Token-Therapie

Jan Schulte, Michael Köpf

Der Podcast über KI-Anwendungen und die neue Art, Software zu bauen.

Token Therapie ist der Podcast von Jan Schulte und Michael Köpf: über KI-Agenten in Produktion, neue Workflows und Teams im Wandel.

Play

Open in

9 episodes
Avg 38 min
German

Episodes 9

Newest Oldest Longest

All9 Unplayed9 In progress0 Played0

S1 · E9
October 6 · 45 min
Vom Product Manager zum Builder: Software bauen mit Agents - Token-Therapie #9
Kann ein Product Manager mit Agents allein produktionsreife Software bauen? In dieser Folge von Token-Therapie sprechen wir mit Florian Oefner, Organizer bei Open Builders Lisbon, über das Bauen von Software mit Agents, lokale KI und die Lage für alle, die gerade etwas gründen wollen. Florian hat seine Karriere lang als Product Manager gearbeitet und schon immer selbst gecodet. Heute übernehmen Agents: Er schreibt Epics in GitHub Issues, lässt den Agent offene Fragen und Acceptance Criteria ergänzen, und Codex arbeitet auf einem eigenen Server die Issues ab, mit zwei Review-Agents, die jeden Pull Request prüfen. Seine These: Die Rollen verschwimmen. Engineers werden entweder Product Engineers oder gehen ganz in Richtung Infrastruktur, Plattform und Security. Und weil jetzt sehr viele Leute etwas bauen können, zählen Qualität und UX mehr denn je. So sehr, dass Florian zugibt: „ich bin inzwischen so weit, dass ich meine Agents manchmal beleidige“. Wir sprechen unter anderem über: Warum Florian lieber von Buildern spricht als von Architekten Wie sein Setup aussieht: GitHub Issues, Markdown im Repo, Codex auf einem Server, Review-Agents Wie autonom das läuft und wo er selbst noch prüft Was das kostet und warum die Review-Agents rund ein Viertel der Tokens brauchen• Warum Legacy und Komplexität Tokens fressen Wofür sich lokale Modelle heute lohnen: Kosten, Datenschutz, offline Wie die Lage für Gründer gerade ist und warum es nicht mehr reicht, etwas Gutes zu bauen und ein bisschen darüber zu reden Ob Agents Apps ersetzen oder ob wir weiter eigene Produkte brauchen• Was erfolgreiche Builder gerade bauen Warum man der AGI-Story der großen Anbieter nicht auf den Leim gehen sollte Unser Gast: 👉 Florian Oefner auf LinkedIn https://www.linkedin.com/in/florian-oefner/ 👉 Open Builders Lisbon https://luma.com/openbuilders.lisbon Mehr zu Token-Therapie – dem Podcast für AI Engineering Leader: 👉 https://tokentherapie.de Kapitel 00:00 Intro: Florian Oefner und Open Builders Lisbon 01:18 Vom Product Manager zum Builder 03:17 Allein produktionsreife Software bauen? 05:41 Werden Entwickler zu Product Managern? 08:42 Architekt, Producer oder Builder? 10:54 Vom Proof of Concept zu GitHub Issues 14:32 Codex auf dem eigenen Server 16:51 Wie autonom? Reviews, Pentest und Abnahme 18:36 Was kostet das? Limits, Abos, Review-Agents 22:02 Warum Legacy und Komplexität Tokens fressen 23:21 Lokale Modelle: fürs Coden noch nicht 24:24 Drei Vorteile lokaler KI: Kosten, Datenschutz, offline 27:53 Grenzen lokaler KI: Mac, Windows, Handy 29:39 Gründen heute: optimistisch oder pessimistisch? 32:41 Qualität und UX wichtiger denn je 34:27 Ersetzen Agents die Apps? 38:35 Was erfolgreiche Builder bauen 40:21 Die AGI-Story als Machtpositionierung 42:52 Florians Rat: ausprobieren und selbst denken 44:35 Abschluss Wenn euch die Folge gefällt, abonniert den Kanal und schreibt uns in die Kommentare: Wie redet ihr mit euren Agents, wenn sie nicht tun, was ihr sagt?
