YouTube2Text

Wieso KI „Second Brains” SCHEITERN & was wirklich funktioniert (Vortrag Leonard Schmedding) — Transcript

by Everlast AI · 5,069 words · 896 segments · language de · Watch on YouTube

Full transcript

  1. 0:00Das Company Brain, der wichtigste KI Use
  2. 0:03Case, wir sprechen über den Second Brain
  3. 0:06Hype, die sogenannten KI
  4. 0:08Betriebssysteme, was das Problem bei all
  5. 0:10dem ist, ein AI Hive Mind, was es damit
  6. 0:13auf sich hat, was jetzt wirklich
  7. 0:15funktioniert, worauf es jetzt ankommt
  8. 0:17und was die Zukunft bringt. Also, wir
  9. 0:20haben einige Themen heute vor und das
  10. 0:22Beste, was man machen kann, wenn man in
  11. 0:23die Zukunft schaut, ist erstmal 1000
  12. 0:25Jahre in die Vergangenheit zu gehen.
  13. 0:27Jeder KI Vortrag, der gut ist, wenn ihr
  14. 0:29mir zustimmt, fängt erstmal damit an,
  15. 0:31vor 1000 Jahren. Also, wenn ihr einen
  16. 0:34Pitch macht oder einen KI Vortrag
  17. 0:35haltet, dann sollte es so losgehen und
  18. 0:37deswegen habe ich mir gedacht, mache ich
  19. 0:38es gleich richtig und zwar schauen wir
  20. 0:402400 Jahre nun mal in die Vergangenheit
  21. 0:44und
  22. 0:45viele kennen die berühmte Bibliothek von
  23. 0:47Babel, von Jorge Luis Borges, der
  24. 0:50bekannte Nationalbibliothekar von
  25. 0:53Argentinien, der hat ja diese berühmte
  26. 0:55Bibliothek von Babel formuliert und ich
  27. 0:59fasse das noch mal ganz kurz zusammen.
  28. 1:00Das ist ja diese universelle Bibliothek,
  29. 1:02die jedes denkbare Buch, jedes Wissen,
  30. 1:05jede Lüge, jeden Sinn, aber auch jeden
  31. 1:07Unsinn, der theoretisch erzeugbar ist,
  32. 1:11enthält. Was viele aber nicht wissen,
  33. 1:13ist, dass Jorge Luis Borges schon 1900
  34. 1:1639 diese totale Bibliothek durchdacht
  35. 1:19hat, bevor er sie dann in der finalen
  36. 1:21Form 1941 ausformuliert hat
  37. 1:24und sich die Frage gestellt hat, wieso
  38. 1:26hat es eigentlich so lange gedauert,
  39. 1:28dass man auf diesen Gedanken gekommen
  40. 1:30ist. Und also ist er in die
  41. 1:32Vergangenheit gegangen und hat sich
  42. 1:34angeschaut, was waren denn die ersten
  43. 1:35Ideen einer solch universellen
  44. 1:38Bibliothek und das hat ihn zu
  45. 1:40Aristoteles Metaphysik geführt, die ja
  46. 1:43dann im ersten Jahrhundert vor Christus
  47. 1:45in etwa zusammengestellt wurde und in
  48. 1:48dieser Metaphysik vom Aristoteles
  49. 1:51beschreibt er den Demokrit und den
  50. 1:53Leukipp, den kennt heute
  51. 1:55jeder und zwar waren das die Vordenker
  52. 1:58der Atome, und zwar hat sich dieser
  53. 2:01Demokrit, das war etwa 400 vor Christus,
  54. 2:03etwa zu Zeiten Sokrates, haben beide
  55. 2:05gelebt, und der hat sich gedacht, die
  56. 2:08Welt, die wird im Wesentlichen
  57. 2:10zusammengehalten aus den gleichen
  58. 2:12elementaren Bausteinen, und seine
  59. 2:14Analogie für diese Atome
  60. 2:17war das Alphabet, also die Sprache, ja,
  61. 2:19hat sich überlegt, die die Buchstaben,
  62. 2:22die haben verschiedene Formen, also das
  63. 2:24A, das sieht anders aus als das N. Ich
  64. 2:26kann diese in verschiedenen Anordnungen
  65. 2:28formieren, also ich kann AN und NA
  66. 2:31bilden, ich kann die Lage verändern,
  67. 2:33also wenn ich ein Z um 90° drehe, dann
  68. 2:35habe ich auf einmal ein N. Das heißt,
  69. 2:37ich kann aus den bereits vorhandenen
  70. 2:39Buchstaben im Wesentlichen alles formen,
  71. 2:41also eine Komödie oder auch eine
  72. 2:44Tragödie.
  73. 2:45Das ist dann die Schlussfolgerung von
  74. 2:47Aristoteles, die exakt gleichen
  75. 2:49Schriftzeichen formen eine Tragödie
  76. 2:52oder eine Komödie, und die gleichen
  77. 2:53Elemente können einen Baum oder einen
  78. 2:55Menschen hervorbringen. Und das waren
  79. 2:58also die ersten Gedanken, dass aus den
  80. 3:00bereits vorhandenen Schriftzeichen im
  81. 3:01Wesentlichen jedes denkbare Wissen
  82. 3:03bereits heute vorhanden ist. Und das
  83. 3:06wird dann erstmals kritisiert von
  84. 3:08Cicero, etwa 40 vor Christus, der hat
  85. 3:11sich nämlich gesagt, das ist doch eine
  86. 3:12eine aberwitzige Vorstellung, ich kann
  87. 3:14nicht einfach goldene Buchstaben in die
  88. 3:15Luft schleudern und erhalte anschließend
  89. 3:18die die Gedichte, die Annalen des
  90. 3:20Ennius, ja, das war ja einer der größten
  91. 3:22Dichter des alten Roms.
  92. 3:24Und ich kann nicht aus absolutem Zufall
  93. 3:26auf einmal sinnvolle Texte, erst recht
  94. 3:29nicht die ja, intellektuell
  95. 3:31eindrucksvollsten Texte der
  96. 3:32Menschheitsgeschichte hervorbringen,
  97. 3:34also das ist ja eigentlich schon eine
  98. 3:36eine irrsinnige Vorstellung, und die gab
  99. 3:38es aber immer wieder in der
  100. 3:39Menschheitsgeschichte, das berühmte
  101. 3:40Infinite Monkey Theorem, das
  102. 3:43sagt ja im Kern, ich kann einfach
  103. 3:45Millionen von Affen den ganzen Tag auf
  104. 3:46der Tastatur herumhämmern lassen, von
  105. 3:49Emil Borel, der hat das 1913
  106. 3:51beschrieben, und dann habe ich
  107. 3:53irgendwann die gesamte Bibliothek
  108. 3:55Nationale zusammen, also die
  109. 3:56Nationalbibliothek Frankreich, einfach
  110. 3:58nur durch reinen Zufall, indem ich
  111. 4:00Affen, ja, den ganzen Tag auf einer
  112. 4:01Tastatur herumhämmern lasse. Das wurde
  113. 4:03vor allem später bekannt, ja, durch die
  114. 4:04Engländer, die gesagt haben, dann habe
  115. 4:06ich ja irgendwann Shakespeare oder einen
  116. 4:08Hamlet, das kennt man heute schon öfter,
  117. 4:10diese Analogie der tippenden, zufällig
  118. 4:12tippenden Affen, die auf einmal einen
  119. 4:13Hamlet ja, produzieren. Er hat damit
  120. 4:15aber auch gleichzeitig schon das
  121. 4:17Gegenargument formuliert, dass es zwar
  122. 4:19endlich viele Möglichkeiten an
  123. 4:20Schriftzeichen-Variationen gibt, aber es
  124. 4:23nahezu unendlich viele Versuche dazu
  125. 4:25jetzt bräuchte, diese Nationalbibliothek
  126. 4:27zu replizieren, geschweige denn mal nur
  127. 4:29einen
  128. 4:30Shakespeare zu replizieren.
