#35: Prompting ist tot? Warum KI jetzt den Prompt schreibt

0:00 SPEAKER_00: Das größte Modell gerade ist irgendwie, 1 zu diesen Cognodellen,

0:03 SPEAKER_00: Cognip 4,

0:04 SPEAKER_00: irgendwie 2000000 Kontextfenster.

0:07 SPEAKER_00: Die GPT Modelle, die No9, die haben eine 400000,

0:10 SPEAKER_01: was ich heute. Wenn man jetzt von 2000000

0:12 SPEAKER_01: Kontextfenster spricht, dann meint man 2000000 Token. Und zwar in den Token sind so, nachdem wie man's rechnet, vielleicht so 1250000

0:19 SPEAKER_01: Wörter,

0:20 SPEAKER_01: das ist so viel wie alle 7 Harry Potter Bain dort zusammen.

0:27 SPEAKER_01: Willkommen zurück zu Cointelligence,

0:30 SPEAKER_01: eurem KI Lernpodcast

0:32 SPEAKER_01: mit Murrith Heininger,

0:34 SPEAKER_01: Nala und mir Benjamin Wüstenhagen. Weil's so schön ist, ist sie wieder dabei. Sie ist eine Arbeitslose.

0:40 SPEAKER_00: Genau.

0:41 SPEAKER_00: Die Rolle gibt es nicht mehr.

0:44 SPEAKER_01: Heute geht's nicht nur prompt, es geht vielmehr Metaprompting,

0:49 SPEAKER_01: Kontextengineering

0:50 SPEAKER_01: und ein bisschen Agenten

0:52 SPEAKER_01: und Spider-Man.

0:53 SPEAKER_00: Und Spider-Man, genau. Und mit Spider-Man wollen wir anfangen und zwar mit dem bekannten Meme, das ihr da kennt, wie quasi der eine Spider-Man auf den anderen Spider-Man zeigt.

1:02 SPEAKER_00: Und zwar ist das eine gute Einleitung zum Thema Metaprompting.

1:06 SPEAKER_00: Und was ist Metaprompting?

1:08 SPEAKER_00: Mit der KI zu prompten. Also ich geh nicht rein, versuche, den perfekten Prompt zu erstellen,

1:14 SPEAKER_00: dann sozusagen

1:15 SPEAKER_00: mich über potenziell mehrere Stufen zum Ziel zu hangeln,

1:19 SPEAKER_00: sondern ich lasse erst mal in einem KI Shirt einen Prompt erstellen

1:23 SPEAKER_00: und verwende diesen Prompt dann sozusagen

1:26 SPEAKER_00: weiter. Das Ganze nennt sich Metaprompting.

1:29 SPEAKER_00: Hat den großen Vorteil, dass ich gar nicht so perfekt selbst prompten können muss, ne. Also die Regeln zählen, die wir letztes Mal angesprochen haben.

1:37 SPEAKER_00: Richtiges,

1:38 SPEAKER_00: klares Ziel vorgeben,

1:39 SPEAKER_00: Kontext vorgeben,

1:41 SPEAKER_00: aber ob ich denn den Prompt richtig formatiere oder wie. Das

1:44 SPEAKER_01: macht dann die KI für mich. Lass dir im Prinzip Briefing geben, bevor Du den Auftrag vergibst.

1:50 SPEAKER_00: Ziemlich genau und so, ja. Und wir haben da eine kleine

1:54 SPEAKER_00: 6 Schritte

1:55 SPEAKER_00: Methode, mal uns überlegt, die wir heut gerne besprechen würden im ersten Teil vom Podcast.

2:01 SPEAKER_01: Der 1. Schritt ist für alle Lebensbereiche wichtig?

2:05 SPEAKER_01: Genau. Das Nachdenken. Genau, Hirn anschalten.

2:08 SPEAKER_00: Schritt 1 ist, nachdenken

2:10 SPEAKER_00: und Hirn anschalten.

2:12 SPEAKER_00: Ja. Denn das hilft, surprise, surprise,

2:16 SPEAKER_00: manchmal im Leben, wenn ich irgendwelche Aufgaben lösen möchte. Und so ist es natürlich hier. Und tatsächlich,

2:22 SPEAKER_00: also ich bin auch teilweise noch oldschool,

2:24 SPEAKER_00: nehm ich mir erst mal

2:26 SPEAKER_00: Stift und Papier.

2:28 SPEAKER_00: Man kann das natürlich auch in dem Promptfenster selbst machen, aber ich überleg mir erst mal, nachdem ich mein Ziel definiert hab, was ist denn eigentlich alles relevanter Kontext, der mir so in den Kopf kommt?

2:40 SPEAKER_00: Ne, und Schritt 1 ist für mich, also wirklich zu überlegen, gar nicht so strukturiert,

2:44 SPEAKER_00: sondern was ist das Ziel und was braucht man denn eigentlich,

2:47 SPEAKER_00: dieses Ziel zu erreichen im Kontext von Information?

2:51 SPEAKER_00: Und das ist Schritt 1, hierhin entscheiden.

2:54 SPEAKER_01: Ziel festlegen, Kontext festlegen, Test festlegen, festlegen und

2:58 SPEAKER_01: überlegen, was könnten noch weitere relevante Information sein?

3:01 SPEAKER_00: Genau.

3:03 SPEAKER_00: Schritt

3:04 SPEAKER_01: 2. Ist dann tatsächlich die Erstellung dieses

3:06 SPEAKER_01: Metaprompts.

3:08 SPEAKER_01: Metaprompts hier nicht Facebook gemeint, sondern tatsächlich die

3:12 SPEAKER_01: höhere Ebene.

3:14 SPEAKER_00: Genau. Ich sag der KI quasi,

3:16 SPEAKER_00: liebe KI,

3:17 SPEAKER_00: dein Ziel ist es, mir einen Prompt zu erstellen,

3:21 SPEAKER_00: und zwar für

3:23 SPEAKER_00: folgendes

3:24 SPEAKER_00: Thema.

3:25 SPEAKER_00: Hier ist das Ziel, was ich erreichen möchte.

3:28 SPEAKER_00: Hier ist irgendwie alles, was ich als relevant erachte dafür, diesen Prompt zu erstellen.

3:34 SPEAKER_00: Was

3:34 SPEAKER_00: brauchst Du noch oder welche Information fehlen dir eigentlich noch von mir,

3:40 SPEAKER_00: den perfekten zu erstellen?

3:42 SPEAKER_00: Und das ist quasi Schritt 2. Nachdem ich mir Gedanken gemacht hab, was ich eigentlich machen will, sag ich der KI, sie sollen mir Prompt erstellen, geborene ihr alles, was ich schon im Kopf habe, was ich mir in Schritt 1 überlegt habe und lass mir dann erst mal Fragen stellen von der KI. Also der 1. Schritt ist, ich sag nicht KI, stell mir sofort Prompt, sondern die Gedanken hab ich dir gemacht, stell mir jetzt alle weiteren Fragen,

4:01 SPEAKER_00: dann erst zu Prompt zu kommen. Das ist quasi Schritt 2. Und damit werden natürlich alle Fehlinformationen

4:08 SPEAKER_01: eingefordert.

4:10 SPEAKER_01: Das ist, find ich, relevant, sowohl für Prompts in LLMs als auch in

4:14 SPEAKER_01: so Dingen wie oder

4:16 SPEAKER_01: generell Sachen. Also wenn ich da manchmal anfange, irgendwie zu frag ich auch, gibt's irgendwas, was ich noch bedenken sollte? Hab ich was vergessen? Ja.