S1 · E8
September 29 · 42 min
Softwareentwicklung wird billig. Was passiert jetzt? - Token-Therapie #8
Software wird immer billiger – aber was bedeutet das für Softwareentwickler, Unternehmen und ganze Geschäftsmodelle? In dieser Folge sprechen wir mit Fabian Wesner, Agentic Engineering Coach, ehemaligem CTO und Seriengründer, über die Folgen von AI Coding und Agentic Engineering. Fabians These ist deutlich: Der klassische Softwareentwickler, der vor allem vorgegebene Aufgaben umsetzt, gerät unter Druck. Wertvoll werden dagegen Menschen, die Technik, Domänenwissen und unternehmerisches Denken verbinden – und selbstständig herausfinden können, wo sich mit Technologie echter Business Value schaffen lässt. Wir diskutieren unter anderem: Brauchen wir künftig tatsächlich weniger Softwareentwickler – oder sorgt das Jevons-Paradox für noch mehr Software? Welche Fähigkeiten werden für Engineers wichtiger, wenn Coding selbst zur Commodity wird? Warum könnte Software als eigenständiges Produkt ihren bisherigen „Moat“ verlieren? Was kommt nach klassischem SaaS? Werden Services, Custom Software und Forward Deployed Engineers wichtiger? Warum sieht Fabian die Kombination aus Domänenwissen, Business-Verständnis und technischer Umsetzung als entscheidenden Engpass? Wie müssen sich Unternehmen organisatorisch verändern? Was bedeutet die Entwicklung für Arbeit, Wohlstand und unser Wirtschaftssystem? Hat Europa das Rennen um die besten Foundation Models bereits verloren – und wo liegen trotzdem Chancen? Wie können etablierte Unternehmen mit der Geschwindigkeit der KI-Entwicklung umgehen? Unser Gast: 👉 Fabian Wesner auf LinkedIn https://www.linkedin.com/in/fabian-wesner/ 👉 Website von Fabian https://fabian-wesner.de/ Mehr zu Token-Therapie – dem Podcast für AI Engineering Leader: 👉 https://tokentherapie.de Kapitel 00:00 Intro und Vorstellung von Fabian Wesner 01:52 Software wird billig – was jetzt? 02:25 Brauchen wir künftig weniger Softwareentwickler? 05:31 Der Engineer der Zukunft: vom Ticket zur Wertschöpfung 07:45 Können klassische Organisationen solche Engineers überhaupt nutzen? 11:26 Wenn jeder Software bauen kann: Wo bleibt der Moat? 12:53 Ist Software als Produkt ein Auslaufmodell? 14:35 Von Software-as-a-Service zu Service-Software 15:28 Warum bauen Unternehmen die Lösungen nicht einfach selbst? 15:57 Der neue Engpass: Business, Technologie und Umsetzung verbinden 18:01 Warum KI diesen Engpass nicht einfach beseitigt 19:14 Wird Domänenwissen zum entscheidenden Vorteil? 20:48 Jevons-Paradox: Steigt die Nachfrage schneller als die Produktivität? 22:13 Was passiert, wenn menschliche Arbeit immer weniger gebraucht wird? 24:02 Wie sollten sich Entwickler heute positionieren? 26:25 Arbeit ohne Arbeit? Ein mögliches Zukunftsbild 28:08 Wer profitiert von einer vollständig automatisierten Wirtschaft? 30:22 Wie könnte der Übergang gesellschaftlich aussehen? 34:18 Europa zwischen USA und China 35:15 Ist das Rennen um die besten KI-Modelle für Europa verloren? 36:39 Europas Chance: KI konsequent anwenden 38:59 Wie müssen sich Unternehmen jetzt organisatorisch aufstellen? 41:44 Fabians letzter Rat: „Sei kein Frosch“ Wenn euch die Folge gefällt, abonniert den Kanal und schreibt uns in die Kommentare: Welche Rolle wird der Softwareentwickler in fünf Jahren noch spielen?