  129. 4:32Und der Kurd Laßwitz, das ist der
  130. 4:34Urvater der deutschen Science-Fiction,
  131. 4:36also der hat schon 1897
  132. 4:40eines der ersten, ja, intergalaktischen
  133. 4:42Beziehungsbücher sozusagen geschrieben,
  134. 4:44zwischen Menschen und Marsianern.
  135. 4:46Und dieser Kurd Laßwitz, der hat die
  136. 4:48Universalbibliothek 1904
  137. 4:51beschrieben. Und diese
  138. 4:52Universalbibliothek, die rechnet das mal
  139. 4:54tatsächlich durch, also was würde das
  140. 4:56denn bedeuten, wie viele Bücher bräuchte
  141. 4:58es denn, um, wie gesagt, die gesamte
  142. 4:59Vergangenheit, jedes Buch, das je
  143. 5:00erzeugt wurde, jedes Buch, das erzeugt
  144. 5:02werden kann, wirklich jede denkbare
  145. 5:04Information in Büchern abzubilden. Und
  146. 5:07er nimmt 100 Schriftzeichen an. Er sagt,
  147. 5:09100 Schriftzeichen wären völlig
  148. 5:10ausreichend für jede, ja,
  149. 5:13funktionierende Sprache. Und wenn ich
  150. 5:15mir jetzt Bücher vorstelle mit 500
  151. 5:17Seiten, diese Bücher haben auf diesen
  152. 5:19500 Seiten je 40 Zeilen, je 50 Zeichen,
  153. 5:24dann bin ich bei 1 Million möglichen
  154. 5:27Schriftzeichen in einem Buch. Und das
  155. 5:29rechne ich jetzt mal 100 Schriftzeichen,
  156. 5:31die ich zur Verfügung habe, und dann
  157. 5:32landet er er bei einer abstrus hohen
  158. 5:34Zahl von 10 hoch 200 Millionen möglicher
  159. 5:39Bücher, die es heute schon gibt. Also
  160. 5:41das Alphabet mit 100 Schriftzeichen
  161. 5:43setzt diese denkbaren Informationen von
  162. 5:4610 hoch 2 Millionen voraus. Wir haben
  163. 5:47vorhin über Demokrit gesprochen, das
  164. 5:49erkennbare Universum hat etwa 10 hoch 80
  165. 5:52Atome, dass man sich das jetzt mal
  166. 5:53vorstellen kann. Also, selbst wenn wir
  167. 5:55alle Bücher der Welt auf Atomgröße
  168. 5:57komprimieren würden, dann können wir bei
  169. 5:59weitem nicht das erkennbare Universum
  170. 6:01damit füllen und damit zeigt eben schon,
  171. 6:03dass der Gedanke an sich
  172. 6:05absurd ist, aber prinzipiell natürlich
  173. 6:07denkbar.
  174. 6:08Und das hat dann eben, wie gesagt,
  175. 6:09dieser Jorge Luis Borges in der finalen
  176. 6:11Form dieser Bibliothek von Babel
  177. 6:14ausformuliert. Und zwar stellt er sich
  178. 6:15Bibliothekare vor, die tatsächlich in
  179. 6:17dieser universellen Bibliothek leben und
  180. 6:19sie verbringen ihr gesamtes Leben damit,
  181. 6:22nach Wissen zu suchen. Also, sie suchen
  182. 6:24den Katalog der Kataloge, der ihn zur
  183. 6:27Wahrheit führt. Und im Rahmen dieser
  184. 6:31dieses kurzen Essays, etwa fünf Seiten
  185. 6:32lang, kommt der Vater dieses
  186. 6:35Protagonisten irgendwann zum Schluss,
  187. 6:37dass ein Großteil, weil diese
  188. 6:38Bibliothekare, die wussten das erstmal
  189. 6:39gar nicht. Also, dass viele dieser
  190. 6:40Bücher völliger Irrsinn sind. Und dieser
  191. 6:44Vater des Protagonisten kommt dann
  192. 6:45irgendwann zum Schluss, dass er Bücher
  193. 6:47entdeckt, die einfach nur
  194. 6:48drei Buchstaben enthalten. Also, CVM und
  195. 6:51das wirklich das gesamte Buch
  196. 6:52aneinandergereiht und das kann keine
  197. 6:54vergangene Sprache, keine Hieroglyphen
  198. 6:56können daraus in irgendeiner Form etwas
  199. 6:57Sinnvolles kreieren. Und dadurch ist man
  200. 6:59dann darauf gekommen, dass viele dieser
  201. 7:01vorhandenen Informationen völlig wertlos
  202. 7:03und völlig sinnlos sind.
  203. 7:05Und das hat dann die Bibliothekare lange
  204. 7:07beschäftigt. Also, es gab vier
  205. 7:08Reaktionen auf diese totale Fülle an
  206. 7:11Informationen und die kennt heute jedes
  207. 7:14Unternehmen. Und zwar gab es zum einen
  208. 7:16die Sucher. Ja, die Sucher, das sind
  209. 7:17diejenigen, die ihr gesamtes Leben damit
  210. 7:19verbringen, nach Wissen zu suchen, nach
  211. 7:21dem Katalog der Kataloge, nach dem
  212. 7:23perfekten Klassifizierer, nach der
  213. 7:25Wahrheit zu suchen. Das scheitert
  214. 7:27natürlich völlig. Dann gibt es die die
  215. 7:29Reiniger. Ja, das sind die, die sagen,
  216. 7:31wenn wir unsinnige Bücher entdecken,
  217. 7:32dann müssen wir die verbrennen, dann
  218. 7:35müssen wir die zerstören. Und das sind
  219. 7:36heute die, die sagen, wir haben so ein
  220. 7:38Datenchaos, ich gehe rein, ich lösche
  221. 7:40einfach mal alte Sachen. Es ist in jedem
  222. 7:42Fall besser mal als mit dem Chaos
  223. 7:43umzugehen, aber zur Wahrheit kommt man
  224. 7:45natürlich noch lange nicht. Dann gibt es
  225. 7:47den Mann des Buches, der Mann des
  226. 7:48Buches, das ist derjenige, der
  227. 7:50vermeintlich das einzig wahre Buch
  228. 7:51gelesen hat und das ist derjenige, der
  229. 7:5330 Jahre im Unternehmen ist und
  230. 7:55eigentlich alles kennt, also der weiß,
  231. 7:57wo welche Informationen liegen und den
  232. 7:59kann ich einfach fragen und der weiß
  233. 8:01schon, was das Richtige ist. Und es gab
  234. 8:03diejenigen, die an dieses
  235. 8:05Kaminrote Hexagon geglaubt haben, also
  236. 8:07es gab ein Sechseck in dieser
  237. 8:09Bibliothek, welches eben solche
  238. 8:12Kaminroten Bücher wohl enthielt, welches
  239. 8:15zu welche dann ja besser wären als die
  240. 8:17anderen, welche die Wahrheit enthielten.
