>>>Audio
- Podcast-RSS für alle Podcast-Apps:
https://feeds.feedburner.com/ogokpodcast
- Spotify: https://open.spotify.com/show/00n8s2qYAgwzJQkmRGjjNA
- Apple Podcasts:
https://podcasts.apple.com/de/podcast/oliver-gassner-work-smarter-not-harder/id1481175623
- Youtube-Video: https://www.youtube.com/@OliverGassner
Unser Sub-Podcast “How2AI” ist #30 bei https://www.millionpodcasts.com/chatgpt-podcasts im Juli 2025 - Danke.
KI Summary:
00:00 – Begrüßung und Kontext
Oliver eröffnet „How2AI“, stellt das Thema „KI für Prozesse in kleinen und Kleinstunternehmen“ vor und begrüßt Gast Florian Maier.
00:16 – Florians Hintergrund und Angebot
Florian beschreibt seinen Weg vom Konzernmarketing (BMW, Siemens, Rittal) hin zur Beratung lokaler Betriebe, denen er in ca. 90 Minuten erste Automationen aufsetzt.
01:29 – Handwerk, Sichtbarkeit und Website-Frage
Am Beispiel von Dorf‑Handwerkern diskutieren sie, ob eine Website nötig ist, und betonen die Bedeutung von Sichtbarkeit und aktuellen Daten für neue Kundschaft.
03:50 – Erwartung an KI vs. Realität
Viele Betriebe kennen nur ChatGPT als Texttool; Florian lenkt den Blick stattdessen auf konkrete Prozesse wie Angebotserstellung und Baustellendokumentation.
04:55 – Hauptproblem: Digitalisierung und Prozesse
Er erklärt, dass die meisten kein KI‑, sondern ein Digitalisierungs‑ bzw. Prozessthema haben: Papier, Durchschlagblöcke, isolierte Systeme, langsame, fehleranfällige Abläufe.
05:58 – Einstieg über Prozessanalyse
Unabhängig von Branche oder Auslöser (Website, Social, KI‑Hype) startet er immer mit der Frage „Wie machst du das heute?“ und nimmt Ist‑Prozesse detailliert auf.
06:55 – Hürde „keine Zeit, keine Leute“ und Förderprogramme
Viele haben Digitalisierung aufgeschoben; Florian nimmt Umsetzung ab, nutzt Förderprogramme und holt über wenige Termine die nötigen Infos.
07:37 – Projektlaufzeiten und Umfang
Es gibt kurze 90‑Minuten‑ oder Zwei‑Wochen‑Projekte für Teilbereiche sowie mehrmonatige Vorhaben vom Auftragseingang bis zu Loyalitätsprozessen.
08:04 – Widerstände in Büro und auf Baustelle
Er thematisiert offenen Widerstand („Kuli braucht keinen Akku“, „kein Netz vor Ort“) und die Kluft zwischen digital arbeitenden und „Zettelwirtschafts“-Betrieben.
08:48 – Telefon vs. Website als Einstieg
Auch Betriebe, die primär angerufen werden, profitieren von einer Website als Aushängeschild und Steuerzentrale für digitale Prozesse und Datenerfassung.
09:40 – Website als Prozess-Hub
Über Formulare und automatisierte Kontaktaufnahme entstehen strukturierte Daten; innovative Handwerker bauen darauf auf und erweitern die Prozesse.
09:50 – Voicebot zur Vorqualifizierung
Voicebots können vor einem Vor‑Ort‑Termin Basisinfos sammeln und Notfälle qualifizieren, z.B. Fehlercodes und bereits getroffene Maßnahmen.
10:16 – Vergleichsanfragen und Interessens-Qualifizierung
Automatisierte Prozesse sollen früh klären, ob nur ein Vergleichsangebot gewünscht ist oder echtes Interesse besteht, um unnötige Fahrten zu vermeiden.
10:46 – Unabhängigkeit statt Agenturabhängigkeit
Ziel ist, Betriebe unabhängiger von Zufallsanrufen und externen Agenturen zu machen, indem sie selbst schlanke, verstehbare Prozesse beherrschen.
11:22 – Unabhängigkeit als persönlicher Antrieb
Florian begründet seinen Wechsel von Konzernen zu lokalen Unternehmen mit dem Wunsch, Unternehmer:innen mehr Optionen und weniger Abhängigkeit zu ermöglichen.
11:32 – Typische 90‑Minuten‑Projekte
Bei kleinen Projekten (z.B. Baustellenreport, Stundenzettel, E‑Mail‑Qualifizierung) analysiert er den Prozess und baut eine erste lauffähige Automation.
12:19 – E-Mail-Automation als Beispiel
Ein klassischer Case: Eingehende Projekt‑E‑Mails werden automatisch durch einen KI‑gestützten Agenten beantwortet, der qualifizierende Rückfragen stellt.