S1 · E7
September 24 · 40 min
Vom Software Engineering zum Agentic Engineering - Token-Therapie #7
Wie verändert Agentic Engineering die Softwareentwicklung und was bedeutet das für Entwickler, Product Owner, Designer und Engineering-Organisationen? In dieser Episode sprechen wir mit Daniel Hauck, Director Technology bei thomann.io, darüber, wie sein Team den Schritt von klassischen AI Coding Assistants hin zu agentischen Entwicklungsprozessen geht. Daniel gibt einen konkreten Einblick in den aktuellen Ansatz bei thomann.io: von Spec-Driven Development über Skills und automatisierte Tests bis hin zum AI Enablement ganzer Teams. Wir sprechen darüber, wie viel Code heute tatsächlich schon von der KI übernommen werden kann, warum kleine Features und schnelle Feedbackzyklen entscheidend bleiben und weshalb Agentic Engineering keineswegs automatisch eine Rückkehr zum Wasserfall bedeutet. Außerdem diskutieren wir, wie sich Rollen in der Softwareentwicklung verändern, welche Gefahr entsteht, wenn Entwickler das Verständnis für den eigenen Code verlieren, und wie Unternehmen verhindern können, dass KI lediglich mehr Output erzeugt, den am Ende niemand lesen möchte. Und natürlich geht es auch ums Geld: Wie lassen sich steigende AI-Kosten kontrollieren? Was passiert, wenn Subscription-Modelle an ihre Grenzen kommen? Und könnten die AI-Kosten eines Entwicklers irgendwann in die Größenordnung eines zusätzlichen Mitarbeiters kommen? Daniels zentraler Punkt zum Schluss: Agentic Engineering ist mindestens genauso sehr eine Organisations- und People-Herausforderung wie eine technologische Herausforderung. 🔗 Daniel Hauck auf LinkedIn: https://www.linkedin.com/in/dhck/ 🔗 thomann.io: https://thomann.io/ 🔗 Token-Therapie – Podcast für Engineering Leader im KI-Zeitalter: https://tokentherapie.de Kapitel 00:00 Intro und Vorstellung von Daniel Hauck 01:46 Vom GitHub Copilot zum Agentic Engineering 04:05 Wie Spec-Driven Development bei thomann.io funktioniert 06:52 Wie zuverlässig schreibt die KI heute Code? 08:27 Ist Spec-Driven Development der neue Wasserfall? 11:40 Unterschiede zwischen Modellen und der richtige Scope für Agents 13:01 Modellvielfalt und Agentic Enablement 14:23 Wie verändern sich Entwickler, Product Owner und Designer? 16:53 Verlieren Teams durch KI ihr technisches Wissen? 20:29 AI Guidelines: KI als Verstärkung statt als Ersatz fürs Denken 22:23 KI jenseits des Codings: Product Design und Research 24:19 AI-Kosten kontrollieren und sinnvoll budgetieren 27:44 Subscription vs. Usage-Based Pricing 28:24 Was kostet Agentic Engineering wirklich? 32:33 Token Fatigue und die Freude am Entwickeln 34:30 Was KI für Kreativität und Produktentwicklung ermöglichen kann 37:45 Daniels Rat für Engineering Leader 39:22 „Agentic Engineering ist der neue Standard“ 39:48 Outro #AgenticEngineering #SoftwareEngineering #AIEngineering #DeveloperProductivity #TokenTherapie
S1 · E6
September 15 · 38 min
Was macht KI mit den Entwickelnden? - Token-Therapie #6
