Token Made OKR-Software mit Claude Code #09

00:00:00: Willkommen zu TokenMate.

00:00:01: Wir sprechen hier mit Leuten, die in den letzten Monaten etwas mit AI gebaut haben um zu lernen was heute schon alles mit KI möglich ist.

00:00:10: und Heute ist Marco hier.

00:00:12: Marco ist für mich so Deutschlands bekanntester OKA-Berater und Tüftler.

00:00:19: also ich würde sagen Marco macht am liebsten alle selbst ob es Webseite ist oder irgendwelche Automatisierungen sind Und so weiter.

00:00:28: und wir haben gerade im Vorgespräch gemerkt, wir telefonieren viel zu wenig.

00:00:31: Deswegen vielleicht wird es ja ein bisschen länger heute.

00:00:36: aber erstmal für unsere Zuhörer Marco wer bist du?

00:00:41: Und was hast Du die letzten Monate mit KI gebaut?

00:00:45: Marco Alberti bin Gründer von Murakami und in dem Kontext wahrscheinlich schon eine ganze Weile wie Du sagst mit OKAS unterwegs und jetzt ein Stück gedanklich weitergezogen, also seit sieben Jahren gehrt die Weiterentwicklung von sowas wie OKA's in mir und das bricht jetzt so langsam ans Licht der Öffentlichkeit.

00:01:05: Und da ich festgestellt habe dass das eine Menge Komplexität beinhaltet, die man mit Zettel- und Stift zwar theoretisch nachvollziehen kann aber praktisch nicht sogar ganz abbilden kann haben wir angefangen das Software zu bauen was ich vorher nie wollte.

00:01:21: sich hat mich all die Jahre aus OKA Software ... massiv rausgehalten, weil es nur mit Adventure Capital gegangen wäre.

00:01:29: Und da ich das Spiel... ... kenne und auf der anderen Seite schätze aber für mich selber nicht habe ich immer gesagt ne will ich nicht!

00:01:36: Jetzt kommen ganz viele Sachen zusammen die einfach geil sind, weil man wie du sagst selber Sachen machen kann.

00:01:45: Das was ich vor acht Jahren oder so versucht habe in einem Alexa Skill meine OKA sich der Dinge beizubringen war ungefähr so erfolgreich, wie das dem Türrahmen hierbei zu bringen.

00:01:57: Also das ist einfach brutal gescheitert und mittlerweile haben wir die technischen Möglichkeiten dass das geht und das finde ich so geil.

00:02:06: also was sich gebaut habe zusammenfassend eine Menge unserer internen Prozesse vollautomatisiert Webseiten von Squarespace und Code zu quasi mit Cloudcode gebaut und Universal gehosteten Dingern umgebaut und ein Tool gebaut.

00:02:24: Und nochmal einen Schritt zurück.

00:02:26: Erklär doch mal kurz, was OKAs sind und warum unternehmen OKAs überhaupt nutzen sollen?

00:02:33: Ich würde erklären, was der evident flow ist als Fortführung dessen aber also ein Zielsystem.

00:02:40: Es geht.

00:02:41: am Ende geht es darum die Frage zu beantworten Wie gelingt Produktivität?

00:02:45: also was sollte ich als nächstes tun mit den knappen Ressourcen die habe und idealerweise schaffe ich es in der Geschichte zu erzählen damit eine größere Gruppe von Leuten über längeren Zeitraum.

00:02:57: An dieser Geschichte arbeitet versucht diese Ziele auch hinzukriegen.

00:03:01: so das ist okay aus dem Kern und dass ist der evident flow im Kern.

00:03:05: also wir versuchen.

00:03:07: Den besten bang for the buck zu identifizieren?

00:03:10: wo kriegst du für die knappe ressourcen, die du hast den größtmöglichen Vortrieb in die Richtung, die du dir vorstellst.

00:03:17: Und wie schaffst du es das mit Mensch und Maschine?

00:03:21: Also Agent Agnostic zwischen Menschen und Agenten so zu orchestrieren, dass das funktioniert?

00:03:27: Das ist im Prinzip der Kern dessen womit wir uns beschäftigen.

00:03:32: Ich erinnere mich an so Workshops vor ungefähr acht Jahren Indem du als Berater reingekommen bist und das Leadership Team dann definiert verhandelt hat.

00:03:44: Und es gab dann Google Sheets für, ich glaube runtergebrochen bis auf Mitarbeiter, Mitarbeiterin Ebene mit immer quartalsmäßigen Zielen.

00:03:55: also schaffe ich irgendwie sieben von zehn Kunden diesen dieses Quartal irgendwie rein zu holen oder sowas?

00:04:07: Oder nee, das ist sogar falsch.

00:04:08: Wäre das ein richtiges

00:04:10: Key Beside?

00:04:11: Das wäre aus meiner Perspektive wieder so KPI Driven Sales-Wunsch.

00:04:16: die Frage ist was braucht der Kunde damit er sich dazu entscheidet zu springen?

00:04:22: also wir versuchen es sehr stark auf einen kausal Modell runterzubrechen.

00:04:26: und dass das Schöne ist.

00:04:27: einer dieser Workshops den wir mal zusammen hatten an denen erinnere ich mich noch saß wenn im großen weißen Tisch Und da war eines das Mantra, dass mich lange geprägt hat und was jetzt den Kern von meinem neuen Ding hier definiert ist.

00:04:41: Das Mantras S entscheidet sich statt.

00:04:44: ich entscheide es.

00:04:45: weil wir immer sehr viel über dieses Ziel und dieses Ziel diskutiert haben sind wir hingegangen und haben gesagt Was sind die Determinanten von wichtig?