13:20 – Notfälle vs. Projektanfragen
Für akute Probleme (Heizung defekt) ist Telefon/Voicebot sinnvoll, für Neubau‑ und Sanierungsanfragen hingegen E‑Mail/Formular mit automatischer Rückfrage.
14:42 – Formular- oder E-Mail-Einstieg über Website
Projektanfragen kommen meist über Website‑Formulare oder E‑Mail; ein System erkennt die Anfrage und startet den Antwort‑ und Abfrageprozess.
15:05 – Automation plus „intelligente“ Textpassagen
Die Basis ist eine Automation (Trigger: E‑Mail), in der KI‑Module Text analysieren und passende Rückfragen generieren, statt nur starre Vorlagen zu schicken.
15:23 – Schnelle Rückmeldung mit Rückfragen
Kund:innen erhalten innerhalb von Minuten eine strukturierte Rückmail oder ein Formular, beantworten ergänzende Fragen und liefern so wertvolle Details.
16:04 – Branchenspezifische Zusatzfragen
Neben Standardfragen fließen Erfahrungen des Betriebs ein, z.B. ob es sich um ein Vergleichsangebot handelt und welches Kriterium entscheidend ist.
16:16 – Offen nach Vergleichsangeboten und Prioritäten fragen
Direkte Fragen nach Vergleichsangebot und Hauptkriterium (Preis, Effizienz, Energieverbrauch etc.) helfen, später ehrlich und zielgerichtet zu beraten.
16:44 – Ehrliche Ablehnung als Option
Wer nur auf Preis fixiert ist, kann transparent adressiert werden; wichtig ist, das Gespräch trotzdem zu führen und die Preisdimension zu differenzieren.
17:06 – Preis als vielschichtige Größe
Florian erläutert, wie man Kaufpreis, Betriebskosten, Effizienz, Service und Support unterscheidet und teurere, aber effizientere Lösungen argumentiert.
17:53 – Angebotsaufwand und Frustration
Handwerker investieren viel Mühe in Angebote, die oft nicht zum Auftrag führen; hier setzt er mit Prozessunterstützung und Vorqualifizierung an.
18:31 – Ziel: Angebotsprozess „auf Knopfdruck“
Interne Strukturen sollen so unterstützt werden, dass auf Basis der gesammelten Informationen Angebote weitgehend automatisiert vorbereitet werden.
19:02 – Entlastung der Arbeitszeit
Oliver beschreibt Handwerker, die frühmorgens und abends im Büro sitzen; Automatisierung soll hier eher Leben retten als Jobs vernichten.
21:07 – Ängste im Backoffice gegenüber KI
Florian begegnet oft Assistentinnen, Sekretärinnen und Büromitarbeiterinnen, die fürchten, KI könnte sie überflüssig machen.
21:31 – KI nimmt Routine, nicht den Job
Er argumentiert, dass in kleinen und mittleren Betrieben zentrale kaufmännische Rollen bleiben, routinelastige Aufgaben aber abnehmen und Tätigkeiten aufgewertet werden.
22:11 – Hybride Teams Mensch + KI
Florian erwartet Teams aus KI‑Tools, KI‑Agenten und echten Mitarbeitenden, wobei KI vorqualifiziert und Menschen für persönlichen Kontakt und Komplexität zuständig sind.
23:00 – Handwerk bleibt physisch, KI entlastet drumherum
Die eigentliche Bau‑ und Handwerksarbeit bleibt analog; KI optimiert vor‑ und nachgelagerte Prozesse wie Dokumentation, Planung und Kommunikation.
23:33 – Historische Parallele zu Schreibmaschine & Excel
Oliver zeigt, dass frühere Technologien bestimmte Jobs veränderten, insgesamt aber eher mehr und höher qualifizierte Büroarbeit schufen.
24:18 – Wandel von Sekretärin zu Assistenz
Frühere Diktat‑Schreibarbeit wich anspruchsvolleren Assistenzrollen mit mehr Verantwortung und Koordination.
24:58 – Starke Effekte in der IT
Sie streifen den starken Einfluss von KI auf Junior‑Developer‑Jobs, betonen aber, dass dies für klassische Handwerks‑KMU weniger direkt relevant ist.
25:41 – Erste Praxisbeispiele für Telefonbots
Oliver berichtet von gemischten Erfahrungen mit Klempner‑ und Elektriker‑Hotlines, teils mit brauchbaren, teils mit schlechten KI‑Telefonbots.
26:00 – Negativerlebnis mit Media-Markt-Bot
Ein Bot empfiehlt lediglich, das Gerät in den Markt zu bringen – ein Beispiel dafür, wie schlechte Automation Zeit verschwendet, statt zu helfen.
