Wie sieht deine KI-Nutzung aus?

Intro

In dieser Episode des AI FIRST Podcast spricht Felix mit Elisabeth L'Orange, Partnerin für Data & AI bei Deloitte, ehemalige Gründerin eines der ersten GenAI-Startups in Deutschland und Host des Tech & Tales Podcasts. Ein faszinierendes Gespräch über die Rolle von KI im Privat- und Berufsleben – von alltäglichen Problemen wie Knieschmerzen-Diagnose und Nudeln-Zählen bis hin zu strategischen Millionenprojekten bei DAX-Unternehmen. Die beiden teilen ihre persönlichen KI-Setups, diskutieren die neurologischen Auswirkungen permanenter KI-Nutzung und die Herausforderungen der fragmentierten Tool-Landschaft. Elisabeth berichtet von ihrem Wechsel vom Startup in den Konzern, während Felix sein ausgeklügeltes Content-Automatisierungssystem erklärt.

Inhaltsübersicht

Vom Startup zum Konzern: Zwei Welten der KI-Implementierung mit unterschiedlichen Budgets und Herausforderungen
KI im Alltag: Ein Samstag voller Automatisierung – von medizinischer Diagnose bis Musik-Generierung
Das neurologische Paradox der KI-Nutzung: Effizienzgewinne versus Verlust an Denkfähigkeit
Die AI-Native Generation: Wie 14-Jährige heute mit ChatGPT lernen und Keynotes vorbereiten
Business-Automatisierung: Felix' KI-Setup mit LangDoc, Notion und spezialisierten Assistenten
Herausforderungen der Tool-Landschaft: KI-Müdigkeit und das Chaos paralleler Systeme
Produktivitätssteigerung: Einzelpersonen mit KI versus Teams ohne KI
Zukunftsausblick: Multiagentensysteme und die Konsolidierung der Tool-Welt

Über den Gast

Elisabeth L'Orange ist Partnerin für Data & AI bei Deloitte und Host des Tech & Tales Podcasts. Vor ihrem Wechsel zu Deloitte baute sie eines der ersten GenAI-Startups in Deutschland auf und verfügt über umfassende Erfahrung sowohl in der Startup- als auch in der Konzernwelt. Bei Deloitte berät sie DAX-Unternehmen mit zweistelligen Milliardenumsätzen bei der Implementierung von KI-Strategien mit dreistelligen Millionenbudgets. Sie spezialisiert sich auf den Energiesektor sowie Chemie und Fast Moving Consumer Goods. Aktuell forscht sie zu den neurologischen Auswirkungen von KI-Nutzung und plant darüber zu promovieren. Ihre 14-jährige Tochter hält bereits Keynotes über künstliche Intelligenz – ein Zeichen für die AI-Native Generation.

Detaillierte Zusammenfassung

Vom Startup zum Konzern: Zwei Welten der KI-Implementierung

Der Wechsel von der Startup- in die Konzernwelt bedeutet für Elisabeth einen fundamentalen Perspektivwechsel. Als Gründerin konnte sie schnell Tools einkaufen, Entscheidungen eigenständig treffen und hatte volles Budget-Mandat – trug aber auch die komplette Verantwortung für Mitarbeiter, Umsätze und Investoren-Relations. Bei Deloitte mit 500.000 Mitarbeitern sind Strukturen und Prozesse komplett anders: Keine eigenständigen Tool-Käufe, keine spontanen Einstellungen, strikte interne und externe Abstimmungspflichten.

Die größte Veränderung liegt in der Kundschaft: Statt kleiner B2B-Kunden, die Werbevideos für ihre GenAI-Implementierung brauchten, berät sie nun DAX-Unternehmen mit zweistelligem Milliardenumsatz. Diese arbeiten mit dreistelligen Millionenbudgets und erhoffen sich bis 2028 eine Milliarde Euro Ersparnis. Die Herausforderungen sind dabei grundlegend anders: "Überwiegend sind es Datenprobleme, also Datenstrukturprobleme", erklärt Elisabeth. Die strategische Perspektive über verschiedene Industrien – von Energie über Chemie bis Fast Moving Consumer Goods – ermöglicht ihr jedoch einzigartige Einblicke in unterschiedliche KI-Implementierungsansätze.

