KI Garage - Der Podcast für echte KI Projekte Archiv

Als Thomas’ Mutter ihren ersten handgeschriebenen Brief eingeworfen hat, war der wichtigste Moment für ihn schon erreicht: Sie war aus dem politischen Frust ins Handeln gekommen. Aus dieser Szene baute er Brief nach Berlin, ein Civic-Tech-Projekt, das Anliegen einer politischen Ebene zuordnet und mit Mistral einen Briefentwurf erstellt. Fast 2.400 Entwürfe wurden laut internem Counter in dreieinhalb bis vier Monaten formuliert. Thomas erklärt, warum der letzte Schritt bewusst beim Menschen bleibt: abschreiben, personalisieren, unterschreiben, einwerfen.

WAS WIR LERNEN

- Ein MVP darf klein und unfertig starten, wenn er ein konkretes Alltagsproblem löst und du den gewünschten nächsten Schritt bei echten Menschen beobachten kannst.

- Reibung bewusst stehen lassen, wenn sie Verantwortung schafft: Bei Brief nach Berlin wird der Entwurf erst durch Handschrift, Unterschrift und Briefkasten zum eigenen Anliegen.

- Nutzerfeedback früh in die Journey einbauen und das Framing testen: Die Frage nach einer Bewertung brachte Thomas deutlich mehr Rückmeldungen als eine offene Feedbackfunktion.

- Features pausieren, sobald die zentrale offene Frage Reichweite ist: Thomas investiert nach dem ersten funktionierenden Produkt viel Zeit in Gespräche, Multiplikatoren und Outreach.

- KI für Planung und Umsetzung nutzen, Abhängigkeiten aber klein halten: Jede zusätzliche Integration erhöht Aufwand, Datenschutzfragen und potenzielle Fehlerquellen.

Mein Gast:

Thomas Lorenz: https://www.linkedin.com/in/thomaslorenz91/

Tools & Links:

- Brief nach Berlin: https://briefnachberlin.de

- Mistral (Textmodell für die Briefentwürfe): https://mistral.ai

Kapitel:

00:00 Thomas baut einen Brief für seine Mutter

01:30 Wie aus politischem Frust ein MVP wurde

05:50 Der Einwurf zählt vor der politischen Antwort

07:37 Was fast 2.400 Entwürfe wirklich aussagen

08:40 Wie ein Podcast zum Multiplikator wurde

12:10 Warum der Brief bewusst analog bleibt

13:10 Wie Thomas KI-Entwürfe moderiert und personalisieren lässt

16:00 Der letzte Schritt gehört dem Menschen

18:10 KI als Weg zurück zum handgeschriebenen Brief

22:30 Vom Politikstudium zum Builder

26:10 Warum Outreach gerade wichtiger ist als Feinschliff

29:20 Echte Nutzer finden und Multiplikatoren ansprechen

38:00 Europäische Infrastruktur und schlanke Produktentscheidungen

41:10 Wie ein anderes Feedback-Framing mehr Antworten brachte

44:00 Die Journey direkt mit dem Anliegen starten lassen

48:10 KI als Hebel für eine One-Man-Show

51:10 Open Source als Vorlage für andere Länder

55:00 Mit KI planen, mit Menschen prüfen

57:30 Josua will selbst einen Brief schreiben

KI Garage:

- Alle Episoden: https://josua.ai/ki-garage

- Spotify: https://open.spotify.com/show/02LhYJj8nDRJ4dYo79M8Mm

- Apple Podcasts: https://podcasts.apple.com/us/podcast/ki-garage-der-podcast-für-echte-ki-projekte/id1891728329

- YouTube: https://www.youtube.com/@ki.garage.podcast

- Instagram: https://www.instagram.com/ki.garage.podcast

- Meine Projekte: https://josua.ai

- Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

Beim Check-in sagen zehn Frauen in verantwortungsvollen Positionen offen: Mit KI fühlen sie sich noch unsicher. Monika Harlinghausen-Smith und Janine Bessen nehmen sich mit ihnen acht Stunden Zeit zum Ausprobieren – und lassen es nicht bei diesem einen Workshop-Tag. In dieser Folge erzählen die Mantai5-Gründerinnen, wie aus KI-Übungen, eigenen Use Cases und vier Wochen Peer Support eine Routine werden soll. Und warum die Vielfalt einer Community im Workshop hilft, beim beruflichen Austausch danach aber auch Grenzen hat.

