Skip to content
Sign in
Artwork for 10xCEO
BusinessEntrepreneurshipManagement

10xCEO

Christoph & Josef

10xCEO — der Podcast über Führung in der Ära der Künstlichen Intelligenz.

Zwei CEOs, zwei echte AI-First-Firmen, eine Frage: Was bedeuten neue Intelligenzen für Menschen, Unternehmen — und für die Art, wie wir führen?

Christoph Maichel und Josef Schneider bauen ihre Unternehmen selbst mit KI und Agenten. Hier reden sie ehrlich darüber, was funktioniert, was scheitert und was das mit Führung macht. Kein Hype, keine Gurus — zwei Praktiker, die forschen, während sie bauen.

Der Kern: Der Engpass des CEO hat sich von Ausführung zu Orchestrierung verschoben. Wer heute ein Team aus Menschen und Agenten führt, braucht ein neues Handwerk — eines, das nirgends gelehrt wird. Genau darüber sprechen wir: 25 Direct Reports, von denen 15 nie schlafen. Agenten, die man führt wie übermotivierte Junioren. Und die Frage, wofür am Ende noch ein Mensch drüberschauen muss.

Unsere Gegenthese zum Produktivitäts-Wettrennen: Es geht nicht um 10x Output, sondern um 10x Lebenszeit. KI richtig eingesetzt heißt nicht „mehr schaffen", sondern das Richtige schaffen — und den Rest loslassen.

Für wen? Geschäftsführer, Unternehmer und Führungskräfte, die KI nicht als IT-Projekt begreifen, sondern als Chefsache.

Denk mit, widersprich, bau mit.

— Christoph Maichel · Josef Schneider

Play
Open in
  • 10 episodes
  • Avg 26 min
  • German

Episodes 10

NewestOldestLongest
All10Unplayed10In progress0Played0
  • Friday · 14 min

    10xCEO Sonderfolge: Wie wird Europa zum KI-Standort? Werkbank oder Wechseln

    Was braucht Europa, um bei KI vorne mitzuspielen, und was bremst uns? Das hat uns die LinkedIn-News-Redaktion zum European AI Innovation Month gefragt. Josef sagt: anwenden. Christoph sagt: Dann sind wir die Werkbank. Wir sprechen über die Verschiebung von Teilen des AI Act, bis zu 7 geplante KI-Gigafactories und einen Cloud-Markt, der zu über 70 % bei 3 Anbietern außerhalb der EU liegt. Dazu die Lücke beim Kapital: rund 286 Milliarden Dollar privates KI-Kapital in den USA, rund 21 Milliarden in ganz Europa. Josefs These: Europa verliert das KI-Rennen nicht beim Modell, sondern in der Freigaberunde. Christophs Gegenrede: Wer nur anwendet, hat keinen Verhandlungsspielraum, die Eigentümer entscheiden. Zum Mitnehmen: 3 Dinge für diese Woche, ohne Brüssel und ohne Gigafactory. Den Datenschatz aus den Köpfen holen, mindestens ein europäisches Modell auf die Prüfliste setzen und bei der nächsten großen Entscheidung fragen: Wo liegen meine Daten physisch, und wie komme ich wieder raus? Und Ihr? Was bremst in Eurem Unternehmen mehr: Brüssel oder das eigene Haus? Schreibt es in die Kommentare. ━━━ QUELLEN ━━━ European AI Innovation Month (14.10.–17.11.2026): https://digital-skills-jobs.europa.eu/en/latest/news/european-ai-innovation-month-flagship-summits-online-and-person-connection AI Act, Digital Omnibus, VO (EU) 2026/1744: https://eur-lex.europa.eu/eli/reg/2026/1744/oj EuroHPC, Ausschreibung KI-Gigafactories (30.07.2026): https://eurohpc-ju.europa.eu/eurohpc-joint-undertaking-launches-ai-gigafactories-call-2026-07-30_en Rat der EU, Cloud and AI Development Act (über 70 % Cloud-Marktanteil): https://data.consilium.europa.eu/doc/document/ST-10104-2026-INIT/en/pdf Eurostat, KI-Nutzung in Unternehmen 2025: https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Use_of_artificial_intelligence_in_enterprises Bitkom (14.09.2026): https://www.bitkom.org/Presse/Presseinformation/Erstmals-nutzt-Mehrheit-Unternehmen-KI Stanford AI Index 2026, Economy: https://hai.stanford.edu/ai-index/2026-ai-index-report/economy Mistral, Finanzierungsrunde angeführt von Samsung (09/2026): https://thestack.technology/mistral-samsung-led-21bn-valuation/ ━━━ KORREKTUREN ━━━ 1. (Bitkom) „Fast 6 von 10 schöpfen das Potenzial überhaupt nicht aus“ gilt für Unternehmen in Deutschland ab 20 Beschäftigten (Bitkom, 14.09.2026), nicht für die EU-Zahlen davor. 2. (Chips) In Deutschland werden Chips gefertigt, etwa in Dresden. Gemeint sind KI-Spitzenchips. 3. (AI Act) Die weitergeltenden Regeln betreffen alle Allzweck-Modelle, nicht nur große. ━━━ IN EIGENER SACHE ━━━ Herausgeschnitten sind einige Exkurse und frei gesprochene Sätze, die unser Faktencheck nicht bestätigt hat. Wir recherchieren mit Claude, Grok und Mistral und lassen jedes Ergebnis von einem zweiten Modell prüfen. Zu Gesetzen: Einordnung, keine Rechtsberatung. ━━━ KAPITEL ━━━ 0:00 Die Frage der Redaktion: bauen oder anwenden? 0:52 AI Act, Gigafactories, Cloud-Abhängigkeit 3:33 Die Hürde liegt im eigenen Haus 5:08 Kapital: 286 gegen 21 Milliarden 6:08 Der Datenschatz in 3 Köpfen 6:48 Der Streit: Werkbank oder Wechseln 11:28 3 Dinge für diese Woche 13:10 Ein Satz an die Redaktion 10xCEO Sonderfolge zum European AI Innovation Month, aufgenommen am 15. Oktober 2026. Am Montag, 19. Oktober, erscheint Folge #12. #EAIM2026 #LinkedInNewsDACH #KünstlicheIntelligenz #Mittelstand #Souveränität #10xCEO