26:36 – Schlechte Outbound-Bots (Solarbeispiel)
Ein Sales‑Bot versteht „Nein“ nicht und leitet trotzdem weiter, was sie als inakzeptable Qualität einstufen.
27:30 – 20 Jahre Telefonhotline-Erfahrung
Florian kritisiert alte IVR‑Systeme als „nicht intelligent“ und erläutert die Überlastungsprobleme großer Callcenter, die zu solchen Lösungen führten.
29:03 – Mangelnde Kontextweitergabe im Support
Er moniert, dass Kunden sich oft mehrfach identifizieren und alles wiederholen müssen, statt sauber weitergeleitet zu werden.
29:22 – Verbesserte Spracherkennung, aber Grenzen
Oliver erkennt, dass Spracherkennung besser geworden ist, aber Eingabe über Tastatur oft noch zuverlässiger bleibt.
30:02 – Relevanz für lokale Unternehmen
Florian betont, dass lokale Betriebe diese Massen‑Anrufprobleme meist nicht haben und alte Callcenter‑Technik für sie nicht entscheidend ist.
31:08 – Nutzerreflex „Kann das KI machen?“
Oliver schildert seinen Reflex, lästige Routineaufgaben (z.B. Sitzordnung beim Cross‑Table‑Dinner) an KI und kleine Skripte zu delegieren.
32:01 – Cross-Table-Dinner mit Python-Skript
Er lässt eine KI ein Python‑Programm schreiben, das Tischverteilungen optimiert, und spielt damit verschiedene Szenarien mit minimalem Mehraufwand durch.
33:08 – Qualität kreativer KI-Lösungen
Florian lobt KI für kreative und kombinatorische Probleme; der Mensch prüft nur noch Plausibilität und Randbedingungen.
34:02 – CSV-Datenbearbeitung als Zeitsparer
Beispiel: 10 CSV‑Dateien mit tausenden Datensätzen werden in Minuten zusammengeführt, bereinigt und angereichert, statt in acht Stunden Handarbeit.
35:01 – Risiken bei generiertem Code
Sie besprechen Probleme wie im Klartext hinterlegte API‑Keys und betonen die Wichtigkeit klarer Prompt‑Rahmenbedingungen (Ziele, Rollen, Sicherheit).
36:29 – Sicherheitsregeln im Prompt
Florian schreibt explizit in den Prompt, dass Keys nie im Klartext vorkommen dürfen und in geschützten Dateien zu speichern sind.
37:01 – Multi-KI-Validierung von Code
Er nutzt Clode Code für rekursive Selbstkontrolle und lässt den Code anschließend von Codex wie von einem zweiten Entwickler prüfen.
37:49 – Unterschiedliche Stärken verschiedener KIs
Er vergleicht regelmäßig Perplexity, Claude, Gemini und ChatGPT und beobachtet teils „wettbewerbsartige“ Kommentare der Systeme.
39:05 – Wunsch: Modellwahl automatisieren
Oliver möchte sich nicht mit Modellwahl beschäftigen und schätzt, dass Perplexity das für ihn übernimmt.
40:35 – Bildgenerierung und Toolwechsel
Er erzählt von gemischten Erfahrungen mit Bild‑KIs und seinem Wechsel von ChatGPT‑Plus zu Perplexity.
41:13 – Perplexity als „No-Brainer“
Für ihn ist es komfortabel, ein Tool zu haben, das Modelle selbst wählt und gute Web‑Integration bietet.
41:49 – Konsolidierung von Ergebnissen mehrerer KIs
Florian nimmt oft Outputs verschiedener KIs und konsolidiert sie; redundante Infos gelten ihm als besonders verlässlich.
42:53 – Unterschiedliche Kundentools
Kunden nutzen Gemini, Perplexity, Claude oder ChatGPT; er arbeitet toolagnostisch, hat aber eigene Favoriten (z.B. Claude Code).
43:02 – KI steuert den Computer
Sie sprechen über Perplexity‑/Claude‑Desktop („Computer“‑Modus), mit dem KI direkt Dateien und Programme steuern kann.
44:08 – Paradigmenwechsel: KI liefert fertige Dateien
Florian lässt KI zunehmend direkt Dateien (z.B. Skripte, Excel) produzieren, statt nur Text, den er manuell weiterverarbeitet.
45:19 – Spaces/GPTs als Wissenscontainer
Oliver beschreibt, wie er all seine Barcamp‑ und Open‑Space‑Materialien in einem Space sammelt, um daraus automatisch neue Konzepte und Texte zu generieren.
46:22 – Typische Event-Outputliste
Er lässt sich Pitchtexte, Sponsor‑Argumentationen, Terminempfehlungen und Ablaufpläne erstellen, korrigiert aber weiterhin per Hand.