Was passiert mit Softwareentwicklung, wenn KI immer mehr vom eigentlichen Coding übernimmt? In dieser Folge von Token-Therapie – dem Podcast für AI Engineering Leader sprechen wir mit Susanne Pfeifer, Senior Consultant bei INNOQ, darüber, wie sich durch KI nicht nur unsere Werkzeuge verändern – sondern auch Rollen, Verantwortlichkeiten und die Art von Komplexität, mit der Entwicklerinnen und Entwickler umgehen müssen. Ausgehend von Susannes Blog-Post „Die verschobene Komplexität – von Wasserfall über Agile zu KI“ diskutieren wir unter anderem: Warum KI Komplexität nicht unbedingt reduziert, sondern teilweise verschiebt Warum Entwickler plötzlich Aufgaben übernehmen, die früher beim Product Owner lagen Welche zusätzliche kognitive Belastung durch AI-assisted Development entstehen kann Ob Developer Burnout durch immer mehr Review-Arbeit wahrscheinlicher wird Was passiert, wenn Juniors klassische Entwicklungsaufgaben nicht mehr selbst durchführen Warum Spec-driven Development nicht zwangsläufig eine Rückkehr zum Wasserfall bedeutet Wie sich Product Owner, Entwickler und Fachbereiche in Zukunft neu sortieren könnten Warum kleinere Teams nicht automatisch bessere Teams sind Welche Fähigkeiten Junior-Entwickler heute zusätzlich brauchen Susannes Blog-Post: https://www.innoq.com/de/blog/2026/07/die-verschobene-komplexitaet/ Mehr zu Susanne: https://www.linkedin.com/in/susanne-pfeiffer/ Mehr über Token-Therapie: https://tokentherapie.de Wenn euch die Folge gefällt, abonniert den Kanal für weitere Gespräche über AI Engineering, Softwareentwicklung und die Frage, wie KI unsere Arbeit in der IT tatsächlich verändert. Kapitel 00:00 Intro und Vorstellung von Susanne Pfeifer 01:24 Die verschobene Komplexität: von Wasserfall über Agile zu KI 05:46 Werden Entwickler zu Product Ownern und Engineering Managern? 08:40 Was die neue Rolle für Entwickler bedeutet 12:16 Eine Transformation ohne bekannten Zielzustand 15:04 AI Coding, Code Reviews und Developer Burnout 19:05 KI-freie Zeiten und der Preis maximaler Produktivität 22:11 Führt Spec-driven Development zurück zum Wasserfall? 26:31 Brauchen wir in Zukunft noch Product Owner? 28:40 Wie verändern sich Rollen in Softwareteams? 33:21 Werden Teams durch KI kleiner? 34:58 Was sollten Junior-Entwickler heute lernen? 37:28 Fazit und Verabschiedung #Softwareentwicklung #AIEngineering #KI #ArtificialIntelligence #Agile #DevOps #SoftwareEngineering
S1 · E5
September 9 · 41 min
Lokale KI: Braucht's die Cloud überhaupt noch? - Token-Therapie #5
Wie viel KI muss eigentlich wirklich in der Cloud laufen? In dieser Folge von Token-Therapie sprechen wir mit Branko Trebsche über lokale KI – und darüber, wann Unternehmen sich unabhängig von Anbietern wie OpenAI, Anthropic & Co. machen sollten. Mehr zu Branko Trebsche: https://www.linkedin.com/in/branko-trebsche/ Wir diskutieren, warum Datenschutz und der Schutz von Geschäftsgeheimnissen starke Argumente für lokale Modelle sein können, welche Anwendungen heute bereits auf einem MacBook oder Mac Studio möglich sind und wann leistungsfähigere Hardware wie NVIDIA-GPUs ins Spiel kommt. Außerdem geht es um die Frage, wie Unternehmen lokale KI sinnvoll in ihre Softwareentwicklung integrieren können. Denn ein Modell lokal laufen zu lassen, ist nur der Anfang: Infrastruktur, Security, Entwicklungsprozesse, Architektur, Teamkoordination und die Fähigkeiten der Entwickler werden mit agentischer Softwareentwicklung wichtiger denn je. Wir sprechen unter anderem über: Wann lokale KI gegenüber Cloud-KI sinnvoll ist Datenschutz, IP und Geschäftsgeheimnisse MacBook, Mac Studio, RTX 6000, B200 & Co. Lokale und hybride KI-Infrastruktur Coding mit lokalen Open-Source-Modellen Warum gute Softwarearchitektur durch KI noch wichtiger wird Wie Unternehmen KI in Entwicklungsteams einführen sollten EU AI Act und KI-Kompetenz der Mitarbeiter Die Zukunft leistungsfähiger Open-Source-Modelle• Abhängigkeit von großen KI- und Softwareanbietern Tokenkosten, Hardwarekosten und die Ökonomie von KI