    • Transcript
  • S1 · E11
    Monday · 33 min

    10xCEO Folge #11: Der Orchestrator-CEO

    Der 10xCEO ist nicht der Mensch mit den meisten Tools. Er führt das Zusammenspiel von Menschen und Agenten. Im Staffelfinale fragen Josef und Christoph: Wer ist in Deiner Firma eigentlich für das Zusammenspiel zuständig und nicht nur für die Teile? Am Beispiel der eigenen Nachproduktion: Agenten mit klaren Rollen schneiden, prüfen die Aussagen gegen die Quellen und lesen redaktionell gegen. Ein Agent ist dabei an einer Prüfregel vorbeigelaufen und hat sich selbst gemeldet. Dazu der Streit, wie viel ein Geschäftsführer selbst bauen muss, um Fehler zu erkennen: Kontrollfreak am Rechner oder Dirigent? Und Christophs Satz für jede Führungskraft: Baut keine Strecken, baut Teams, die immer wieder Strecken bauen. Die Frage der LinkedIn-News-Redaktion: Bringt Kolibri von Aleph Alpha souveräne KI nach Deutschland? Offene Gewichte geben Dir das Recht, ein Modell zu betreiben. Souverän bist Du erst, wenn Du es prüfen und austauschen kannst. Wie das geht, zeigen wir an unserem eigenen Nachttest mit Mistral Large 4. Zum Mitnehmen: das Orchestration Canvas mit vier Fragen, das die Werkzeuge der ganzen Staffel zusammenführt, und die eigene Rangliste aus vier, fünf festen Aufgaben, über die jedes neue Modell läuft. ━━━ QUELLEN ━━━ OpenAI DevDay 2026, Decisions API (29.09.2026): https://www.infoq.com/news/2026/10/openai-devday-2026/ Weitere Entscheidungsmodelle: Jev (Early Access seit 15.09.2026), CLM-8B (offen) Kalifornien SB 947 (unterzeichnet 30.09.2026, gilt ab 01.07.2027): https://leginfo.legislature.ca.gov/faces/billNavClient.xhtml?bill_id=202520260SB947 Aleph Alpha, Kolibri-1 (Modellkarte, 03.10.2026): https://huggingface.co/Aleph-Alpha/Kolibri-1 Apache License 2.0, § 2: https://www.apache.org/licenses/LICENSE-2.0 Cohere und Aleph Alpha, Fusionsvereinbarung (16.09.2026): https://siliconangle.com/2026/09/16/cohere-and-aleph-alpha-agree-to-merge-in-reported-20b-deal/ Mistral Large 4 (Vorschau seit 06.10.2026): https://mistral.ai/news/mistral-large-4 Mistral, Commercial Terms of Service § 4.3 (Vorschau-Modelle): https://legal.mistral.ai/terms/commercial-terms-of-service ━━━ KORREKTUREN ━━━ 1. (Kalifornien) SB 947 wurde am 30.09.2026 unterzeichnet, gut eine Woche vor der Aufnahme. 2. (Kolibri) „Klein“ gilt für die aktiven Parameter: 78 Mrd. insgesamt, 3,46 Mrd. je Schritt aktiv. Für den Betrieb braucht es mindestens eine H200 oder zwei H100. Die Fusion mit Cohere ist vereinbart, die Genehmigung steht noch aus. 3. (Mistral-Test) Die Literaturangaben sollte das Modell ohne Internetzugriff nennen, aus dem eigenen Wissen. Verglichen haben wir mit Mistral Medium 3.5. Bei unserer Programmieraufgabe lag Medium 3.5 vorn. 