Moin AInauten,

Willkommen zur neuen Ausgabe deines Lieblingsnewsletters.

Wie immer passiert einiges in AI-Valley. Alibaba hat mal wieder ein neues Supermodell rausgehauen, Qwen3.8-Max und ein OpenAI-Modell hat wieder zehn jahrzehntealte Matheprobleme gelöst.

Für unter 2.000 Euro Rechenkosten.

Spannend. Ändert an unserem Donnerstag aber erst mal wenig.

Deshalb haben wir wieder einige Themen aus der Praxis heute dabei.

Hier die Details:

Los geht's!

Steigen wir ein mit einem Thema, was uns wirklich extrem viel Spaß gemacht hat. (Und bei dem wir auch echt viel über uns gelernt haben.)

Wir glauben, sehr vielen AINAUTEN wird es ähnlich gehen.

Kürzlich haben wir die Random Show mit Tim Ferriss und Kevin Rose gehört. Wir lieben es, wenn sich die zwei austauschen. Und als wir dann auf X unterwegs waren, um zu sehen, was die beiden sonst noch so machen, ist uns ein Post aufgefallen:

Es geht also wieder einmal darum, das bestehende Wissen unserer AI-Chatbots über uns zu nutzen, um Erkenntnisse für unser Leben zu bekommen.

Kevin Rose hat dafür einen Prompt gebaut, die Reflection Engine.

Eine Markdown-Datei mit 22 Fragen. Du hängst sie in einen frischen Chat, schreibst einen Satz, und das Modell liest quer durch alles, was es über dich weiß. Chat-Historie, Memory, hochgeladene Dateien.

Raus kommt ein ziemlich gnadenloses Porträt. Blinde Flecken, Widersprüche, teuerste Gewohnheiten usw.

Einmal auf unsere Chat-Historie. Drei Jahre Gespräche.

Und einmal auf unserem Second Brain in Obsidian. Daily Notes, Voice Memo-Transkripte, Jahresrückblicke usw.

Gleicher Prompt. Gleicher Mensch. Zwei ziemlich unterschiedliche Ergebnisse.

Wir nutzen ChatGPT & Co. schon, um auch viel Persönliches zu diskutieren. Das Memory, das die Tools aufgebaut haben, ist immer wieder erschreckend.

Es ist verrückt, wie es gelingt, mit den bestehenden Datenpunkten schon ziemlich krasse psychologische Profile zu erzeugen.

(Disclaimer: Wir haben keine Ahnung von irgendwas. AI nicht als Therapeuten nutzen, das ist gefährlich, sie kann falsch liegen, immer zu Professionals, ...)

Wie du aber vielleicht weißt, haben wir ein Second Brain, in dem wir sehr stark auch bewusst reflektieren und Tagebuch führen.

Auch darauf haben wir die AI mal losgelassen und das war noch beeindruckender, wenn auch manchmal schmerzhaft. 😉

Hier vielleicht noch eine Frage samt Antwort. Klar ziemlich persönlich, aber wir sind ja unter uns.

Wir haben locker 2 Stunden mit den Ergebnissen verbracht. Wirklich sehr beeindruckend.

Das eigentliche Learning: Nicht der Prompt macht das Ergebnis. Der Korpus macht das Ergebnis. Wenn deine AI dich nur beim Mails-Kürzen kennt, kennt sie dich nicht.

Wenn du ein Second Brain hast, viel Persönliches mit ihr besprichst und die AI wirklich fütterst, kommen geniale Learnings heraus.

Zweite Sache, die uns gefallen hat: Jede Antwort kommt mit einer Confidence-Angabe und muss Gegenbeweise und konkrete mögliche Actions mitliefern.

Das kannst du eins zu eins in deine eigenen Prompts kopieren. Wettbewerbsanalyse, Bewerberbewertung, Strategie-Review. Alles wird sofort besser.

Nimm deinen privaten Account, nicht den Firmen-Account. Prüf vorher in den Settings, ob Memory und die Suche in vergangenen Chats an sind. Ohne die läuft es ins Leere. Neuestes Modell, Reasoning hoch.

Und ganz wichtig: Das ist keine Therapie und keine Diagnose. Das Ergebnis ist sensibel. Nicht in den Team-Chat pasten.

Du kannst das Markdown direkt hier auf GitHub herunterladen und dann einfach rein in den Chat mit:

Bitte schau dir das angehängte File an und erledige alle Aufgaben.

Wir sind hier ehrlich zwiegespalten. Sowas kann schnell ins Horoskophafte kippen.

Auch haben wir immer wieder Angst, dass wir die Transparenz mit AI einmal bereuen werden. Wir sind uns eigentlich fast sicher, dass dem so ist.

Trotzdem ist es für uns so extrem hilfreich gewesen, dass wir es teilen wollten. Wenn man die richtigen Daten dafür hat, ist es genial.

Wir haben locker 5 Sachen identifiziert, die wir umsetzen wollen und bei denen wir sicher sind, dass unser Leben dadurch besser wird.

P.S. Genau deshalb reden wir seit Monaten über Second Brains. Nicht weil Ordner sexy sind. Sondern weil das, was du sammelst, irgendwann bestimmt, wie gut deine AI arbeiten kann.

Kurzer Themenwechsel, aber wieder ein Praxisthema, das uns viel beschäftigt hat die letzten Wochen.

Vielleicht ist es dir auch aufgefallen: In den letzten Wochen kamen richtig gute neue Modelle raus.

Von Anthropic, von OpenAI. Und trotzdem wurden manche unserer Skills und Workflows schlechter statt besser.

Wir haben eine Weile gebraucht, bis wir verstanden haben warum. Jetzt haben wir es im Griff, und die Learnings wollen wir wie immer hier teilen.