WAS WIR LERNEN

- KI-Workshops an eigenen Aufgaben ausrichten: Im Bootcamp bringen die Teilnehmerinnen ihre konkreten Cases mit und lösen Probleme direkt im Raum.

- Erst kleine, wiederholbare KI-Anwendungen bauen, statt mit dem nächsten großen Projekt zu starten – etwa einen Skill für E-Mails in der eigenen Sprache.

- KI-Workflows unter realen Bedingungen testen und bei sensiblen Entscheidungen den Menschen eingebunden lassen: Im WANDL lief der Einkaufsassistent, die automatisierte Lead-Ansprache ging nicht live.

- Nach einem Workshop Zeit für Übungen und Austausch einplanen: Mantai5 empfiehlt über vier bis fünf Wochen etwa zehn Minuten täglich oder eine Stunde pro Woche.

- Peer Groups bewusst nach gemeinsamen Arbeitskontexten gestalten: Branchenmix bringt neue Perspektiven, für konkrete berufliche Use Cases hilft der Austausch mit ähnlichen Unternehmen oft mehr.

MEINE GÄSTE

- Monika Harlinghausen-Smith: https://www.linkedin.com/in/smithmonika/

- Janine Bessen: https://www.linkedin.com/in/janine-bessen/

IHR SERVICE

- Mantai5: https://mantai5.com/

- Above the Hype - Female AI Summit: https://femaleaisummit.com/

Kapitel:

00:00 Wer gestaltet die KI-Zukunft mit?

01:10 Wie ein KI-Urlaub Mantai5 gestartet hat

06:10 Ein Einkaufsassistent plant für 50 Gäste

10:40 Wo KI helfen darf – und wo Menschen entscheiden

16:10 Warum Mantai5 mit kleinen Gruppen arbeitet

17:40 Acht Stunden selbst mit KI arbeiten

22:40 Warum Unsicherheit viele vom Ausprobieren abhält

27:40 Wenn Technologie nach Kontrollverlust klingt

32:40 Ein Workshop reicht noch nicht für Routine

35:40 Kleine Übungen halten KI im Alltag

40:20 Warum diverse Communities auch Grenzen haben

45:10 Ein Präsenztag plus vier Wochen Begleitung

49:00 KI-Anwendungen im laufenden Betrieb erleben

51:20 Der Above the Hype Female AI Summit

54:00 Einfach anfangen und Hilfe holen

KI Garage:

- Alle Episoden: https://josua.ai/ki-garage

- Spotify: https://open.spotify.com/show/02LhYJj8nDRJ4dYo79M8Mm

- Apple Podcasts: https://podcasts.apple.com/us/podcast/ki-garage-der-podcast-für-echte-ki-projekte/id1891728329

- YouTube: https://www.youtube.com/@ki.garage.podcast

- Instagram: https://www.instagram.com/ki.garage.podcast

- Meine Projekte: https://josua.ai

- Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

Mitte Juli stand LeibFit im App Store. Im Fitnessstudio griff Sebastian Leib trotzdem wieder zur App des Studios. Also drehte der Head of Product bei WISO noch eine Schleife, baute eine Apple-Watch-App dazu und nutzt LeibFit inzwischen selbst täglich. In dieser Folge geht es darum, was reale Nutzung sichtbar macht, wo simulierte KI-Nutzer an ihre Grenzen kommen und wie Sebastian Features, Feedback, Paywall und organische Distribution gerade ausprobiert.