  241. 8:20Und das sind diejenigen, die heute nach
  242. 8:21dem magischen Tool suchen, ja, nach dem
  243. 8:23magischen KI-Tool, das wird meinem
  244. 8:25vorhandenen Wissen dieser schieren
  245. 8:27Vielzahl Informationen auf einmal Sinn
  246. 8:29bildet. Alle diese Versuche, die sind
  247. 8:31natürlich völlig gescheitert, weil für
  248. 8:34jedes Buch, für jedes Buch, das ich
  249. 8:35zerstöre, es Millionen weitere Bücher
  250. 8:37gibt, die einfach nur ein anderes
  251. 8:39Schriftzeichen enthalten. Also so komme
  252. 8:41ich natürlich nicht zur Wahrheit. Die
  253. 8:43Quintessenz, die er damit schon
  254. 8:45geschlussfolgert hat, er hat diesen
  255. 8:46Laswitz-Gedanken
  256. 8:48dann dann weitergedacht und gesagt,
  257. 8:50okay, wir nehmen jetzt mal 25
  258. 8:53Schriftzeichen, das kommt wahrscheinlich
  259. 8:55aus dem Hebräischen mit 22 Buchstaben
  260. 8:58und drei orthographischen Zeichen. Und
  261. 9:00er ist aber auf eine ähnliche Größe
  262. 9:01gekommen, also auch 10 hoch 1 Million
  263. 9:04irgendwas. Und er stellt aber fest, wir
  264. 9:07haben kein Problem vom Sammeln von
  265. 9:09Wissen, also es geht im Endeffekt mich
  266. 9:11darum, dass wir Informationen sammeln
  267. 9:12müssen, weil jede Information ist ja
  268. 9:14theoretisch heute schon vorhanden auf
  269. 9:16Basis des vorhandenen Alphabets können
  270. 9:18wir jede denkbare Information heute
  271. 9:20bereits erzeugen und das führt dazu,
  272. 9:23dass in diesem Moment bereits die
  273. 9:25minutiöse Geschichte der Zukunft
  274. 9:26eigentlich schon festgeschrieben steht,
  275. 9:28die Autobiographien der der Erzengel
  276. 9:30stehen fest, aber auch schon die exakt
  277. 9:32genaue Beschreibung des eigenen Todes
  278. 9:34kann heute schon auf Basis der Logik.
  279. 9:37Ähm. Da geschrieben stehen. Also diese
  280. 9:39Information existiert im Wesentlichen
  281. 9:41bereits.
  282. 9:42Und genau das haben wir im Kern mit KI,
  283. 9:45mit diesen großen Sprachmodellen heute
  284. 9:46erschaffen. Also wir können jede
  285. 9:48denkbare Information aus diesen
  286. 9:49Sprachmodellen. Heute abrufen. Wir haben
  287. 9:51kein Informationsproblem. Jedes Wissen
  288. 9:54der Menschheitsgeschichte, jeder Sinn,
  289. 9:55aber auch jeder Unsinn steht in diesem
  290. 9:58Moment bereit zur Verfügung. Und wir
  291. 10:00sind umgeben von all dem Wissen der
  292. 10:02Menschheit, aber wir verlieren uns
  293. 10:03darin, das wirklich richtige. Wissen zu
  294. 10:06finden. Und das hat auch schon. Vannevar
  295. 10:09Bush durchdacht. Das ist der
  296. 10:10wissenschaftliche Koordinator des
  297. 10:12Manhattan Projekts. 1945 in einem
  298. 10:14unscheinbaren Artikel. As we may think,
  299. 10:17damals im Atlantic.
  300. 10:19Erschienen und er hat genau das
  301. 10:21konstatiert. Die Wissenschaft, die hat
  302. 10:23kein Problem, neue Informationen zu
  303. 10:25finden. Wir brauchen keine neuen Ideen.
  304. 10:27Wir müssen das bereits vorhandene Wissen
  305. 10:29besser managen. Also dieses Problem, das
  306. 10:31hatte man schon 1945.
  307. 10:35Im Rahmen des Manhattan Projekts. Und
  308. 10:36das ist meine Leitthese. Also der Traum
  309. 10:38vom totalen Wissen, der ist im
  310. 10:40Wesentlichen uralt. KI ist nur das
  311. 10:42neueste, das jüngste Kapitel davon. Das
  312. 10:44Problem war allerdings nie der Besitz
  313. 10:47von Wissen, das Sammeln von Wissen. Das
  314. 10:48war noch nie das Problem. Sondern das
  315. 10:50Finden des Richtigen im richtigen
  316. 10:52Moment. Und genau das erleben wir heute
  317. 10:55jeden Tag. Also wir haben alles Wissen
  318. 10:56der Welt per einfacher Textabfrage zur
  319. 10:58Verfügung. Wir können. ChatGPT oder
  320. 11:01Cloud heute fragen, bitte erkläre mir
  321. 11:02die Relativitätstheorie und wir.
  322. 11:05Bekommen eindrucksvolle Antworten. Wenn
  323. 11:06wir dann aber eine Frage stellen, wie
  324. 11:07bitte hilf mir mal dabei, die perfekten
  325. 11:09Preise für meine Produkte zu finden,
  326. 11:11dann scheitern diese Systeme erstmal
  327. 11:13ohne Wissensmanagement kläglich. Und das
  328. 11:16spiegelt sich im realen Alltag unserer
  329. 11:17Kunden wieder. Nehmen wir Beispiele
  330. 11:19eines Reifengroßhändlers, einer unserer
  331. 11:21Kunden, der die Frage stellt, welchen
  332. 11:24Preis setze ich für meine neuen Reifen
  333. 11:25an? Dieses Wissen, das hat ein
  334. 11:27Sprachmodell nicht, weil das existiert
  335. 11:29in Excel Tabellen, das existiert in
  336. 11:31Erfahrungswissen, was über Jahrzehnte
  337. 11:32gesammelt wurde, das existiert in den
  338. 11:35Preisdaten der Konkurrenz, also den
  339. 11:37Live-Websites meiner Wettbewerber, die
  340. 11:38ich kennen muss. Oder eine Hotelkette,
  341. 11:41die wir begleiten, ja, wie läuft unser
  342. 11:42Standardprozess bei einer Überbuchung
  343. 11:45ab, ja, dieses Wissen existiert erstmal
  344. 11:47nur in den Köpfen von von Menschen in
  345. 11:51PDFs, in Handbüchern. ChatGPT, selbst
  346. 11:53wenn man es da hochladen würde, hat
  347. 11:55erstmal keinen Zugriff auf das Wissen
  348. 11:56und das ist bei weitem auch sicherlich
  349. 11:58nicht der richtige Weg. Darüber haben
  350. 11:59wir beim letzten Mal schon gesprochen,
  351. 12:01einfach so PDFs da hochzuladen.