4. (Mistral-Vertrag) Für Vorschau-Modelle gilt der Trainings-Ausschluss laut Mistrals Geschäftsbedingungen nicht. Darum geben wir Large 4 bis zur fertigen Version keine sensiblen Daten. ━━━ KAPITEL ━━━ 00:00 Ein Agent läuft an der Regel vorbei 00:54 Hot News: Modelle, die entscheiden 01:38 Kalifornien: Ein Mensch muss belegen 02:26 Kolibri: Bringt Open Weight souveräne KI? 04:43 Unser Nachttest mit Mistral Large 4 06:31 Herkunft oder Aufgabe: Welches Modell wofür? 08:41 Lokal, lokal, lokal 10:06 Leitfrage: Wer führt das Zusammenspiel? 11:33 Ein echter Orchestrierungs-Tag 13:54 Der Monatsbericht mit drei Rollen 14:56 Kontrollfreak oder loslassen? 19:15 Wie viel muss ein Geschäftsführer selbst bauen? 22:01 Dirigieren statt selbst spielen 23:50 Wenn der Agent sich selbst meldet 25:38 CEO-Play: Das Orchestration Canvas 27:21 Das Canvas in der Praxis 30:46 Staffelfinale und Ausblick Folge #11 von 10xCEO, aufgenommen am 8. Oktober 2026. Staffelfinale. Staffel 2 beginnt mit der Proaktivitäts-Pyramide: Wartet Dein Agent noch auf Befehle oder denkt er schon mit?

    • Transcript
  • October 4 · 41 min

    10xCEO Folge #11: Was schützt eine Firma, wenn alle dieselben KI-Werkzeuge haben?

    In this conversation, Josef and Christoph discuss the implications of AI and competition in the business landscape, particularly focusing on the ease of imitation and the importance of unique value propositions. They explore how companies can leverage AI technologies while navigating the challenges of trust, data ownership, and the evolving nature of software development. In this conversation, Josef and Christoph discuss the implications of AI regulation, the gender gap in AI usage, and the importance of orchestration in leveraging AI for business efficiency. They explore how companies can better utilize AI tools and the need for effective training and onboarding processes. Takeaways AI imitation is easy Trust and unique data matter AI regulation impacts business strategy Gender gap in AI usage persists Chapters 00:00 The Challenge of Imitation 02:57 AI's Impact on Competition 05:49 The Cost of Imitation 12:01 Building vs. Buying Software 18:03 The Role of Trust in AI 23:51 Navigating Unique Value Propositions 29:39 Navigating AI Regulation and Control 31:54 The Human Element in AI Decision-Making 33:13 Emergence of Personal AI Bots 35:58 AI in Everyday Life and Automation 37:50 The Future of Autonomous Driving 41:28 Addressing the Gender AI Gap 46:04 Leadership and AI Utilization 48:31 Speed and Efficiency in AI Integration 51:57 Best Practices for AI Onboarding 55:34 The Importance of Orchestration in AI

    • Transcript
  • October 2 · 41 min

    10xCEO Folge #10: Was schützt eine Firma, wenn alle dieselben KI-Werkzeuge haben?