00:04:54: Also wann ist ein was wichtig und wann nicht?

00:04:57: damit nicht Ich sagen muss Es ist wichtig und du sagst bei einem anderen ding ist es wichtig Und plötzlich ist alles wichtig.

00:05:03: Das eine für dich mehr, das andere für mich mehr.

00:05:05: Sondern wir einigen uns auf die Determinanten von Wichtig und Nicht-Wichtig bilden die ab und daraus ergibt sich offensichtlich was wir zuerst tun sollten.

00:05:13: Da haben wir in allem dieser Workshops einen der Grundsteine gelegt.

00:05:19: Ja, ich habe auch jedenfalls einen Grundstein für mich, dass ich in diesem Konstrukt nicht mehr arbeiten möchte.

00:05:24: Verstehe ich total!

00:05:26: Also was Konzern nahe ist hat auch jeden Fall hohen Frustrations... Frustrations-Toleranzbedarf, würde ich es mal nennen.

00:05:34: Genau!

00:05:34: Ich wusste ja eigentlich für immer dankbar sein dass du mich aus dieser Konzernhöl auch wieder rausgekriegt hast.

00:05:41: Aber nun zu evident flow.

00:05:42: also Du hast als okayer Berater angefangen weil du das selbst in einem Starter eingeführt hast und dann das immer mehrere Firmen beigebracht hast.

00:05:53: Und gemacht hast du ein kleines Team um dich herum

00:05:56: die das

00:05:57: flächendeckend im Dachraum Einführen und dann hast du immer mal darüber geredet, das so ein bisschen weiter zu entwickeln.

00:06:06: Wie ist der Status aktuell?

00:06:09: Also wir haben erste Kunden die auf dem System laufen und wir haben auch erste Kunden, die nicht nur auf den Framework laufen sondern in der Software, die wir da so gebaut haben und dies quasi token made wie Du das so schön genannt hast.

00:06:24: also wir haben es geschafft die komplett ähm agentisch zu bauen und das finde ich irgendwie schon ziemlich gut, weil es die Möglichkeit ergibt so aus einer kein Clashflow Bude wie der Meinigen ähm sowas herauszumachen.

00:06:37: Und nicht wie sie getrieben.

00:06:40: also das Framework bringen wir gerade raus.

00:06:42: in die Öffentlichkeit werden jetzt die ersten.

00:06:44: das erste Training ist gelaufen Das zweite kommt jetzt im Juli.

00:06:47: Also bringen jetzt dass das framework in die öffentlichkeit und würden sagen es ist jeden Fall schon über den Stand hinaus dass es die ersten Kinderkrankheiten vertagt hat und die letzten zwölf, fünfzehn Jahre OKA-Erfahrung stecken dann natürlich drin.

00:07:01: Also nicht was komplett anderes sondern eine konsequente Fortentwicklung dessen.

00:07:07: Ja also von daher würde ich sagen ist erblickt gerade das Öffentlichkeitslicht.

00:07:14: Kannst du uns ein bisschen zeigen wie ihr das so gebaut habt und wie das aussieht?

00:07:19: Also, was wir sehen ist das, was du als Kanban-Bord identifizieren würdest.

00:07:25: Nämlich unsere sogenannte Flow Pipeline.

00:07:28: Das heißt, wir gehen davon aus dass wir die Ziele erstmal locker definieren und dann mit immer mehr Aufwand so spezifizierend, dass wir genau wissen, was das Ziel eigentlich sein soll.

00:07:39: Klassisches Kanban vorgehen.

00:07:41: also je weiter du rechts in der Pipeline kommst desto klarer wird das Ziel.

00:07:46: Um zu verstehen, wie der Evident Flow so tickt haben wir eine Landkarte gebaut.

00:07:52: Also wir versuchen das Unternehmen und seine Umwelt in unterschiedlichen Stakeholder Gruppen zu analysieren also zum Beispiel Lieferanten, Marktplätze Kunden Mitarbeiter möglicherweise Vertriebspartner usw.

00:08:08: Wir versuchen alle unterschiedliche Steakholder Gruppe zu verstehen und zu antizipieren, was denen wichtig ist.

00:08:15: Und was ihnen wichtiger ist als etwas anderes.

00:08:18: Das ist ein bisschen wie man hier sieht in so einer Grafdarstellung das heißt weil alles miteinander vernetzt ist.

00:08:24: gucken wir uns also an was es den Wertreibern an Gewicht hinterlegt?

00:08:30: Also wie wichtig ist es dieser Zielgruppe einen bestimmten Wertreib zu haben?

00:08:34: und auf der anderen Seite was können wir als Unternehmen machen diese Wertreiba positiv zu beeinflussen.

00:08:40: Hier diese grünen Punkte sind die Werttreiber, der zum Beispiel der Kunde wertschätzt Und diese orangenen Knöpfe, das sind die Hebeln, die wir als Unternehmen haben.

00:08:52: Die wir beeinflussen können damit der Kunde mehr von dem bekommt was er positiv bewertet.

00:08:58: so und da sehen wir sind unterschiedliche Gewichte hinterlegt in unterschiedlichen Dimensionen Damit wir auch wissen ob es größere oder kleinere Hebel gibt.

00:09:06: also der hier ist zum Beispiel ein Sechzig Das heißt der Kunden einiges wert Der hier fünfunddreißig der vierzig Also wir sehen die stehen in einem Verhältnis zueinander sind keine absoluten Aussagen, sondern sind immer nur relative Aussagen zueinander um so herauszufinden was mögen die Kunden denn lieber.