4:23 SPEAKER_00: Genau und das ist dann quasi Schritt 3. Man muss wissen, wie der wie der Mensch kommunizieren würde. Hier ist irgendwie eine Aufgabe. Ich hab mir irgendwie folgende Sachen überlegt,

4:32 SPEAKER_00: den Kontext erst für dich irgendwie relevant.

4:34 SPEAKER_00: Was brauchst Du denn noch von mir, ja, die Aufgabe zu erfüllen?

4:39 SPEAKER_00: Und dann

4:41 SPEAKER_00: fragt mich die KI in dem Fall, was alles noch fehlt oder sagt mir, was noch fehlt. Und diese Information stell ich dann bereit. Und das kann manchmal son bisschen back and force sein, bis die KI sagt, okay, jetzt hab ich alles gecheckt. Hast mir eine Information gegeben, die ich irgendwie brauche,

4:54 SPEAKER_00: ja. Und das ist dann sozusagen

4:56 SPEAKER_00: der 4. Schritt.

4:58 SPEAKER_00: Die KI lässt mir sozusagen diesen prompt oder erstellt mir sozusagen diesen prompt. Was ich da immer noch mache, ist, ich sag der KI, sie soll mir einen prompt im Markdown Format erstellen,

5:09 SPEAKER_00: sodass ich den Prompt direkt kopieren kann. Schreib doch mal kurz, was Markdown ist. Markdown

5:14 SPEAKER_00: ist

5:15 SPEAKER_00: im Wesentlichen eine Strukturierungsform,

5:19 SPEAKER_00: so wie's HTML Code irgendwie auch ist. In einem HTML Code kann ich irgendwie angeben,

5:24 SPEAKER_00: dass

5:25 SPEAKER_00: er text strukturiert ist, sone Maschine versteht, was eine Überschrift,

5:28 SPEAKER_00: was ist irgendwie eine Subüberschrift,

5:30 SPEAKER_00: was ist Paragraf und so weiter und so fort. Und ähnlich ist es auch bei Markdown.

5:35 SPEAKER_00: Und Markdown, das sieht man oft von so Rauten und so Sternchen und so weiter. Aber ich muss selbst überhaupt nicht genau verstehen, wie dieses Format funktioniert, aber KI Systeme verstehen halt Markdown Format sehr gut. Und statt jetzt irgendwie selbst da irgendwelche Rauten reinzumachen und Sternchen reinzumachen, sag ich halt in dem Schritt, ey, erstell mir diesen Prompt im Marklautformat,

5:54 SPEAKER_00: sodass ich ihn direkt kopieren kann. Und das Coole ist bei diesen Tools wie ChatGPT oder im Copilot bei Gemini ist genauso, ist, dass man den Text dann nicht einfach so im normalen Textfenster zurückbekommt,

6:04 SPEAKER_00: sondern erst mal son wie son separates Fenster im Fenster bekomm. Ja, ja. Und da ist dann schon son Copilick Ja, ja. Symbol und dann kann ich den Prompt quasi direkt rauskopieren. Ja.

6:13 SPEAKER_00: Unsicher wegen der neuen EU KI Verordnung, die Kompetenzpflicht

6:17 SPEAKER_00: für den beruflichen Einsatz von KI Tools ist da. SNIPKI bietet die Lösung. Unsere spezielle Schulung zu Artikel 4, konzipiert mit Rechtsanwälten,

6:25 SPEAKER_00: macht dich und dein Team fit.

6:27 SPEAKER_00: Verstehe die rechtlichen Grundlagen und nutze KI Potenziale ohne Risiko.

6:32 SPEAKER_00: Investiere in Rechtssicherheit und Kompetenz.

6:35 SPEAKER_00: Informier dich jetzt über die Schulung auf Snippkey Punkt d e.

6:39 SPEAKER_00: Schritt, das ist dann sozusagen den Prompt generieren. Jetzt könnte man sogar noch Schritt 4 b einfügen und sagen, bewerte mal deinen eigenen Prompt, mach ich manchmal ganz gerne, haben wir jetzt hier nicht drin, aber Ja, bewerte oder wie könntest Du es noch besser machen, ja? Immer dieses Vibecalling ist es ja auch oft so. Ja. Mach's noch besser, mach's noch besser. Und dann jedes Mal überlegt er sich, was er noch besser machen könnte.

6:58 SPEAKER_00: Das kann man machen, aber meistens finde ich, ist eigentlich der 1. Auch der 1. Schritt eigentlich schon immer sehr gut, zumindest rein objektiv, ne. Jetzt gilt's natürlich,

7:07 SPEAKER_00: mit Script5 weiter zu machen.

7:10 SPEAKER_01: Testen und ausführen, den Marktdown Prompt oder welchen Prompt auch immer, vielleicht in einen neuen Chatfenster einfach einfügen und gucken, was bei rauskommt.

7:18 SPEAKER_00: Genau.

7:20 SPEAKER_01: Dann

7:21 SPEAKER_00: vielleicht dann noch mal zu bewerten und zu verfeinern. Genau, Schritt 6 wär dann quasi das Ganze noch irgendwie zu optimieren. Also Schritt 5, ich teste diesen entstandenen Prompt.

7:30 SPEAKER_00: Schritt 6 ist, wenn ich eben nicht zufrieden bin, dann optimier ich den Prompt wieder mit seinem neuen Fenster, kommt zum Ergebnis, bis ich jemand sage, okay, das Ergebnis passt für mich nicht. Und tendenziell kann man vielleicht auch oft schon Schritt 4 aufhören, wenn der prompt fertig ist, wenn's jetzt so einfache Themen irgendwie sind, ne. Wenn's jetzt wenn ich beispielsweise sonen Prompt erstelle für ein GPT, was GPT ist, haben wir ja schon in vergangenen Folgen besprochen, da hat's ja quasi sone kleine für wiederkehrende Tasks und da ist ja son Systemprompt drin, ne. Und der soll natürlich immer das

8:01 SPEAKER_00: beste Ergebnis liefern und der muss natürlich 'n bisschen getweakt werden über die Zeit. Und das könnt ich quasi in sonem Prozess machen. Ich bekomm den Prompt, Schritt 5, ich teste ihn aus, bin nicht ganz zufrieden. Schritt 6, detailliertere den, mach wieder neuen, probier den wieder aus, bis ich irgendwann sage, cool, jetzt hab ich hier mit dem ersten Ergebnis eigentlich Ergebnis, mit dem ich 100 Prozent zufrieden bin. Wichtig aber auch bei der Iteration ist, das Ganze systematisch zu machen. Hilft jetzt nicht zu sagen, gefällt mir nicht so, irgendwie

8:26 SPEAKER_01: war nix. Ja. Sondern vielleicht jetzt zu sagen, Korrektheit,

8:30 SPEAKER_01: Stil,

8:31 SPEAKER_01: Struktur,

8:32 SPEAKER_00: whatever, ne, so das bisschen näher eingrenzt. Und wie ich das interier, also ich interier oft dann nicht mit der KI und sag, veränder den Prompt noch mal irgendwie zu x y, sondern ich nehm den Prompt

8:42 SPEAKER_00: und editier den dann selbst, wo ich irgendwie sage, okay, da kommt noch irgendwie Satz dazu. Hier irgendwie würde