    Morgen früh kann Dein Wettbewerber dieselbe KI-Lizenz kaufen wie Du. Und wenn er Dein Produkt dann in zwei Wochen nachbaut, nicht perfekt, aber gut genug: Was bleibt von Deiner Firma übrig? Was Nachahmung kostet, haben wir an unserer Recherche gemessen: Zwei KI-Systeme lieferten je knapp dreißig Aussagen. Beide übersahen dieselbe neue Datenschutzklausel, erst ein dritter Prüflauf fand sie. Das Erzeugen kostet fast nichts mehr. Das Prüfen schon. Was bleibt, ist der Burggraben: Vertrauen, eigene Daten, Zugang zum Kunden, Vertrieb, Regulierungsverständnis und wie Dein Laden läuft. Keiner davon entsteht allein im Produkt. Dazu Buy vs. Build: Was alle kaufen können, macht Dich nicht einzigartig. Außerdem: OpenAI als Lieferant, Wettbewerber und Ausfallrisiko, die Kostenkurve von Epoch AI, fünf Pharmakonzerne mit einem gemeinsamen Modell, SAPs Schnittstellen, die EU-KI-Verordnung, der Gender AI Gap (dieselbe Lizenz, nicht dieselbe Nutzung) und die Zwei-Wochen-Attacke auf die eigene Firma. Quellen Alle Quellen mit Links stehen in der YouTube-Beschreibung dieser Folge: https://www.youtube.com/watch?v=rPi7qLgvAmM Korrekturen 1. (02:48) ChatGPT for Financial Services ist eine Unternehmensversion für zugelassene Finanzinstitute über den OpenAI-Vertrieb, nicht per Klick (Start 10.09.2026, Designpartner Morgan Stanley und Evercore). Die Trainingspause folgte gut zwei Wochen danach. 2. (05:40) Gemeint sind Monate: Laut Epoch AI liegen die besten offenen Modelle, meist aus China, rund vier Monate hinter den geschlossenen. 3. (06:45) Kooperationen unter Wettbewerbern sind in der EU geregelt (Art. 101 AEUV, VO (EU) 2023/1066). Einen Regelverstoß der Beteiligten wollten wir nicht andeuten. 4. (23:00) Art. 4 KI-Verordnung verlangt seit 27.07.2026 Maßnahmen zur Förderung der KI-Kompetenz, kein bestimmtes Niveau. 5. (24:44) Fünf zu gut sechs ist der Durchschnitt aller Jahre der Harvard-Auswertung, heute eher fünf zu 5,8. 6. (31:42) Gemeint ist Prompt-Caching: Es senkt Kosten und Wartezeit, nicht die Qualität. Haltezeit bei OpenAI rund 30 Minuten, bei Anthropic 5 Minuten (1 Stunde gegen Aufpreis). 7. (40:31) Für Firmen-Datenarchive ist ein Einzelkauf über 10 Mio. US-$ berichtet, üblich sind deutlich kleinere Beträge. In eigener Sache Josefs Verbindung ist zweimal abgerissen, die Unterbrechungen sind herausgeschnitten, ebenso ein Exkurs abseits der Leitfrage. „Astra“ ist unser Name für OpenAI Codex. Wir recherchieren mit Claude, Codex und Grok. Zur EU-Verordnung: Einordnung, keine Rechtsberatung. Kapitel 00:00 Dieselbe Lizenz wie Dein Wettbewerber 02:05 Hot News: Wenn Dein Lieferant zum Wettbewerber wird 06:06 Fünf Pharmakonzerne, ein gemeinsamer Vorsprung 08:47 Erzeugen kostet fast nichts. Prüfen schon 10:03 Was ist Dein Burggraben? 12:28 Kaufen oder selbst bauen? 19:00 SAP: Geschützt ist der Zugang zu den Daten 21:16 KI-Verordnung: Aufschub und Mensch in der Schleife 23:22 Gender AI Gap: dieselbe Lizenz, nicht dieselbe Nutzung 27:48 Ist Geschwindigkeit der Graben? 29:22 Die KI baut den Motor, der Prozess läuft 30:52 Onboarding, Kontextfenster und Orchestrierung 35:41 CEO-Play: Die Zwei-Wochen-Attacke auf Deine Firma 36:38 Werte, Führung und Daten, die nur Du hast 41:26 Warte nicht: Mach die Eigenprüfung Folge #10, aufgenommen am 2. Oktober 2026. Nächste Folge: Der Orchestrator-CEO.