00:09:26: So wenn wir das als Landkarte mal hinterlegt haben dann können wir auch davon ausgehen dass wir bestimmte Treiber adressieren können.

00:09:37: also wir können uns jetzt aussuchen welche Treiber und Hebel zum Beispiel physische Touchpoints könnte der Zielgruppe wichtig sein?

00:09:46: Oder haben wir herausgefunden, ist der Zielgruppe wichtig?

00:09:49: Das können wir jetzt positiv beeinflussen.

00:09:51: Und jetzt ist die Frage was glauben wir wie hoch oder niedrig der Impact da drauf ist den wir haben mit unserem Ziel auf die unterschiedlichen Treiber.

00:10:02: und du siehst hier es eine Berechnung von im Moment einer Stimme weil ich gerade der einzige bin der hier etwas zugesagt hat und berechnet so die Durchschnitt Die Durchschnitz Impact.

00:10:12: Wir können aber auch mal in anderes reingehen.

00:10:16: Da haben schon mehrere Leute, zwei in dem Fall was abgestimmt und du siehst hier auch da ist eine Streuung drin.

00:10:24: also das Team ist sich nicht so ganz sicher ob es jetzt einen mittelgroßen großen oder sehr großen Effekt hat.

00:10:32: und all diese unterschiedlichen Betrachtungen auf die Ziele in Kombinationen der ganzen Wertreiber in dieser Velomap der Landkarte, die wir eben kurz gesehen haben berechnet haben führen dazu dass wir ausrechnen können über die Zeit was wir lieber tun sollten als anderes.

00:10:54: Also da wo ich sage der Aufwand ist gering hier können wir den Aufwand mapen.

00:10:59: also können zum Beispiel sagen eine Aufwand is gering und der Effekt auf die Wertreiber die wir gerade gesehen haben es hoch.

00:11:08: mache natürlich das hier was einen hohen Index hat Früher als das nächste Ziel.

00:11:14: Das heißt, wir können aus dieser ganzen Diskussion ja ich muss das machen, alle kloppen sich um die gleichen Ressourcen.

00:11:22: Können wir eine praktische Erleitung machen indem wir sagen aber warte mal.

00:11:26: Was ist denn zum Beispiel der Kundengruppe gerade am wichtigsten?

00:11:30: Welche Ziele können wir verfolgen?

00:11:32: Die welchen Impact da drauf haben?

00:11:34: und dass setzt sich ins Verhältnis zum Aufwand und kann damit ausrechnen was wir tun sollten und was nicht.

00:11:42: Das ist ein sehr kleiner, knapper Ausschnitt aus dem Tool, weil es dir dann auch hilft deine Kapazitäten in den Teams zu berechnen Und du kannst natürlich wie du hier siehst.

00:11:53: die hängen natürlich dann alle miteinander zusammen.

00:11:56: Du kannst dann also sagen mein Ziel hängt aber daran dass der Philipp Auch einen Teil davon macht und wenn der Philipp seinen Teil nicht macht Dann bin ich blockiert von.

00:12:05: Also ich kann sehr genau ausrechnen Am Anfang des Quartals, ob wir irgendein Ziel verfolgen sollten.

00:12:12: Weil wir schon sehen können das zum Beispiel Philipps Team in der IT sagen kann.

00:12:18: nette Idee aber komme ich nicht dazu weil keine Kapazitäten.

00:12:22: Ich habe sinnvollere Sachen zu tun und demzufolge führt es dann dazu dass sich möglicherweise was anderes verfolgt sollte weil ich's schon im Vorfeld sehe das ist an dieser Stelle nicht funktioniert.

00:12:35: und da kommen wir wieder zu AI.

00:12:37: Um am Ende auch rauszukriegen, wie aufwendig dachte ich denn das es ist?

00:12:44: Und wie aufwändig war's denn wirklich kann ich natürlich hinten raus auch nochmal im Review den realen Aufwand berechnen oder abfragen und ich kann natürlich im Review auch hingehen und kann die realen Impacts berechnet so dass ein Learning Loop entsteht.

00:13:02: Wie aufwendig waren die Sachen, welche Impacts hatten sie und wie viel Aufwand kann jede Person jedes Team eigentlich wirklich vertragen?

00:13:12: Was dann wiederum dazu führt, dass du eigentlich viel besser planen kannst.

00:13:16: Und diese Trade-offs am Ende nennen wir die Workshops auch Trade Off Session zwischen sollten wir A machen oder B machen nicht nur aufgrund von Bauchgefühl diskutieren kannst sondern eben ein bisschen auf synthetischer Datenlage.

00:13:32: Und damit du das nicht alleine machen musst, läuft im Hintergrund so ein kleines Modell.

00:13:37: Das anfängt zu lernen was sind denn eigentlich die Treiber in deiner Value Map?

00:13:42: Worüber diskutieren Leute an ihren Zielen?

00:13:45: also wir haben auch die Möglichkeit hier dann Aufgaben zu hinterlegen Kommentare zu lassen.

00:13:51: Also wir können auch an den Zielen kommentieren und Aufgaben runterbrechen und dann hilft dir das Modell im Hintergrund rauszurechnen.

00:14:00: Was sind denn die Impacts?

00:14:01: Fehlentreiber?

00:14:02: redet ihr über Ziele, die es eigentlich gar nicht geben dürfte.

00:14:05: Redet ihr übertreibbar, die ihr gar nicht habt?

00:14:08: Wie viel vertragt ihr wirklich?