8:49 SPEAKER_00: x y noch helfen. Und dann probier ich das quasi aus. Das ist dann wirklich einfach son eigener, iterativer Prozess,

8:55 SPEAKER_00: sozusagen immer bessere Ergebnisse zu bekommen. Aber,

8:59 SPEAKER_00: muss kein absoluter Promptexperte oder Expertin sein. Ich muss nur erst mal gut kommunizieren können, was ich irgendwie vorhabe

9:06 SPEAKER_00: und mir Gedanken machen, Klar. Was ich alles machen will. Und die KI hilft mir dann, sehr, sehr gut strukturierten Prompt im Marktformat

9:13 SPEAKER_00: zu erstellen. Und in der Regel sind da so viel mehr Sachen drin, an die ich überhaupt selbst gar nicht gedacht hätte. Selbst hätte ich von meiner Meinung nach den perfekten Prompt und hätte mir eine halbe Stunde Zeit genommen, irgendwie sehr coolen Prompt zu schreiben,

9:27 SPEAKER_00: wär ich in allermeisten Fällen nicht so gut gewesen wie die KI. Auch und ich würd sagen, ich kann tendenziell gut prompten im Vergleich zum Durchschnittsbürger,

9:36 SPEAKER_00: aber trotzdem bin ich nicht so gut wie die KI Systeme,

9:38 SPEAKER_00: wenn ich vorher eben die relevanten Kontext gebe und mein Ziel, einfach sonen prompt zu erstellen. Also nachdenken,

9:44 SPEAKER_01: erstellen,

9:46 SPEAKER_01: alle Information bereitstellen,

9:48 SPEAKER_01: das Ganze dir generieren lassen, testen, iterieren.

9:51 SPEAKER_00: Genau.

9:52 SPEAKER_00: Jetzt

9:53 SPEAKER_00: denken vielleicht manche Leute, boah, ist das nicht irgendwie komplett und

9:57 SPEAKER_00: ja,

9:58 SPEAKER_00: es kommt drauf an, was ich fürn Use Case habe, kann das komplett sein, ne? Wenn ich jetzt

10:04 SPEAKER_00: der KI sage, hier ist eine irgendwie eine eine schlecht vorgeschriebene E-Mail von mir und checkt die irgendwie auf Grammatikfehler und schreibt die bisschen formeller oder professioneller,

10:13 SPEAKER_00: dann langt wahrscheinlich auch einfach dieser eine Satz und ich muss jetzt nicht noch x Kontext geben, wer ich bin, was mein Unternehmen macht und so weiter und so fort, ne. Also bei so einfachen Aufgaben ist das natürlich Overkill. Also ich muss natürlich immer überlegen, was was was mach ich denn eigentlich gerade?

10:28 SPEAKER_00: Und

10:29 SPEAKER_00: spielt hier ein sehr guter

10:32 SPEAKER_00: prompt

10:33 SPEAKER_00: eine große Rolle, was das Ergebnis am Ende irgendwie angeht, ja? Bei verbessern meine Grammatikfehler oder kürzen wir mal den Absatz irgendwie

10:41 SPEAKER_00: 30 Prozent,

10:42 SPEAKER_00: brauch ich jetzt wahrscheinlich nicht ganz so viel Komplexität

10:46 SPEAKER_01: im Struktur in meinem Bain. Aber tendenziell werden ja die Modelle besser.

10:50 SPEAKER_01: Ja, wir sehen, dass streng, dass viel

10:53 SPEAKER_01: schwierigere Aufgaben erledigt werden können,

10:56 SPEAKER_01: dass teilweise die KI Systeme Minuten,

10:58 SPEAKER_01: Stunden,

10:59 SPEAKER_01: vielleicht demnächst auch Tage nachdenken.

11:01 SPEAKER_01: Also auch die Probleme, die ich darauf werfe, werden halt größer. Es ist nicht nur, mach mal die E-Mail schöner und dementsprechend muss ich natürlich auch bisschen mehr Hirnschmalz in diesen Prompt reinstecken. Da komme ich auch zu dem Thema Kontextfenster.

11:13 SPEAKER_01: Je größer das Kontextfenster

11:15 SPEAKER_01: ist, desto mehr Kontext kann ich reingeben und

11:18 SPEAKER_01: je größer das Kontextfenster ist, desto schwieriger können auch die Aufgaben sein, die ich dieser KI gebe.

11:25 SPEAKER_00: Superwichtig und superwichtige

11:27 SPEAKER_00: Herleitung auch zum Thema Kontext Engineering, wo wir gleich noch drauf einkommen.

11:31 SPEAKER_00: Son, man kann sich das so vorstellen, man kann nur maximal x Tokens oder vielleicht auch Wörter an son KI Modell schicken,

11:40 SPEAKER_00: bis es verwirrt ist. Und wenn das Kontextfenster voll ist, dann fängt die KI quasi an, verwirrt zu sein. Und man muss dabei wissen, dass jedes Mal, wenn ich son neu, wenn ich Chat habe und eine Antwort gebe,

11:52 SPEAKER_00: Was im Hintergrund passiert, ist, diese Antwort von mir wird hinzugenommen zu allem anderen, was vorher schon besprochen wurde und wieder neu ins System geschickt. Und das heißt, dieses

12:03 SPEAKER_00: Fenster, wie viel Information

12:05 SPEAKER_00: quasi immer in die KI geschickt werden, wird immer größer mit jeder weiteren Chatstufe.

12:10 SPEAKER_00: Zusätzlich kommt natürlich auch der ganze Kontext, den ich reingegeben habe, die Files, die ich reingegeben habe, die auch quasi jedes Mal sozusagen wieder mitgeschickt werden.

12:19 SPEAKER_00: Die Modelle sind zwar smarter geworden mittlerweile auch mit so so so Cachingthemen

12:24 SPEAKER_00: und so weiter, aber grundsätzlich

12:26 SPEAKER_00: muss man einfach wissen und deswegen sollte man auch nicht einfach unendlich viel Kontext reingeben, weil diese Modelle begrenzt

12:33 SPEAKER_00: sind und

12:34 SPEAKER_00: die können unterschiedlich viel,

12:36 SPEAKER_00: ja, also

12:38 SPEAKER_00: und

12:39 SPEAKER_00: unterschiedlich gut viel, ja, und rudern da auch teilweise zurück. Also ich hab das größte Modell gerade ist irgendwie 1 in diesen Cog Cog Modellen,

12:48 SPEAKER_00: Cog 4,

12:50 SPEAKER_00: eben eine 2000000 Kontextfenster.

12:52 SPEAKER_00: Die GPT Modelle, die 9, 9 in Anführungsstrichen, GPT 5,

12:56 SPEAKER_00: die haben nur 400000 beispielsweise.

12:59 SPEAKER_01: Und wenn man jetzt von 2000000

13:01 SPEAKER_01: Kontextfenster spricht, dann meint man 2000000 Token. Und zwar in den Token sind so, je nachdem, wie man's rechnet, vielleicht so 1250000

13:07 SPEAKER_01: Wörter.

13:08 SPEAKER_01: Das ist so viel wie alle 7 Harry Potter Bände zusammen. Das ist schon eine ganze Menge und auch deutlich mehr als früher in SMS mit 106 160 Zeichen und Ja. Markt 89.

13:18 SPEAKER_00: Ja. Meiner Meinung nach, also wenn man

13:21 SPEAKER_00: mein Favoritmodel

13:23 SPEAKER_00: aktuell für Themen, die großes Kontextfenster brauchen,

13:27 SPEAKER_00: ist Gemini 2.5.