KI im Alltag: Ein Samstag voller Automatisierung

Elisabeth schildert einen typischen Samstag beim neunstündigen Hockey-Spiel ihrer Kinder, der eindrucksvoll zeigt, wie vielfältig KI bereits im Privatbereich eingesetzt werden kann. Der Tag beginnt um sechs Uhr mit Knieschmerzen: Sie macht ein Foto ihres Knies, malt einen Pfeil darauf, lädt es bei ChatGPT hoch und erhält die Diagnose einer gereizten Patellasehne vom zu vielen Laufen. Lösung: Eine Ibuprofen einwerfen.

Auf der Autofahrt nutzt sie Notebook LM für Wissenschafts-Podcasts: Sie lädt Papers zu künstlicher Intelligenz und neurologischen Effekten bei Google Research hoch, lässt sich daraus einen Podcast generieren und hört diesen während der Fahrt. Bei den Hockey-Spielen wird es kreativ: Kinder kommen mit einer riesigen Glasvase voller Pennennudeln für eine Spendenaktion – man soll schätzen, wie viele darin sind. Elisabeth fotografiert die Vase und ChatGPT beginnt zu rechnen: Volumen schätzen, Durchmesser etwa 20 Zentimeter, Höhe 40 Zentimeter, Luftanteil zwischen den Nudeln kalkulieren. Ergebnis auf Deutsch: 545 Nudeln. Auf Englisch neu promptet: 305 Nudeln. "Ich glaube einfach, dass wenn man erneut promptet, dass da irgendwas schief geht beim Halluzinieren", vermutet Elisabeth.

Weitere Anwendungen folgen: Leasingvertrag-Upload zur Prüfung, ob die Beule am Auto unter die Vollkasko fällt (ist abgedeckt, Anwalt gespart), Frosch-Identifikation mit der Merlin-App von der Cornell University ("Das ist wie Shazam für Vögel"), Pflanzenbestimmung und zum Abschluss das Anhören eines Albums von The Velvet Underground – einer komplett KI-generierten Band, die psychedelischen Rock spielt. "Im Vergleich zu 90% der menschlich erstellten Musik ist es deutlich besser", findet Elisabeth.

Das neurologische Paradox der KI-Nutzung

Ein zentraler Diskussionspunkt entwickelt sich um die neurologischen Auswirkungen permanenter KI-Nutzung. Elisabeth forscht aktuell zu diesem Thema und wird darüber promovieren. Die Erkenntnis ist ernüchternd: "Das Problem ist tatsächlich, dass es so ein bisschen wie gewonnen so zerronnen ist. Alles, was du an Effizienzsteigerungen gewinnst, verlierst du an Gehirnkapazität."

Alles, was du an Effizienzsteigerungen gewinnst, verlierst du an Gehirnkapazität.

Das Gehirn als "faules Medium" wählt evolutionär immer den einfacheren Weg. Wenn ein Taschenrechner verfügbar ist, wird nicht im Kopf gerechnet. Wenn KI verfügbar ist, wird weniger selbst gedacht – außer man zwingt sich aktiv dazu. Noch problematischer: "Erst ab einem IQ von 89 oder zwischen 80 und 100 bist du überhaupt erst in der Lage, richtig kritisch KI-Ergebnisse zu verstehen." Die Hälfte der Bevölkerung liegt statistisch unter einem IQ von 100 und kann damit KI-Outputs nicht kritisch bewerten, sondern nimmt sie für bare Münze.

Felix berichtet von ähnlichen Erfahrungen: "Ich habe wirklich gemerkt in den letzten drei Jahren, dass es mir immer, immer schwerer fällt, wirklich nachzudenken und mich auf Dinge zu konzentrieren." Seine private Strategie: So wenig Smartphone und KI-Nutzung wie möglich außerhalb der Arbeit, um Zeitfenster für klares Denken, Meinungsbildung und Reflexion zu bewahren. Er nutzt KI bewusst nur dort, wo er genau weiß, was er erreichen will, statt reflexartig – denn reflexartige KI-Nutzung ohne klares Ziel führt zu wenig.