Jedes neue Modell verhält sich anders als die davor. Im Idealfall ist es schlauer. Aber oft gehen dabei bestehende Workflows kaputt.

Stell dir vor, du hast vor zwei Jahren jemanden eingelernt. Damals unerfahren, also hast du alles aufgeschrieben. Prüf deine Arbeit nochmal. Denk in Schritten. Hier ist die Ordnerstruktur.

Heute ist derselbe Mensch richtig gut. Und du legst ihm immer noch jeden Morgen denselben Zettel hin. Dieselbe Todo-Liste, die er abarbeiten soll.

Der Zettel bremst jetzt mehr, als er hilft.

Genau das passiert mit deinen Prompts, Skills & Routinen.

Anthropic hat das selbst dokumentiert und über 80 Prozent des Claude-Code-System-Prompts gelöscht, ohne messbaren Abfall.

Ihre eigene Formulierung: Sie hätten Claude Code überconstrained.

Die neuen Modelle sind deutlich intelligenter als die davor. Sie machen viele Dinge schon von sich aus. Sie brauchen weniger Anweisungen.

Wenn sie die natürlich bekommen, versuchen sie sich trotzdem dran zu halten. Und hier entstehen Probleme.

Im Migrations-Leitfaden steht es noch deutlicher: Wenn in deinem Prompt noch "prüf deine Arbeit" steht, prüft das Modell jetzt doppelt.

Dadurch wird es nicht besser. Nur langsamer und teurer. Manchmal sogar witzigerweise dümmer.

Wir haben die CLAUDE.md von unserem Second Brain geröntgt, also die zentrale Anleitung dafür. Es war eine aufgeblähte Datei mit vielen Micro-Instruktionen.

Seit Opus 5 waren wir nicht mehr so happy mit den Ergebnissen. Also haben wir einen Clean-up gemacht.

Am Ende sind von 240 Zeilen noch 58 übrig geblieben.

So, schauen wir uns an, worauf du deine Prompts, Skills & Co. überprüfen kannst, um sie performanter zu machen:

Das kannst du eigentlich rauswerfen:

Drin bleiben muss dagegen alles, worauf das Modell von allein nicht kommt: Fallstricke, Konventionen mit Begründung, und dein Ton.

Den kompletten Aufräum-Prompt und die lange Fassung haben wir am Freitag im Deep-Dive veröffentlicht.

Der eigentliche Punkt gilt nicht nur für Aufräumaktionen.

Wir sind es gewohnt, dass Werkzeuge gleich bleiben und wir besser werden. Bei AI ist es umgekehrt. Das Werkzeug wird besser, während du gleich bleibst.

Deshalb: Wenn ein neues Modell kommt, schau dir einmal an, wie es sich verhält, bevor du deine alten Prompts einfach weiterlaufen lässt.

Das kostet dich eine halbe Stunde und ist die halbe Stunde definitiv wert.

Wir rechnen damit, dass wir alle sechs Monate einmal ausmisten müssen. Wir rechnen damit, dass wir sämtliche Skills alle paar Monate umbauen müssen. Und das ist okay.

Die AI hilft uns dabei und wird dabei immer besser.

Zum Abschluss noch eine coole Geschichte für alle angehenden Eltern unter den AINAUTEN.

Der Gründer von HeyGen ging in Elternzeit.

Statt die Anfragen liegen zu lassen, hat er sich geklont. Ein Avatar mit seinem Gesicht und seiner Stimme hat die Erstgespräche übernommen, ein Agent im Hintergrund hat interne Systeme gelesen, alles mitgeschrieben, mit Kollegen abgestimmt usw.

Klar, HeyGen ist eine AI-Avatar-Company, daher können wir einen gewissen Marketing-Stunt-Charakter nicht ausschließen.

Neben dem Avatar lief im Hintergrund noch OpenClaw als Agent.

Jeder Interessent wusste, dass er mit der AI-Version spricht.

Nach acht Wochen: 2.741 Interessenten mit mindestens einem Live-Call, 132 zahlende Kunden, 37 Enterprise-Potentials. Und ein Baby.

Wir finden bei solchen Experimenten, bei denen die AI viel Handlungsspielraum bekommt, immer die Fehler am spannendsten.

Hier gab es natürlich auch welche.

Was cool war: der Agent hat aus den Fehlern gelernt und sie als Regeln für die Zukunft weggeschrieben.

Zudem ist das Setup mit HeyGen und OpenClaw auch wirklich simpel und kann eigentlich von jedem von uns nachgebaut werden.

Er verweist dafür sogar selbst auf den Obsidian-plus-Claude-Code-Ansatz. Also das noch simplere Modell, das wir auch im Einsatz haben.

Für alle die tiefer gehen wollen: Den Code hat er offengelegt → liveavatar-sales-agent auf GitHub (MIT-Lizenz, wir haben ihn nicht selbst durchgespielt). Und den Agenten kannst du direkt live antesten.

Solche Posts sind natürlich immer viel Marketing und erzeugen den Eindruck, dass der Agent jetzt alles allein macht.

Und ja, die OpenClaws und auch Codexes, Codes dieser Welt können enorm viel autonom erledigen.

Autonom, nicht unbeaufsichtigt.

Trotzdem passiert bei uns noch nicht alles autonom. Wir wollen weiter verstehen, was passiert und die wichtigen Dinge freigeben.

Die Vorstellung von AI-Klonen und Elternzeit ohne E-Mails ist trotzdem eine gute und wahrscheinlich gar nicht so weit weg.

So, das war's für heute. Wie immer tausend Dank fürs Lesen.

Und falls du die Reflection Engine wirklich laufen lässt: Wir sind sehr gespannt, ob es bei dir auch weh tut. Schreib uns gerne.

Bis am Wochenende!

Reto & Fabian von den AInauten