47:05 – Feedback-Loop zur Qualitätssteigerung
Er überarbeitet KI‑Texte in Google Docs und könnte damit theoretisch wieder neue, bessere Trainingskontexte für spätere Prompts schaffen.
48:00 – Hürde zum nächsten Automatisierungslevel
Oliver sieht sich noch primär auf der Textebene und fühlt eine Schwelle hin zu echten Automatisierungen und No‑Code‑Integrationen.
48:44 – Ausblick auf Google-Funktionen
Sie diskutieren mögliche KI‑Automatisierungen in Gmail/Google‑Umgebungen und datenschutzrechtliche sowie Rollout‑Fragen.
48:54 – Strukturierte Speicherung als Lösung
Florian rät dazu, alle verbesserten Texte strukturiert zu speichern, um sie später als hochwertigen Kontext für neue KI‑Aufgaben zu nutzen.
49:59 – Markdown statt Word
Er speichert Ergebnisse als Markdown statt Word, um Formatierungsballast zu vermeiden und KIs den Zugriff zu erleichtern.
51:16 – 55-facher Produktivitätsgewinn
Über systematisches Tracking seiner Projekte (Change‑Logs, Memories in Markdown) ließ er von KI ausrechnen, dass er in einem Monat rund 55 „Menschenmonate“ Arbeit erledigte.
55:03 – Viele Websites in kurzer Zeit
Beispiel: In zwei Tagen entstehen mit KI‑Unterstützung rund 16 vollständige Websites inklusive Inhalte und Fotos.
55:27 – Obsidian als Zentralsystem
Er zeigt Obsidian als Oberfläche, in der alle Projekte, Notizen und Memories in Markdown abgelegt und von jeder KI referenziert werden können.
56:51 – Vorteile strukturierter Notizen
Links, Querverweise und klare Strukturen machen die Daten für beliebige LLMs gut nutzbar.
58:01 – Toolunabhängigkeit durch Markdown
Durch lokale Markdown‑Sammlungen bleibt er unabhängig von einem einzelnen Anbieter und kann Modelle wechseln, ohne Daten neu aufbereiten zu müssen.
58:23 – Kein Kontextfensterproblem lokal
Lokale Tools wie Codex/Claude Code arbeiten direkt auf Dateien im Dateisystem und stoßen nicht so schnell an Kontextfenster‑Grenzen.
59:23 – Kleine Datei-Größe als Vorteil
Markdown‑Dateien bleiben sehr klein, selbst bei vielen Seiten Inhalt, was den Zugriff effizient macht.
59:43 – Datenschutz und Mandantentrennung
Für sensible Branchen nutzt er getrennte, teils verschlüsselte Vaults und anonymisiert Daten, bevor sie in LLMs gelangen.
01:00:19 – Verschiedene Betriebsmodelle
Lösungen können lokal beim Kunden oder auf Servern laufen; Handwerker müssen i.d.R. keine komplexe IT selbst betreiben.
01:01:02 – Harte Lernkurve und Kontrolle
Oliver betont, dass man sich schrittweise hineinarbeiten sollte, um das Gefühl zu behalten, die Systeme im Griff zu haben.
01:01:33 – Chancen und Risiken der KI-Welle
Florian sieht – wie bei früheren industriellen Revolutionen – sowohl Rationalisierung als auch große Chancen; profitieren werden vor allem die, die früh anfangen.
01:02:20 – Frust mit agentischem Browser
Oliver erzählt, wie sein bisheriges Harper‑Plugin für YouTube‑Summaries auslief und ein agentischer Browser (Comet) das gewünschte Transkript‑Summary nicht lieferte.
01:04:24 – Was „agentisch“ wirklich heißt
Florian erklärt, dass „agentisch“ heißt, dass die KI sich eigene Schritte überlegt (z.B. Ticket buchen), während Olivers Use‑Case eher eine klassische Automation ist.
01:07:06 – Automation über API
Er skizziert eine saubere Automation: YouTube‑„fertig“-Trigger, API‑Call an eine KI, Summary erstellen, in Google Docs ablegen – alles automatisiert.
01:07:51 – Empfehlung Fireflies für Meetings
Florian empfiehlt Fireflies als Meeting‑Aufzeichnungs‑ und Zusammenfassungstool für Online‑Termine.
01:08:43 – Agenten als zukünftige Gesprächspartner
Sie scherzen darüber, dass irgendwann Agents Podcasts alleine aufnehmen könnten, Oliver aber reale Gespräche bevorzugt.
01:08:54 – Verabschiedung
Oliver bedankt sich bei Florian, verweist auf seinen LinkedIn‑Auftritt und schließt mit seinem üblichen Motto „Focus on the donut, not on the hole“.