  352. 12:03Und das erlebt also jeder von uns, auch
  353. 12:05in ganz banalen Alltagssituationen. Ich
  354. 12:07habe z.B. jetzt Flüge buchen müssen und
  355. 12:10wenn ich jetzt heutzutage Claude Code
  356. 12:12sage, füll mir bitte dieses Formular aus
  357. 12:14und buch diesen Flug, dann hat Claude
  358. 12:16Code oder welcher Agent auch immer
  359. 12:18erstmal nicht die Information zu meiner
  360. 12:19Person, die er eintragen muss. Und all
  361. 12:22diese Informationen muss ich ja immer
  362. 12:23wieder erstmal zuliefern, damit diese
  363. 12:25Agenten wirklich nützlich arbeiten
  364. 12:27können. Ja, oder gib mir einen
  365. 12:28Produktivitätsreporting meiner
  366. 12:30Vertriebler. Das ist heute so nicht
  367. 12:31möglich mit einem einfachen
  368. 12:32Sprachmodell, selbst auch nicht mit
  369. 12:34Agenten. Ja, gib mir die To-Dos aus den
  370. 12:36letzten Team-Meetings. All diese
  371. 12:38Informationen sind erstmal schlicht
  372. 12:39nicht vorhanden und demnach stellt sich
  373. 12:41heute für jedes Unternehmen die Frage,
  374. 12:43wie gestalte ich denn mein
  375. 12:44Wissensmanagement? Also, jeder braucht
  376. 12:46heute ein KI-Wissensmanagement,
  377. 12:48ansonsten verliert sich jeder
  378. 12:50Mitarbeiter jeden Tag immer wieder in
  379. 12:52dieser Bibliothek von Babel. Warum ist
  380. 12:55Wissensmanagement aber jetzt wichtiger
  381. 12:57denn je? Der Atlassian State of Teams
  382. 13:00Report von 2025, der hat das mal
  383. 13:01ausgemessen und das bestätigt auch
  384. 13:04unsere eigene Erfahrung, weil wir fragen
  385. 13:05das in Vorgesprächen immer wieder, also,
  386. 13:07wie viel Zeit verbringt ihr und eure
  387. 13:08Mitarbeiter mit der Wissenssuche? Und
  388. 13:10Atlassian ist zum Punkt gekommen, 25 %
  389. 13:13der gesamten Arbeitszeit. Das ist wie,
  390. 13:15wenn ihr vier Vollzeitmitarbeiter habt
  391. 13:17und ein Vollzeitmitarbeiter beschäftigt
  392. 13:19sich den ganzen Tag nur mit dem
  393. 13:20Zusammensuchen von irgendwelchem Wissen,
  394. 13:22das ist Realität heute in ja, den
  395. 13:24meisten Unternehmen. Also, wie gesagt,
  396. 13:26ein Viertel aller aller ähm
  397. 13:28Arbeitszeit ist die reine Wissenssuche.
  398. 13:31Das Problem geht aber
  399. 13:33viel weiter und das wohl möglich größte
  400. 13:34Problem, das ist das demografische, das
  401. 13:36wir vor allem hierzulande haben, denn
  402. 13:37was zeichnet uns in Deutschland aus? Was
  403. 13:40ist denn eigentlich der der Keim und die
  404. 13:42Keimzelle des Erfolges unserer
  405. 13:44Weltmarktführer, unserer Hidden
  406. 13:45Champions? Wir haben einige davon heute
  407. 13:47hier. Das ist Erfahrungswissen, ja? Das
  408. 13:50ist ist nicht die beste Regulatorik,
  409. 13:52dass wir die besten Steuergesetze
  410. 13:53weltweit haben, sicherlich nicht. Äh,
  411. 13:55dass wir die besten besten Bürokraten
  412. 13:57bürokratischen Abläufe haben, sicherlich
  413. 13:58nicht. Ja, also, unser Erfolgsgeheimnis,
  414. 14:01das ist doch das Fachwissen, das
  415. 14:02Erfahrungswissen.
  416. 14:04Aber diese Gleichung, die geht schlicht
  417. 14:05nicht mehr auf. Also, wir können nicht
  418. 14:07darauf wetten, das was wir jetzt
  419. 14:08Generationen lang gemacht haben, das
  420. 14:10Wissen einfach von Generation zu
  421. 14:11Generation durch Ausbildung,
  422. 14:13Weiterbildung einfach weiterzugeben. Das
  423. 14:15geht mathematisch nicht auf. Allein in
  424. 14:17den nächsten 15 Jahren verlassen 13,4
  425. 14:20Millionen Fachkräfte den Arbeitsmarkt.
  426. 14:23Wir haben heute 57 % aller
  427. 14:25mittelständischen Unternehmen im Alter
  428. 14:27von über 55. Ja, vor 20 Jahren waren das
  429. 14:30nur 20 %. Wir erleben es auch immer
  430. 14:32wieder bei bei Kunden, die schon
  431. 14:33Nachfolger suchen, schlicht gar keine
  432. 14:34Nachfolger finden. Äh, 4000 Fachkräfte
  433. 14:37verlassen jeden Tag den Arbeitsmarkt.
  434. 14:39Das ist wohl möglich das größte Problem
  435. 14:41neben Datenschutz, neben all diesen
  436. 14:42Dingen, ähm, welches wir hierzulande
  437. 14:44haben. Und somit äh somit lösen müssen.
  438. 14:46Und wie arbeiten Firmen denn heute
  439. 14:49wirklich? Also, die meisten haben, das
  440. 14:51hat der neue State of the Art Report von
  441. 14:53McKinsey herausgefunden, die meisten die
  442. 14:54haben heute schon mal irgendwelche
  443. 14:56Pilotprojekte gemacht. Also, 88 % aller
  444. 14:59Unternehmen geben an, dass sie schon mal
  445. 15:01irgendwelche Experimente mit KI gemacht
  446. 15:02haben, irgendwelche Pilotprojekte, aber
  447. 15:04nur 7 % aller Unternehmen sagen, sie
  448. 15:06haben KI wirklich breitflächig im
  449. 15:08Unternehmen ausgerollt. Und warum? Das
  450. 15:10ist genau das Problem. Es existiert in
  451. 15:12den meisten Unternehmen und deswegen
  452. 15:14sagte ich eingangs, dass dieses der
  453. 15:15wichtigste Use Case für jedes einzelne
  454. 15:17Unternehmen. Es existiert heute schlicht
  455. 15:19kein KI-Wissensmanagement, weil das ist
  456. 15:21ja der zentrale Use Case, den das
  457. 15:22gesamte Unternehmen braucht. Und es ist
  458. 15:24zugleich auch das Fundament für alles.