13:29 SPEAKER_00: Die haben jetzt von Google. Ist von Google.

13:31 SPEAKER_00: Die hatten mal 2000000. Die haben auch das Modell beworben mit 2000000 und haben dann gemerkt, dass das Modell zu viel Fehler macht und haben's dann wiederum auf 1000000 begrenzt sozusagen, weil sie gemerkt haben, dass das Modell sozusagen sicherer ist. Und das ist wahrscheinlich auch der Grund, warum die GPT-5 Modelle auf 400 k begrenzt sind,

13:48 SPEAKER_00: weil sonst einfach zu viel Murks,

13:51 SPEAKER_00: zu viel

13:52 SPEAKER_00: Halluzinationen und so weiter wahrscheinlich rauskommen.

13:55 SPEAKER_00: Ich bin gespannt, wahrscheinlich wird meine Aussage nicht gut altern. Ich geh mal davon aus, dass in

14:01 SPEAKER_00: November,

14:02 SPEAKER_00: spätestens Dezember das Dreiermodell rauskommt von Gemini

14:08 SPEAKER_00: das hoffentlich sogar

14:10 SPEAKER_00: noch viel besser wird, auch was Kontextängste angeht. Aktuell, wenn man mit vielen,

14:15 SPEAKER_00: vielen Informationen

14:17 SPEAKER_00: umgeht und Kontext braucht, ist mein Favorit, wie gesagt, das Google Gemini 25 Modell. Ich find bei

14:24 SPEAKER_00: bei Claude

14:26 SPEAKER_00: jetzt 4 fünfer Modell, das hat mich ja bisschen vergrößert auf 1000000,

14:30 SPEAKER_00: da geht's jetzt mittlerweile.

14:32 SPEAKER_00: Ich bin in den letzten Monaten bei Claude superschnell in dem also im Chat

14:36 SPEAKER_00: an irgendwie Grenzen gestoßen und ich find auch, dass GPT-5 tatsächlich

14:40 SPEAKER_00: bei längeren Chats relativ schnell verwirrt ist, ja, was einfach an diesen 400000

14:44 SPEAKER_01: Tokens liegt. Und es gibt dieses Phänomen des,

14:47 SPEAKER_01: das heißt,

14:49 SPEAKER_01: ich geborene viele Tokens rein. Das

14:52 SPEAKER_01: Modell kann sich an den Anfang erinnern, kann sich ans Ende erinnern, aber das, was in der Mitte ist, das das geht irgendwie verloren.

14:58 SPEAKER_01: Ja.

14:59 SPEAKER_01: Wird beschrieben, warum das so ist? Ich kenn also bisher noch keine gute Begründung.

15:04 SPEAKER_00: Ja, das ist total witzig, weil also warum kann ich dir auch nicht sagen, aber bei Menschen ist es genauso. Es gibt nämlich Studien, wenn Du bei irgend sonem Kontext teilnimmst, beispielsweise der berühmte Eurovision Song Context,

15:17 SPEAKER_00: den ich natürlich jedes Mal schaue.

15:20 SPEAKER_00: Es ist so, dass wenn Du am Anfang kommst oder am Ende drankommst,

15:24 SPEAKER_00: schneidest Du viel besser ab, als wenn Du in der Mitte drankommst. Das liegt daran, dass die Leute irgendwann am Anfang viel mehr Fokus haben und am Ende viel mehr Fokus haben und in der Mitte weniger.

15:33 SPEAKER_00: Und da gibt's ganz viele Studien zu. Das ist irgendwie auch menschlich, das ist aber auch ja bei der künstlichen Intelligenz so. Aber wo genau woran das liegt, dass die KI das irgendwie genauso macht wie den Menschen, ob's irgend Zusammenhang gibt, ist auf jeden Fall

15:48 SPEAKER_01: trotzdem spannendes Thema. Was ich noch ganz wichtig ist bei diesem Kontextfenster,

15:51 SPEAKER_01: da ist natürlich auch 'n Kosten Kostenthematik dabei.

15:55 SPEAKER_01: Je mehr Tokens ich durch die Gegend schicke, Ja. Desto höher sind auch die Kosten, wenn ich jetzt irgendwie

16:00 SPEAKER_01: 20 Euro flat zahle, ist es mir egal, aber wenn ich die API nutze, dann eben nicht mehr. Ja. Und was wir schon sehen, ist auch eine wahnsinnig krasse Entwicklung in der sogenannten Inference.

16:09 SPEAKER_01: Das heißt, in der Rechenzeit,

16:11 SPEAKER_01: die die Anbieter von KI selber

16:13 SPEAKER_01: nutzen müssen,

16:15 SPEAKER_01: mit den ganzen Anfragen zurechtzukommen. Und wenn ich dann auf einmal auch Video reinnehme und von 8 Sekunden auf 16 Sekunden gehe, dann hab ich eben eine Vervielfachung

16:23 SPEAKER_00: dessen. Ja.

16:25 SPEAKER_00: Was da auch spannend ist mit

16:28 SPEAKER_00: dem Thema Kontext ist,

16:30 SPEAKER_00: ist das neue Claude Skills.

16:32 SPEAKER_00: Ich hab dir das schon mal angeschaut, Claude Skills ist

16:36 SPEAKER_00: Im Prinzip kannst Du es dir vorstellen, jedes Skill ist eine Textdatei, in der sehr detailliert Claude beigebracht wird, wie es irgendwas umsetzt. Also beispielsweise so, irgendwie machst Du Fact Checking, so

16:48 SPEAKER_00: erstellst Du irgendwie eine Präsentation,

16:50 SPEAKER_00: so irgendwie analysierst Du irgend Code, so schreibst Du irgend Code. Das ist wie sone eine an

16:57 SPEAKER_00: an Fähigkeiten.

16:59 SPEAKER_00: Und

17:00 SPEAKER_00: das funktioniert so,

17:02 SPEAKER_00: denn je mehr, wenn ich diese ganzen Fähigkeiten sozusagen mit einem prompt mitgeben würde und Claude sage, such dir für die Aufgabe die relevante Fähigkeit aus,

17:12 SPEAKER_00: würde ich den kompletten Kontext mitgeben und dann das ganze Kontextfenster

17:15 SPEAKER_00: vollladen.

17:17 SPEAKER_00: Wie Claude aber funktioniert, ist mit diesen Skills. Es liest sich eine Kurzbeschreibung durch diese Skills,

17:22 SPEAKER_00: versteht, brauch ich diesen Skill, diese Aufgabe zu lösen?

17:26 SPEAKER_00: Und wenn nicht, liest er nicht

17:29 SPEAKER_00: sozusagen lädt er nicht den kompletten Text mit den ganzen Token. Ja. Ja, und so

17:33 SPEAKER_00: führt es dazu, dass am Ende das Kontextfenster von Claude nicht so voll geladen wird, aber Du hast dann trotzdem eine gewisse Flexibilität und Dynamik,

17:40 SPEAKER_00: dort selbst entscheiden zu lassen, welchen Skill zu wählen. Also son bisschen wie, wenn man ChatGPT nutzt, wie GPTs,

17:46 SPEAKER_00: aber dein

17:47 SPEAKER_00: ChatGPT

17:48 SPEAKER_00: Chat kann selbst entscheiden,

17:51 SPEAKER_00: welches GPT es es nutzt sozusagen, wegen der Aufgabe zu lösen und braucht nicht die

17:57 SPEAKER_00: von jedem einzelnen GPT.