- Podcast-RSS für alle Podcast-Apps:
https://feeds.feedburner.com/ogokpodcast
- Spotify: https://open.spotify.com/show/00n8s2qYAgwzJQkmRGjjNA
- Apple Podcasts:
https://podcasts.apple.com/de/podcast/oliver-gassner-work-smarter-not-harder/id1481175623
- Youtube-Video: https://www.youtube.com/@OliverGassner
Unser Sub-Podcast “How2AI” ist #30 bei https://www.millionpodcasts.com/chatgpt-podcasts im Juli 2025 - Danke.
KI Summary:
00:00 – Begrüßung und Kontext
Oliver eröffnet „How2AI“, stellt das Thema „KI für Prozesse in kleinen und Kleinstunternehmen“ vor und begrüßt Gast Florian Maier.
00:16 – Florians Hintergrund und Angebot
Florian beschreibt seinen Weg vom Konzernmarketing (BMW, Siemens, Rittal) hin zur Beratung lokaler Betriebe, denen er in ca. 90 Minuten erste Automationen aufsetzt.
01:29 – Handwerk, Sichtbarkeit und Website-Frage
Am Beispiel von Dorf‑Handwerkern diskutieren sie, ob eine Website nötig ist, und betonen die Bedeutung von Sichtbarkeit und aktuellen Daten für neue Kundschaft.
03:50 – Erwartung an KI vs. Realität
Viele Betriebe kennen nur ChatGPT als Texttool; Florian lenkt den Blick stattdessen auf konkrete Prozesse wie Angebotserstellung und Baustellendokumentation.
04:55 – Hauptproblem: Digitalisierung und Prozesse
Er erklärt, dass die meisten kein KI‑, sondern ein Digitalisierungs‑ bzw. Prozessthema haben: Papier, Durchschlagblöcke, isolierte Systeme, langsame, fehleranfällige Abläufe.
05:58 – Einstieg über Prozessanalyse
Unabhängig von Branche oder Auslöser (Website, Social, KI‑Hype) startet er immer mit der Frage „Wie machst du das heute?“ und nimmt Ist‑Prozesse detailliert auf.
06:55 – Hürde „keine Zeit, keine Leute“ und Förderprogramme
Viele haben Digitalisierung aufgeschoben; Florian nimmt Umsetzung ab, nutzt Förderprogramme und holt über wenige Termine die nötigen Infos.
07:37 – Projektlaufzeiten und Umfang
Es gibt kurze 90‑Minuten‑ oder Zwei‑Wochen‑Projekte für Teilbereiche sowie mehrmonatige Vorhaben vom Auftragseingang bis zu Loyalitätsprozessen.
08:04 – Widerstände in Büro und auf Baustelle
Er thematisiert offenen Widerstand („Kuli braucht keinen Akku“, „kein Netz vor Ort“) und die Kluft zwischen digital arbeitenden und „Zettelwirtschafts“-Betrieben.
08:48 – Telefon vs. Website als Einstieg
Auch Betriebe, die primär angerufen werden, profitieren von einer Website als Aushängeschild und Steuerzentrale für digitale Prozesse und Datenerfassung.
09:40 – Website als Prozess-Hub
Über Formulare und automatisierte Kontaktaufnahme entstehen strukturierte Daten; innovative Handwerker bauen darauf auf und erweitern die Prozesse.
09:50 – Voicebot zur Vorqualifizierung
Voicebots können vor einem Vor‑Ort‑Termin Basisinfos sammeln und Notfälle qualifizieren, z.B. Fehlercodes und bereits getroffene Maßnahmen.
10:16 – Vergleichsanfragen und Interessens-Qualifizierung
Automatisierte Prozesse sollen früh klären, ob nur ein Vergleichsangebot gewünscht ist oder echtes Interesse besteht, um unnötige Fahrten zu vermeiden.
10:46 – Unabhängigkeit statt Agenturabhängigkeit
Ziel ist, Betriebe unabhängiger von Zufallsanrufen und externen Agenturen zu machen, indem sie selbst schlanke, verstehbare Prozesse beherrschen.
11:22 – Unabhängigkeit als persönlicher Antrieb
Florian begründet seinen Wechsel von Konzernen zu lokalen Unternehmen mit dem Wunsch, Unternehmer:innen mehr Optionen und weniger Abhängigkeit zu ermöglichen.
11:32 – Typische 90‑Minuten‑Projekte
Bei kleinen Projekten (z.B. Baustellenreport, Stundenzettel, E‑Mail‑Qualifizierung) analysiert er den Prozess und baut eine erste lauffähige Automation.
12:19 – E-Mail-Automation als Beispiel
Ein klassischer Case: Eingehende Projekt‑E‑Mails werden automatisch durch einen KI‑gestützten Agenten beantwortet, der qualifizierende Rückfragen stellt.