Warum KI-Produktivität ohne Koordination schnell wieder verloren gehen kann Eine zentrale These der Folge: Für typische Business-Software muss lokale KI bei guter Vorbereitung nicht zwangsläufig schlechter sein als die neuesten Cloud-Modelle. Entscheidend sind nicht nur Modellgröße und Benchmarks, sondern der gesamte Entwicklungsprozess rund um das Modell. Zum Abschluss sprechen wir darüber, was IT- und Engineering-Führungskräfte in den kommenden zwölf Monaten tun sollten: Zielinfrastruktur definieren, Mitarbeiter qualifizieren und KI nicht als isoliertes Tool, sondern als Bestandteil des gesamten Software-Engineering-Systems betrachten. KAPITEL 00:00 Intro & Vorstellung von Branko Trebsche 01:34 Warum überhaupt lokale KI? 03:40 Vertrauen, Datenschutz und Geschäftsgeheimnisse 06:17 Was bedeutet „lokale KI“ eigentlich? 09:37 Was läuft heute auf MacBook und Mac Studio? 12:23 Welche Hardware braucht lokale KI – und was kostet sie? 15:01 Warum lokale KI nicht primär eine Kostenfrage ist 17:15 Wie führt man lokale KI in Entwicklungsteams ein? 20:02 EU AI Act, Infrastruktur und KI-Kompetenz 24:23 Warum gute Softwareentwicklung durch KI wichtiger wird 25:04 Wie groß ist der Abstand zu den besten Cloud-Modellen? 27:17 Wie schützt man sein Geschäftsmodell vor der KI-Entwicklung? 29:09 Hat Open Source bei KI eine Zukunft? 32:09 Wie entwickeln sich die Preise für Cloud-KI? 34:39 Wem gehört eigentlich der Output einer KI? 36:58 Vendor Lock-in und die langfristigen Kosten von KI 38:31 Welche neuen Geschäftsmodelle ermöglicht eigene KI-Infrastruktur? 39:12 Was IT-Führungskräfte in den nächsten 12 Monaten tun sollten Token-Therapie – der Podcast für AI Engineering Leader. Mehr Folgen, Infos und Hintergründe: https://tokentherapie.de #KI #KünstlicheIntelligenz #LocalAI #Softwareentwicklung #AIEngineering #LLM #OpenSource #DevOps
S1 · E4
August 18 · 43 min
Rust und Agentic Development - Token-Therapie #4
Rust, Agentic AI & Code Reviews skalieren: Matthias Endler über KI-Code, Tooling und mentale Modelle Jan und Michael sprechen im Podcast „Token Therapie“ mit Rust-Consultant und „Rust in Production“-Host Matthias Endler über Rust und Agentic AI in der Softwareentwicklung. Endler beschreibt sich als eher konservativ im Umgang mit LLMs und warnt vor „comprehension debt“, wenn Teams KI-generierten Rust-Code zu viel Kompetenz zuschreiben und Reviews sowie gemeinsames Architekturverständnis vernachlässigen. Er empfiehlt Kommunikation, Whiteboarding, Dokumentation sowie Domain-Driven Design, um mentale Modelle im Team zu synchronisieren. Beim Review-Problem sieht er klassische Git-Diffs als Bottleneck und wünscht sich IDE-Tooling mit Wechsel zwischen Text-, Diagramm- und semantischen Ebenen sowie Assistenz für Hotspots (Sicherheit, Performance, Edge Cases). Am Beispiel des AI-getriebenen Bun-Rewrites betont er, dass mehr Code nicht weniger Maintenance bedeutet und Sprachwechsel Business-Logik nicht löst. Zum Abschluss rät er, KI pragmatisch zu nutzen, Systemverständnis zu behalten und vorhandenes Tooling wie Formatter/Linter einzusetzen. 00:00 Begrüßung und Gast 01:05 KI Code Risiken 04:05 Teamprozesse gegen Debt 07:36 Review Tooling Zukunft 10:38 Spec und Model Driven 13:50 Rust Komplexität erklärt 14:19 Bun Rewrite Einordnung 20:01 Lernen im Agenten Zeitalter 27:00 Polyglot Teams und Ecosystem 31:37 Zukunft der Sprachen 35:34 LLMs und neue Sprachen 40:31 Abschluss und Tipps
S1 · E1
August 15 · 29 min
Wie viel produktiver macht KI Entwickler wirklich?