17:59 SPEAKER_00: Ja, das sind so Wege, so schlaue Wege eigentlich jetzt von den Modelanbietern,

18:03 SPEAKER_00: dafür zu sorgen, dass die Modelle zwar maximal flexibel und gut darin sind, gewisse Aufgaben irgendwie zu lösen, auch semiautonom oder autonom zu lösen, ohne halt

18:12 SPEAKER_00: das komplette Kontext

18:14 SPEAKER_00: Kontextfenster vollzumüllen.

18:15 SPEAKER_01: Und dann vielleicht auch weniger Kosten zu haben, weil man eben nicht so viele Tokens bearbeiten muss. Ja. Wenn Du von Claude sprichst, dann meinst Du den den Anbieter Anthropic mit dem Modell Claude Sonnet.

18:25 SPEAKER_00: 4 5 ist, glaub ich, das stammt jetzt das Neue, dann das Opus 4.

18:30 SPEAKER_00: Ich weiß nicht, gibt's Opus 4 5 oder Opus 4 1?

18:33 SPEAKER_00: Dann Überblick verloren. Ich glaub, es gibt Opus 4 1, aber wahrscheinlich wird's auch bald Opus 4 5 geben.

18:38 SPEAKER_00: Wird wahrscheinlich

18:40 SPEAKER_00: weniger Hörer oder Hörer im Direkt unterschreiben. Nein, gibt's schon. Und dann danke

18:44 SPEAKER_00: für den Hinweis.

18:45 SPEAKER_01: Und das, was Du grad angesprochen hast mit den Skills und dass ich verschiedene Skills habe

18:50 SPEAKER_01: und die jeweils mir helfen, Dinge zu lösen. Ist eigentlich schon der 1. Schritt in Richtung Kontext Engineering, dass ich also vielleicht weg vom prompt engineering

18:59 SPEAKER_01: hinkomme

19:00 SPEAKER_01: dahin, dass ich eher kuratiere,

19:02 SPEAKER_01: was sind jetzt die Sachen, die ich benötige?

19:04 SPEAKER_01: Was ist der Kontext, den ich benötige, die Aufgabe zu erledigen?

19:08 SPEAKER_01: Ja, Kontext Engineering, das neue Prompt Engineering.

19:12 SPEAKER_00: Ein neuer Job für Nada. Ja, zumindest so was den was die Begrifflichkeit

19:17 SPEAKER_00: angeht, das Kontext Engineering, wenn man mal die Google Trends anschaut, glaube ich, am Prompt Engineering

19:22 SPEAKER_00: vorbeigezogen,

19:24 SPEAKER_00: ist natürlich 'n bisschen was anderes, weil Kontext Engineering,

19:28 SPEAKER_00: also

19:29 SPEAKER_00: der Begriff ist so wichtig, weil's vor allem halt für Systeme relevant ist, wenn ich irgendwie Agentensystem oder KI Systeme aufbaue,

19:36 SPEAKER_00: die ich quasi dynamisch

19:38 SPEAKER_00: für eine gewisse Aufgabe

19:40 SPEAKER_00: den relevanten Kontext zur Verfügung stelle. Also Datenhistorie,

19:44 SPEAKER_00: Regeln, welche Tools man irgendwie verwenden kann und so weiter und so fort. Das ist natürlich angelehnt als

19:50 SPEAKER_00: als Prompt Engineering. Aber bei Prompt Engineering

19:53 SPEAKER_00: ist der Fokus eben auf,

19:55 SPEAKER_00: was gibst Du für Anweisungen? Was gibt's für Ziele, Beispiele, Format, ne? Alles, was wir auch in der letzten Folge besprochen haben. Wir haben bei Kontext Engineering der Fokus auf eben diesen

20:05 SPEAKER_00: dynamische

20:05 SPEAKER_00: Versorgung

20:07 SPEAKER_00: dieses Systems

20:09 SPEAKER_00: mit dem relevanten

20:10 SPEAKER_00: Kontext ist und auch quasi die Aktualisierung

20:13 SPEAKER_00: von irgendwie dem dem Kontext über die Zeit, ne. Beispiel

20:18 SPEAKER_00: GPT. GPT

20:20 SPEAKER_00: ist super für wiederkehrende Aufgaben. Dann brauch ich sehr guten Prompt. Wenn wir den erstellt haben, haben wir ja quasi auch mit der 6 prompt- oder Schrittmethode

20:27 SPEAKER_00: schon definiert, aber da rad ich ja Wissen rein.

20:31 SPEAKER_00: Dieses Wissen ist statisch, ja.

20:33 SPEAKER_00: Wenn ich aber Systeme hab oder autonome,

20:36 SPEAKER_00: semi autonome Systeme, die irgendwie in der Company arbeiten wie Mensch, dann brauchen die auch immer die relevantesten

20:43 SPEAKER_00: und aktuellsten Information.

20:46 SPEAKER_00: Und das ist dann schon Engineering,

20:47 SPEAKER_00: es heißt ja auch Kontext Engineering Aufgabe eigentlich, das

20:51 SPEAKER_00: herzustellen.

20:52 SPEAKER_00: Und Kontext Engineers oder Kontext Engineering

20:55 SPEAKER_00: ist ultrarelevant

20:57 SPEAKER_00: und total wichtig einfach, wenn ich's wirklich hinbekommen

21:00 SPEAKER_00: möchte,

21:01 SPEAKER_01: sinnvollere KI Systeme und Rentensysteme eben aufzubauen, ja. Son bisschen vergleichbar mit dem Lernen. Also wenn ich sehr, sehr guten Lehrer, eine sehr, sehr gute Lehrerin hab, dann weiß die jemals, wo ich stehe und kann auf dieser Basis mir dann neue Dinge geben. Ich bleib ja nicht stehen, wenn ich einmal schreiben und lesen kann, würde ich vielleicht dann auch bisschen mehr können. Wenn ich aber immer nur sozusagen auf dem Stand bin, dass ich nur schreiben und lesen kann, dann geht es nicht so richtig weiter. Aber ich muss im Prinzip all das, was ich gelernt habe, immer wieder daran einbeziehen.

21:26 SPEAKER_01: Ja. So ähnlich ist dann auch im Kontext Engineering. Ich möchte es a dynamisch anpassen und b mich natürlich auch weiterentwickeln. Ja. Mit dem, was ich da tue. Ja.

21:35 SPEAKER_01: KI kommt nicht irgendwann. Sie ist schon da. Bist Du bereit? Mit thekey academy machst Du dich fit für die Zukunft. Onlinekurse

21:43 SPEAKER_01: zu KI, digitaler Zusammenarbeit,

21:45 SPEAKER_01: Leadership. Praxisnah, flexibel, IHK zertifiziert.

21:49 SPEAKER_01: Thekey Punkt academy.

21:50 SPEAKER_01: Für alle, die mitgestalten wollen.

21:53 SPEAKER_01: Was vielleicht dabei noch wichtig ist,

21:56 SPEAKER_01: die Begriffsdefinition

21:58 SPEAKER_01: haben wir bisher kaum im Prompting gehabt. Macht da durchaus Sinn, wenn ich also mitgebe, was was ist eigentlich die Definition dessen, was ich erreichen möchte?