13:20 – Notfälle vs. Projektanfragen
Für akute Probleme (Heizung defekt) ist Telefon/Voicebot sinnvoll, für Neubau‑ und Sanierungsanfragen hingegen E‑Mail/Formular mit automatischer Rückfrage.
14:42 – Formular- oder E-Mail-Einstieg über Website
Projektanfragen kommen meist über Website‑Formulare oder E‑Mail; ein System erkennt die Anfrage und startet den Antwort‑ und Abfrageprozess.
15:05 – Automation plus „intelligente“ Textpassagen
Die Basis ist eine Automation (Trigger: E‑Mail), in der KI‑Module Text analysieren und passende Rückfragen generieren, statt nur starre Vorlagen zu schicken.
15:23 – Schnelle Rückmeldung mit Rückfragen
Kund:innen erhalten innerhalb von Minuten eine strukturierte Rückmail oder ein Formular, beantworten ergänzende Fragen und liefern so wertvolle Details.
16:04 – Branchenspezifische Zusatzfragen
Neben Standardfragen fließen Erfahrungen des Betriebs ein, z.B. ob es sich um ein Vergleichsangebot handelt und welches Kriterium entscheidend ist.
16:16 – Offen nach Vergleichsangeboten und Prioritäten fragen
Direkte Fragen nach Vergleichsangebot und Hauptkriterium (Preis, Effizienz, Energieverbrauch etc.) helfen, später ehrlich und zielgerichtet zu beraten.
16:44 – Ehrliche Ablehnung als Option
Wer nur auf Preis fixiert ist, kann transparent adressiert werden; wichtig ist, das Gespräch trotzdem zu führen und die Preisdimension zu differenzieren.
17:06 – Preis als vielschichtige Größe
Florian erläutert, wie man Kaufpreis, Betriebskosten, Effizienz, Service und Support unterscheidet und teurere, aber effizientere Lösungen argumentiert.
17:53 – Angebotsaufwand und Frustration
Handwerker investieren viel Mühe in Angebote, die oft nicht zum Auftrag führen; hier setzt er mit Prozessunterstützung und Vorqualifizierung an.
18:31 – Ziel: Angebotsprozess „auf Knopfdruck“
Interne Strukturen sollen so unterstützt werden, dass auf Basis der gesammelten Informationen Angebote weitgehend automatisiert vorbereitet werden.
19:02 – Entlastung der Arbeitszeit
Oliver beschreibt Handwerker, die frühmorgens und abends im Büro sitzen; Automatisierung soll hier eher Leben retten als Jobs vernichten.
21:07 – Ängste im Backoffice gegenüber KI
Florian begegnet oft Assistentinnen, Sekretärinnen und Büromitarbeiterinnen, die fürchten, KI könnte sie überflüssig machen.
21:31 – KI nimmt Routine, nicht den Job
Er argumentiert, dass in kleinen und mittleren Betrieben zentrale kaufmännische Rollen bleiben, routinelastige Aufgaben aber abnehmen und Tätigkeiten aufgewertet werden.
22:11 – Hybride Teams Mensch + KI
Florian erwartet Teams aus KI‑Tools, KI‑Agenten und echten Mitarbeitenden, wobei KI vorqualifiziert und Menschen für persönlichen Kontakt und Komplexität zuständig sind.
23:00 – Handwerk bleibt physisch, KI entlastet drumherum
Die eigentliche Bau‑ und Handwerksarbeit bleibt analog; KI optimiert vor‑ und nachgelagerte Prozesse wie Dokumentation, Planung und Kommunikation.
23:33 – Historische Parallele zu Schreibmaschine & Excel
Oliver zeigt, dass frühere Technologien bestimmte Jobs veränderten, insgesamt aber eher mehr und höher qualifizierte Büroarbeit schufen.
24:18 – Wandel von Sekretärin zu Assistenz
Frühere Diktat‑Schreibarbeit wich anspruchsvolleren Assistenzrollen mit mehr Verantwortung und Koordination.
24:58 – Starke Effekte in der IT
Sie streifen den starken Einfluss von KI auf Junior‑Developer‑Jobs, betonen aber, dass dies für klassische Handwerks‑KMU weniger direkt relevant ist.
25:41 – Erste Praxisbeispiele für Telefonbots
Oliver berichtet von gemischten Erfahrungen mit Klempner‑ und Elektriker‑Hotlines, teils mit brauchbaren, teils mit schlechten KI‑Telefonbots.
26:00 – Negativerlebnis mit Media-Markt-Bot
Ein Bot empfiehlt lediglich, das Gerät in den Markt zu bringen – ein Beispiel dafür, wie schlechte Automation Zeit verschwendet, statt zu helfen.