Elisabeth sieht die Lösung in bewusstem Nachdenken und Langeweile ertragen: "Das Gehirn braucht Zeit, Sachen zu reflektieren und zu computen." Wichtig ist die Erkenntnis, dass selbst wenn Menschen bewusst gegensteuern, die andere Bevölkerungshälfte KI gar nicht kritisch nutzen kann – eine gesellschaftliche Herausforderung.

Die AI-Native Generation: Neue Lernmethoden

Elisabeths 14-jährige Tochter repräsentiert die AI-Native Generation perfekt: Sie hielt kürzlich ihre erste Keynote über künstliche Intelligenz in der Schule. Mit 14 Jahren vor vielen Menschen zu stehen und ein Deck durchzuklicken, war für Elisabeth in diesem Alter undenkbar. Der Unterschied: "Wie selbstverständlich hat sie es gehalten. Warum war sie so gut darin? Weil sie jedes Slide mit ChatGPT vorher durchgesprochen hat."

Die Vorbereitung lief komplett über KI-Dialoge: AlphaGo verstehen, die Dartmouth Conference lernen, Meilensteine wie Eliza von IBM oder Tay von Microsoft (der erste Chatbot 2016, der "irgendwie verrückt geworden ist") erarbeiten. Die neue Generation lernt fundamental anders: "Alles, was man sich früher mühsam anlesen musste, chatten die Kinder oder finden die Kinder über diese Chatbots raus." Auf dem iPhone haben alle ChatGPT auf der Schnelltaste oben rechts, sprechen einfach rein.

Praktisches Beispiel: Pancakes backen. Rezept per Voice anfordern, Essig im Rezept kritisch hinterfragen (genug kritisches Denken vorhanden), nochmal ohne Essig generieren lassen. Die Kinder haben ein gesundes Verhältnis entwickelt – bei Elisabeth zumindest. Anders sieht es bei parasozialen Beziehungen aus: "33% aller Teenager haben eine parasoziale Beziehung mit einer künstlichen Intelligenz in den USA." Elisabeth hat noch keine abschließende Meinung, ob das gut oder schlecht ist.

In der Schule dürfen die Kinder KI nutzen, müssen aber als Quelle den Prompt und das jeweilige Modell angeben – eine smarte Accountability-Lösung, auch wenn Elisabeth bezweifelt, dass Lehrer das wirklich überprüfen. Das schriftliche Üben wurde durch mündliche Erklärungen ersetzt: "Ich zwinge die, mir die Sachen mündlich zu erklären, weil dabei nutzt ihnen das dann nicht mehr."

Business-Automatisierung: Felix' KI-Setup

Felix erklärt sein ausgeklügeltes System zur Content-Automatisierung. Sein Unternehmen macht drei Dinge: Beratung von Unternehmen bei generativer KI-Implementierung, Community-Aufbau mit dem Collective für mittelständische KI-Verantwortliche und Content-Produktion über Podcast, Newsletter und LinkedIn. Mit zweieinhalb Leuten steuern sie auf siebenstelligen Umsatz zu – "Ich glaube daran, dass kleinen Teams und Unternehmen die Zukunft gehört, weil man in digitalen Geschäftsmodellen alles extrem hebeln kann, indem man KI richtig einsetzt."

Seine zentrale Plattform ist LangDoc, wo alle verfügbaren Large Language Models angebunden sind. Dort baut er KI-Assistenten und Workflows für spezifische Aufgaben auf. Der Prozess: Alle Jobs-to-be-done durchgehen, Zeitverluste identifizieren, passende KI-Fähigkeiten zuordnen, ein Team aus KI-Assistenten aufbauen.

