Probleme zu lösen. Datengetriebene Entscheidungen haben den höchsten ROI, da eine richtig gute Analyse den Unternehmenserfolg für Monate oder Jahre festigen kann. Der deutsche Mittelstand verfügt über enorme Datenmengen in Auftragsbüchern und Systemen, die bisher nicht optimal genutzt wurden. Mit generativer KI können diese Schätze endlich gehoben werden.

Messeausstatter-Case: 90% Genauigkeit verändert Geschäftsmodell

Ein besonders eindrucksvoller Use Case ist ein KI-Agent für einen Messeausstatter. Der Agent nimmt Kundenanfragen entgegen, stellt Rückfragen zu Stand-Konzepten und erstellt vollständige Angebote – mit 90% Genauigkeit. Was früher zwei bis vier Wochen dauerte und so teuer war, dass Konzepte kostenpflichtig waren, erledigt die KI nun in einem Bruchteil der Zeit. Dies verändert das Geschäftsmodell fundamental: Konzepte können nun kostenlos angeboten werden, was einen enormen Wettbewerbsvorteil schafft. Select Code hat für diesen Agenten mit Statistik auf historischen Verkaufszahlen gearbeitet und einen Kalkulator aufgebaut. Bei 90% Genauigkeit und den Vorteilen gegenüber Prozessen, bei denen Anfragen liegen bleiben oder Kunden nicht erreicht werden, steht die Einführung außer Frage.

Revolution in der Softwareentwicklung

Select Code hat die gesamte Softwareentwicklung auf KI umgestellt. Das Team nutzt CodeRabbit für automatische Merge-Request-Reviews und Cursor für KI-assistierte Programmierung. Der eigene autonome Coding-Agent arbeitet vollständig selbstständig: Er analysiert Anforderungen, erstellt Implementierungspläne, programmiert Features autonom, öffnet Browser-Fenster zum Testen, recherchiert Dokumentation und testet den Code eigenständig. Die Software-Engineering-Benchmark der LLMs ist von 0,5% bei ChatGPT-Release auf heute 75-80% gestiegen. Dies führt zu einer "Feature-Explosion", da Anbieter nun praktisch alles bauen können. Florian prognostiziert, dass niemand mehr fertige Software einkaufen wird. Microsoft und Google berichten bereits von massiven Anteilen KI-generierten Codes in ihren Produkten.

Dramatische Auswirkungen auf den Arbeitsmarkt

Die Entwicklung hat weitreichende Konsequenzen für die Teamstruktur. Select Code braucht keine weiteren Entwickler mehr einzustellen – ein kleines Senior-Team mit KI-Assistenten schafft enorm viel. Florian sieht dies als Teamwahl der Zukunft: sehr kleine, hochqualifizierte Teams statt großer Headcounts. Der Bedarf nach Senior-Entwicklern wird dramatisch steigen, da diese für Code-Reviews und Qualitätssicherung unerlässlich sind. Für Junior-Entwickler wird es jedoch "verdammt hart": Unternehmen müssen mehr in Ausbildung investieren, haben aber weniger direkten Benefit, da KI viele Aufgaben übernimmt. Das traditionelle Ausbildungssystem steht vor fundamentalen Herausforderungen. Wer sich als Entwickler nicht mit KI-Tools beschäftigt, für den "sieht es wirklich duster aus".

Sprachinterfaces: Das ultimative KI-Interface

Florian ist überzeugt: "Das ultimative Interface zu KI ist Sprache". Dort schlummert das größte Potenzial, vielleicht später sogar über Brain-Interfaces. Select Code entwickelt Anwendungen für Produktionsumgebungen, wo Mitarbeiter per Sprache Maschinenstatus abfragen oder Berichte diktieren können. Im Einzelhandel entstehen mehrsprachige Vertriebsassistenten mit direktem Zugriff auf interne Ressourcen. Ein konkretes Beispiel: Mitarbeiter in der Produktion sprechen ins Handy, um den Stand eines Projekts oder Maschinendefekte zu erfassen – die KI erstellt daraus strukturierte Berichte. Für Vertriebsmitarbeiter, die neue Lehrlinge betreuen, ist es eine enorme Erleichterung, Tagesberichte zu diktieren statt zu tippen. Sprachinterfaces demokratisieren KI-Zugang auch über Sprachbarrieren hinweg.