26:36 – Schlechte Outbound-Bots (Solarbeispiel)
Ein Sales‑Bot versteht „Nein“ nicht und leitet trotzdem weiter, was sie als inakzeptable Qualität einstufen.
27:30 – 20 Jahre Telefonhotline-Erfahrung
Florian kritisiert alte IVR‑Systeme als „nicht intelligent“ und erläutert die Überlastungsprobleme großer Callcenter, die zu solchen Lösungen führten.
29:03 – Mangelnde Kontextweitergabe im Support
Er moniert, dass Kunden sich oft mehrfach identifizieren und alles wiederholen müssen, statt sauber weitergeleitet zu werden.
29:22 – Verbesserte Spracherkennung, aber Grenzen
Oliver erkennt, dass Spracherkennung besser geworden ist, aber Eingabe über Tastatur oft noch zuverlässiger bleibt.
30:02 – Relevanz für lokale Unternehmen
Florian betont, dass lokale Betriebe diese Massen‑Anrufprobleme meist nicht haben und alte Callcenter‑Technik für sie nicht entscheidend ist.
31:08 – Nutzerreflex „Kann das KI machen?“
Oliver schildert seinen Reflex, lästige Routineaufgaben (z.B. Sitzordnung beim Cross‑Table‑Dinner) an KI und kleine Skripte zu delegieren.
32:01 – Cross-Table-Dinner mit Python-Skript
Er lässt eine KI ein Python‑Programm schreiben, das Tischverteilungen optimiert, und spielt damit verschiedene Szenarien mit minimalem Mehraufwand durch.
33:08 – Qualität kreativer KI-Lösungen
Florian lobt KI für kreative und kombinatorische Probleme; der Mensch prüft nur noch Plausibilität und Randbedingungen.
34:02 – CSV-Datenbearbeitung als Zeitsparer
Beispiel: 10 CSV‑Dateien mit tausenden Datensätzen werden in Minuten zusammengeführt, bereinigt und angereichert, statt in acht Stunden Handarbeit.
35:01 – Risiken bei generiertem Code
Sie besprechen Probleme wie im Klartext hinterlegte API‑Keys und betonen die Wichtigkeit klarer Prompt‑Rahmenbedingungen (Ziele, Rollen, Sicherheit).
36:29 – Sicherheitsregeln im Prompt
Florian schreibt explizit in den Prompt, dass Keys nie im Klartext vorkommen dürfen und in geschützten Dateien zu speichern sind.
37:01 – Multi-KI-Validierung von Code
Er nutzt Clode Code für rekursive Selbstkontrolle und lässt den Code anschließend von Codex wie von einem zweiten Entwickler prüfen.
37:49 – Unterschiedliche Stärken verschiedener KIs
Er vergleicht regelmäßig Perplexity, Claude, Gemini und ChatGPT und beobachtet teils „wettbewerbsartige“ Kommentare der Systeme.
39:05 – Wunsch: Modellwahl automatisieren
Oliver möchte sich nicht mit Modellwahl beschäftigen und schätzt, dass Perplexity das für ihn übernimmt.
40:35 – Bildgenerierung und Toolwechsel
Er erzählt von gemischten Erfahrungen mit Bild‑KIs und seinem Wechsel von ChatGPT‑Plus zu Perplexity.
41:13 – Perplexity als „No-Brainer“
Für ihn ist es komfortabel, ein Tool zu haben, das Modelle selbst wählt und gute Web‑Integration bietet.
41:49 – Konsolidierung von Ergebnissen mehrerer KIs
Florian nimmt oft Outputs verschiedener KIs und konsolidiert sie; redundante Infos gelten ihm als besonders verlässlich.
42:53 – Unterschiedliche Kundentools
Kunden nutzen Gemini, Perplexity, Claude oder ChatGPT; er arbeitet toolagnostisch, hat aber eigene Favoriten (z.B. Claude Code).
43:02 – KI steuert den Computer
Sie sprechen über Perplexity‑/Claude‑Desktop („Computer“‑Modus), mit dem KI direkt Dateien und Programme steuern kann.
44:08 – Paradigmenwechsel: KI liefert fertige Dateien
Florian lässt KI zunehmend direkt Dateien (z.B. Skripte, Excel) produzieren, statt nur Text, den er manuell weiterverarbeitet.
45:19 – Spaces/GPTs als Wissenscontainer
Oliver beschreibt, wie er all seine Barcamp‑ und Open‑Space‑Materialien in einem Space sammelt, um daraus automatisch neue Konzepte und Texte zu generieren.
46:22 – Typische Event-Outputliste
Er lässt sich Pitchtexte, Sponsor‑Argumentationen, Terminempfehlungen und Ablaufpläne erstellen, korrigiert aber weiterhin per Hand.