  459. 15:26Also das Wissensmanagement ist das
  460. 15:27Fundament für eure Dashboards, die ihr
  461. 15:29baut, für eure Agenten, für eure Apps.
  462. 15:31Wenn ihr eben mit KI-Agenten wie wie wie
  463. 15:33Claude Code, wie mit Codex arbeitet,
  464. 15:35wenn ihr Controlling jeglicher Form
  465. 15:37macht, dann braucht ihr dieses
  466. 15:38Wissensmanagement als Fundament
  467. 15:41und könnt ja überhaupt erst die volle
  468. 15:42Kraft dieser übermächtigen Tools, die
  469. 15:45wir heute vor uns finden, wirklich
  470. 15:47entfalten. Und dieser Gedanke, der ist
  471. 15:50auch nicht unbedingt neu. Also Ramon
  472. 15:52Llull, der hat schon um 1300 die
  473. 15:54Denkmaschine
  474. 15:56ja, gebaut und äh durchdacht. Das waren
  475. 15:58im Wesentlichen Drehscheiben. Das war
  476. 16:00ein ja, ein apologetisches äh Projekt,
  477. 16:03dass man versuchte, die die Bibel und
  478. 16:06das Christentum durch die Vernunft den
  479. 16:08Leuten beizubringen und
  480. 16:09aufzuaktualisieren.
  481. 16:10Aber im Wesentlichen hat er das das hat
  482. 16:12im Übrigen auch den Leibniz damals
  483. 16:13inspiriert.
  484. 16:15Denn im Wesentlichen hat er diese
  485. 16:16Drehscheiben gebaut, welche zur Wahrheit
  486. 16:19führen sollten. Also er hat dann z.B.
  487. 16:21Wörter wie wie Güte, wie Größe
  488. 16:24genommen und allein durch das Drehen
  489. 16:25dieser Scheiben komme ich zu wahren
  490. 16:27Aussagen. Natürlich im biblischen Sinne,
  491. 16:29aber es war ein schon ein erster
  492. 16:30Vorläufer solcher Denkmaschinen. Auch
  493. 16:33Jorge Luis Borges hat das in dem Aleph
  494. 16:36durchdacht. Das ist im Prinzip in dem
  495. 16:37Keller in Buenos Aires ein Portal, in
  496. 16:39dem ich in einer Sekunde das gesamte
  497. 16:41Wissen der Menschheit abrufen kann.
  498. 16:44Natürlich äh führt das auch ins absolute
  499. 16:45Licht, weil ich erschlagen bin, weil ich
  500. 16:47jede Information auf einen Schlag
  501. 16:49erhalte.
  502. 16:51diese Idee des perfekten
  503. 16:52Wissensmanagements, die ist auch nicht
  504. 16:54zwingend neu. Und das jüngste Kapitel
  505. 16:56dieser Idee, das sind die sogenannten
  506. 16:58zweiten Gehirne, die Second Brains. Das
  507. 17:00kommt jetzt gerade im amerikanischen
  508. 17:01Bereich, auch in Deutschland wird es
  509. 17:02immer größer. Es wird teilweise auch äh
  510. 17:04KI-Betriebssystem getauft oder auch
  511. 17:06diese ganzen Agent Harnesses wie Hermes
  512. 17:08und all diese Dinge, die ihr gerade
  513. 17:09seht. Ja, ihr seht, das geht super viral
  514. 17:11das Thema und jeder ist gerade drauf und
  515. 17:12dran, sich diese zweiten Gehirne zu
  516. 17:14bauen. Und das Das im Wesentlichen genau
  517. 17:15der gleiche Traum, den die Menschheit
  518. 17:17schon lange hat. Worum geht's dabei? Ja,
  519. 17:18ein Second Brain, das ist im Prinzip
  520. 17:20eine riesige Ordnerstruktur zum einen
  521. 17:22von Markdown Files. Ja, also das ist der
  522. 17:24banalste Ansatz, den ihr aber im
  523. 17:25Internet gerade immer wieder vorfindet
  524. 17:27und den vielleicht der ein oder andere
  525. 17:28auch gerade in diesem Moment nutzt.
  526. 17:30Also, ich strukturiere mein Wissen mehr
  527. 17:32schlecht als recht in irgendwelchen
  528. 17:33Markdown Files. Dann ziehe ich im besten
  529. 17:35Fall noch mit Obsidian oder
  530. 17:36vergleichbaren Tools Notion ziehe ich
  531. 17:38mir einen Knowledge Graph über dieses
  532. 17:40ganze Wissen von mir. Und dann habe ich
  533. 17:42doch einen schönen Graphen, der
  534. 17:43der der super aussieht und der ja doch
  535. 17:46wie ein Wissensmanagementsystem erstmal
  536. 17:48funktionieren könnte oder auch Capable
  537. 17:49LLM Knowledge Base Ansatz, bei dem man
  538. 17:52eigentlich sagt, wir brauchen gar keine
  539. 17:53RAG Systeme, gar keine
  540. 17:54Vektordatenbanken, keine
  541. 17:56Pipelines mehr, weil diese Coding Agency
  542. 17:58können ja super gut Bash-Befehle
  543. 17:59ausführen. Die können ja einfach grep
  544. 18:01nutzen und irgendwelche Schlagbegriffe
  545. 18:02in meinen ganzen Markdown Files suchen.