00:14:10: Und ich habe zum Beispiel gestern mal so eine Analyse gemacht der letzten acht Woche auf meinen täglichen Aufgaben um einfach zu gucken wieviel von den Aufgaben, die ich mir Tag für Tag vornehme hab ich wirklich hingekriegt.

00:14:23: und von den Aufgaben, die ich mir an dem Tag nicht vorgenommen hatte habe ich erledigt.

00:14:28: Also das Track ziemlich gut!

00:14:30: Du hast dir fünf Sachen vorgenommen und im Schnitt hast du vier Komma eins davon erledigst.

00:14:36: aber du hast am Tag auch Eins Komma Fünf Aufgaben gemacht, die du dir für den Tag gar nicht eingeplant hattest, die so reinkamen und die du dann spontan erledicht hast.

00:14:46: und dann kriegst du so eine Reflexionsgröße Wie sollte ich eigentlich meinen Tag verbringen ohne jeden Tag mit dem Gefühl nach Hause zu gehen?

00:14:54: Mist, es ist achtzehn Uhr und eigentlich müsste ich jetzt anfangen zu arbeiten.

00:14:58: Sondern mit dem Gefühl nach Hause zu gehen.

00:15:00: Es ist Nachmittag.

00:15:01: Ich habe irgendwie die großen Boxen geteckt.

00:15:04: Wenn ich mich jetzt in den Garten setzen will dann hab' ich alles gemacht was wir brauchten.

00:15:09: Wie hast du das alles gebaut?

00:15:11: Also so...

00:15:13: Ja

00:15:13: also wie ist das entstanden?

00:15:16: Welche Tools nutzt Du?

00:15:18: Machst du's alleine oder sagst du im Techie was er zu tun hat?

00:15:21: Beides.

00:15:22: Also wir sind zu zweit.

00:15:25: den kompletten Automations-Layer im Hintergrund läuft, der die Firma orchestriert.

00:15:32: Den baue ich mit ClaudeCourt und einem Framework des sich GSD nennt also Getting Shit Done.

00:15:38: Da spezifiziere ich, wie die Prozesse sind.

00:15:41: Der holt sich zum Beispiel aus dem Google Drive.

00:15:44: alles was an Rechnungen kommt lässt es durch eine Rechnungsprüfung laufen schiebt das dann entweder wenns freigegeben wurde automatisch in die Ablage schiebts zu Datev und wenn's Probleme gibt.

00:15:57: also wenn er sagt die Rechnung Die dürfte nicht gestellt worden sein, weil da gibt es kein Projekt dazu.

00:16:03: Dann geht er ins Lack und schickt eine Nachricht und sagt hier die Rechnung ist zu prüfen.

00:16:07: das sind meine drei Optionen.

00:16:09: oder du kannst ne Viertel angeben wie Du das irgendwie machen willst?

00:16:13: Und wenn Du sie dann ablehnst, dann geht automatisch so ein Ablehnungsprozess los und der fragt nach also guckt automatisch nach den neuen.

00:16:21: Das sind so Sachen.

00:16:22: die Cloud Code GSD das würde ich sagen is nicht so weit weg von dem, was wahrscheinlich alle anderen machen.

00:16:31: Der zweite Teil den ich mache ist Hermes Agent und der läuft Bare Metal auf einer eigenen Maschine hat Route Zugriff das heißt kann sich auch Sachen installieren, hat einen eigenen Google Account damit quasi relativ gut gescoped ist wo kommt der Account dran und wo nicht?

00:16:50: also läuft nicht auf meinem Rechner sondern auf seinem eigenen.

00:16:53: Und da laufen zum Beispiel so Sachen wie Podcast Gäste Automation.

00:16:57: Das heißt, der geht dann hin und das kann ich ja auch mal ganz kurz zeigen.

00:17:03: Der geht hin und macht eine Recherche zum Thema Podcasts.

00:17:11: Wenn du hier oben reingehst, sagt er, guck mal hier... Also das ist jetzt ein potenzieller Podcast Gast, der hier identifiziert wurde Ein bisschen kleiner, dann sehst du es wahrscheinlich auch besser.

00:17:26: So.

00:17:26: und dann sagt er okay ist im Themenfeld AI, Recherche Status.

00:17:31: Und dann sagt der Agent hier und sagt uns Bescheid diese Ideation Seite neu angelegt.

00:17:37: Warum ist diese Person spannend?

00:17:40: Also gibt bestimmte Suchfelder, gibt bestimmten Themen wo wir sagen Schau dir an System Theorie, schaue dir an AI Welche Bücher wurden neu veröffentlicht?

00:17:51: Also gibt's so acht Suchtfelder, glaube ich.

00:17:53: Und dann geht dahin hat einen eigenen Perplexity Key macht also so Deep Research Analysen und schaut sich an was sind die Sachen, die wir in dieser Podcastliste schon haben damit da nicht zweimal die gleichen Leute vorschlägt.

00:18:07: Macht hier so ein Kurzprofil sagt warum das fit wäre worüber man reden könnte hat sie angeguckt okay haben wir den überhaupt schon mal auf der Liste.

00:18:18: und nicht, dass wir sogar schon über die Person was geschrieben hätten.

00:18:22: Also guckt sich auch unsere Webseite an sagt okay ist nicht vorhanden.

00:18:27: kann ich vorschlagen?

00:18:28: Und damit können dann meine Kolleginnen und ich können hin gehen können uns die Profile angucken und wenn es uns spannend erscheint Dann können wir die Personen zum Beispiel einladen.

00:18:37: so das sind so Worker die automatisch laufen.