    • Transcript
  • S1 · E9
    September 22 · length unknown

    „Ich hab gar keine Juniors" — der Einstiegsjob, der 2026 noch trägt

    „Ich hab gar keine Juniors — und ich weiß auch nicht, wie ich sie einstellen soll." Mit diesem Satz steigt Christoph ein. Josef hört dieselbe Frage von der anderen Seite: in seinen AI-Catalyst-Klassen an der dualen Hochschule und zu Hause als Vater. Diese Folge dreht die Frage um. Nicht: Wie viele Einstiegsstellen fallen weg? Sondern: Was muss ein Junior mitbringen, damit er in einer Firma mit KI überhaupt noch gebraucht wird? Die Antwort ist kein Werkzeug, sondern eine Fähigkeit — Urteilsvermögen. Wer nie selbst gerechnet hat, kann nicht beurteilen, ob das Ergebnis der Maschine stimmt. Daraus wird ein konkreter Einstiegsjob: Der Junior geht in die Firma und beschreibt sie — das Wissen, das heute nur in Köpfen steckt. Frau Müller leitet seit 40 Jahren die Exportabteilung, drei Nachfolgeversuche sind gescheitert, sie wird im Urlaub angerufen. Genau dort liegt die Aufgabe. Dazu der Handgriff für Montag: Aufgabe. Urteil. Wer macht's? Und die unbequeme Beobachtung aus dem Freigabe-Alltag: Von fünfzehn Freigaben war die Mehrheit de facto ein Durchklicken — Entscheidungen ohne Entscheidung. Kein Doom and Gloom. Ein Aufruf zu handeln, solange man handeln kann. Quellen Alle Quellen mit Links stehen in der YouTube-Beschreibung dieser Folge: https://www.youtube.com/watch?v=aq3DhQ7SzPU Korrekturen Wir prüfen nach jeder Aufnahme, was wir gesagt haben. 1. Die 79 % gelten für 2024. Josef sagt, 2025 werde man Auswirkungen sehen — die Zahl lag zur Aufnahme bereits vor: 75 %. 2. Der wachsende Abstand ist der Beschäftigungsabstand (Stanford). Der Verdienstabstand im Census-Papier verkleinert sich mit dem Abstand zum Abschluss auf rund 5 % nach zwei Jahren. 3. Census vollständig: „seltener eine erste Stelle" heißt minus 5 Prozentpunkte. 4. US-Abschlussfeiern: Belegt sind Buh-Rufe bei einzelnen Feiern im Mai 2026. Der Stanford-Walkout am 15.06.2026 richtete sich gegen Googles Israel- und ICE-Verbindungen, nicht gegen KI. Drei weitere Aussagen haben wir vor der Veröffentlichung aus der Tonspur genommen, weil sie sich gegen die Primärquellen nicht halten ließen — darunter eine pauschale Aussage über Hochschullehrende (tatsächlich nutzen nahezu 90 % der Befragten KI in der Lehre). Kapitel 00:00 Kaltstart 00:12 „Ich hab gar keine Juniors" 00:54 Dieselbe Frage als Elternfrage 02:19 Was in den USA gerade kippt 03:11 Warum duale Studenten im Vorteil sind 04:24 Herrn Meyer den Kaffee bringen 05:17 Minus elf, plus zehn: Umverteilung statt Einbruch 06:18 Dreizehn Prozent weniger 06:56 Was sagt man in Deutschland dazu? 07:25 Konjunktur oder KI? 08:42 „Wer heute noch selbst Code schreibt …" 10:22 Urteilskraft ist der Kern 11:35 Was haben Eure Jüngsten gelernt? 12:36 AI-ready werden — und sich Expertise holen 13:33 Crawl, Walk, Run: Wie lange dauert Euer Onboarding? 14:30 Der Junior, der die Firma beschreibt 15:41 Frau Müller, 40 Jahre Exportabteilung 17:33 Die Angst im Raum 18:07 Firmen, die ihren Personalabbau feiern 18:55 Duale Ausbildung gegen reine Theorie 20:22 Aufgabe. Urteil. Wer macht's? 22:08 Der Mindshift: nicht mehr wie, sondern was 23:25 Erst selbst, dann Maschine, dann begründen 24:57 Wo muss wirklich ein Mensch nicken? 25:57 Fünfzehn Freigaben — de facto ein Durchklicken 26:47 Scheinentscheidungen und RACI-Rollen 28:28 Den besten Verhandler ausfragen 29:51 Ohne deterministisches System trägt es nicht 31:00 Ausblick: Folge 10 31:51 Kein Doom and Gloom

    • Transcript
  • September 14 · length unknown

    Sonderfolge — Wenn Agenten ausbrechen: Müssen wir KI bremsen?

