Moin AInauten,

würdest du einen Vertrag unterschreiben, den du nicht gelesen hast? Wohl kaum… Mit AI machen wir das jeden Tag: Mails, Code, Präsentationen, kurz überflogen und raus damit.

Wenn die AI schneller liefert, als wir lesen können, was ist dann eigentlich noch unser Job? Diese Woche war das auf gleich zwei AI-Konferenzen das Thema. Wir waren dabei und haben ein paar Lösungsansätze mitgebracht.

Danach wird es bunt: ChatGPT macht jetzt GIFs, und wir haben es in dieser Ausgabe auf die Spitze getrieben. Was funktioniert hat, siehst du also direkt. Und zum Schluss ein Buch, das die Frage vom Anfang weiterdenkt: Welche Arbeit gibst du der AI überhaupt ab?

Alright, das haben wir heute für dich im Gepäck:

Los geht’s!

Wie man zwei Konferenzen gleichzeitig besucht? Gar nicht. Bei Cursors Compile saßen wir in der ersten Reihe, Everys Thesis: 2027 lief bei uns danach im Stream. Ja, mit doppelter Geschwindigkeit 😉. Hier ein paar Impressionen von der Konferenz.

Es waren zwei sehr verschiedene Events, aber es gab eine gemeinsame Baustelle.

Bei Cursor drehte sich ein ganzer Talk um die Zukunft des Code-Reviews. Der Grund: Agenten schreiben in einer Stunde mehr Code, als ein Team an einem Tag prüfen kann. Und der Output wächst exponentiell.

Aber das gilt längst nicht nur für Entwickler, sondern betrifft uns alle!

Wer AI nutzt, um Mails, Recherchen oder Präsentationen zu bauen, kennt das Gefühl: Der Stapel wächst schneller, als du ihn abarbeitest. Dieser Punkt hat sich wie ein roter Faden durch viele der Präsentationen gezogen.

Der Engpass hat sich verschoben: vom Machen zum Prüfen.

Besser wird AI nur dort, wo jemand festgelegt hat, was „gut“ heißt. Dafür kannst du eine Prüf-Treppe nutzen.

1) Prüf früh, nicht erst am Ende.

Zu Beginn schreibst du drei Sätze: was rauskommen soll, was der Agent darf und was ein gutes Ergebnis ist. Zum Beispiel: „Beantworte diese Reklamation. Du darfst eine Gutschrift bis 20 Euro anbieten. Gut ist die Antwort, wenn der Kunde weiß, was als Nächstes passiert.“

Bei längeren Aufgaben wie Recherchen oder Präsentationen lässt du dir nach den ersten 10 Prozent zeigen, wie die AI die Aufgabe verstanden hat, und nach 30 Prozent die Gliederung. Ein falscher Ansatz kostet dich so zwei Minuten statt viel Nacharbeit. Danach arbeitet der Agent allein weiter.

2) Prüf nach Fallhöhe.

Ist es intern und lässt sich rückgängig machen? Stichprobe reicht. Geht es an Kunden raus oder kostet Geld, liest du jede Zeile. Alles dazwischen prüft eine zweite AI gegen deinen Auftrag, und du schaust nur noch auf die markierten Stellen.

Die AI liefert die Auswahl, die Entscheidung bleibt bei dir. Auswählen und Kürzen wird dann zur eigentlichen kreativen Arbeit. Und wo es um das Vertrauen anderer geht, legst du selbst Hand an.

3) Mach aus jeder Korrektur eine Regel.

Was du korrigierst, landet mit einem Satz Begründung in einer Datei, die deine AI vor jedem Auftrag liest. So passiert derselbe Fehler kein zweites Mal, und jede Runde macht die nächste besser. Das ist das „Compound Sandwich“.

So gibst du laufend mehr ab: Erst schaut die AI zu, dann bereitet sie vor und du gibst frei, irgendwann macht sie es allein. Neue Modelle testen wir übrigens auch so im Vibe Check.

Auf vielen Konferenzen passiert das Beste zwischen den Talks, in den Pausen, im Gespräch mit anderen Menschen. So auch hier.

Paul baut „Human in the loop“-Playbooks dafür, wie Agenten und Menschen sauber zusammenarbeiten: Wann fragt der Agent nach, wann entscheidet er selbst, wann muss jemand freigeben? Also genau die Frage von oben, nur als Bauplan.

Otar arbeitet bei einem großen börsennotierten Glücksspielkonzern. Im Job darf er AI nur eng begrenzt nutzen. Privat hat er dafür eine coole App für die georgische Community in New York gebaut. Er ist kein Programmierer und Geld verdient er damit (noch) nicht.

Aber die Community vertraut ihm. Code kann jeder nachbauen, Vertrauen nicht. Das merken wir auch in unserer eigenen Community.

Bei Ben ist es dasselbe Muster, nur im Business. Er hat vor Kurzem seinen Job bei einem großen Datenbankanbieter gekündigt und ein AI-Startup gegründet.

Seine Frage: Was ist in Deutschland anders? Kurz: In den USA wird gebaut, bei uns erst geklärt, wo die Daten liegen, wer freigibt, wer haftet. Das kostet uns gerade den Anschluss.

Die Fragen sind trotzdem richtig, wir müssen sie nur schneller beantworten. Wer das schafft, baut Vertrauen auf, und das lässt sich so wenig kopieren wie Otars Community.

Welche Arten von Businesses dank AI stärker werden, zeigt dieses Video.

Kommen wir nochmals zurück zum Kern der Sache: Jede Zeile lesen, die eine AI für uns schreibt, schafft niemand mehr. Und es macht auch absolut keinen Sinn!

Gemessen wirst du künftig nicht an dem, was du produzierst, sondern an dem, was du vertreten kannst. Unser Job verschiebt sich. Fast jeder wird zum Manager von Agents und Resultaten.