Herausforderungen bei Prozessen und Datenqualität

Felix weist auf ein häufiges Problem hin: Prozesse sind oft unklar, schlecht dokumentiert oder werden anders gelebt als dokumentiert. Bevor man diese in KI-Systeme überträgt, muss erst die grundlegende Prozessarbeit gemacht werden. Florian bestätigt, dass KI "Staub aufwirbelt bei Prozessen, die man nie automatisieren konnte" – solche, wo viel Wissen in Köpfen schlummert und es keinen klaren Prozess gibt. Select Code adressiert dies auf mehrere Arten: Die Plattform erlaubt kontinuierliche Prompt-Weiterentwicklung durch Mitarbeiter selbst. KI-Agenten können Prozess-Interviews führen und so Dokumentation erstellen. Adaptive KI-Systeme mit Gedächtnis lernen von verschiedenen Mitarbeitern. Letztendlich bleibt aber nur eine Lösung: Prozesse einmal glatt ziehen, dann sind sie KI-ready. KI fungiert dabei als Dosenöffner für überfällige Modernisierungen in Prozessen und IT-Landschaften.

Voraussetzungen für erfolgreiche KI-Adoption

Die Anforderungen für erfolgreiche KI-Projekte sind nach Florians Erfahrung geringer als viele denken. Das wichtigste Element ist Managementverständnis und -unterstützung: Budget für Experimente, Offenheit für iterative Verbesserungen und das Verständnis, dass der erste POC nicht perfekt sein wird. Ein "geiler Partner" – intern oder extern – beschleunigt den Prozess erheblich, da die Daten meist schnell beschafft sind, wenn die Zugänge vorhanden sind. Florian warnt vor einem Anti-Pattern: Jemand testet KI, kommt zum Schluss, dass es nicht funktioniert, sagt aber niemandem Bescheid. Dann hängt das Projekt fest. Nötig sind ein paar tausend Euro Budget, Lust anzufangen und etwas Freiraum neben dem operativen Geschäft. Wie beim Holzfäller im Wald: Ohne Zeit, die Axt zu schärfen, bleibt man ineffizient.

Gesellschaftliche Herausforderungen und ungelöste Grundprobleme

Trotz seines Optimismus sieht Florian kritische Entwicklungen. Die Machtkonzentration bei wenigen KI-Unternehmen, fehlende Regulierung und die Geschwindigkeit der Entwicklung bereiten Sorgen. Besonders problematisch: Die EU AI Act-Implementierungsfristen passen nicht zum Speed der KI-Entwicklung. Google's WO3-Modell und KI-generierte Videos und Bilder läuten das Ende der "Ära des Vertrauens" in visuelle Medien ein. Ein Mitarbeiter-Großvater hatte einen der ersten Fotogeschäfte Deutschlands – die Fotografie war der Beginn einer Ära, in der wir Bildern trauen konnten. Diese Ära war "erstaunlich kurz". Florian muss mit seinen Großeltern über Deepfakes sprechen. Ein weiteres ungelöstes Grundproblem: Prompt-Injection-Angriffe. In der Informatik müssen Daten und Anweisungen getrennt sein, aber bei LLMs ist diese Trennung aufgehoben. Jede E-Mail könnte eine versteckte Prompt-Injection sein, und keine Detection kann das zuverlässig erkennen. Ohne Lösung dieser Alignment-Probleme bleiben KI-Agenten im produktiven Einsatz riskant.

"Wir erleben gerade das Ende einer erstaunlich kurzen Zeit in der Menschheit, in der wir Fotos trauen konnten."

Exponentielles Wachstum durch selbstverbessernde KI

Felix und Florian diskutieren Google's Alpha Evolve und die Möglichkeit eines Flywheel-Effekts: KI-Systeme, die bessere KI-Systeme bauen, die wiederum bessere Systeme bauen. Florian hält dies für unvermeidlich: Das Kompetenzlevel ist längst erreicht, KI-Systemen fehlt es nur an Zugriff auf Daten und der Möglichkeit, Aktionen auszuführen. Genau deshalb sind Coding-Agenten so transformativ – sie können loslegen, Dateien testen und iterieren. Dies wird zu exponentiellem Wachstum in einigen Bereichen führen. Florian hofft, dass wir als Menschheit damit umgehen können und dass Grundsatzthemen gelöst werden: halluzinationsfreie LLMs, bessere Architekturen und vor allem das Alignment-Problem. Er ist optimistisch, dass die smarten Menschen auf der Erde dies hinbekommen. Trotzdem warnt er: Wer sich jetzt nicht mit KI beschäftigt, für den wird es in zwölf Monaten noch schwieriger, wenn andere Firmen schon deutlich weiter sind.