WAS WIR LERNEN

- Das eigene KI-Produkt im echten Nutzungskontext testen: Sebastian erkannte erst im Alltag, dass sein gebauter Workflow am tatsächlichen Bedarf vorbeiging.

- Simulierte KI-Nutzer als Hypothesen behandeln: Ein plausibler Maßnahmenkatalog aus dem iOS-Simulator beweist noch nicht, welche Reibung im Alltag entsteht.

- Features bewusst pausieren, wenn die nächste offene Frage Distribution ist: Sebastian konzentriert sich nach dem Release erst auf Reichweite und Nutzung.

- Externes Feedback gezielt gegen die Annahmen der KI-Spezialisten prüfen: Ein realer Nutzer entdeckte einen Edge Case, den die internen Tests übersehen hatten.

- Monetarisierung als laufendes Experiment aufsetzen: Sieben Tage Vollzugriff, danach bleiben ausgewählte Werte sichtbar – ob das für Nutzung und Abos reicht, will Sebastian erst mit mehr Daten entscheiden.

Gast: Sebastian Leib — https://de.linkedin.com/in/sebastianleib

Tools & Links:

- LeibFit (native Fitness-App für iPhone und Apple Watch): https://apps.apple.com/de/app/leibfit-erholung-training/id6790414789

Kapitel:

00:00 Intro & Willkommen

01:40 Warum Sebastian noch eine Fitness-App gebaut hat

03:20 Die eigene App lag im Studio unbenutzt herum

05:30 Was LeibFit anders machen soll

09:10 Wer noch mit einem Trainingslogbuch trainiert

12:20 Erst Nutzung finden, dann weitere Features bauen

15:00 Organische Downloads mit TikTok und Fußballgruppe

19:00 Digitale Mitarbeiter für Marketing und Content

21:40 Was erst die tägliche Nutzung sichtbar machte

25:50 Wie die erste Paywall zur Hürde wurde

31:40 Dashboard bauen ohne eigenes Tracking

43:20 Warum simulierte Nutzer keine echten Tests ersetzen

45:00 Feedback aus dem Bekanntenkreis einbauen

48:10 Einfach mit dem eigenen Problem anfangen

KI Garage:

- Alle Episoden: https://josua.ai/ki-garage

- Spotify: https://open.spotify.com/show/02LhYJj8nDRJ4dYo79M8Mm

- Apple Podcasts: https://podcasts.apple.com/us/podcast/ki-garage-der-podcast-für-echte-ki-projekte/id1891728329

- YouTube: https://www.youtube.com/@ki.garage.podcast

- Instagram: https://www.instagram.com/ki.garage.podcast

- Meine Projekte: https://josua.ai

- Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

Josepha Cerbe hatte fast zehn Jahre lang die Idee eines digitalen Kleiderschranks im Kopf – bis ihr Bruder sie an Ostern ermutigte, mit KI einfach loszulegen. Mit Lovable baute sie ohne Coding-Erfahrung an einem Wochenende einen am Handy testbaren Prototypen, der Kleidungsstücke aus Fotos freistellt und kategorisiert. Kurz darauf pitchte sie die Idee spontan bei einem Hackathon in Köln, stellte ein vierköpfiges Team zusammen und gehörte am Ende zu den Gewinnerteams. In dieser Episode erzählt sie, warum der erste Prototyp heute zwar greifbar ist, der Weg zum tragfähigen Produkt aber gerade erst beginnt.

WAS WIR LERNEN

- Wie Josepha mit Lovable ohne Programmiererfahrung innerhalb weniger Tage einen funktionierenden Prototypen für einen digitalen Kleiderschrank gebaut hat

- Warum ein klarer Fokus auf wenige Kernfeatures wichtiger ist als eine App, die von Anfang an alles können soll

- Wie frühes Testen mit Freunden, Familie und externen Nutzern blinde Flecken in der Bedienung sichtbar macht

- Welche Grenzen beim Vibe Coding bleiben – von Tokenkosten und Codequalität bis zu Datenschutz und Skalierbarkeit