22:06 SPEAKER_01: Weil dann spar ich mir auch viele Tokens, wenn das einmal klar ist. Genau, aber gerade diese Tokensparthema,

22:11 SPEAKER_00: dieses Kontextfensterthema

22:12 SPEAKER_00: ist da natürlich total relevant, ja. Also dass ich halt nicht irgendwie

22:17 SPEAKER_00: das System mit

22:19 SPEAKER_00: irrelevantem,

22:20 SPEAKER_00: übermäßigem,

22:21 SPEAKER_00: vielleicht nicht mehr

22:22 SPEAKER_00: aktuellen

22:24 SPEAKER_00: Kontext sozusagen versorge,

22:26 SPEAKER_00: sondern halt eben zur richtigen Zeit richtigen Content in der relevanten Aktualität

22:31 SPEAKER_00: eben

22:32 SPEAKER_00: systematisch

22:33 SPEAKER_00: eben son System zur Verfügung stellen. Und die Regeln, wie angesprochen hast, sind schon irgendwie auch ähnlich, ne. Also auch da zählt dann einfach weniger ist mehr.

22:41 SPEAKER_00: Also ne, nur das reingeben, was sozusagen mal wirklich relevant ist in diese Systeme.

22:48 SPEAKER_00: Dann

22:48 SPEAKER_00: noch mal und da zählt dann quasi auch schon mehr, als wenn ich hier mit ChatGPT spreche,

22:54 SPEAKER_00: das ganze Thema

22:56 SPEAKER_00: Struktur. Also ich muss da möglichst idealerweise dann auch im Marktraumformat

23:01 SPEAKER_00: angeben,

23:01 SPEAKER_00: was ist eigentlich hier irgendwie eine Regel, die Du befolgen musst? Was sind irgendwie die Daten, die Du verwenden musst? Was sind quasi ganz klar definierte Beispiele, dass die KI quasi von sich aus sofort erkennt,

23:14 SPEAKER_00: was irgendwie wozu

23:16 SPEAKER_00: gehört, ne. Also nicht alles irgendwie reinrotzen und sagen, die KI macht das schon, sondern eben da sehr strukturiert

23:23 SPEAKER_00: das Ganze oder mit Jason Files oder wie auch immer, je nachdem, was man irgendwie halt am Ende umsetzt, muss da schon sehr viel Struktur und Grad und so weiter eben drüber. Und da geht es ums Testen und Nachschärfen

23:34 SPEAKER_01: und der,

23:36 SPEAKER_01: ja, 1 so der der Vordenker beim Thema KI, Professor Ethan Mollik, der auch uns inspiriert hat für den Titel des Podcast.

23:43 SPEAKER_01: Ich hab so schön gesagt vor Kurzem,

23:52 SPEAKER_01: Also der Kontext und die Kommunikation der Ziele

23:57 SPEAKER_01: sind

23:57 SPEAKER_01: dafür

23:59 SPEAKER_01: maßgeblich,

24:00 SPEAKER_01: welche oder dass ich gute Resultate bekomme, nicht dass ich einem spezifischen Prompt Format folge. Ja. Und Du hast noch Satz,

24:08 SPEAKER_00: ersten Satz, den finde ich auch spannend. Er sagt

24:10 SPEAKER_00: im Prinzip,

24:12 SPEAKER_00: dass die meisten

24:13 SPEAKER_00: AI Educator

24:15 SPEAKER_00: immer noch komplett alte Prompting Techniken quasi vermitteln, irgendwelche Frameworks und sonst irgendwas.

24:20 SPEAKER_00: Und die die wenigsten

24:23 SPEAKER_00: verstehen heutzutage,

24:24 SPEAKER_00: dass eben diese diese Formeln, diese genauen Schritte und Definitionen

24:28 SPEAKER_00: und Frameworks und so weiter und share no thought prompting,

24:32 SPEAKER_00: dass das alles komplett an Relevanz verliert.

24:36 SPEAKER_00: Also

24:36 SPEAKER_00: vielleicht guter sense check, je nachdem, mit wem

24:40 SPEAKER_00: man zusammenarbeitet,

24:42 SPEAKER_00: was man fürn KI Coach

24:44 SPEAKER_00: hat und nutzt. Wenn der noch sagt, Du musst irgendwie überall dazu sagen, dass chain your forward prompting relevant ist und die KI dir erklären soll, die das war,

24:52 SPEAKER_00: dann sollte man vielleicht noch mal

24:55 SPEAKER_00: überdenken,

24:56 SPEAKER_00: ob

24:57 SPEAKER_00: der KI oder die KI Coach

25:00 SPEAKER_00: da noch ist

25:02 SPEAKER_00: sozusagen mit dem Wissen. Wie Du sagst, Kontext und klare Zielvorgaben

25:06 SPEAKER_00: ist mit Abstand das

25:08 SPEAKER_00: Wichtigste, sowohl beim,

25:10 SPEAKER_00: aber als auch beim

25:11 SPEAKER_00: Kontext.

25:13 SPEAKER_01: Hab's beim letzten Mal schon angesprochen, wir haben ja nicht nur Menschen, die jetzt Kontext geben, wir haben auch immer mehr

25:20 SPEAKER_01: Systeme,

25:21 SPEAKER_01: Werkzeuge, Tools, die ich integrieren kann, die den Kontext geben können. Das heißt jetzt angefangen vom MCP Server, den ich mit aufsetzen kann, wo ich mit verschiedenen Tools interagieren kann,

25:31 SPEAKER_01: über die nativen Integrationen, die ich sowohl bei Claude als auch bei ChatGPT als bei Gemini als auch bei Copilot hab, natürlich verschiedene.

25:40 SPEAKER_01: Aber da merk ich auch, je mehr ich da anbinden kann, die auch relevant sind für meine Aufgabe, desto besser hab dann auch noch meine Kontext. Weil ich sagen kann, ey, das ist mein Kalender, such mir doch bitte einen Termin raus, der für alle funktioniert und Du hast aber Zugriff auf meinen Kalender, dann sind die Nachfragen weniger.

25:56 SPEAKER_00: Ehrlich gesagt, die man über diesen ganzen Konnektoren natürlich immer mitdenken muss, gerade hier irgendwie in Deutschland, ist das ganze Thema Datenschutz.

26:02 SPEAKER_00: Ja. Also was nutz ich denn für eine ChatGPT Version und wo werden da eigentlich die Daten zumindest temporär verarbeitet?

26:10 SPEAKER_00: Wenn ich halt irgendwie auf dem oder dem 27 Euro Account bin

26:14 SPEAKER_00: oder selbst im Businessplan

26:16 SPEAKER_00: wird halt die Inferenz, also quasi die Bearbeitung meiner Anfrage

26:20 SPEAKER_00: auf amerikanischen Servern

26:22 SPEAKER_00: stattfinden.

26:24 SPEAKER_00: Sprich, wenn ich sozusagen gebe

26:26 SPEAKER_00: zu meinem Google Drives, zu meinem Sharepoint und so weiter und dann auf diese Daten zurückgegriffen wird, dann finde das alles kurzzeitig,

26:34 SPEAKER_00: ja, da wird nicht drauf gelernt, aber findet zumindest kurzzeitig in den USA statt. Und das ist natürlich wieder anders, wenn ich auf der Enterpriseversion

26:40 SPEAKER_00: bin. Da komm ich immer nur drauf, wenn ich hab Stand jetzt aktuell, es ändert sich auch ständig, ich minimiumm 50 Lizenzen abnehme

26:46 SPEAKER_00: und daher muss ich quasi das, je nachdem, was ich fürn Tool nutze,

26:50 SPEAKER_00: eben ja immer auch mit

26:52 SPEAKER_00: denken,

26:54 SPEAKER_00: was das ganze Thema Datenschutz

26:56 SPEAKER_00: angeht. Du hast den EU Poly an, EU

26:59 SPEAKER_00: AI Act, DSGVO.

