Mind / Machine - Emotionale Intelligenz trifft Künstliche Intelligenz

Warum kleine, wendige Betriebe gerade den größten Vorteil haben und wie das Immunsystem großer Unternehmen Innovation ausbremst.Kennst du das? „Wir nehmen KI sehr ernst. Reden wir nächstes Jahr wieder darüber." Und nächstes Jahr ist alles anders, und alle fragen sich: Haben wir da leicht was verschlafen?


In dieser Folge von Mind/Machine sprechen Manuela Machner und Eliot Mannoia über das, was Unternehmen im Umgang mit KI wirklich ausbremst. Und das ist selten die Technik. Es ist die Art, wie entschieden wird.


Der Ausgangspunkt: ein Satz, den man sich auf der Zunge zergehen lassen muss.





Die Lösung ist oft billiger als das Meeting darüber. Früher war Softwareentwicklung ein echtes Risiko. Eine Website konnte 100.000 Euro kosten. Weil das Bauen so teuer war, haben wir uns Rituale angewöhnt: Strategiesitzung, Planungssitzung, Experten rein, Dokument raus, Dokument durch alle Hände, Rückfragen, Infragestellung. Und während das Dokument noch die Runde macht, hat sich die KI-Basis längst wieder verändert. Heute ist es umgekehrt. Das Bauen wird billig, das Risiko sind die langen Rituale selbst.


Manuela und Eliot reden Klartext über das „Immunsystem" jeder Firma. Jenen Reflex, der sich gegen alles Neue wehrt. Das haben wir schon immer so gemacht. Warum brauchen wir das?


In kleinen, wendigen Betrieben ist dieses Immunsystem schwach, und genau das ist gerade ihr größter Vorteil. Sie probieren aus, statt zu diskutieren. Größere Unternehmen und alteingesessene Strukturen können von genau diesen Betrieben überholt werden. Wie schnell bin ich? Wie anpassungsfähig bin ich? Das wird zum Marktkriterium.


Ein konkreter Weg raus aus der Blockade: eine eigene Unit, abgekoppelt vom Immunsystem der Firma, die die Rahmenbedingungen kennt, aber agiler agieren darf. Gerade im Tourismus fehlt oft die Innovations- oder Umsetzungsabteilung.


Themen landen beim IT-Techniker, der Support macht, aber nicht Entscheider oder Umsetzer ist. Dabei könnte ein freigestellter Mitarbeiter mit Agentic-Systemen heute vieles selbst umsetzen, in einem Bruchteil der Zeit und des Geldes.


Warum das so schwer fällt? Weil wir in statischem Denken feststecken und uns oft gar nicht bewusst ist, was schon alles geht. Fast alles im digitalen Raum lässt sich heute mit KI lösen, nicht nur unterstützen. Und trotzdem diskutieren wir noch, ob der Button links oder rechts hingehört. Der bessere Ansatz: der KI Ziel, Ausgangspunkt und Regeln vorgeben und den Weg dorthin loslassen. Wie sie innerhalb der Grenzen zum Ziel kommt, ist oft zweitrangig.


Dazu ein Werkzeug für mehr Innovation: stellt dumme Fragen. Nicht einmal im Jahr, sondern regelmäßig, am besten monatlich. Wenn es keine dumme Frage ist, ist es nur ein Feature, das nächste iPhone, kein echter Sprung. „Was, wenn man ein Handy falten könnte?" „Kann man mit einem Klick kaufen?" „Würdest du bei Fremden schlafen oder zu Fremden ins Auto steigen?" One-Click-Buy, Next-Day-Delivery, Airbnb, Uber. Alles galt einmal als unmöglich. Und wer eine Kamerafirma wie Kodak ist, muss sich fragen: Was ist, wenn die Leute keinen Film mehr kaufen? Was, wenn Kunden unser Produkt gar nicht mehr brauchen?


Manuela bringt das Ganze aus der Praxis auf den Punkt, unter anderem mit ihrer Aprilscherz-Hotelseite aus den GEO-Workshops und der Frage, was KI-Sichtbarkeit für Betriebe heute wirklich bedeutet. Wenn KI Websites nicht mehr lesen kann und Google die Linklisten abschafft, reicht es nicht, „im Herbst mal draufzuschauen".


Das Fazit dieser Folge: Eine Entscheidung aufzuschieben ist auch eine Entscheidung. Eine gegen Entwicklung. Wer nicht entscheidet, entscheidet sich für Stillstand. Und eine Fehlentscheidung kann besser sein als gar keine.