Kernaussagen

Erst Use, dann Case – einfach mal ins Doing kommen, ohne krasse ROI-Erwartungen am Anfang. *Pragmatismus, Einstieg, Pilotphase*
Keine neuen Devs mehr nötig – mit Senior-Entwicklern und KI schafft Select Code unglaublich viel. *Teamstruktur, Produktivität, Coding-Agenten*
90% Genauigkeit macht KI-Agenten alternativlos – wenn bisherige Prozesse Anfragen liegen lassen oder Kunden nicht erreicht werden. *ROI, Automatisierung, Messeausstatter*
Das ultimative Interface zu KI ist Sprache – da schlummert das größte Potenzial. *Voice, Sprachinterface, Produktion, Einzelhandel*
Das Ende der Ära des Vertrauens in Fotos – eine erstaunlich kurze Zeit in der Menschheit geht zu Ende. *Deepfakes, Vertrauen, Gesellschaft*
Strukturierte Daten statt SharePoint-Dokumente – die größten Use Cases liegen in SAP, CRM, ERP. *Datengetriebene Entscheidungen, Mittelstand, ROI*
Senior-Entwickler werden wertvoller, für Juniors wird es verdammt hart – das traditionelle Ausbildungssystem steht vor fundamentalen Herausforderungen. *Arbeitsmarkt, Ausbildung, KI-Skills*

Fazit und Takeaways

Für Mittelständler und Entscheider

Managementunterstützung ist entscheidend: Budget für Experimente, Offenheit für iterative Verbesserungen und realistische Erwartungen sind wichtiger als perfekte Use Cases am Start
Schrittweises Vorgehen: Vom einfachen Prompting über Assistenten zur Automatisierung – nicht sofort die Superintelligenz anstreben
Interne Verantwortung schaffen: Einen KI-Champion benennen, der das Thema treibt und Budgets verwaltet
Datengetriebene Use Cases priorisieren: Höchster ROI liegt in strukturierten Daten (SAP, CRM, ERP), nicht nur in Dokumenten-Chatbots
Prozesse erst klären, dann automatisieren: KI wirbelt Staub auf – nutzen Sie dies als Chance für überfällige Prozessoptimierungen

Für Entwickler und IT-Professionals

KI-Skills sind überlebenswichtig: Wer sich nicht mit Coding-Agenten, Cursor und ähnlichen Tools beschäftigt, wird abgehängt
Senior-Expertise wird wertvoller: Code-Reviews und Architekturentscheidungen bleiben menschliche Domäne, während Routine-Coding automatisiert wird
Neue Teamstrukturen entstehen: Kleine, hochqualifizierte Senior-Teams mit KI-Assistenten ersetzen große Headcounts
Junior-Einstieg wird härter: Das traditionelle Ausbildungssystem für Entwickler steht vor fundamentalen Herausforderungen

Für KI-Adopter generell

Anti-Patterns vermeiden: Weder "Co-Pilot-Frust" von frühen Tests noch "Hyper-Erwartungen" an sofortige Perfektion – und keine "Analyse-Paralyse"
Sprachinterfaces im Blick behalten: Das ultimative Interface zu KI – besonders in Produktion und Außendienst enormes Potenzial
Gesellschaftliche Verantwortung: Kritischer Blick auf Machtkonzentration, fehlende Regulierung und ungelöste Grundprobleme wie Prompt-Injection
Jetzt starten, nicht warten: In zwölf Monaten sind andere Unternehmen noch weiter – der beste Zeitpunkt war gestern, der zweitbeste ist heute

Die Episode zeigt eindrucksvoll: KI-Adoption im Mittelstand ist kein theoretisches Konstrukt mehr, sondern gelebte Praxis mit messbarem Business-Impact. Der Schlüssel liegt in realistischen Erwartungen, schrittweisem Vorgehen und dem Mut, einfach anzufangen. Florians Erfahrungen bestätigen: Die Technologie ist bereit, die Frage ist nur, ob Unternehmen bereit sind, den Wandel aktiv zu gestalten.

#43Was kommt nach KI-Chatbots?