    Hunderte KI-Agenten haben sich in einem internen Test heimlich organisiert und Hugging Face gehackt. Jetzt fordern ausgerechnet Amodei, Altman und Musk, die KI-Entwicklung zu bremsen. Christoph und Josef sprechen darüber, was bei dem Vorfall wirklich passiert ist und warum die Labs gerade jetzt bremsen wollen. Außerdem: warum Deine Daten mehr wert sein könnten als Dein Kerngeschäft und warum Euer USP nie „wir nutzen KI“ sein darf. Dazu ein offenes Gespräch über Angst, Kontrolle und die Chance für Deutschland. Kapitel 00:00 Intro 00:32 Warum diese Sonderfolge? 02:23 Was bei Hugging Face wirklich passiert ist 06:31 Rückblick: OpenClaw und Agentenschwärme 08:10 Der junge Tiger: eine neue Spezies? 11:25 Warum die Labs jetzt bremsen wollen 13:30 Distillation: Der Vorsprung schmilzt 15:33 Grok, Mistral und digitale Unabhängigkeit 18:12 Dein USP ist nicht die KI 20:33 Daten als Währung 23:20 Warum Einzelinitiativen verpuffen 25:37 Weltuntergang? KI, Militär und Kontrolle 29:19 Fokus auf das, was Du kontrollierst 33:32 Navier-Stokes, Hausaufgabe und Abschluss Quellen OpenAI, Vorfall-Chronik: https://openai.com/hugging-face-incident-and-misalignment/ Hugging Face, technische Rekonstruktion: https://huggingface.co/blog/agent-intrusion-technical-timeline METR / Redwood, unabhängige Untersuchung: https://metr.org/blog/2026-08-26-openai-hugging-face-incident-investigation/ Dario Amodei, We Must Pace the Frontier: https://darioamodei.com/post/we-must-pace-the-frontier Korrekturen und Einordnungen Korrektur: Laut METR/Redwood waren rund 30–40 % der Testaufgaben nicht lösbar – nicht „die meisten“. Korrektur: Der Agententest lief intern bei OpenAI, nicht bei einem externen Dienstleister. Korrektur: Die OpenClaw-Coin im Januar 2026 war ein Betrug über gekaperte Accounts, nicht Teil des Projekts. Korrektur: Grok 4.7 war zum Aufnahmezeitpunkt noch nicht erschienen. Korrektur: Einen Kauf alter Firmendaten durch SpaceX haben wir nicht belegt gefunden. Belegt sind solche Datenkäufe bei anderen Labs und bei Google (Spirit Airlines). Einordnung: OpenAI gibt an, Navier-Stokes gelöst zu haben (formal in Lean geprüft). Fachgutachten und Preisvergabe stehen noch aus. Transparenz: Unsere Produktion nutzt KI-Werkzeuge von OpenAI (Codex) und Anthropic (Claude) – beide Firmen kommen in dieser Folge vor. Sonderfolge ohne Nummer, aufgenommen am 14.09.2026. Unser Quellenstand ist der 14. September.

    • Transcript
  • August 27 · 27 min

    Folge #3 — Montag-Test

    The conversation delves into the challenges of tool adoption, the importance of starting small with AI, identifying the right AI processes, optimizing processes with AI, AI in customer service, workflow design and AI, the role of humans in AI processes, AI and process clarity, AI implementation and human considerations, AI and process efficiency, AI and customer service experience, AI and human-centric processes, balancing AI and human interaction, and the importance of human relationships in the context of AI. The discussion emphasizes the need for human expertise in AI processes and the significance of maintaining a balance between AI and human interaction. Takeaways Starting small is crucial for successful AI implementation AI processes should be optimized for efficiency and human-centric experiences Chapters 00:00 The Challenge of Tool Adoption 01:16 Starting Small with AI 02:24 Identifying the Right AI Processes 03:46 Optimizing Processes with AI 05:08 AI in Customer Service 06:28 AI and Process Improvement 08:01 Workflow Design and AI 09:34 The Role of Humans in AI Processes 11:23 AI and Process Clarity 13:01 AI Implementation and Human Considerations 14:28 AI and Process Efficiency 17:18 AI and Customer Service Experience 19:23 AI and Human-Centric Processes 21:46 Balancing AI and Human Interaction 23:59 The Importance of Human Relationships 28:18 Human Expertise in AI Processes