- Warum eine Idee erst durch Umsetzung, Feedback und echte Nutzerresonanz zu einem Produkt oder Unternehmen wird

Tools & Links:

- Lovable (Vibe-Coding-Tool): https://lovable.dev

- Claude (KI-Assistent): https://claude.ai

Kapitel:

00:00 Eine Idee, die zehn Jahre in der Schublade lag

01:00 Der Anstoß am Ostertisch

03:34 Lovable und der Vibe-Coding-Sog

05:30 Der digitale Kleiderschrank entsteht

07:46 Was ein Prototyp wirklich leisten kann

09:12 Zwei Kernfeatures, aber erst 50 Prozent fertig

10:27 Tokenkosten und die Grenze bei 300 Kleidungsstücken

12:54 Erste Nutzertests und wertvolles Feedback

14:47 Warum Josepha zum Hackathon ging

16:13 Der spontane Pitch vor über 100 Menschen

18:42 Ein vierköpfiges Team entsteht

19:20 In zwei Tagen zum Hackathon-Prototyp

20:00 Das Team gehört zu den Gewinnern

23:10 Eine Idee ist noch kein Produkt

28:22 KI als Werkzeug für die Umsetzung

30:57 Codequalität, Datenschutz und fachliche Unterstützung

36:00 Claude als täglicher Sparringspartner

40:00 Josephas Rat: Einfach ausprobieren

41:39 25 Euro im Monat für einen Prototypen

43:30 Abschluss und Ausblick

KI Garage:

- Alle Episoden: https://josua.ai/ki-garage

- Instagram: https://www.instagram.com/ki.garage.podcast

- YouTube: https://www.youtube.com/@ki.garage.podcast

- Meine Projekte: https://josua.ai

- Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

Andreas Spannagel entwickelt als KI-Berater und Softwareentwickler agentische Systeme. In dieser Folge zeigt er Pi-Hydra: Mehrere spezialisierte Review-Heads prüfen den Code schon während des Codings auf Qualität, Sicherheit und Dokumentation. Wir sprechen darüber, warum geteilte Kontexte und Prompt Caching den Ansatz bezahlbar machen, weshalb Pi als offener Coding-Agent für solche Erweiterungen geeignet ist und warum Unternehmen heute in KI-Experimente investieren sollten – auch wenn der erste Use Case bald vom nächsten Modell überholt wird.

WAS WIR LERNEN

- Wie Pi-Hydra das Vier-Augen-Prinzip des Pair Programming auf mehrere KI-Agenten überträgt

- Warum frühes Feedback besser funktioniert als ein großes Code Review am Ende

- Wie Forking und Prompt Caching den gemeinsamen Kontext und die Kosten beeinflussen

- Warum Modellwahl nicht nur von Benchmarks, sondern auch von Kosten und Wartbarkeit abhängt

- Weshalb Unternehmen Skills für generalistische Coding Agents bauen und heute schon experimentieren sollten

MEIN GAST

Andreas Spannagel -- https://spannagel.dev / https://www.linkedin.com/in/andreas-spannagel/

TOOLS & LINKS

- Pi-Hydra (Andreas’ Open-Source-Erweiterung für parallele Review-Heads beim Programmieren): https://github.com/pandysp/pi-hydra

- Pi (minimalistischer und erweiterbarer Open-Source-Coding-Agent): https://github.com/badlogic/pi-mono

- OpenCode (modellunabhängiger Open-Source-Coding-Agent mit Plan Mode, Subagents und Slash Commands): https://opencode.ai

- CursorBench (Vergleich von Erfolgsquote und durchschnittlichen Kosten verschiedener Modelle und Thinking Levels): https://cursorbench.com

- OpenClaw-One-Click-Deployment (Andreas’ Setup für eine OpenClaw-Instanz bei Hetzner): https://github.com/pandysp/openclaw-infra