  546. 18:04Und das funktioniert ja tatsächlich auch
  547. 18:06in privaten Projekten, nicht aber und
  548. 18:07darüber sprechen wir ja, in Unternehmen,
  549. 18:09also in einem Company Brain. Wieso
  550. 18:12scheitern also diese klassischen
  551. 18:13Ansätze, die wir gerade immer wieder
  552. 18:15vorgehalten bekommen und wie gesagt
  553. 18:17immer, die es auch immer schon gab in
  554. 18:19der Menschheitsgeschichte. Zum einen
  555. 18:20hofft man ja, das wird schon. Also, wenn
  556. 18:22ich einfach nur genug Markdown Files,
  557. 18:25Cloud Code oder anderen vergleichbaren
  558. 18:27KI-Agenten-Tools zur Verfügung stelle,
  559. 18:29dann wird der irgendwie schon die
  560. 18:30richtigen Informationen zur richtigen
  561. 18:32Zeit finden. Ja, also je besser die
  562. 18:33Modelle werden, das wird schon irgendwie
  563. 18:35alles hinhaun. Also, man sendet einfach
  564. 18:37die rohe KI über eine Vielzahl von
  565. 18:39unstrukturierten Daten, von einer
  566. 18:41Unmenge an Informationen einfach drüber
  567. 18:44und hofft, dass da ja irgendwie was
  568. 18:46Sinnvolles bei rauskommt. Und auch das
  569. 18:48hat Jorge Luis Borges im Übrigen schon
  570. 18:51durchdacht in der analytischen Sprache
  571. 18:53von John Wilkins. Der hat genau das
  572. 18:55nämlich versucht. Also, der hat
  573. 18:56versucht, eine Universalsprache zu
  574. 18:58kreieren, die bereits inhärent schon die
  575. 19:00Wahrheit enthält. Er hat z.B. für das
  576. 19:03Wort Element nutzt er oder für das ähm
  577. 19:06ja, für für für
  578. 19:08[schnauben]
  579. 19:08die Begrifflichkeit Element nutzt er
  580. 19:10dann das Wort D. Für das Feuer nutzt er
  581. 19:12Deb und für die Flamme nutzt er Debar.
  582. 19:14Das heißt, rein aus der Sprache habe ich
  583. 19:16schon die Struktur geschaffen, um zur
  584. 19:18Wahrheit und zu den richtigen
  585. 19:19Informationen zu kommen.
  586. 19:21Das hat dann etwas polemisch der Borges
  587. 19:23wiederum auseinandergenommen mit der
  588. 19:25fiktiven chinesischen Enzyklopädie,
  589. 19:27indem man Tiere klassifiziert nach die,
  590. 19:30die dem Kaiser gehören, nach den
  591. 19:33Milchschweinen, nach den Sirenen und so
  592. 19:35weiter, also völlig unlogische
  593. 19:37Kategorien im ersten Moment, aber im
  594. 19:38Wesentlichen ist das nichts anderes
  595. 19:41als das, was John Wilkins versuchte,
  596. 19:43weil er sagt, jede Klassifizierung ist
  597. 19:45im Wesentlichen auch nur ein
  598. 19:46gedankliches Konstrukt, welches wir
  599. 19:48nutzen, das erstmal so nichts mit der
  600. 19:50Wahrheit zu tun hat. Und dann ganz
  601. 19:51eindrucksvolles Beispiel, weil das
  602. 19:53betrifft heute jeden Knowledge Graph,
  603. 19:54die ja super toll aussehen.
  604. 19:56Nichts dahingehend gegen Knowledge
  605. 19:58Graphs,
  606. 19:59aber sie versuchen genau das, also
  607. 20:01starres Wissen perfekt zu
  608. 20:04klassifizieren, die Verbindungen
  609. 20:05festzulegen.
  610. 20:06Ganz absurd wird es dann, wenn man sagt,
  611. 20:08hey, ich habe hier Cloud Code und sende
  612. 20:10den jetzt wirklich mal an meine
  613. 20:11Markdown-Files und schaut mal, was der
  614. 20:13für Knowledge Graph hier gebaut hat. Man
  615. 20:14hat das Gefühl, jetzt auf einmal ein
  616. 20:16Wissensmanagementsystem zu haben, aber
  617. 20:17im Wesentlichen ist das genau der
  618. 20:18Fehler, weil Wilkins gab es dann auch
  619. 20:21z.B. die die Situation, dass er die Wale
  620. 20:24unter den Fischen in seiner Sprache
  621. 20:26formuliert hat. Später stellte sich dann
  622. 20:27heraus, Wale sind Säugetiere, also die
  623. 20:29ganze Sprache funktioniert später nicht
  624. 20:31mehr, wenn ich einmal starre
  625. 20:33Klassifizierungen vornehme. Das heißt,
  626. 20:35dieser Ansatz, der ist bereits inhärent
  627. 20:36zum Scheitern verurteilt. Was man dann
  628. 20:38schnell versucht, ist einfach mehr
  629. 20:39Regeln zu setzen. Also, je mehr die KI,
  630. 20:41das kennt doch jeder, ja? Also, die KI
  631. 20:43weicht immer wieder ab von meinen
  632. 20:44Vorgaben. Einmal hat es funktioniert, am
  633. 20:46nächsten Tag hat es funktioniert schon
  634. 20:47wieder nicht. Und das führt dann dazu,
  635. 20:49dass man immer mehr und mehr Regeln und
  636. 20:51immer mehr und mehr Wissen diesen
  637. 20:53KI-Agenten zur Verfügung stellt. Und im
  638. 20:56besten Fall dann einfach immer sagt,
  639. 20:57wenn ein Fehler gemacht wurde, merkt dir
  640. 20:59das jetzt, speicher deine Markdown-File
  641. 21:00ab und irgendwie wird die KI ja dann
  642. 21:03schon schlauer werden. Und beim nächsten
  643. 21:04Mal das Wissen richtigerweise
  644. 21:06wiederfinden. Aber wer das mal ein
  645. 21:07paarmal mal versucht hat, wird schnell
  646. 21:08feststellen, auch das ist zum Scheitern
  647. 21:10verurteilt und hält der Praxis schlicht
  648. 21:12nicht stand. Das ist nämlich genau diese
  649. 21:14sogenannte Collectors Fallacy, also der
  650. 21:17Aberglaube, der Irrglaube, dass je mehr
  651. 21:19Wissen ich sammel, desto mehr Wissen
  652. 21:20habe ich. Ja, das kennt jeder. Also, ich
  653. 21:22lade mir einfach irgendwo eine PDF
  654. 21:23runter, ich lege die sauber in dem
  655. 21:24Ordner ab und auf einmal habe ich
  656. 21:26Wissen. Das ist aber nicht der Fall.
  657. 21:28Also, das reine Sammeln von Wissen, es
  658. 21:29bringt mir nichts, wenn ich 2000 Dateien
  659. 21:31habe, die KI aber vielleicht nur 10
  660. 21:32Dateien davon braucht. Alles andere
  661. 21:34verwirrt sie ja nur. Äh, genauso wie es
  662. 21:37die die letzten Jahrzehnte,
  663. 21:38Jahrhunderte, Jahrtausende auch die
  664. 21:39Menschen immer nur verwirrt hat, zu
  665. 21:40viele Informationen zu zu haben. Das ist
  666. 21:43ja genau die Conclusio dieser Bibliothek
  667. 21:45von Babel, dass Wissen und Wahrheit
  668. 21:47durch Reduktion und Struktur kommt,
  669. 21:49durch Vergessen äh kommt und nicht
  670. 21:51dadurch, dass ich möglichst viel Wissen
  671. 21:53sammel und anhäufe. Das heißt, äh so
  672. 21:55baut man KI-Wissens- managementsysteme
  673. 21:57sicherlich nicht. Also, tausende Dateien
  674. 21:59und Tools in den Knowledge Graph
  675. 22:00reinkippen, vom vom Bastler aus dem
  676. 22:02Kinderzimmer bauen lassen, das ist ja
  677. 22:03ganz häufig auch der Fall. Diese Dinge
  678. 22:05sind häufig gar nicht schlecht gemeint,
  679. 22:06sondern ich habe es mit Leuten zu tun,
  680. 22:08die noch nie ein reales Unternehmen ja
  681. 22:10aufgebaut haben und demnach ja gar nicht
  682. 22:11wissen, wie Wissensmanagement in einem
  683. 22:13Unternehmen funktioniert, aber davon
  684. 22:15kann ich mich doch natürlich nicht
  685. 22:16leiten lassen für solch wichtige
  686. 22:18Geschäftsentscheidungen.