    • Transcript
  • August 27 · 38 min

    Folge #4 — Die 10x/2x-Lücke

    The conversation explores the challenges and implications of AI adoption in the workplace, focusing on the impact on decision-making, productivity, and communication. It also delves into the use of AI in podcast production and the personalization of content through AI-generated voice. The themes revolve around the need for effective communication, the role of AI in productivity, and the personalization of AI-generated content. The conversation covers a wide range of topics related to AI, organizational scalability, data management, and the future of technology. It delves into the challenges and opportunities presented by AI implementation, the impact on organizational structures, and the importance of data management and energy abundance. The hosts also discuss the potential for future technologies and the need for practical and pragmatic approaches to AI implementation. Takeaways AI adoption in the workplace presents challenges related to decision-making, communication, and productivity. The use of AI in podcast production and the personalization of content through AI-generated voice are areas of interest and exploration. Organizational scalability and the impact of AI on workforce dynamics The importance of data management and the potential for energy abundance in the context of AI implementation Chapters 00:00 Challenges of AI Adoption in Decision-Making 02:58 Impact of AI on Productivity 10:01 Personalization of AI-Generated Content 11:11 Communication and Decision-Making in the AI Era 19:19 AI Implementation and Organizational Scalability 20:21 Challenges of Organizational Scalability and Employee Empowerment 22:02 Data Management and Access in the Context of AI 26:12 Flexibility and Future Technologies in AI Implementation 36:09 Energy Abundance and Practical Approaches to AI

    • Transcript
  • August 27 · 24 min

    Folge #6 — Vertrauen kann man nicht automatisieren

    The conversation delves into the challenges and considerations of delegating decisions to AI, emphasizing the need for clear boundaries and human oversight. It explores the impact of AI on decision-making processes and highlights the importance of context, expertise, and leadership in AI integration. Takeaways Delegating decisions to AI requires clear boundaries and criteria The role of human oversight and decision-making in AI processes Chapters 00:00 Defining AI Boundaries 03:04 Human Oversight and Responsibility 08:22 The Impact on Decision-Making 13:03 The Importance of Context and Expertise 27:41 The Role of Leadership in AI Integration

    • Transcript
  • S1 · E5
    August 14 · 38 min

    Folge #5 - Agenten als Direct Reports

    The conversation explores the concept of leading and managing work units that lack a pulse, focusing on the distinction between tools and jobs, the importance of clear job definitions, and the role of judgment, shame, and liability in managing agents. It also delves into the need for clear boundaries, documentation, and responsibility in managing work units, as well as the challenges of orchestration and the use of open-source models. The conversation covers a wide range of topics related to AI, including model speed, open source models, token costs, AI ethics, leadership responsibility, data privacy, AI architecture, AI talent, and the future of AI technology. The discussion emphasizes the importance of organizational structure, leadership, and clear boundaries in the context of AI implementation and management. Takeaways Leading and managing work units without a pulse requires clear job definitions and a focus on judgment, shame, and liability. The management of work units involves setting clear boundaries, documentation, and responsibility, as well as addressing the challenges of orchestration and the use of open-source models. Model speed impacts work efficiency Open source models may be suitable for niche applications Token costs and AI ethics are important considerations Leadership responsibility in AI implementation is crucial Data privacy and AI architecture are key concerns AI talent should have operational expertise and architecture background The future of AI technology lies in multi-agent systems and dedicated agent teams Chapters 00:00 Leading and Managing Work Units 01:10 Defining Clear Job Boundaries 02:03 The Role of Judgment, Shame, and Liability 03:03 Managing Work Unit Boundaries and Documentation 15:46 Challenges of Orchestration and Open-Source Models 19:45 Model Speed and Efficiency 20:49 Open Source Models and Niche Applications 22:35 Token Costs and AI Ethics 23:59 Leadership Responsibility and AI Implementation 25:37 Data Privacy and AI Architecture 28:24 AI Talent and Operational Expertise 35:22 Future of AI Technology

    • Transcript
Showing 1–10 of 10 episodes