Alle reden vom 10x-Entwickler durch KI. Die größte unabhängige Studie, eine Stanford-Analyse von über 100.000 Entwicklern, landet bei netto 15 bis 20 Prozent. In Folge 1 von Token-Therapie sprechen Jan Schulte (Betalyra) und Dr. Michael Köpf (Dr. Köpf IT Solutions) darüber, was die Produktivitäts-Zahlen wirklich sagen: brutto vs. netto, Rework, Code-Qualität, die versteckte Ökonomie subventionierter Tokens und der Preis, den Entwickler dafür zahlen. 🎧 Themen der Folge - Warum sich Produktivität so schwer messen lässt (und warum Lines of Code zurückkommen) - Faros-Studie mit 22.000 Entwicklern: mehr Code, aber +54 % Bugs und +243 % Incidents pro Pull Request - KI als Verstärker: warum schlechte Prozesse jetzt richtig weh tun - Comprehension Debt: wenn keiner mehr versteht, was die KI gebaut hat - Greenfield vs. Brownfield: 30 bis 40 % Gewinn im Neubau, 0 bis 10 % im Altsystem - Die versteckte Ökonomie: warum ein 200-$-Abo bis zu 14.000 $ an Tokens liefert - Developer Fatigue: 88 % Burnout bei den produktivsten KI-Nutzern ⏱️ Kapitel 00:00 KI Produktivität Einstieg 00:58 Produktivität messen 04:26 Metriken und DORA 05:52 Mehr Code mehr Bugs 08:55 Prozesse als Verstärker 10:48 Review Shift und Debt 14:28 Workflows und Waterfall 16:40 Greenfield vs Legacy 17:38 Kommunikation als Bottleneck 21:31 Token Ökonomie Kosten 26:21 Developer Fatigue Burnout 29:32 Fazit und Outro 📚 Studien & Quellen (unabh. = unabhängig, Vendor = Anbieterstudie) - Stanford, 100.000 Entwickler (unabh.): https://softwareengineeringproductivity.stanford.edu - Faros „Acceleration Whiplash“ 2026 (Vendor): https://www.faros.ai/research/ai-acceleration-whiplash - SemiAnalysis, Token-Subventionen (unabh.): https://x.com/SemiAnalysis_/status/2064815044085318040 - Upwork Research Institute, Burnout (unabh.): https://investors.upwork.com/news-releases/news-release-details/upwork-research-reveals-new-insights-ai-human-work-dynamic - Google DORA 2025: https://dora.dev- METR, „19 % langsamer“ (unabh., nur 16 Teilnehmer, wenig repräsentativ): https://arxiv.org/abs/2507.09089 Außerdem erwähnt: McKinsey „Yes, you can measure software developer productivity“ (2023), Steve Yegge zu agentischem Coding, Brian Finster zu TDD mit KI-Agenten. 🎙️ Über Token-Therapie Engineering Leadership im KI-Zeitalter. Jan Schulte und Dr. Michael Köpf über KI in echten Projekten. Strategisch genug für Entscheider, technisch genug für Engineering-Teams. Jan Schulte / Betalyra: https://betalyra.com Dr. Michael Köpf: https://michaelkoepf.de LinkedIn: https://www.linkedin.com/in/janschultecom/ https://www.linkedin.com/in/michael-koepf-it/ 👉 Abonnieren für neue Folgen. #KI #SoftwareEntwicklung #EngineeringLeadership #AICoding #TokenTherapie
S1 · E2
August 15 · 32 min
Wie sieht das Team der Zukunft aus?