00:18:40: Das macht jetzt der Hermes.

00:18:41: Die anderen worker laufen oft er auf so eine WPS Maschine.

00:18:45: Das sind die Sachen, die ich mit CloudCode und Hermes gebaut habe.

00:18:51: Und das Tool selber ist komplett token-made wie du das so schön genannt hast.

00:18:58: Das heißt angefangen haben wir auch hier mit Cloud Code und GSD.

00:19:06: Ich hab in Notion spezifiziere ich die Ideen Und dann haben wir gesagt, okay von diesem Notion quasi Product Requirement gehen wir hin und machen mit so was wie GSD eine technische Anforderung.

00:19:21: Das heißt da macht auch der Claude Cote die Anforderungen und haben dann angefangen das in Tickets zu übersetzen und umsetzen zu lassen.

00:19:32: und jetzt sind wir soweit.

00:19:34: Das ist für mich ein ganz interessantes Feature, wenn du hier oben schaust kannst du Feedback geben.

00:19:40: Und da siehst du so ein bisschen wie unser Funnel mittlerweile läuft.

00:19:45: also ich habe vorgestern im Workshop gesessen und hab dann gesehen hier oben wird irgendwie die Hälfte von dem Fenster was wir eben gesehen haben in der Pipeline wird durch die Berechnungen quasi verbraucht.

00:20:01: Das macht irgendwie nicht so richtig viel Sinn und habe ein Ticket geschrieben als Nutzer in dem Produkt, also gar nicht irgendwie in einem technischen Tool sondern wirklich gesagt so hey ich hab mir einen Fehler gefunden.

00:20:13: den würde ich gerne melden.

00:20:14: Darstellung funktioniert nicht.

00:20:17: hier ist die Beschreibung wäre cooler wenn es nicht da den halben Space kosten würde sondern wenn das nach unten verschoben würde.

00:20:24: So und jetzt sagt irgendwie hier plötzlich so ein Flow Agent Team, danke für die Meldung!

00:20:28: Wir haben uns das angeguckt.

00:20:29: Das scheint ein Fehler zu sein der es bestätigt.

00:20:33: Danach kam irgendwie gute Nachrichten dass von dir gemeldete Problemen wurde behoben und um dir die Zeitleiste zu geben reingekippt was ich das steht hier aber auch hier rein gekippt.

00:20:47: Siebter, siebter.

00:20:49: Fünfzehn und fünfzig gute Nachrichten.

00:20:55: das Problem wurde behoben.

00:20:57: Dann fragt er dich kannst du nochmal gucken?

00:21:00: Kannst du einen Daumen hoch geben oder runter?

00:21:02: Also habe ich ein Daumen Hoch gegeben als behoben.

00:21:04: schön dass es funktioniert.

00:21:06: danke für die Bestätigung.

00:21:07: also sechzehnt und zweiundvierzig am gleichen Tag innerhalb des Workshops also live wurde Das Feature umgebaut und deployet Und was im Hintergrund läuft ist ein GitHub-Ticket, also es wird dann mittlerweile als GitHub-ticket angelegt mit genau der Sache.

00:21:31: Da siehst du welche Personen in welchem Kundenprojekt das angelegt hat hier den Text den wir gesehen haben die Screenshots.

00:21:39: Dann guckt sich so einen Agentus an und sagt okay scheint ein Bug zu sein.

00:21:44: muss ich erst mal gucken ob's wirklich ein bug ist oder ob es da irgendeiner was überlegt hat was wer eigentlich gar nicht als Fehler haben?

00:21:51: Sagt Mathe so einen kleinen Report, sagt er okay das scheint irgendwie ein Thema zu sein.

00:21:57: Und dann ist natürlich die Frage wollen wir das fixen?

00:22:00: Also soll ja nicht jeder in unserem Produkt rumbauen können indem er oder sie ein Ticket da einstellt und hier merkt er es gar keine Eskalation nötig weil der Typ der das gemeldet hat scheint der Product Owner selber gewesen zu sein.

00:22:18: Also brauche ich keine Freigabe vom Produkt, die liegt damit vor.

00:22:22: Also kann ich es als Genehmigt annehmen und kannst den DevTicket übersetzen.

00:22:28: So dann wird das hier in so ein DevTickets übersetzt, wird dann automatisch entwickelt und kommt am Ende wieder zurück.

00:22:38: Wird sich angeguckt, wird quasi sowohl in der Interaktion zwischen DevBot und Product freigegeben und wenn das intern freigegegen wurde dann kriegt hier automatisch der user im produkt die rückmeldung hey dein produkt vorschlag oder deinen fehler wurde bearbeitet.

00:23:03: Und wenn der user dann auf ja funktioniert klickt, dann ist der quasi incident damit geschlossen.

00:23:12: Im hintergrund läuft mittlerweile das hier shepherd Mein lieber Kollege Patrick selber entwickelt.

00:23:19: Also das ist quasi die Logik, die jetzt so ein bisschen losgelöst von Frameworks wie GSD auf zum Beispiel Codebasis funktioniert.

00:23:30: und wenn man... ich habe hier mal so die DEV Demo aufgemacht, würde es dann aussehen.

00:23:36: Das sind nicht unsere Live-Daten sondern hier die Live-Devo von der Website.

00:23:42: aber damit Kannst du es dir ein ganz gut vorstellen?

00:23:44: Das heißt, hier laufen dann quasi die Tickets rein und im Hintergrund steuert er über so einen Hörder quasi unterschiedliche Terminals auf einem eigenen Rechner.

00:23:58: Und das heißt da laufen drei oder vier Cloud-Accounts parallel mit Load Balancing.