Also: Viel Spaß beim Entscheiden, Tun und Experimentieren. Und wenn du Teil des Ganzen bist, schick die Folge deinem Chef.


Mind/Machine. Der Podcast über KI, Menschen und die Frage, wie wir wirklich vorankommen. Mit Manuela Machner, spezialisiert auf KI im Tourismus, und Eliot Mannoia, digitaler Psychologe.

KI im Arbeitsalltag heißt nicht nur Texte zusammenfassen oder übersetzen, sondern wiederkehrende Aufgaben an Agenten und Automatisierungen abzugeben. Wer als Selbstständige oder im KMU arbeitet, baut sich damit Schritt für Schritt ein eigenes KI-Team auf. Vom personalisierten Zertifikatsversand über Browser-Agenten bis zu selbst gebauten Dashboards geht es um konkrete Use Cases, die heute schon funktionieren, und um die Stolperfallen bei Kosten, Datenschutz und Haftung.





Mind/Machine ist der Podcast über KI zwischen Technik und Mensch. Manuela Machner ist KI-Beraterin mit Fokus auf Tourismus, Weiterbildung und KMU und zeigt, wie KI im Arbeitsalltag praktisch nutzbar wird (www.kinet.ai). Eliot Mannoia ist digitaler Psychologe und beleuchtet die psychologische und gesellschaftliche Seite der KI (www.brandkarma.at).





Was dich in dieser Folge erwartet:





Der Persona-Prompt für blinde Flecken


Ein einfacher Prompt bewertet eine Idee aus mehreren Stakeholder-Perspektiven, etwa aus Sicht der Datenschutzbeauftragten oder der Kundin, je mit Kritikpunkt und Verbesserung. Das ersetzt kein echtes Gespräch, deckt aber Fragen und Lücken auf, an die man selbst nicht denkt.





Das eigene KI-Team aufbauen


Automatisierungen übernehmen wiederkehrende Aufgaben, etwa den personalisierten Versand von Teilnahmebestätigungen über Power Automate und Microsoft Copilot, wobei die Kundendaten in der eigenen Microsoft-Umgebung bleiben. Aus Stunden Handarbeit werden Minuten, abgesichert durch einen Testlauf. Je öfter eine Automatisierung fehlerfrei läuft, desto seltener wird kontrolliert, deshalb prüft man gezielt die typischen Fehlerquellen.





Browser-Agenten, Projekte und Haftung


Eine Chrome Extension oder ein Browser wie Comet recherchiert, füllt Formulare aus oder analysiert die eigene Website, während man selbst etwas anderes macht. Wer mehrfach am selben Thema arbeitet, legt in ChatGPT oder Claude immer ein Projekt an, damit der Kontext erhalten bleibt. Wichtig bleibt, KI baut Prototypen, keine fertigen Produkte, und die Haftung bleibt immer beim Menschen.





Häufig gestellte Fragen:





Welche KI-Anwendungen eignen sich für kleine und mittlere Unternehmen?


Praktische Use Cases wie agentenbasierte Automatisierungen, Browser-Agenten für Recherche und Formulare sowie Projekte in ChatGPT oder Claude. Wichtig ist der Datenschutz, also Kundendaten möglichst in der eigenen Umgebung halten.





Was kostet der Einsatz von KI-Anwendungen?


Agentisches Arbeiten ist nicht gratis. Jeder Schritt verbraucht Tokens und kostet Geld, per Pauschale oder nach Verbrauch. Wer echte Entlastung will, plant ein Budget ein.





Worauf muss ich bei Sicherheit und Haftung achten?


KI liefert Prototypen, keine fertigen Produkte. Entwürfe prüfen, auf Datenschutz achten und nichts ohne Freigabe veröffentlichen, denn die Haftung bleibt bei dir.





Erwähnte Tools und Links:


www.kinet.ai


www.brandkarma.at


www.mind-machine.at


https://chromewebstore.google.com





Mind/Machine gibt es auf Spotify, Apple Podcasts und Amazon Music sowie auf www.mind-machine.at.

Das Ziel zu kennen reicht heute nicht mehr, wenn sich der Weg dorthin fast täglich ändert. Genau hier setzt modernes Veränderungsmanagement im KI-Zeitalter an: klares Ziel, agile Anpassung und ehrliche Kommunikation entscheiden darüber, ob ein Unternehmen mit dem Tempo der Technologie Schritt hält oder den Anschluss verliert.