Der Podcast-Assistent ist sein Paradebeispiel: Transkript von Riverside hochladen, sonst nichts eingeben – dahinter liegt ein drei- bis vierseitiger Prompt mit Templates, Tone-of-Voice-Profil und Beispielen. Output: LinkedIn-Posts, Karussell mit Fragen und Antworten, SEO-Meta-Beschreibung für die Website, Show Notes, Titelvorschläge. Alles automatisch. Die Ergebnisse werden via API in Notion gepusht, wo sie in unterschiedlichen Datenfeldern landen.

Ich glaube daran, dass kleinen Teams und Unternehmen die Zukunft gehört, weil man in digitalen Geschäftsmodellen alles extrem hebeln kann, indem man KI richtig einsetzt.

Wichtig: Human-in-the-Loop überall. Namen werden geprüft, aus zehn Titelvorschlägen wird der beste ausgewählt oder angepasst. Die Assistenten entwickeln sich weiter wie Mitarbeiter: "Prozesse ändern sich, dann muss ich in den Assistentenanweisungen umstellen." Aktuell stellt Felix gerade die Titelstruktur um – Elisabeth gibt ihm den Tipp ihrer ehemaligen Co-Host Lena Weidle, Journalistin bei der NZZ: "Als Journalist sollte man keine Fragen im Titel haben." Felix bleibt trotzdem dabei, findet es eleganter und triggernder.

Meeting-Protokollierung läuft über Gemini in Google Meet: Transkript wird automatisch abgelegt, ein Agent prüft alle halbe Stunde auf neue Transkripte, zieht diese und erstellt Nachbereitungen mit Follow-up-E-Mails. Alles wieder über LangDoc angebunden.

Herausforderungen der Tool-Landschaft

Beide diskutieren intensiv die Probleme fragmentierter Tool-Welten. Elisabeth jongliert zwischen Apple iOS privat, Microsoft beruflich und Google Cloud – drei parallele Systeme. "Ich finde zum Teil immer nicht die Sachen wieder. Ich überlege mal, wo habe ich meine To-Dos jetzt? Google-To-Do? Microsoft Notebook? Oder native iOS-App in Notes?" Extrem nervig, kein übergeschaltetes System vorhanden.

Aus Unternehmensberaterperspektive gibt es nichts, was so sicher ist und Datenabfluss verhindert – sie versteht die Notwendigkeit, leidet aber privat genauso am Chaos. Das führt zu "KI-Müdigkeit" in Unternehmen: HR schiebt ein Tool rein, Finance ein weiteres, alle sollen ständig Neues lernen bei ohnehin knapper Arbeitszeit. "Irgendwann denken alle so, boah, es ging eigentlich auch ganz gut ohne."

Felix' Lösung nach langer Suche: "Der Aufwand, immer wieder neue Tools wirklich zu verstehen und zu lernen, ist viel zu groß für den Impact, den das am Ende hat." Er hat sich für ein Tool entschieden und implementiert es konsequent – trotz aller Schwächen, die es hat. Kein Tool ist perfekt. Die Tool-Welt konsolidiert sich ohnehin: Die einen starten mit Chatbots und bauen Workflow-Automationen dran, die anderen starten mit Workflow-Automationen und bauen Chatbot-Funktionen rein, die dritten starten mit Datenbanken und bauen beides nach. "Am Ende willst du ein System, das all das abdeckt: Prozesse automatisieren, KI-Chatbot mit Unternehmensdaten verbunden, KI in Prozesse einbauen."

Elisabeth stimmt zu: "Es ist ein guter Rat, dass man sich zunächst erstmal auf so ein gewisses Tech-Stack reduziert oder beschränkt, was man dann wirklich in der Gänze versteht und bedienen kann."

Produktivitätssteigerung durch richtige KI-Nutzung

Felix betont die oft unterschätzte Produktivitätssteigerung bereits durch korrekte Nutzung von Tools wie ChatGPT – nicht nur durch komplexe Automatisierungen. Eine Harvard-Studie mit Procter & Gamble zu Produkt-, Innovations- und Marketing-Use Cases ergab: "Eine einzelne Person mit ChatGPT erzielt den gleichen oder sogar besseren Output in Qualität wie ein Zweierteam ohne KI." KI macht in diesem Experiment eine Person überflüssig oder gleicht sie aus.