KAPITEL

00:00 Intro und Vorstellung von Andreas

03:12 Vom Pair Programming zur Pi-Hydra

05:30 Review-Heads für Qualität, Security und Dokumentation

09:46 Forking, Prompt Caching und frühes Feedback

11:35 Pi im Vergleich zu geschlossenen Coding-Agents

14:24 Coding-Modelle, Benchmarks und reale Wartbarkeit

19:00 Das richtige Modell und Thinking Level auswählen

20:00 Kosten pro Task mit CursorBench vergleichen

23:48 OpenCode als Alternative zu Pi

24:44 Pi-Hydra als Open-Source-Projekt

28:47 Open Source, Reputation und neue Aufträge

33:40 Skills statt isolierter Agenten bauen

36:42 Agenten als „Tool Calling in a Loop“

40:25 Datenschutz, Cloudmodelle und der deutsche Mittelstand

46:40 Warum sich das technologische Delta vergrößert

51:14 Andreas’ Technologieradar

54:13 Beratung, Workshops und Kontakt

KI GARAGE

- Alle Episoden: https://josua.ai/ki-garage

- Instagram: https://www.instagram.com/ki.garage.podcast

- YouTube: https://www.youtube.com/@ki.garage.podcast

- Meine Projekte: https://josua.ai

- Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

In dieser Episode erzählt Christian, wie er mit einem Custom GPT Hunderten von Bürgerinnen und Bürgern geholfen hat, sich an einem lokalen Bauprojekt zu beteiligen – obwohl viele von ihnen vorher noch nie ein Behördenschreiben verfasst hatten. Was als simples Informationstool für ein Bauvorhaben startete, wurde schnell zu einem echten Beteiligungswerkzeug: Die KI half den Menschen, ihre Bedenken zu formulieren und einzureichen. Nebenbei hat Christian sich mit einem Raspberry Pi, einem Infrarot-Lesegerät und Claude ein eigenes Strom-Dashboard gebaut – obwohl er sich selbst nie als Hardware-Typ gesehen hat.

WAS WIR LERNEN

- Wie ein einzelnes Custom GPT echte Bürgerbeteiligung ermöglicht hat – und warum das Feedback nicht nur positiv war

- Warum Christian mit dem Ziel anfängt statt mit dem Setup und wie sein iterativer Produktmanagement-Ansatz auch beim Prompting funktioniert

- Wie er Claude als eine Art Physiklehrer nutzt, um sich Schritt für Schritt in die Hardware-Welt vorzuarbeiten

- Sein Blick auf die Zukunft von SaaS: Warum Single-Use-Case-Apps kein sinnvolles Business mehr sein werden

- Wie er KI als Spiegel für seine eigene Führungsentwicklung nutzt – inklusive Gesprächsanalyse und Pattern-Erkennung

- Sein Prinzip: Befähigen statt ersetzen – und warum das nicht nur ein Buzzword ist, sondern sich durch alle seine Projekte zieht

Gast: Christian Fahl — https://www.linkedin.com/in/christianfahl/

Tools & Links:

- Fahl Consulting (Christians Sparring-Angebot): https://fahlconsulting.de

- Felder-GPT (Christians Custom GPT für Bürgerbeteiligung bei einem lokalen Bauprojekt)

- ChatGPT (OpenAI): https://chat.openai.com

- Claude (Anthropic): https://claude.ai

- Raspberry Pi: https://www.raspberrypi.com

- Claude Interaction Analysis (Claudes Funktion zur Analyse des eigenen Nutzungsverhaltens über alle Chats hinweg)

Kapitel:

00:00 Intro & Vorstellung

03:22 Erste Berührungspunkte mit KI

05:42 Jeden Morgen ein neues Werkzeug – wie Christian den Überblick behält

08:03 Das Raspberry-Pi-Projekt: Hardware trotz Berührungsangst

11:24 Befähigen statt ersetzen – Christians KI-Philosophie

14:26 Wie das Projekt gestartet ist: Ziel zuerst, dann iterieren

16:36 Was Claude über Christians Prompting-Muster verrät

19:00 Feature Creep und der Learning Loop

22:30 Der Felder-GPT: Bürgerbeteiligung per Custom GPT

25:48 Kritische Stimmen und die Frage nach KI-generierten Eingaben

28:00 Demokratisierung vs. Enablement

30:00 Schlaftracker in zehn Minuten – und was das für SaaS bedeutet

33:30 Wann ist ein digitales Produkt noch ein echtes Business?