00:24:02: also er guckt immer bei welchem Code Account habe ich gerade noch tokens frei und setzt den darauf um genau dieses Ticket zu beantworten.

00:24:13: Und da laufen dann beide Welten zusammen, nämlich das was ich als PRD Innotion definiere also das was sich wirklich als Feature entwickeln will läuft auf der einen Seite hier rein.

00:24:24: Das was aus dem Produkt als Back gemeldet wird läuft hier rein und dann orchestriert sich sozusagen die Die Dev Pipeline so, dass Automatisch ein Ticket nach dem anderen abgearbeitet wird.

00:24:38: Wieder zurück gemeldet wird entweder in das Produkt oder in Notion hey ist umgesetzt kannst du es dir angucken kannst du's frei geben und wenns freigegeben wurde dann wird von der dev Umgebung in die produktiv Umgebungen geschoben.

00:24:54: damit ist es dann live im Produkt.

00:24:56: Ich würde gerne noch so ein bisschen allgemein über KI mit dir reden.

00:24:59: ja zum einen also Wie hat sich dein Job denn mit KI in den letzten zwei, drei Jahren verändert?

00:25:08: Also du wirst ja immer relativ schnell dabei Sachen ausprobieren.

00:25:14: Und du bist immer in sehr vielen Unternehmen aktiv und siehst so wie gearbeitet wird, wie sich die Sachen verändern.

00:25:25: welchen Impact hast Du dann in den vergangenen drei Jahren mitbekommen?

00:25:30: Also muss man natürlich ein bisschen Abschichten zwischen wie hat sich mein Job verändert und was sehe ich bei anderen.

00:25:37: Mein Job hat sich dadurch verändert, dass ich bin durch Erkenntnisgewinn getrieben.

00:25:42: also ich bin neugierig.

00:25:43: Ich will wissen wie das funktioniert Und meine These ist es wir auf eine Welt zu laufen in der es zwei Arten von Jobs gibt die einen die der AI sagen was sie tut und Die Anderen denen die AI sagt was sie tun sollen.

00:25:59: Und ich habe für mich beschlossen, sollte diese These stimmen, will ich lieber auf der Seite sein die der AI sagt was sie tun sollen statt auf der anderen weil das irgendwie andernfalls meinem Freiheitsliebenden selbst stark entgegen laufen würde.

00:26:14: Also ich glaube es ist einfach eine Bedingung dass sich in der Zukunft so arbeiten kann wie ich will, dass ich das Zeug verstehe und demzufolge hab ich mich da so tief reingefräst weil's mich interessiert und ich glaube Also natürlich offensichtlich die Zukunft, wie wir arbeiten massiv verändert.

00:26:34: Und dann habe ich natürlich gemerkt dass dieses OKA-Feld durch Wirtschaftskrisen und AI gleichzeitig stark unter Beschuss gerät und muss mir natürlich die Frage stellen was mache ich mit meinem Unternehmen daraus?

00:26:52: Was ich nicht machen wollte ist jetzt auf das nächste also nach dem die Horde von New Work weitergezogen ist, dann auf die AI Karawane aufzuspringen.

00:27:01: Das war mir nicht ding weil ich bin ja an der Sache interessiert wie orchestriert man Produktivität?

00:27:08: und deswegen habe ich es für mich so übersetzt dass sich in dem Bereich indem ich arbeite halt mit AI arbeite und das merke schon dass wir komplett also Sachen wo wir früher im Workshop halbem tag gebraucht haben um zettel an der wand zu orchestrieren also post jetzt und dann haben wir da so wolken gebildet und überschriften gesucht und das hatten halben halben tag top management attention gekostet ist halt alles voll automatisiert.

00:27:39: Also würde ich nicht mehr machen wollen muss man auch nicht mehr mache weil du kippst die ganzen inhalte in so ein ding und dann kommt halt Die hälfte vom workshop ergebnis schon vorher raus.

00:27:49: und dass sind natürlich die spannenden sachen.

00:27:51: Und dann habe ich mir überlegt, wie kann ich in die andere Hälfte der Workshop Ergebnisse

00:27:56: auch

00:27:56: noch.

00:27:58: Antizipieren und hab angefangen die Workshops mit Personas der Personen, die sozusagen den Tag übergesehen hat, virtuell nachzuspielen.

00:28:07: Also ich hab acht Agents miteinander diskutieren lassen, orchestriert vom Moderator mit den Profilen von den Leuten nicht den ganzen Tag gesehen haben und hab mir die Transkripte angeguckt und gesagt was diskutieren die?

00:28:19: Und wie nah ist das an dem, was wir diskutiert haben?

00:28:23: Das war stark nah dran.

00:28:27: Natürlich war da vieles, wo du gesagt hast, es ist ein bisschen generell, was das hier macht aber da waren sehr viele Überschneidungen und dreißig Prozent Quatsch.

00:28:37: Aber es war noch zwanzig Prozent dabei, wo Du denkst wow!

00:28:40: Das haben wir nicht diskutiert.

00:28:42: und wenn ich darauf gucke sind es gute Themen.

00:28:45: und deswegen kam ich zu, ich muss einen digitalen Schwarm bauen der das Unternehmen virtuell kopiert damit da nicht acht Leute nachdenken über was machen wir als nächstes und warum sondern sechzehn.

00:28:58: Und das Wissen was wir generieren können über so ein bisschen der AlphaGo Moment die ungespielten Züge auch durchrechnend zu lassen um zu sagen hey mal der war gut Den hat hier keiner gespielt von den echten Acht.