Das sehen sie bei Kunden immer wieder – vor allem in Berufen, die stark von KI beeinflusst sind: Marketing, wo viel kommuniziert wird, Anwaltsrollen, überall wo viel mit Text gearbeitet wird. Jetzt erweitert sich das auf Bild, Coding mit Tools wie Cursor – Developer können mehrfach produktiver sein.

Felix' Ansatz im eigenen Team: "Jeder bei uns soll so viel wie möglich und das muss natürlich immer noch sinnvoll sein, mit KI arbeiten. Ich challenge auch jeden immer wieder, warum etwas nicht mit KI gemacht worden ist, wenn man damit die gleiche oder sogar bessere Qualität hätte erzeugen können." Keine komplexen Systeme nötig am Anfang – nur verfügbare Chatbot-Tools und KI-Assistenten im Arbeitsalltag nutzen.

Zukunftsausblick: Multiagentensysteme und Tool-Konsolidierung

Felix arbeitet aktuell an einem Projekt, sein Unternehmen als Multiagentensystem nachzubilden. Viele Beratungsleistungen basieren auf klaren Methoden und Frameworks – diese könnten durch KI-Systeme ersetzt oder skaliert werden. Details dazu werden in der zweiten Hälfte beim Tech & Tales Podcast besprochen, ebenso wie Deloittes Ansatz bei KI-Implementierung in großen Unternehmen versus Felix' Mittelstandsprojekte.

Ein wichtiges Zukunftsthema ist die Memory-Funktion in KI-Systemen. ChatGPT und andere haben begonnen, Memory einzuführen, aber es passiert noch relativ zufällig: Gespeicherte Informationen werden nicht immer zum richtigen Zeitpunkt hervorgeholt, manchmal im falschen Kontext eingesetzt. Elisabeth: "Das ist eines der nächsten großen Themen, an denen gearbeitet wird und auch werden muss."

Die Bedeutung für Anbieter: Echte Login-Effekte entstehen. "Wenn sie irgendwann KI-Systeme dich als Menschen mit allem drum und dran perfekt verstehen, in jeder Situation passend zum Kontext und deinen Anforderungen, deiner Persönlichkeit dir die richtigen Ergebnisse ausspielen, dann gehst du ja nicht mehr weg." Ein New Yorker Gericht hat entschieden, dass alle Chatverläufe von ChatGPT gespeichert werden müssen – zur Rechenschaft ziehen können. Privacy Goodbye, aber sie dürfen es nicht aktiv nutzen oder zum Training verwenden.

Kernaussagen

Effizienz vs. Gehirnkapazität — "Das Problem ist tatsächlich, dass es so ein bisschen wie gewonnen so zerronnen ist. Alles, was du an Effizienzsteigerungen gewinnst, verlierst du an Gehirnkapazität." Neurologische Auswirkungen, Denkfähigkeit
Kritische KI-Bewertung erfordert Mindest-IQ — "Erst ab einem IQ von 89 oder zwischen 80 und 100 bist du überhaupt erst in der Lage, richtig kritisch KI-Ergebnisse zu verstehen." Gesellschaftliche Herausforderung, Digital Divide
KI-Nutzung als Team-Standard — "Ich challenge jeden, warum etwas nicht mit KI gemacht worden ist, wenn man damit die gleiche oder sogar bessere Qualität hätte erzeugen können." Produktivität, AI-first-Mindset
Kleine Teams, großer Hebel — "Kleine Teams und Unternehmen gehört die Zukunft, weil man in digitalen Geschäftsmodellen alles extrem hebeln kann, indem man KI richtig einsetzt." Skalierung, digitale Geschäftsmodelle
Eine Person mit KI = ein Zweierteam ohne — "Eine einzelne Person mit ChatGPT erzielt den gleichen oder sogar besseren Output wie ein Zweierteam ohne KI." Harvard-Studie, Procter & Gamble
Die neue Generation lernt via Chat — "Alles, was man sich früher mühsam anlesen musste, chatten die Kinder oder finden die Kinder über diese Chatbots raus." AI-Native Generation, Lernmethoden

Fazit und Takeaways

Diese Episode zeigt eindrucksvoll die Bandbreite der KI-Anwendung – von alltäglichen Problemen wie Knieschmerzen-Diagnose bis hin zu strategischen Millionenprojekten bei DAX-Unternehmen.