37:30 Blick in die Zukunft: Plateau, Hockeystick oder beides?

42:20 Tipps für KI-Einsteiger: Einfach anfangen

45:50 Leadership Journey mit KI als Sparring-Partner

49:00 Der Mensch im Mittelpunkt – Christians Klammer um alles

50:30 Wo man Christian findet & Outro

KI Garage:

- Alle Episoden: https://josua.ai/ki-garage

- Instagram: https://www.instagram.com/ki.garage.podcast

- YouTube: https://www.youtube.com/@ki.garage.podcast

- Meine Projekte: https://josua.ai

- Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

Yves Schleich hat früher selbst programmiert – bei About You im Mobile-Team, in Agenturen und eigenen Gründungen. Dann war er lange raus aus dem Code. Jetzt baut er mit JustShip eine autonome Software-Agentur aus KI-Agents: Ein System, in dem Account-Manager, Produktmanager, Backend-Devs, Frontend-Devs, QA und Security als spezialisierte Agents zusammenarbeiten – wie ein echtes Entwicklerteam, nur ohne Menschen. Nach zweieinhalb Monaten hat er das komplette System neu gebaut, weil er unterwegs gelernt hat, was wirklich funktioniert und was nicht.

WAS WIR LERNEN

- Die Stufen von Vibe-Coding bis orchestrierte Multi-Agent-Systeme – und warum nicht jeder Agents braucht

- Warum er sein System von einem zentralen Orchestrator auf ein DAG-basiertes Übergabeformat umgestellt hat (und was passiert, wenn der "Chef" abschmiert)

- Wie er verschiedene Modelle für verschiedene Agent-Rollen einsetzt – Opus für Produktmanager, Sonnet für die ausführenden Devs

- Warum Token-Kosten sich nur verlagern, wenn man am Anfang spart und hinten raus alles production-ready machen muss

- Seine These: Entwickler sind noch sechs Monate relevant, danach verschieben sich die Jobs Richtung Sales, Customer Success und Produktdenken

- Wie er sich täglich up to date hält – mit einem selbstgebauten News-Bot über Telegram

Gast: Yves Schleich — https://www.linkedin.com/in/yves-schleich/

Tools & Links:

- JustShip (Autonome Software-Agentur aus KI-Agents von Yves): https://just-ship.io

- Claude Code (Agentic Coding Tool von Anthropic): https://claude.ai

- Claude Skills / Skill Creator (Spezialisierte Anweisungen für Claude): https://docs.anthropic.com

- SonarQube (Code-Qualitätsanalyse und Security-Checks): https://www.sonarqube.org

- OpenClaw (Open-Source Agent-System): https://openclaw.ai/

- n8n (Workflow-Automatisierung): https://n8n.io

- Andrej Karpathy (Referenz zu seiner Agentic-Development-Methodik): https://karpathy.ai

- AddressHero (Adressvalidierung im Checkout – als Rebuild-Beispiel erwähnt): https://addresshero.ai

Kapitel:

00:00 Intro & warum die erste Aufnahme outdated war

01:22 Yves' Background: Von About You bis zur eigenen Gründung

02:46 Das Revival-Feeling: Warum sich KI anfühlt wie früher Programmieren

04:03 Wände und Qualitätsprobleme bei Claude

06:12 Die Stufen: Von Copy-Paste bis orchestrierte Multi-Agent-Systeme

09:25 Was ist JustShip und wie funktioniert die autonome Agentur?

13:00 Warum Yves alles neu gebaut hat – vom Orchestrator zum DAG-System

17:51 Der Weg eines Features durch das System

24:18 Wie viele Agents gibt es und wer arbeitet woran?