47:05 – Feedback-Loop zur Qualitätssteigerung
Er überarbeitet KI‑Texte in Google Docs und könnte damit theoretisch wieder neue, bessere Trainingskontexte für spätere Prompts schaffen.
48:00 – Hürde zum nächsten Automatisierungslevel
Oliver sieht sich noch primär auf der Textebene und fühlt eine Schwelle hin zu echten Automatisierungen und No‑Code‑Integrationen.
48:44 – Ausblick auf Google-Funktionen
Sie diskutieren mögliche KI‑Automatisierungen in Gmail/Google‑Umgebungen und datenschutzrechtliche sowie Rollout‑Fragen.
48:54 – Strukturierte Speicherung als Lösung
Florian rät dazu, alle verbesserten Texte strukturiert zu speichern, um sie später als hochwertigen Kontext für neue KI‑Aufgaben zu nutzen.
49:59 – Markdown statt Word
Er speichert Ergebnisse als Markdown statt Word, um Formatierungsballast zu vermeiden und KIs den Zugriff zu erleichtern.
51:16 – 55-facher Produktivitätsgewinn
Über systematisches Tracking seiner Projekte (Change‑Logs, Memories in Markdown) ließ er von KI ausrechnen, dass er in einem Monat rund 55 „Menschenmonate“ Arbeit erledigte.
55:03 – Viele Websites in kurzer Zeit
Beispiel: In zwei Tagen entstehen mit KI‑Unterstützung rund 16 vollständige Websites inklusive Inhalte und Fotos.
55:27 – Obsidian als Zentralsystem
Er zeigt Obsidian als Oberfläche, in der alle Projekte, Notizen und Memories in Markdown abgelegt und von jeder KI referenziert werden können.
56:51 – Vorteile strukturierter Notizen
Links, Querverweise und klare Strukturen machen die Daten für beliebige LLMs gut nutzbar.
58:01 – Toolunabhängigkeit durch Markdown
Durch lokale Markdown‑Sammlungen bleibt er unabhängig von einem einzelnen Anbieter und kann Modelle wechseln, ohne Daten neu aufbereiten zu müssen.
58:23 – Kein Kontextfensterproblem lokal
Lokale Tools wie Codex/Claude Code arbeiten direkt auf Dateien im Dateisystem und stoßen nicht so schnell an Kontextfenster‑Grenzen.
59:23 – Kleine Datei-Größe als Vorteil
Markdown‑Dateien bleiben sehr klein, selbst bei vielen Seiten Inhalt, was den Zugriff effizient macht.
59:43 – Datenschutz und Mandantentrennung
Für sensible Branchen nutzt er getrennte, teils verschlüsselte Vaults und anonymisiert Daten, bevor sie in LLMs gelangen.
01:00:19 – Verschiedene Betriebsmodelle
Lösungen können lokal beim Kunden oder auf Servern laufen; Handwerker müssen i.d.R. keine komplexe IT selbst betreiben.
01:01:02 – Harte Lernkurve und Kontrolle
Oliver betont, dass man sich schrittweise hineinarbeiten sollte, um das Gefühl zu behalten, die Systeme im Griff zu haben.
01:01:33 – Chancen und Risiken der KI-Welle
Florian sieht – wie bei früheren industriellen Revolutionen – sowohl Rationalisierung als auch große Chancen; profitieren werden vor allem die, die früh anfangen.
01:02:20 – Frust mit agentischem Browser
Oliver erzählt, wie sein bisheriges Harper‑Plugin für YouTube‑Summaries auslief und ein agentischer Browser (Comet) das gewünschte Transkript‑Summary nicht lieferte.
01:04:24 – Was „agentisch“ wirklich heißt
Florian erklärt, dass „agentisch“ heißt, dass die KI sich eigene Schritte überlegt (z.B. Ticket buchen), während Olivers Use‑Case eher eine klassische Automation ist.
01:07:06 – Automation über API
Er skizziert eine saubere Automation: YouTube‑„fertig“-Trigger, API‑Call an eine KI, Summary erstellen, in Google Docs ablegen – alles automatisiert.
01:07:51 – Empfehlung Fireflies für Meetings
Florian empfiehlt Fireflies als Meeting‑Aufzeichnungs‑ und Zusammenfassungstool für Online‑Termine.
01:08:43 – Agenten als zukünftige Gesprächspartner
Sie scherzen darüber, dass irgendwann Agents Podcasts alleine aufnehmen könnten, Oliver aber reale Gespräche bevorzugt.
01:08:54 – Verabschiedung
Oliver bedankt sich bei Florian, verweist auf seinen LinkedIn‑Auftritt und schließt mit seinem üblichen Motto „Focus on the donut, not on the hole“.
Kommentare