00:29:15: Aber wenn ich drauf gucke, die drei Züge sind echt gut... Lass uns die überlegen ob wir sie nicht in Echt machen wollen!

00:29:24: Und das war so der Durchbruch wo ich gesagt habe ok da muss man mit AI an das Thema ran und nicht nur Klot benutzen.

00:29:34: oder also noch schlimmer ist ja der Co-Pilot.

00:29:38: Das ist meine Analogie der Faxcopie.

00:29:40: des der aktuellen zeit ist.

00:29:42: der eine hat keine lust die präsentation zu machen gibt drei powerpoint punkte oder drei punkte hin und lässt sich ne powerpoint machen und die nächste riebene sagt.

00:29:52: Ich kann doch ich bin nicht doof ich lese mir das noch nicht durch.

00:29:54: lass mich zusammenfassen, und so blasen wir die ganze zeit sachen auf und schränken sie wieder und blasen sie wieder.

00:30:02: wundern uns da dass dann irgendwie gar nicht so richtig qualitative Sachen rauskommen.

00:30:06: wo hingegen wenn du sauber orchestrierst und den ganzen kontext Orchesterierst, weil das ist das was ich gelernt habe.

00:30:14: Nachdem ich versucht habe diesen Agents irgendwie beizubringen... ...was ich ihnen beibringen wollte... ...brauchten sie halt Skills, Tools und Kontext!

00:30:23: Und wenn du dir anguckst was die Menschen in dem Unternehmen brauchen ist... ...Skills, Tools & Kontext heißt ein bisschen anders bei den Menschen sind es dann halt Prozesse.. ..und bei den Agents sind Skills.

00:30:33: aber wenn du es runterbericht auf Markdownfalls brauchen beide das gleiche und wenn beide das Gleiche brauchen kann ich es auch agnostisch orchestrieren, um besser die Frage beantworten zu können.

00:30:45: Was sollten wir denn jetzt eigentlich machen mit der Zeit, die wir hier haben?

00:30:49: Ich erinnere mich, dass in den Workshops so die eine oder andere Person versucht hat irgendwie zu ...den Zeitaufwand zu minimieren.

00:31:00: Dass man links und rechts mal so guckt was die Kollegen als OKRs haben Dann mal so ein paar aus dem Quartal davor einfach übernehmen und so weiter.

00:31:11: Jetzt kannst du ja heute einfach sagen, hey ich bin der CMO in dem und dem Unternehmen und hier sind ein paar Eckdaten.

00:31:21: macht mir mal einen OKR-Sheet.

00:31:24: Siehst du

00:31:25: das?

00:31:25: Vermehrt?

00:31:26: Machen alle wahrscheinlich!

00:31:28: Wie gehst du denn damit rum?

00:31:29: also ich habe so ein bisschen das Gefühl... Manche ist es zu leicht.

00:31:35: Ich, der irgendwie nicht so wahnsinnig gut Texte schreiben kann, kann jetzt ein super Essay schreiben.

00:31:41: Man könnte sich auch einfach mit irgendwie, ja, hundertvierzig Zahlen wahrscheinlich einen Businessplan schreiben lassen und sagen so hey das ist mein super Businessplan aber so richtig wertvoll ist es das ja nicht.

00:31:57: Calling out Bullshit.

00:31:58: also siehst du natürlich massiv Machen Leute auch in den Workshops und sowohl du denkst, okay leute so wird es nix weil selber denken macht schlau.

00:32:07: Und das musst Du halt meiner Meinung nach halt super schnell spotten und sagen hey das ist generischer AI Quatsch!

00:32:15: Das klingt zwar besser als das vorher schlecht formulierte OKA oder Evident Flow Ziel aber trotzdem generische AI also Slop Das siehst du recht schnell, finde ich.

00:32:27: Und dann musst Du halt sagen hey Leute das hilft ja nicht!

00:32:29: Also weil wenn das die Qualität wäre von dem was wir bräuchten und ich rede ja vom Topmanagement also Wenn ein generischer ChatGPT prompt ohne Kontext in der Lage wäre das sinnvollste nächste Ziel für dich zu überlegen Dann würde ich mir stark überlegen Was machst Du denn da noch?

00:32:49: Und wie lange hält das?

00:32:50: Weil wenn das funktionieren würde Und deswegen wollten ja mal Leute von mir, gib mir den Prompt mit dem ich OKAS formulieren kann.

00:32:58: Da kann ich nicht weil es keine ... Es ist keine Promptfunktion und das ist auch... Deswegen haben die immer gesagt, ja ist das ein gutes Objektiv?

00:33:06: so I don't know.

00:33:07: Ohne Kontext kann ich das nicht beantworten, es kommt auf deine Situation an Kann ich als Mensch nicht?

00:33:12: Kann ich also gehen nicht?

00:33:14: Und deswegen ist kontextfreies Promten von welcher Art von Ziel auch immer Schwachsinn, weil es nicht auf die Handlungsentscheidung in deiner jeweiligen Situation abgestellt ist.

00:33:28: Wenn du aber sagst das meine Company so viel Cash habe ich.

00:33:32: Das sind die Produkte, dass die Landkarte, das schätzt mein Kunde, das Schätzt meinen Mitarbeiter, das geschätzt meine Lieferanten.

00:33:38: Da schätzter mehr und da weniger.

00:33:40: Und wir sind in der Situation.

00:33:42: Wir haben als letztes das versucht.

00:33:43: das hat dazu geführt.

00:33:44: dann haben wir das versucht.

00:33:45: das hat nicht dazugeführt.