  687. 22:19Und äh Wissen in statischen Dateien
  688. 22:21einfrieren, auch das kann man sich ja
  689. 22:23einfach überlegen, wie wir es jetzt
  690. 22:25zuletzt gemacht haben, dass das nicht
  691. 22:27funktionieren kann. Das Wissen einmal
  692. 22:29statisch in irgendwelchen Markdown-Files
  693. 22:31äh abzulegen. KI alleine entwickelt sich
  694. 22:33ja schon so schnell, dass es bereits
  695. 22:34inhärent zum Scheitern verurteilt ist.
  696. 22:36Also, was brauchen wir? Wir brauchen
  697. 22:38zwei Dinge, die ich unterscheide. Das
  698. 22:40ist zum einen das Company Brain oder
  699. 22:42auch AI Hivemind statt einem
  700. 22:44persönlichen Second Brain und ich
  701. 22:46brauche Wissensmanagementsysteme für
  702. 22:48spezifische Use Cases. Äh, was genau
  703. 22:51bedeutet das jetzt? Also, was ist ein
  704. 22:53Hivemind? Ein Hivemind sammelt zunächst
  705. 22:55immer wirklich alle Informationen meines
  706. 22:58gesamten Unternehmens. Das Ziel ist
  707. 22:59wirklich so eine Art gläsernes
  708. 23:01Unternehmen zu schaffen, eine Single
  709. 23:03Source of Truth, in der das gesamte
  710. 23:05Wissen, die gesamte Wahrheit meines
  711. 23:07Unternehmens existiert, also durch aus
  712. 23:09allen Meetings, allen Entscheidungen,
  713. 23:11allen Kennzahlen, der gesamten
  714. 23:12Kommunikation. All das liegt an einem
  715. 23:14zentralen Ort. Und darauf können dann
  716. 23:17wiederum meine KI-Agenten zugreifen,
  717. 23:19meine Apps greifen auf diese zentrale
  718. 23:21Single Source of Truth, auf dieses
  719. 23:22Hivemind zu und der Name impliziert es
  720. 23:24schon, das ist ein
  721. 23:26äh lebendes äh System, also die
  722. 23:28Ontologie eures Unternehmens, äh wenn
  723. 23:30man so möchte, und kein statisches
  724. 23:32Konstrukt, auch alle Workflows, alle
  725. 23:34Prozesse basieren auf diesem Hivemind,
  726. 23:37also auf diesem Company Brain. Ein paar
  727. 23:39ganz reale Beispiele, weil wir das bei
  728. 23:40uns schon umgesetzt haben und laufend
  729. 23:43immer erweitern, z.B. Projektmanagement.
  730. 23:45Das ist unser internes Projektmanagement
  731. 23:47und das basiert auf dieser Single Source
  732. 23:49of Truth, auf diesem Hivemind, der
  733. 23:51zentralen äh Wissensdatenbank.
  734. 23:52Projektmanagement braucht jedes
  735. 23:54Unternehmen. Auch äh Kanban an sich, ja,
  736. 23:56wie man es aus klassischen
  737. 23:58Projektmanagement-Tools kennt, ja. All
  738. 24:00das basiert auf diesem zentralen
  739. 24:02Wissensspeicher, unser Projektportfolio,
  740. 24:04unser Backlog, all unsere Ideen von
  741. 24:06allen Mitarbeitern, über alle
  742. 24:07Abteilungen hinweg. Alles basiert auf
  743. 24:09der gleichen Single Source of Truth.
  744. 24:11Management-Dashboards, ja, also wenn
  745. 24:13unsere Abteilungsleiter im Marketing, im
  746. 24:14Vertrieb sagen, ich brauche jetzt mal
  747. 24:16ein eigenes Dashboard, ich muss einen
  748. 24:17Überblick bekommen über meine
  749. 24:19Vertriebs-KPIs, dann können sie einfach
  750. 24:21zugreifen, auch als normale Mitarbeiter
  751. 24:24auf diese Single Source of Truth und
  752. 24:25sich ein eigenes Dashboard bauen oder
  753. 24:26auf die bereits vorhandenen Dashboards
  754. 24:28zugreifen und müssen sich nicht erst die
  755. 24:30Daten aus irgendwelchen Excel-Tabellen
  756. 24:31oder Markdown-Files zuliefern lassen.
  757. 24:33Ein Meeting-Cockpit, eine ganz amüsante
  758. 24:36äh Situation, die ich neulich in einem
  759. 24:38unserer Meetings hatte, dass man, dass
  760. 24:40wir immer wieder gesagt haben, wenn eine
  761. 24:41Entscheidung getroffen wurde, "Dies ist
  762. 24:42jetzt eine Entscheidung." Warum machen
  763. 24:44wir das? Weil die KI dann im Nachgang
  764. 24:46bei der Transkription erkennt, äh aha,
  765. 24:48das ist ein, das ist eine Entscheidung
  766. 24:50und daraus wird ein sogenanntes
  767. 24:52Decision-Logbuch geführt. Sollte jedes
  768. 24:54Unternehmen haben, gerade wenn immer
  769. 24:55mehr KI-Agenten in eurem Unternehmen
  770. 24:56Entscheidungen treffen, dann braucht es
  771. 24:58ja ein Logbuch darüber, welche
  772. 24:59Entscheidungen wurden denn eigentlich
  773. 25:00getroffen? Oder auch ein Sales KPI
  774. 25:03X-Ray. Wer jetzt große Augen bekommen
  775. 25:04hat, das sind natürlich fiktive Zahlen
  776. 25:06hier, ja, die ähm mal zeigen sollen, wie
  777. 25:09man da in die Tiefe gehen kann bei
  778. 25:11seinen Vertriebs-KPIs und seinem
  779. 25:13Marketing-KPIs über einen X-Ray. All
  780. 25:15Alles ist immer noch die gleiche Single
  781. 25:17Source of Truth, also das Hivemind oder
  782. 25:20den Decision Log, ja, den habe ich
  783. 25:21bereits angesprochen. Das wird elementar
  784. 25:23wichtig, gerade eben, wenn ich mit
  785. 25:25Agenten arbeite, aber auch im ganz
  786. 25:26normalen Unternehmen sollte das schon
  787. 25:27Standard sein, dass jede einzelne
  788. 25:28Entscheidung, die in irgendeiner Form
  789. 25:29getroffen wird, dokumentiert wird,
  790. 25:31danach geprüft wird, war die
  791. 25:32Entscheidung richtig, wohin hat sie uns
  792. 25:34geführt, hat es zu mehr Umsatz geführt,
  793. 25:35hat es zu Nachteilen geführt. Ich muss
  794. 25:37ja alles rückverfolgbar machen.