27:01 SPEAKER_00: Ja. Da sind wir sehr

27:03 SPEAKER_00: führend,

27:04 SPEAKER_00: was die weltweite was die Welt, also

27:07 SPEAKER_00: sozusagen in unserer unserer Regulation. Ob das jetzt besonders gut ist oder schlecht,

27:12 SPEAKER_00: kann man sicherlich oder umgesetzt ist, ist sicherlich Streit ein Die Ziele sind, glaub ich, sicherlich die richtigen, ob da,

27:19 SPEAKER_00: ja, am Ende richtig im Gesetz verankert ist und was es zu was es heute führt, da kann man, glaub ich, noch drüber reden. Auch spannend, was Du grad sagtest, dass dass im Enterprise dann die Inferenz in Europa stattfindet.

27:30 SPEAKER_01: Wer weiß, wie lange noch? Ich glaub nicht, dass wir die Energie haben,

27:34 SPEAKER_01: da hinterherzuziehen und die Rechenzentren entsprechend auszubauen. Also wir haben das ja in den anderen Episoden in den Dreißigern, ich glaub, 31, 32 besprochen, was da gerade investiert wird

27:43 SPEAKER_01: an Energieressourcen,

27:44 SPEAKER_01: an Rechenzentren,

27:45 SPEAKER_01: diese Inferenz

27:46 SPEAKER_01: hinzubekommen.

27:48 SPEAKER_01: Ich weiß nicht, ob Europa da mitziehen kann. Und selbst wenn wir dann Enterprise haben in 2 Jahren, wird's wahrscheinlich dennoch eher in Vigeneer ablaufen. Mal schauen, vielleicht gibt's ja dann auch europäisches Modell.

27:58 SPEAKER_00: Ja gut, vielleicht führst Du dazu, dass wir Europäer auch mal bei den Themen

28:02 SPEAKER_00: bisschen weiter in die Zukunft schauen und zu Lösungen kommen, ja.

28:05 SPEAKER_01: Ja. Sprechen wir von anderen Playground.

28:08 SPEAKER_00: Von anderen Playground, ja, vom politischen Playground

28:11 SPEAKER_00: zu

28:12 SPEAKER_01: technischen Playground. Genau. Wir haben ja, OpenAI hat das, Google AI Studio hat das, Claude hat das auch mit der Konsole.

28:19 SPEAKER_01: Was sind Playgrounds?

28:21 SPEAKER_00: Playgrounds

28:21 SPEAKER_00: sind so bisschen die,

28:23 SPEAKER_00: also ich würd, glaub ich, Disclaimer für die meisten Hörerinnen

28:27 SPEAKER_00: ist das nicht so ultrarelevant,

28:29 SPEAKER_00: weil diese oder

28:31 SPEAKER_00: Konsolen oder Umgebungen

28:34 SPEAKER_00: halt quasi die Umgebung dieser Tools sind für deutlich technische User

28:38 SPEAKER_00: und Userinnen. Wir haben verschiedene

28:40 SPEAKER_00: verschiedene Funktionalitäten,

28:42 SPEAKER_00: können wir auch gleich mal durchgehen.

28:44 SPEAKER_00: Auf jeden Fall in der Regel geht's einfach darum,

28:47 SPEAKER_00: Modelle zu testen

28:49 SPEAKER_00: und oder

28:51 SPEAKER_00: Prompts

28:51 SPEAKER_00: zu testen mit Modellen. Und diese diese oder

28:55 SPEAKER_00: beim Google Maps AI Studio, wir können da noch mal einblenden

28:59 SPEAKER_00: einblenden oder in die Shownotes, die Links sozusagen für für den OpenAir Background, fürs Google AI Studio und die Cloud Konsole mit reingeben. Da kann man bisschen rumspielen.

29:08 SPEAKER_00: Im Wesentlichen ist es eine für,

29:11 SPEAKER_00: wo ich Sachen ausprobieren kann. So kann man's, glaub ich, high level sagen.

29:17 SPEAKER_00: Ich kann dort

29:20 SPEAKER_00: Modelle auch ohne

29:21 SPEAKER_00: die

29:22 SPEAKER_00: Systemprompts

29:23 SPEAKER_00: oder ich sag immer mit stark reduzierten Systemprompts

29:26 SPEAKER_00: der Anbieter testen. Wenn ich jetzt in ChatGPT bin, haben wir ja gesagt oder Claude wird mit meinem Prompt noch mal 56000

29:33 SPEAKER_00: Zeichen bei Claude, glaube ich, irgendwie mitgegeben,

29:35 SPEAKER_00: was natürlich den Output für mich besser machen soll.

29:38 SPEAKER_00: Ich kann in diesen Konsolen das aber dann teilweise auch ohne diesen System.

29:42 SPEAKER_00: Was natürlich immer noch drin ist, sind so Sicherheitssachen. Ich kann auch da nicht sagen, wie bau ich mir eine Bombe? Ne, aber halt ich hab weniger sozusagen

29:50 SPEAKER_00: weniger

29:51 SPEAKER_00: weniger Eingrenzung

29:52 SPEAKER_00: sozusagen von den Modellanbietern,

29:54 SPEAKER_00: diese einzelnen

29:56 SPEAKER_01: Modelle mit meinen Prompts sozusagen zu testen. Ist vor allen Dingen dann relevant, wenn ihr Produkte baut, wo ihr

30:02 SPEAKER_01: KI einbaut inhärent und dort Prompts nutzt und dort nicht genau wisst, okay, welches Modell kann ich jetzt nutzen? Manche sind schneller, manche sind langsamer,

30:09 SPEAKER_01: manche sind günstiger, manche sind teurer. Da kann ich's dann ausprobieren und schauen, wie ist wie ist meine Geschwindigkeit?

30:15 SPEAKER_01: Wie sind meine Kosten, wenn ich das jetzt nicht nur einmal mache, sondern dreimillionenmal?

30:19 SPEAKER_00: Ja.

30:20 SPEAKER_00: Ich hab da auch oft verschiedene Möglichkeiten.

30:22 SPEAKER_00: Also wenn ich das GPT-5 Modell wähle

30:25 SPEAKER_00: im normalen Chat oder das Gemini Modell, wenn ich im

30:29 SPEAKER_00: Gemini Chat bin,

30:31 SPEAKER_00: hab ich ja nicht die Möglichkeit, das Modell noch mal irgendwie

30:35 SPEAKER_00: außer über meinen Prompt zu beeinflussen.

30:37 SPEAKER_00: Dass ich eine Möglichkeit habe und manche von diesen Anbietern geben mehr Möglichkeiten und manche weniger, Aber so kann ich zum Beispiel oft die Temperatur einstellen. Das Temperatur ist Google Chrome das

30:47 SPEAKER_00: nicht, ne. Ich glaube, Google kann's auch im RI Studio. Okay.