27:07 Code-Qualität: Benchmarking, SonarQube und Senior-Dev-Reviews

30:27 Vibe-Coder und Production-Ready Code

33:14 Produktmanagement im System – und was Karpathy anders macht

37:46 Token-Kosten und warum verschiedene Modelle verschiedene Rollen bekommen

40:47 Das Ökosystem: OpenClaw, Open Source und warum Yves trotzdem selbst baut

44:51 Die Zukunft: SaaS, neue Jobs und warum Sales explodiert

52:06 Wie man up to date bleibt – Telegram-Bot, Claude Nights und einfach machen

55:53 Outro

KI Garage:

- Alle Episoden: https://josua.ai/ki-garage

- Instagram: https://www.instagram.com/ki.garage.podcast

- YouTube: https://www.youtube.com/@ki.garage.podcast

- Meine Projekte: https://josua.ai

- Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

Simonetta Batteiger hat 15 Jahre lang digitale Produkte gebaut – von Domain-Marktplätzen über Finance-Plattformen bis hin zu Ad-Filtering-Software für Chrome. Ohne eine Zeile Code selbst geschrieben zu haben, hat sie an einem Hackathon-Wochenende mit Claude Code eine komplette Android-App für ihre erblindende Mutter entwickelt, die per Kamera Texte erkennt und vorliest. In dieser Episode sprechen wir darüber, was passiert, wenn Software bauen billig wird.

WAS WIR LERNEN

- Warum sich die vier Produktrisiken (Value, Usability, Feasibility, Viability) gerade massiv verschieben – und wohin der Fokus jetzt wandert

- Wie Simonetta als Nicht-Entwicklerin die technischen Hürden genommen hat: von Terminal und Linux über Android Studio bis GitHub – alles erklärt von der KI selbst

- Warum das größte Learning-Antipattern im Moment ist, einmal auszuprobieren und das Ergebnis als festes Wissen abzuspeichern – weil sich die Tools alle zwei Wochen weiterentwickeln

- Ihr Gedankenexperiment zu Token-Kosten: Was passiert mit Business Cases, wenn sich Token-Preise verzehnfachen und Software laufende API-Kosten hat statt einmaliger Entwicklungskosten?

- Warum Hackathons und Meetups der einfachste Einstieg sind – und warum das Wort "Hackathon" leider genau die Menschen abschreckt, die dort am meisten beitragen könnten

- Ihr Rat an alle, die noch nicht angefangen haben: Sei neugierig, frag jemanden, der es schon macht, und probier es mit einem persönlichen Problem aus – nicht mit Firmendaten

Gast: Simonetta Batteiger — https://www.linkedin.com/in/simonettabatteiger/

Tools & Links:

- Inclusive Leaders (Simonettas Website für Product Leadership Coaching): https://inclusiveleaders.blog/

- Claude Code (Anthropics Coding-Agent für das Terminal): https://claude.ai

- Android Studio (Googles IDE für Android-App-Entwicklung): https://developer.android.com/studio

- Lovable (AI-gestützter App-Builder): https://lovable.dev

- BMAD-Methode (Strukturierter Loop-Ansatz für Coding mit AI-Agents): https://github.com/bmadcode/BMAD-METHOD

- OpenAI Codex (AI-Coding-Agent von OpenAI): https://openai.com/codex

- WhisperFlow (Spracheingabe fürs Terminal): https://github.com/lushlife99/whisperFlow

- OpenClaw / Vibe-Coding Cologne (Meetup-Community in Köln, organisiert von Lorenz Gräf am Startplatz): https://www.startplatz.de

- Product at Heart (Produktmanagement-Konferenz): https://productatheart.com

- Mind the Product (Produktmanagement-Community und Konferenz): https://www.mindtheproduct.com

Kapitel:

00:00 Intro und Vorstellung

02:12 KI im Produktmanagement – was sich gerade verschiebt

04:19 Der größte Fehler: Einmal ausprobieren und abhaken

07:09 Warum mehr Frauen bei Hackathons fehlen

09:28 Simonettas Reise: Von Hackathon-Organisatorin zur Teilnehmerin

11:14 Vibe-Coding Cologne und der erste Kontakt

12:43 Die App für Mama: An einem Wochenende gebaut

16:04 Wenn Software billig wird – was wird dann teuer?