00:33:47: Und jetzt wollen wir aufgrund der Situation, dass keine Ahnung Trump hat nach schlecht geschlafen hat und wieder uns das angedreht hat.

00:33:54: Jetzt versuchen wir diese eine Frage zu lösen was ist der schlauste Approach den wir haben diese eine frage zu lösten?

00:34:03: Und dann kommt etwas raus wo du sagst oh und das is nicht skill sondern Context Engineering.

00:34:09: also müssen sozusagen die ganze Landkarte die Realität des Unternehmens in den ... ins Kontextfenster packen, um es jetzt mal irgendwie so technisch ein bisschen zu beleuchten.

00:34:22: Um dann zu sagen, so jetzt bist du ja schlau genug liebes LLM... Jetzt kannst du drüber nachdenken.

00:34:30: und wenn's so nicht wäre, dann wär ja jedes Unternehmen kontextfrei gleich gut!

00:34:38: Wie absurd wäre das?

00:34:39: Und wie beängstigend

00:34:41: auch?!

00:34:42: Und ein bisschen in die Zukunft schauen, was ist die nächste...?

00:34:47: Das nächste AI Produkt, was du dir erstellen wirst.

00:34:52: Hast du schon Ideen, was die kommenden sechs Monate machen möchtest?

00:34:54: Ja also wir werden das, was ich eben gezeigt habe mit einem kompletten Agent Layer bauen.

00:35:01: Also der ist da schon in Teilen drin aber genau das eben... Also mein Ziel ist es, dass was die Aufmerksamkeitsökonomie mit unseren Hirnen veranstaltet hat umzudrehen.

00:35:14: Also wenn du davon ausgehst, dass Facebook und Meta ziemlich gut verstanden hat was du brauchst um dich dauernd zu pingen.

00:35:22: Um dich an der Leitung zu halten kann man ja davon ausgehen das diese Algorithmen wie auch immer die gehadet sind.

00:35:29: Potenziell in der Lage sind rauszufinden was ist gerade relevant?

00:35:33: Was ist wichtig?

00:35:34: Was interessiert dich?

00:35:36: so jetzt haben die leider eine falsche Optimierungsfunktion also die Zielfunktion.

00:35:40: von denen ist halt nicht so lange beschäftigt wie möglich.

00:35:44: Meine Zielfunktion ist, nerv mich so wenig wie nötig.

00:35:49: Also was wir versuchen damit zu bauen ist eine inverse Aufmerksamkeitsökonomie also dem Ding beizubringen.

00:35:56: der Philipp will heute genau drei Sachen wissen weil er drei Sachen machen will und das sind die wichtigsten in seiner Landkarte in seinem Kontext gerade sind.

00:36:06: dazu muss er das wissen er muss die Kommunikation kennen Er muss eine Entscheidung treffen.

00:36:11: Das sind die Handlungsoptionen, die er hat und das sind die Meinungen von seinem Kollegen Marco und das ist die Meinung von fünf Agents so dass muss er alles wissen.

00:36:20: Alles andere muss er nicht wissen.

00:36:22: So und das versuchen wir zu bauen.

00:36:25: der Philipp geht morgens in sein Büro Und den Teil mache ich schon jeden Tag.

00:36:29: Ich mal mit meinem Hermes dann so ein Check-in und sage guck mal hier Hab schlecht geschlafen oder gut oder was auch immer.

00:36:35: und da sind die vier fünf Sachen Die bei mir top of mind sind.

00:36:38: und dann geht er hin Und pack die im Kontext aller anderen Ziele, die ich so hab.

00:36:44: Die in meiner Flow Pipeline sind.

00:36:46: Die irgendwie auf meiner normalen To-do Liste stehen.

00:36:50: keine Ahnung Fahrrad muss in die Werkstatt und beim Arzt musst du anrufen und so eine Sachen.

00:36:55: da hat dann Regelwerk.

00:36:56: und dann sagt er so was du dir heute überlegt hast ist schön aber nur noch drei Termine.

00:37:02: Du musst dich um die Hälsthemen kümmern, hast du gesagt das ist dir wichtig und da ist das.

00:37:07: Deswegen sieht deine Aufgabenliste für heute so

00:37:09: aus.".

00:37:10: Und dann schreibe ich da irgendwie quasi immer rein was davon passiert ist, was nicht, was für Blocker gab, was ich gelernt habe... ...und aus diesem ganzen Kontext orchestrierte mich immer und immer weiter mit dem Ziel mir den Rücken frei zu halten und diese Intention dieses Übermaß von Sachen, die auf mich einprasseln so zu filtern, dass ich sage wenn der Avalent Flow Edge und sagt toll sind die drei Sachen dran mache ich die.

00:37:37: Und wenn ich die gemacht habe dann ist auch huge weil jemand dafür gesorgt hat das nix wichtiges runterfällt aber mich auch nicht mit sachen vollquatscht Die ich gerade nicht wissen muss.

00:37:48: und das heißt auch wenn der philip in dem ziel kommentiert was heute nicht für mich frontend center isst Dann gucke ich mir dies nicht heute an sondern dann gucke Ich mir das an es dran ist.

00:38:00: Das heißt, dieser Notification Wahnsinn den versuche ich ein bisschen umzudrehen und das ist das was wir versuchen zu bauen.

00:38:10: Marco vielen herzlichen dank fürs teilen.

00:38:12: falls ihr auch euer Projekt hier teilen wollt geht einfach auf tokenmate.ai.

00:38:17: slash demo.

00:38:18: habt einen schönen tag und bis zur nächsten folge

00:38:20: peace.