  795. 25:39E-Mail-Kampagnen, ja, also wir haben ein
  796. 25:41ganz eigenes Tool entwickelt, über das
  797. 25:42wir all unsere E-Mail-Kampagnen steuern.
  798. 25:44Wir hatten zuvor ein Tool, für das haben
  799. 25:45wir 10.000 Euro im Jahr bezahlt und
  800. 25:48eines Tages habe ich mir gedacht, das
  801. 25:49kann doch nicht sein. Also, das sind
  802. 25:51doch alles triviale Wrapper im
  803. 25:53Wesentlichen, solche E-Mail- Tools und
  804. 25:55das stellte sich auch als richtig
  805. 25:57heraus, also haben wir in einem halben
  806. 25:58Tag unser eigenes E-Mail-Kampagnen-Tool
  807. 26:00gebaut, wofür wir etwa 60 Euro im im
  808. 26:03Jahr jetzt zahlen, ja. Also, all das ist
  809. 26:04bereits heute schon möglich und dies
  810. 26:06greift auch wieder auf die exakt gleiche
  811. 26:08Infrastruktur und Single Source
  812. 26:10of Truth zu. Also, das ist das Company
  813. 26:12Brain und der zweite Ansatz, den sollte
  814. 26:16man parallel fahren, das ist dann der
  815. 26:17Use-Case-basierte Ansatz. Also, zum
  816. 26:20einen habe ich mein Company Brain, zum
  817. 26:21anderen habe ich, je nach meinem
  818. 26:23spezifischen Use-Case wiederum einen
  819. 26:25anderen Wissensmanagement-Ansatz,
  820. 26:27weil es eine ganze Vielzahl solcher
  821. 26:28Ansätze gibt. Die meisten haben davon
  822. 26:30noch nie gehört, sei es BM25, RAG,
  823. 26:33Chunking, Agentic RAG, Re-Ranking,
  824. 26:36klassische Machine Learning Algorithmen.
  825. 26:38Ich kann eigene neuronale Netze
  826. 26:40programmieren. Also, es gibt ja zig
  827. 26:42Ansätze und je nach Use-Case muss ich
  828. 26:44natürlich unterscheiden. Das sind ein
  829. 26:45paar Beispiele, ja, also je nach
  830. 26:47Use-Case den tatsächlich richtigen
  831. 26:49Ansatz zu wählen, z.B. wenn es darum
  832. 26:51geht, Leistungsverzeichnisse zu matchen.
  833. 26:53Ja, einer unserer Kunden, da nutzen wir
  834. 26:54z.b. Gradient Boosting, das ist ein
  835. 26:56Machine Learning Algorithmus. Oder bei
  836. 26:58bei Onboarding Chatbots, da reichen
  837. 27:00klassische Rex Systeme aus. Wenn ich
  838. 27:01einen komplexeren Chatbot habe, dann
  839. 27:03brauche ich vielleicht einen Hybrid
  840. 27:04Search Ansatz mit lexikalischer Suche.
  841. 27:08Bei einem Corporate LLM, wir werden
  842. 27:09darüber noch sprechen. Da habe ich
  843. 27:11Multimodal Rec, weil ich muss ja auch
  844. 27:13Bilder will ich vielleicht hochladen,
  845. 27:14ich will Audiodateien, ich will
  846. 27:15vielleicht Videos hochladen. Multihop.
  847. 27:18Bei Agentic Coding reicht vielleicht
  848. 27:20eine LLM Knowledge Base völlig aus. Und
  849. 27:22so muss ich je nach Use Case dann
  850. 27:23nochmals differenzieren, welches KI
  851. 27:25Wissensmanagement System ist in diesem
  852. 27:27exakten Fall das Richtige. Also, was
  853. 27:31nehmt ihr mit aus dem heutigen Vortrag?
  854. 27:32Jetzt KI Wissensmanagement einführen ist
  855. 27:35der wichtigste Use Case für jedes
  856. 27:36Unternehmen, egal ob als Agentur, der
  857. 27:38Markt ist quasi leer. Das liegt auch
  858. 27:41daran, weil dieser Use Case in den USA
  859. 27:42schlicht nicht so groß und so pikant ist
  860. 27:44wie in Deutschland. Wir haben darüber
  861. 27:45gesprochen, vor allem über das
  862. 27:47demografische Problem und unsere Hidden
  863. 27:48Champions. Also eine gigantische Chance
  864. 27:50für jede Agentur, die sich jetzt in
  865. 27:51diesem Bereich positioniert, für jedes
  866. 27:53Unternehmen, welches diese Infrastruktur
  867. 27:55jetzt aufbaut, weil die Realität ist, in
  868. 27:57den meisten Unternehmen ist das Wissen
  869. 27:59schlicht nicht mal digitalisiert worden.
  870. 28:00Also da haben wir es immer noch mit PDFs
  871. 28:01und Excel Tabellen zu tun. Da müssen wir
  872. 28:03jetzt den ersten Schritt schnellstens
  873. 28:05gehen, den Second Brain Hype. Ja, wer
  874. 28:07gerade nicht die Hand um hatte, der hat
  875. 28:08alles richtig gemacht, weil den könnt
  876. 28:10ihr ignorieren. Das braucht ihr nicht,
  877. 28:12genauso diese ganzen Agent Harness
  878. 28:14Konstrukte, die könnt ihr genauso
  879. 28:16ignorieren und das, was wir bauen mit
  880. 28:18Corporate LLM, das ist im Wesentlichen
  881. 28:20genau diese Vision. Also so einen
  882. 28:22Company Brain zu schaffen, dass es eben
  883. 28:23nicht jetzt jeder selbst tun muss,
  884. 28:26sondern dass ich ein System habe, in dem
  885. 28:28ich mein Company Brain
  886. 28:30anlegen kann.
  887. 28:31Und das ist also die nächste Stufe für
  888. 28:33alle, die sagen, ich will das ein
  889. 28:34bisschen leichter machen. Aber das ist
  890. 28:36in jedem Fall das, was wir jetzt
  891. 28:37benötigen, also ein Company Brain und KI
  892. 28:40Wissensmanagement Systeme für meine
  893. 28:41spezifischen
  894. 28:43Use Cases. Vielen Dank.
  895. 28:47[applaus]
  896. 28:52Ja.

About this transcript

This page contains the full transcript of Wieso KI „Second Brains” SCHEITERN & was wirklich funktioniert (Vortrag Leonard Schmedding) by Everlast AI, generated from the public captions YouTube serves with the video. The transcript has 5,069 words across 896 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to choose a caption track available on the video.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, caption language selection, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.