Das Team der Zukunft: Cross-funktionale Rollen, kleinere Squads & Skills, die KI nicht ersetzt Jan und Michael diskutieren im Podcast „Token Therapie“ für AI Engineering Leader, wie sich Teams durch KI verändern: 90% der Developer nutzen KI, 50% der Designer haben laut Studie bereits Code in Production gepusht, und 38% der Product Manager Prototypen gebaut. Sie sprechen über zunehmende Rollenvermischung, „Vibe Coding“ und Mixed Roles wie Design Engineer und Product Engineer, wobei besonders der Design Engineer als Kombination aus Design-Urteilsvermögen und technischem Systemverständnis hervorgehoben wird. Kurzlebige Trendtitel wie Prompt Engineer werden kontrastiert mit stabileren Rollen sowie dem Revival des Forward Deployed Engineer. Sie erwarten kleinere, schlagkräftige Teams mit mehr Verantwortung pro Person, was delegierte Handlungsmacht („Bounded Agency“) voraussetzt. Als zentrale Zukunftsskills nennen sie Architekturverständnis, Entscheidungsfreude, Kommunikationsfähigkeit und „Taste“ zur Bewertung von KI-Output. 00:00 Willkommen und Thema 00:58 Vibe Coder Trendcheck 02:53 DevOps und Rollenverschmelzung 04:30 KI Output richtig bewerten 05:45 Mixed Rollen im Aufwind 09:20 Prompt Engineer Hype vorbei 11:29 Forward Deployed Engineer Revival 14:40 Chief AI Officer und AI Engineer 17:39 Kleinere Teams mehr Verantwortung 20:03 Bounded Agency statt Micromanagement 23:05 Spezialisierung und Fractional Experten 27:38 Zukunftsskills Architektur und Taste 32:25 Abschluss und Ausblick 🎙️ Über Token-Therapie Engineering Leadership im KI-Zeitalter. J an Schulte und Dr. Michael Köpf über KI in echten Projekten. Strategisch genug für Entscheider, technisch genug für Engineering-Teams. Jan Schulte / Betalyra: https://betalyra.com Dr. Michael Köpf: https://michaelkoepf.de LinkedIn: https://www.linkedin.com/in/janschultecom/ https://www.linkedin.com/in/michael-koepf-it/ 👉 Abonnieren für neue Folgen. #KI #SoftwareEntwicklung #EngineeringLeadership #AICoding #TokenTherapie
S1 · E3
August 15 · 37 min
Wie KI Engineering-Organisationen verändert
Wie KI Engineering-Organisationen verändert: LLMs, Product Engineers & Guard Rails – mit Lukas Gilz, Gründer und CPTO von Damedic (https://www.damedic.ai/). Im Podcast „Token Therapie“ sprechen Jan und Michael mit CPTO und Co-Founder Lukas Gilz (Damedic) darüber, wie LLMs und agentisches Coding Produkte und Engineering-Organisationen verändern. Lukas erklärt Damedics Fokus auf KI-unterstützte Krankenhausabrechnung, den Wechsel von klassischem NLP hin zu LLM-basierten Ansätzen (z. B. Zusammenfassungen) und warum Chatbots als UX für Spezialprozesse oft ungeeignet sind. Er beschreibt den Übergang von individueller Tool-Adoption hin zur schwierigeren Prozessintegration, den Umgang mit Non-Determinismus durch Guard Rails, kombinierte ML-Ansätze und konsequentes Human-in-the-Loop wegen hoher Fehlkosten. Organisatorisch plädiert er für den „Product Engineer“, schnelle Feedbackzyklen, abgerissene Mauern zwischen Product/Dev/Ops und diskutiert Kulturarbeit über regelmäßige Pitch- und Hackathon-Formate samt RICE-Priorisierung. Abschließend warnt er vor Burnout und rät, Geschwindigkeit rauszunehmen und Fokus zu halten. 00:00 Willkommen und Gast 00:27 Lukas und Damedic 02:43 LLMs verändern Produkt 05:48 Agentic Coding intern 08:17 Risiko und Guardrails 10:13 Human in the Loop 12:45 Product Engineer Rolle 15:14 Mauern einreißen 19:43 Hackathons als Kultur 23:54 Hiring im Wandel 26:44 Juniors und Karriere 29:07 Comprehension Debt 33:18 Build More vs Better 35:21 Abschluss und Takeaway

Showing 1–9 of 9 episodes