30:51 SPEAKER_00: Ich weiß jetzt gar nicht genau bei Claude,

30:53 SPEAKER_00: ob's da geht, aber die Temperatur ist son bisschen die Kreativität. Ja. Einfach wie

30:59 SPEAKER_00: wie

31:00 SPEAKER_00: unwahrscheinlich

31:01 SPEAKER_00: ist die potenzielle Antwort, ne. Also wenn ich sag, gib mir irgendwie 10 Ideen

31:05 SPEAKER_00: und mach die Temperatur ganz runter, dann kriegst Du halt 10 irgendwie Standard Durchschnitt Ideen. Wenn Du sie komplett hochmachst, dann kommen halt irgendwelche wilden Ideen, die aber halt potenziell zu crazy oder eher unwahrscheinlich sind. Und so kannst Du sozusagen in diesen Umgebungen auch mit so, ja, mit dieser Variable,

31:23 SPEAKER_00: mit der Temperatur arbeiten.

31:24 SPEAKER_00: Auch noch eine andere Variable ist, ist das thinking,

31:27 SPEAKER_00: also wie lange sozusagen das Modell nachdenken soll. Das gibt's ja dann teilweise bei ChatGPT

31:33 SPEAKER_00: kannst Du ja thinking wählen oder

31:35 SPEAKER_00: Bei rock kannst Du klicken think harder. Genau, irgendwie think harder, aber Du hast halt nicht so ultraviele Möglichkeiten und da kannst Du halt einfach auf Zum Slider, ne. Aufm Slider im Prinzip ja festlegen.

31:45 SPEAKER_00: All das einfach einfach wichtig ist für für testing,

31:48 SPEAKER_00: ne. Weil wenn Du eben, wie Du sagst, Produkt baust,

31:51 SPEAKER_00: willst Du ja über APICall irgendwas zurückbekommen.

31:54 SPEAKER_00: Und dann halt so lang zu testen

31:57 SPEAKER_00: über eben Temperatur oder auch das Thinking,

32:00 SPEAKER_00: bis ich immer zu Ergebnis komm, mit dem ich jedes Mal zufrieden bin. Einfach mehr Variablen. Weil diese Variablen kann ich auch über die API mitgeben, wenn ich im Developer bin und das ist sozusagen da die

32:11 SPEAKER_00: ja die die Tastumgebung. Und sowieso also das ganze Thema APIs,

32:15 SPEAKER_00: wenn ich irgendwie diese Modelle anpingen möchte, brauch ich ja die API oder meine API, weil dann jeder Die kleine Schnittstelle. Die Schnittstelle, genau. Das ist irgendwie son langer Code. Und weil ich ja quasi für jeden Token berechnet werde

32:28 SPEAKER_00: oder sozusagen irgendwann Rechnung bekomme, Deswegen muss ich da immer eine Kreditkarte hinterlegen und irgendwie Budget festlegen.

32:33 SPEAKER_00: Und diese API

32:35 SPEAKER_00: Keys

32:36 SPEAKER_00: bekomme ich auch immer in diesen Konsolen und bleib dran. Jetzt

32:39 SPEAKER_01: wird's jetzt sind wir schon sehr, sehr technisch. Viel technischer wird's nicht, wenn ihr sozusagen mit make dot com und n-a-n so an die Grenze gekommen seid, dann ist das, was euch vielleicht interessieren könnte. Dann könnt ihr euch mal in diese Playgrounds

32:51 SPEAKER_01: einloggen und schauen, wie ihr da Agentensysteme

32:53 SPEAKER_01: bauen könnt. Aber für die Normalanwender,

32:56 SPEAKER_01: die Normalanwenderin

32:57 SPEAKER_00: ist das, glaub ich, einfach Genau, das Du hast es angesprochen, das Agentensystem, das ist jetzt quasi so dieses diesen

33:02 SPEAKER_00: Agent Builder, ist jetzt was Neues, was es im OpenAI,

33:04 SPEAKER_00: im Blickground gibt. Das haben wir jetzt vor Kurzem gelauncht, ne? Das ist erst mal, also wenn die dann live geht, dann vielleicht irgendwie von 5 Wochen oder so.

33:13 SPEAKER_00: Und das ist quasi aber wirklich fokussiert auf Developer, ne. Das ist jetzt nicht so, ich kann mir direkt der Outcry, ja, Agent OpenAI,

33:20 SPEAKER_00: NAI und Make dot com, ist ja nicht kompletter Quatsch, weil's eine ganz andere Zielgruppe ist und anderes Thema ist. Aber das gibt beispielsweise auch in diesem blake round,

33:29 SPEAKER_00: was Du auch machen kannst, Du kannst Modelle. Du kannst ein prompt mit verschiedenen Modellen vergleichen und die neben Ergebnisse nebeneinander legen. Natürlich kannst Du ChatGPT auch 2 Fenster aufmachen und einmal mit 5 und einmal mit 4 und einmal mit reasing und einmal ohne

33:42 SPEAKER_00: und dann die Ergebnisse vergleichen, da hast Du's halt direkt

33:45 SPEAKER_00: nebeneinander.

33:46 SPEAKER_00: Ja, das ist son Feature, was halt auch ganz cool ist, aber auch eher wieder.

33:51 SPEAKER_00: Wenn die entscheiden müssen, nutz ich für meine Lösung

33:54 SPEAKER_00: oder Anwendung und a oder b,

33:57 SPEAKER_00: können Sie halt die Ergebnisse quasi direkt nebeneinander legen und vergleichen, ne. Auch irgendwie superspannend.

34:01 SPEAKER_00: Für die meisten Leute von uns wahrscheinlich

34:04 SPEAKER_00: weniger relevant.

34:05 SPEAKER_00: Ja.

34:07 SPEAKER_01: Vergleichen werden wir beim nächsten Mal auch, nämlich Browser.

34:10 SPEAKER_01: Ja, wir sind wieder in 1 Zeit, wo es neue Browser gibt. Das ist so spannend wie in den Neunzigern. Da gab's auch die Browser Wars,

34:17 SPEAKER_01: Netscape gegen Microsoft.

34:19 SPEAKER_01: Jetzt haben hat auf einmal OpenAI

34:20 SPEAKER_01: Browser, dann

34:22 SPEAKER_01: Perplexity hat Browser und Atlassian hat Browser gekauft und Microsoft hat Browser und baut der AI ein und Google auch.

34:31 SPEAKER_01: Spannend, das gucken wir uns genauer an in der nächsten Folge. Bis dahin bleibt uns gewogen, liket, kommentiert, empfehlt uns

34:38 SPEAKER_01: und wir freuen uns auf jedes Feedback. Bis zum nächsten Mal. Bis dann. Tschau.

34:43 SPEAKER_02: Cointelligence

34:44 SPEAKER_02: ist eine Produktion von thekey academy in Zusammenarbeit mit SnippKI,

34:48 SPEAKER_02: produziert bei Studio Co in Berlin. Produktion und Regie,

34:52 SPEAKER_02: Christina Manuelle,

34:54 SPEAKER_02: und

34:55 SPEAKER_02: Ilias Fobel.

34:56 SPEAKER_02: Director,

34:57 SPEAKER_02: Lukas Schelter.

34:59 SPEAKER_02: Redaktion und Moderation,

35:00 SPEAKER_02: Benjamin Büßenhagen und Moritz Heininger.

35:03 SPEAKER_02: Abonniere uns auf Spotify,

35:04 SPEAKER_02: Apple Podcasts oder YouTube.

35:07 SPEAKER_02: Danke fürs Zuhören.