Für den bewussten KI-Einsatz im Alltag

Multimodalität nutzen: Nicht nur Text-zu-Text, sondern Bilder, Audio und bald Video in KI-Workflows einbeziehen – die Möglichkeiten sind deutlich größer als reine Textverarbeitung
AI-first-Mindset entwickeln: Bei jedem Problem oder jeder Aufgabe einmal bewusst fragen, ob KI dabei helfen kann, es schneller oder besser zu lösen
Reflexartige Nutzung vermeiden: Nur dann KI einsetzen, wenn klar ist, was erreicht werden soll – sonst führt es zu wenig Ergebnis und Denkfaulheit
KI-freie Zeiten einplanen: Bewusst Zeitfenster schaffen ohne Smartphone und KI für klares Denken, Meinungsbildung und Reflexion

Für die AI-Native Generation und Bildung

Kritisches Denken fördern: Kinder dazu anhalten, verschiedene Perspektiven einzunehmen und KI-Ergebnisse zu hinterfragen
Quellenangaben verlangen: Prompt und Modell als Quelle angeben lassen, um Accountability zu schaffen
Mündliche Überprüfung: Wissen mündlich erklären lassen, weil dabei KI nicht mehr hilft und echtes Verständnis geprüft wird
Neurologische Risiken verstehen: Bewusstsein schaffen, dass permanente KI-Nutzung Denkfähigkeit reduziert – Balance finden

Für Business-Automatisierung und Produktivität

Systematische Tool-Konsolidierung: Fokus auf ein durchdachtes Tech-Stack statt ständig neue Tools lernen – der Aufwand lohnt den Impact nicht
KI-Assistenten für wiederkehrende Aufgaben: Prozesse durchdenken, Zeitfresser identifizieren und spezialisierte Assistenten mit detaillierten Prompts, Templates und Tone-of-Voice aufbauen
Human-in-the-Loop überall: Automatisierung ist gut, aber immer finale Qualitätsprüfung durch Menschen – Namen, Fakten, Tonalität checken
Team-Challenge etablieren: Jeden challengen, warum etwas nicht mit KI gemacht wurde, wenn es die gleiche oder bessere Qualität gebracht hätte
Klein bleiben, groß skalieren: Kleine Teams können mit richtigem KI-Einsatz enorme Outputs erzielen – ein Zweierteam ohne KI entspricht einer Person mit KI

Für strategische KI-Implementierung

Datenprobleme zuerst lösen: Vor allem in großen Unternehmen sind Datenstruktur- und Datenqualitätsprobleme die größten Hürden
Multiagentensysteme vorbereiten: Viele Beratungsleistungen basieren auf klaren Methoden und Frameworks – diese können durch KI-Systeme ersetzt oder skaliert werden
Memory-Funktionen im Blick behalten: KI-Systeme mit perfektem Kontext-Verständnis werden der nächste große Login-Effekt sein

Die Diskussion macht deutlich: KI ist bereits heute ein mächtiger Hebel für Produktivität und Innovation, erfordert aber bewussten und kritischen Umgang. Die neurologischen Auswirkungen sind real – Effizienzgewinne gehen mit Verlust an Denkfähigkeit einher. Die Lösung liegt in der Balance: KI gezielt einsetzen, wo sie Mehrwert bringt, aber bewusst Zeiten schaffen für eigenes Denken und Reflexion. Die AI-Native Generation lernt fundamental anders und wird diese Technologie selbstverständlich nutzen – umso wichtiger ist es, kritisches Denken zu fördern und die Hälfte der Bevölkerung nicht abzuhängen, die KI-Outputs statistisch nicht kritisch bewerten kann.

#41Wie sieht deine KI-Nutzung aus?