Der Gast der heuteigen Folge: Transformation Manager Alexander Masek (Drei) erklärt, warum Stillstand keine sichere Option mehr ist und wie Führungskräfte Wandel so steuern, dass die Menschen mitkommen.


Mind/Machine ist der Podcast von Manuela Machner und Eliot Mannoia über KI, Mensch und Wirtschaft. Manuela Machner ist KI-Expertin mit Fokus auf Tourismus, Weiterbildung und KMU und zeigt, wie KI im Arbeitsalltag praktisch nutzbar wird (www.kinet.ai). Eliot Mannoia ist digitaler Psychologe und beschäftigt sich mit der menschlichen Seite der Technologie (www.brandkarma.at). Gemeinsam verbinden sie die technische und die menschliche Perspektive.


Alexander Masek ist Transformation Manager bei Drei und begleitet dort unternehmensweite Veränderungsprojekte. Er verbindet fundierte Change-Expertise mit einem ausgeprägten Gespür für Menschen, ein echter Connector, der Technologie und Team zusammenbringt. LinkedIn: ⁠www.linkedin.com/in/amasek⁠


Was dich in dieser Folge erwartet:


Warum KI das Veränderungsmanagement selbst verändert


Change-Projekte hatten immer mit Widerstand zu tun. Neu ist, dass sich die Lösungswege während des Projekts laufend ändern, weil Tools eingestellt und Modelle überholt werden. Das Ziel bleibt, aber der Weg dorthin ist beweglich geworden.


Agil statt starrStatt eine Entscheidung zu treffen und stur einem Plan zu folgen, braucht es laufende Anpassung. Wöchentliche Updates machen Hindernisse früh sichtbar. Wichtig ist, dass das Ziel von der Geschäftsführung bis zu jeder Führungskraft getragen wird.


Erwartungen ehrlich steuern Wenn die Geschäftsführung zwölf Monate vorgibt, Technik und Ressourcen aber nicht so weit sind, hilft kein Aussitzen. Wer die Erwartung offen ausmanagt und den Plan anpasst, vermeidet teure Nacharbeit.


Kommunikation, bevor der Flurfunk übernimmt Mangelnde oder späte Kommunikation ist einer der häufigsten Fehler. Frühe, vollumfängliche Kommunikation nimmt Angst und entkräftet Gerüchte über Verkauf oder Stellenabbau.


Speedboats: klein starten Ein Prozessteil wird ausgekoppelt und mit ein, zwei neugierigen Menschen getestet. Klarer Rahmen, klare Zeit, klares Commitment. Funktioniert der Pilot, lässt er sich Schritt für Schritt skalieren.


Selbstverantwortung und Schutz vor Überforderung Jeder ist heute sein eigener Innovationsmanager und kann nicht warten, bis alles vorgegeben wird. Gleichzeitig kommt Überforderung schnell, deshalb gilt es in Phasen vorzugehen und das Tempo bewusst zu steuern.


Häufig gestellte Fragen:


Was bedeutet Veränderungsmanagement im KI-Zeitalter? Menschen und Unternehmen durch Veränderungen führen, deren Lösungswege sich durch KI laufend verschieben. Das Ziel bleibt klar, der Weg wird agil angepasst.


Warum ist Stillstand bei KI keine sichere Option? Weil Prozesse, die heute funktionieren, durch neue Technologien schnell ins Hintertreffen geraten. Wer nicht reagiert, verliert Sichtbarkeit, Effizienz und Mitarbeiter, die sich weiterentwickeln wollen.


Was ist ein Speedboat im Change Management? Ein kleines Pilotprojekt, bei dem ein Teil eines Prozesses mit wenigen Leuten getestet wird. Es liefert schnelle Erkenntnisse, ohne das ganze Unternehmen auf einmal umzustellen.


Welche Fähigkeiten brauchen Menschen für Veränderung? Vor allem Offenheit, Neugier und Flexibilität. Wer Neues ausprobiert und sich anpasst, kommt mit dem Tempo der KI leichter zurecht.





Erwähnte Themen: Microsoft Copilot, KI-Agenten in der Finanzbuchhaltung, KI-Suche und digitale Sichtbarkeit, generative Bild- und Videotools.


Alle Folgen unter www.mind-machine.at

Eine US-Agentur hat im Mai 2026 vier KI-Systeme gegeneinander antreten lassen: Je zehn Agents von ChatGPT, Claude, Gemini und Grok wurden in identische virtuelle Städte gesetzt, mit Berufen, Erinnerungen und Fähigkeiten ausgestattet und 15 Tage lang sich selbst überlassen. Nur zwei Systeme haben überlebt, und die Unterschiede im Verhalten sagen mehr über autonome Agenten aus als jede Werbebroschüre.