Die Verschiebung bedeutet: Ziele setzen, festlegen, was „gut“ heißt, und die wenigen Entscheidungen treffen, an denen Vertrauen hängt.

Ein einfacher Start für diese Woche: Lass deine AI selbst eine Regel-Datei bauen, die mitlernt. Der Prompt unten geht deine bisherigen Korrekturen durch und speichert daraus einen Skill. Am besten in Claude oder ChatGPT nutzen, mit Zugriff auf frühere Chats.

Das animierte Sandwich oben haben wir mit dem brandneuen Bildmodell von OpenAI gebaut. Die erste Version sah hübsch aus, siehe unten: Roboter tippen, die Fahne flattert, das Häkchen leuchtet.

Ausgesagt hat es trotzdem nichts. Erst als die drei Schichten nacheinander auftauchten, jede mit ihrem Satz zur Erläuterung, hat das GIF etwas erklärt.

Lesson learned: Bewegung ist nur gut, wenn sie etwas erklärt. Der Rest ist Deko.

Images 2.6 ist für alle in ChatGPT verfügbar, soll rund 50 Prozent schneller sein und Details über mehrere Bearbeitungsrunden besser halten. Ok, cool.

Bilder sind für uns längst gelöst. Neu sind die GIFs: Du beschreibst einen Loop oder lädst ein Standbild hoch, ChatGPT animiert es, und du änderst das Ergebnis per Chat weiter. Ein fremdes, schon animiertes GIF bearbeitet ChatGPT aber nicht.

Warum dich das interessieren sollte: Ein Video spielt in fast keinem Mailprogramm automatisch ab. Ein GIF schon!

Ein Produkt, das sich einmal dreht, ein Ablauf in drei Schritten, ein Maskottchen, das winkt: alles ohne Videotool und ohne Designer.

So nutzen andere die GIFs schon:

Damit deine GIFs sauber loopen und nichts wackelt, helfen diese sieben Hacks - mehr hier:

Zum Ausprobieren: Kopier diesen Prompt in ChatGPT. Mehr musst du nicht tun. 🎉

Bewegung ist ab dieser Woche billig. Ein GIF kostet dich einen Satz. Auffallen wird deshalb aber nicht, wer Bewegung hat, sondern wessen Bewegung etwas zeigt.

Ein Ablauf, der sich in drei Schritten aufbaut, spart dir einen Absatz Text. Und ja, der Stapel aus dem ersten Segment wächst damit weiter. Umso besser, wenn du dann schon deine Prüf-Treppe hast.

Ethan Mollick, seines Zeichens Professor an der Wharton Uni und einer der bekanntesten AI-Erklärer, hat eine AI sein neues Buch weiterschreiben lassen. Mutig, mutig…

Anfangs klang es auch erstaunlich nach ihm. Aber über längere Strecken wurde es zur Karikatur. Die AI konnte zwar klingen wie er. Was er aber sagen wollte, wusste sie nicht.

Daraus macht er in „Co-Existence“ eine einfache Frage: Wie arbeitest du mit einer AI, die vieles besser kann als du, ohne ihr dein Urteil zu überlassen?

Seine Antwort sind drei Arbeitsweisen. Keine ist besser, jede passt zu anderen Aufgaben.

Er selbst wechselt ständig zwischen diesen Modi (wir übrigens auch). Kapitelentwürfe schreibt er selbst, bei der Recherche spielt er Ping-Pong.

Eine Rechnung zum Wasserverbrauch ließ er von mehreren Modellen gegenprüfen: Zwei fanden einen Rechenfehler, ein drittes eine neuere Fassung der Studie.

Hier schließt sich der Kreis zur Prüf-Treppe von oben: Je klarer deine Regeln und je kleiner die Fallhöhe, desto eher kannst du vom Ping-Pong zum Auftrag wechseln.

Ein starker Gedanke im Buch: Es gibt Mühe, die dich nur aufhält, und Mühe, bei der du etwas verstehst.

Zum Beispiel: Wenn Produkt und Zielgruppe klar sind, darf die AI den Marketingtext schreiben. Ist sich das Team noch uneinig, ist das Schreiben selbst die Klärung. Lässt du hier die AI zu früh ran, überspringst du genau den Teil, in dem die Entscheidungen fallen.

Zwei weitere Dinge ziehen sich durchs ganze Buch. Erstens die zackige Grenze, die „jagged frontier“: AI scheitert an manchen einfachen Aufgaben und löst manche schwere mühelos. Wo diese Grenze in deiner eigenen Arbeit verläuft, findest du nur durch Ausprobieren heraus.

Und das Tempo: Die Fähigkeiten verdoppeln sich alle paar Monate, und jede Verdopplung ist größer als aller Fortschritt davor zusammen... 🤯 Pläne, die auf den Werkzeugen von heute aufbauen, veralten entsprechend schnell.

Wie real das ist, zeigt ein viel diskutierter Bericht von dieser Woche: Eine unabhängige Prüfstelle durfte bei Anthropic nachmessen und hat festgestellt, dass die Modelle dort doppelt so schnell besser werden wie noch vor einem Jahr. Vor allem deshalb, weil die AI inzwischen an ihrem eigenen Nachfolger mitbaut. Das verdient aber einen eigenen Beitrag.

Unser Fazit zum Buch: Tool-Tipps sucht man vergeblich. Das ist auch richtig so, denn die wären in drei Monaten ohnehin veraltet.

Dafür bekommst du die richtigen Fragen. Und genau die halten länger als jedes Modell.

Geschafft! Bis zur nächsten Ausgabe. Und weil du bis hierhin gelesen hast: 😘

Reto & Fabian von den AInauten