Applied Intelligence

Ein eigenes Sprachmodell trainieren? In den meisten Fällen der falsche Weg. In dieser Ausgabe von Applied Intelligence wird es spürbar technischer als sonst. Dennis Augustin ist über den Begriff RAG (Retrieval-Augmented Generation) gestolpert – und genau dafür ist dieser Podcast ja als Gespräch unter Freunden gestartet: Um einander komplexe Themen verständlich zu machen und gemeinsam die Oberfläche der Marketing-Phrasen zu verlassen.


Johannes Westermann nimmt den Ball auf und schlüsselt die exakte Funktionsweise und das Konzept hinter RAG detailliert auf. Es geht um die mathematische Logik von Vektoren im multidimensionalen Raum (Embedding-Modelle), um Text-Chunking und um das Reranking für den optimalen LLM-Kontext.


Trotz des tieferen Griffs in die Technologie-Kiste bleibt es gewohnt praxisnah: Die beiden beleuchten die oft unterschätzte IT-Infrastruktur hinter solchen Systemen. Wie geht eine KI mit Dokumenten-Updates, Versionierungen (z. B. im GXP- oder SharePoint-Umfeld) und konkurrierenden Daten um? Und wie bindet man Berechtigungskonzepte über Identity Provider (Single Sign-On) so an, dass sensible Daten geschützt bleiben?


Ein fundierter, ehrlicher Austausch für Entscheider und IT-Verantwortliche, die die technologische Substanz hinter produktiven KI-Systemen verstehen wollen – ohne das Gefühl zu haben, in einer trockenen Vorlesung zu sitzen.

KI-Agenten sind in aller Munde. Aber was unterscheidet einen echten Agenten von einem LLM mit Suchfunktion? Und was bedeutet Agentic AI konkret für Unternehmen und ihre Prozesse?


In dieser Folge sprechen Johannes und Dennis über die Grundlagen: Was macht einen KI-Agenten aus, wie hängt RAG damit zusammen, und warum ist Autonomie der entscheidende Unterschied. Sie beleuchten, was hinter Tools wie Microsoft Copilot, N8N oder maßgeschneiderten Agentenlösungen steckt, und warum der Unterschied zwischen Bottom-up und Top-down bei der Use-Case-Identifikation über Erfolg oder Misserfolg von KI-Projekten entscheidet.


Das Fazit: Agentic AI ist kein Hype, aber auch kein Selbstläufer. Wer jetzt die richtigen strategischen Vorbereitungen trifft, hat einen echten Vorsprung.

Technische Dokumentation, Wartungsanleitungen, Serviceberichte – in vielen Betrieben liegt wertvolles Wissen verstreut auf Laufwerken und in Ordnern. Doch wie wird daraus eine funktionierende KI-gestützte Suche? Johannes und Dennis gehen den gesamten Weg durch: Warum der Business Case vor der Technik kommt, welche Rollen im Projektteam besetzt sein müssen, wie man mit verschiedenen Dokumententypen umgeht, warum Ordnerstrukturen und Metadaten über die Suchqualität entscheiden – und wie neue Erkenntnisse ins System zurückfließen. Ein praxisnaher Leitfaden für produzierende Unternehmen und alle, die mit großen Dokumentenbeständen arbeiten.

In der ersten Episode stellt sich das Duo hinter Applied Intelligence vor: Dennis, Chemieingenieur aus der Pharmaindustrie, und Johannes, promovierter Informatiker aus der Automobilbranche und KI-Experte. Die beiden sind seit Jahren befreundet, sprechen regelmäßig über Technik, Industrie und KI – und stellen fest: Ihre Gespräche werden so tief und spannend, dass ein Podcast längst überfällig war.


Im Gespräch tauchen sie direkt in aktuelle Themen ein: Dennis arbeitet gerade an einem internen Chatbot für seine Abteilung und berichtet, wie sich KI-Use Cases in der Praxis wirklich anfühlen. Johannes hakt nach, gibt technische Einordnungen und zeigt, wie viel Potenzial selbst einfache Systeme haben – wenn die Datenqualität stimmt.


Gemeinsam kommen sie zu einem klaren Punkt: Zwischen dem, was KI heute kann, und dem, was in Unternehmen tatsächlich umgesetzt wird, klafft eine deutliche Lücke. Und diese Lücke hat selten etwas mit der Technologie zu tun – sondern mit Daten, Prozessen und realen Unternehmensstrukturen.


Ein lockerer, ehrlicher Einstieg in einen Podcast für alle Unternehmer und Entscheider, die KI nicht nur verstehen, sondern wirklich nutzen wollen.