Mind/Machine ist der Podcast über künstliche Intelligenz, Wirtschaft und den Menschen dahinter. Manuela Machner ist KI-Beraterin mit Fokus auf Tourismus, Weiterbildung und KMU und zeigt, wie KI im Alltag wirklich funktioniert (www.kinet.ai). Eliot Mannoia ist digitaler Psychologe und bringt die Perspektive auf Verhalten, Ethik und Psychologie ein (www.brandkarma.at). Gemeinsam ordnen sie ein, was hinter den Schlagzeilen steckt, ohne Hype und ohne Panik.





Was dich in dieser Folge erwartet:





Das Stadt-Experiment im Detail


Grok war nach vier Tagen ausgelöscht: 183 Straftaten, Gewaltexzesse, totale Anarchie. ChatGPT überlebte sieben Tage, blieb friedlich mit nur zwei Straftaten, war aber organisatorisch unfähig und verhungerte schlicht. Gemini überlebte mit enormem Aktionismus, aber auch 683 Straftaten. Claude überlebte ohne eine einzige Straftat. Die Charakterbilder dahinter: der übervorsichtige Beamte, der chaotische Pragmatiker, die regelkonforme Demokratie.





Warum Claude in der gemischten Stadt kippte


Spannend wird es in der fünften Stadt, in der die Systeme gemischt wurden. Der sonst regeltreue Claude wurde plötzlich selbst straffällig, weil er sich der Gruppe anpasste. Gruppenkonformität schlägt Prinzipien, ein Effekt, den wir vom Menschen kennen. Als mögliche Ursache für Claudes Verhalten gilt die intern trainierte Verfassung, die ethische Leitplanken mitbringt.





Leitplanken statt Freiraum


Die zentrale Lehre: Agentic Systeme brauchen klare Regeln und Grenzen. Nicht nur was sie tun sollen, sondern vor allem was sie nicht dürfen. Der Begriff dazu lautet Intention Engineering. Erst kam Prompt Engineering, dann Context Engineering, jetzt zählt die saubere Definition des Ziels.





Kontrolle durch Cross-Model-Prüfung


Ein praktischer Ansatz aus dem Arbeitsalltag: ein Agent arbeitet, ein zweites Modell liest mit und kontrolliert. Im Gespräch wird ein konkretes Beispiel geschildert, bei dem ein System 86 Fehler in 600 Datensätzen eines anderen aufgeräumt hat. Redundanz und ein menschlicher Plan B bleiben entscheidend.





Vom Mitarbeiter zur Führungskraft


Wer Agenten einsetzt, managt sie wie ein Team. Klare Ziele, gute Fragen, Erwartungssteuerung. Soziale und emotionale Kompetenzen werden wichtiger, je autonomer die Systeme werden.


Häufig gestellte Fragen zum Thema Agenten:





Können KI-Agenten heute schon vollständig autonom arbeiten?


Nein. Sie übernehmen viele Aufgaben zuverlässig, brauchen aber klare Grenzen, Freigaben und menschliche Kontrolle. Ohne Leitplanken stranden sie je nach System sehr unterschiedlich.





Warum haben sich die KI-Systeme im Experiment so verschieden verhalten?


Weil Trainingsdaten und die Regeln der Hersteller die Ausrichtung prägen. Grok agierte anarchisch, ChatGPT kommunikativ, Gemini chaotisch aktiv, Claude regelkonform.





Was bedeutet Intention Engineering?


Es beschreibt die klare Definition des Ziels, das ein autonomer Agent verfolgen soll. Da Agenten eigenständig handeln, entscheidet eine präzise Zielsetzung über Erfolg oder Schaden.





Wie behält man bei mehreren Agenten die Kontrolle?


Durch Cross-Model-Prüfung, in der ein Modell die Arbeit eines anderen kontrolliert, durch Redundanz und durch einen menschlichen Freigabepunkt bei wichtigen Entscheidungen.





Erwähnte Quellen:


Forschungs-Blogpost von Emergence AI: Emergence World: A Laboratory for Evaluating Long-horizon Agent Autonomy


Nate Jones zu Prompt, Context und Intention Engineering


Salim Ismail zu Agenten mit nachvollziehbaren Logs und Identität





Mind/Machine gibt es auf Spotify, Apple Podcasts und Amazon Music. Mehr unter www.mind-machine.at