Willkommen zu Ausgabe 8 von The CAIO.
Eine Frage lief diesen Monat unter fast jedem Post mit. Wenn ein Modell den Code schreibt und jede Person im Unternehmen ihn starten kann, was bleibt dann, das ein Mensch verantworten muss? Die zwei Posts mit der grössten Reichweite haben sie von entgegengesetzten Enden beantwortet. Der eine zeigte ein Unternehmen, in dem Menschen ohne Engineering-Titel in Produktion ausliefern. Der andere zeigte eine Engineering-Organisation, in der die Ausführung so billig wurde, dass das Entscheiden zur Beschränkung wurde. Leg beide nebeneinander, und die Kontrolle, die du zu haben glaubtest, nämlich zu wissen, wer etwas geschrieben hat, ist weg.
Ein Proof of Concept ist heute schnell gebaut, und genau darin liegt das Problem. Klassisch blieben rund 70 Prozent aller PoCs in der PoC-Phase stecken. Mit KI liegt die Quote nach den Studien, die Steffen verfolgt, jenseits von 90 Prozent.
Die CEOs der grossen KI-Firmen werden nicht müde zu behaupten, KI werde bis zu 40 Prozent aller Jobs vernichten. Die Schlagzeile wirkt. Steffen wird von Schulabgängern gefragt, ob sich ein Tech-Studium überhaupt noch lohnt, und eine deutsche Hochschule hat inzwischen davon abgeraten, Computer Science zu studieren.
Christoph Gulden hat mich für seinen Thought Leaders Talk eingeladen. Christoph prüft beruflich Investitionsentscheidungen, ich begleite Unternehmen durch Technologiewellen. Herausgekommen ist ein Streitgespräch über die 90 Prozent der AI-Piloten, die nie in Produktion gehen, und darüber, was das für die nächste Investitionsentscheidung heisst. An einer Stelle widerspricht Christoph mir offen, und er hat damit recht. Der Dialog steht hier so, wie wir ihn gemeinsam erarbeitet haben. Das Original ist auf LinkedIn erschienen.
Wenn über KI und Jobs geredet wird, geht es fast immer um Entwickler. Der grössere Teil der Arbeitswelt sitzt aber woanders, in Büros, in HR, im Marketing, in der Verwaltung.
Auf LinkedIn lese ich immer wieder, Agentic Coding mache Teams um den Faktor 10 produktiver. Das ist gutes Marketing. Mit dem, was wir in Projekten messen, hat es wenig zu tun.
Viele KI-Projekte scheitern nicht an der Technik. Sie scheitern schon vorher, an einem Denkfehler: der Jagd nach dem einen grossen Use Case, dem Leuchtturm-Projekt.
Das ist der Start meines neuen Podcasts Prompt & Proper, den ich zusammen mit Steffen Ochsenreither von der Post mache. Alle zwei Wochen, auf Deutsch, praxisnah und ohne Marketing-Sprech. In Folge 1 nehmen wir den „Riesen-Use-Case-Irrtum" auseinander: warum das Management-Signal „wir machen jetzt KI" so oft im Nichts endet und was ein guter erster Use Case wirklich braucht.
Willkommen zu Ausgabe 7 von The CAIO.
Ich argumentiere seit Jahren, dass das Modell der kleine Teil ist und die Disziplin drumherum die eigentliche Arbeit. Das ist eine Behauptung, bei der man leicht nickt und die man ebenso leicht als Beratersatz abtut. Im Juli hörte sie auf, ein Satz zu sein. Eine Forschungsgruppe hat sie an 5'000 Codebasen getestet und eine Zahl daran gehängt. Ein Systemingenieur hat eine virale Prahlerei über “37'000 Zeilen am Tag” auseinandergenommen und gezeigt, was dieses Volumen tatsächlich kostet. Beide Posts sind weit über mein übliches Publikum hinaus gelaufen, einer davon mit der höchsten Reichweite des Jahres. Das Publikum ist des Arguments nicht müde. Es will die Belege.
Alle sagen plötzlich “agentische Plattform”. Fast niemand kann eine definieren. Genau das wollten wir ändern.
Ich habe Kaspar von Grünberg auf den Kanal eingeladen. Er formt seit Jahren Plattformen, hat mit Humanitec die Internal Developer Platform, die IDP, auf die Landkarte gebracht und PlatformCon zur grössten Platform-Engineering-Community gemacht. Jetzt baut er Canyon, einen Control Plane für Enterprise-KI, und sein Buch Thinking in Platforms ist auf dem Weg. Am Ende dieses Gesprächs wisst ihr, was eine agentische Plattform wirklich ist, warum sie wichtig ist, was es braucht, um eine zu bauen, und wie man anfängt.
Die meiste Innovation stirbt nicht im Patentamt. Sie stirbt lange vorher, in der Art, wie eine Organisation Entscheidungen trifft, umsetzt und aus Ideen Ergebnisse macht.
Ich war zu Gast bei The Hard Things About IP, moderiert von Dimitris Giannoccaro und produziert von IamIP, in Episode 7. Wir sind über Patente und rechtliche Rahmen hinausgegangen, zur Frage, die vor jeder Anmeldung steht: Wie verwandeln Organisationen Ideen tatsächlich in echte Ergebnisse? Wir haben über KI-Transformation gesprochen, über Organisationsdesign, darüber, warum so viele KI-Initiativen im Pilotmodus stecken bleiben, wie Feedback-Loops Entscheidungen steuern und warum Accountability dort sitzen muss, wo die Arbeit passiert.
Willkommen zu Ausgabe 6 von The CAIO.
Der Juni hatte eine Lektion, die immer wieder auf einem Schreibtisch landete, auf dem sie selten gelandet war: Finance. Zwei Jahre lang haben wir KI-Tokens als kostenlos behandelt und darum konkurriert, wer mehr davon verbrennt. Im Juni kam die Rechnung. Der Preis pro Anfrage war gefallen, und genau deshalb ist die Nutzung explodiert und die Gesamtkosten sind über alles gestiegen, was irgendjemand budgetiert hatte. KI-Kostenkontrolle wurde zum CFO-Thema, so schnell wie sie zu unserem wurde.
Künstliche Intelligenz hat den Weg aus den Forschungslabors in die Chefetagen gefunden, ist aber allzu oft von Hype, übertriebenen Versprechen und fehlgeleiteten Investitionen umgeben. Viele Organisationen stürzen sich darauf, “etwas mit KI zu machen”, ohne Vertrauen, Datenvertraulichkeit oder die tatsächlichen Probleme zu berücksichtigen, die sie lösen wollen.