18:27 Was bedeutet das für Teams und Planung?

21:52 Token-Kosten und das Ende der Nullmarginalkosten

24:04 Neue Geschäftsmodelle und der Neuer-Markt-Vergleich

28:09 FOMO, Netflix und das richtige Maß

31:13 Von Prototyp zu Produkt – die halbe Wahrheit über AI-Speed

36:39 Business Case für die Mama-App

42:47 Produktführungskräfte coachen im AI-Zeitalter

44:07 Die vier Produktrisiken neu gedacht

49:45 Tipps für den Einstieg: Neugier als Superkraft

56:27 Meetups als einfachster Einstieg

57:20 Wo man Simonetta findet

KI Garage:

- Alle Episoden: https://josua.ai/ki-garage

- Instagram: https://www.instagram.com/ki.garage.podcast

- YouTube: https://www.youtube.com/@ki.garage.podcast

- Meine Projekte: https://josua.ai

- Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

Timothy kommt aus der Produktmanagement- und Startup-Welt und schraubt seit dem Release von ChatGPT an einem Projekt, das die meisten für verrückt halten würden: seine komplette Wocheneinkaufsplanung per Chat zu automatisieren. Was als unmögliche Spielerei begann, ist heute eine lokale Web-App mit eigenem Orchestrator-Agent, selbstgeschriebenen MCP-Servern für Picnic und Cookidoo – und am Ende stehen die Lebensmittel vor der Tür. In dieser Episode erzählt er, warum dieses Projekt über Jahre hinweg sein persönlicher Gradmesser für den Fortschritt der KI-Technik war, wie er Mini-Projekte als Lernvehikel nutzt und warum Softwareentwicklung irgendwann wie Häkeln sein könnte.

WAS WIR LERNEN

- Sein Denkmodell der drei Rollen von LLMs: Alltagshelferlein, Prozess-/Produktintegration und neue Geschäftsmodelle – und warum diese Unterscheidung heute noch hilft

- Wie er Mini-Projekte mit engem Scope als Vehikel nutzt, um sich gezielt neue Skills beizubringen

- Warum die Task-Duration von Agents der entscheidende Hebel ist – und wie man sie durch Browser-Zugriff, Datenbank-Anbindung und Self-Review verlängert

- Das Prinzip der sukzessiven Einschränkung von Freiheitsgraden: Warum gute KI-Arbeit bedeutet, dem Modell schrittweise den Lösungsraum zu verengen

- Warum er glaubt, dass Softwareentwicklung irgendwann wie Häkeln sein wird – etwas, das man macht, weil man Bock drauf hat, nicht weil es ökonomisch nötig ist

Gast: Timothy — https://www.linkedin.com/in/timothykrechel/

Tools & Links:

- Claude Code (Terminal-basierter Coding-Agent von Anthropic): https://claude.ai/code

- Cursor (KI-gestützter Code-Editor): https://cursor.com

- Claude Desktop (Desktop-App für Claude mit Extensions und MCP-Support): https://claude.ai/download

- ChatGPT (Chat-Interface und API von OpenAI): https://chat.openai.com

- Gemini (KI-Modell und Chat-Interface von Google): https://gemini.google.com

- GitHub Copilot (KI-gestützte Code-Vervollständigung): https://github.com/features/copilot

- Codex (Coding-Agent von OpenAI): https://openai.com/index/codex

- n8n (Open-Source Workflow-Automatisierung): https://n8n.io

- Unity (Game Engine für 3D-Spieleentwicklung): https://unity.com

- Blender (Open-Source 3D-Modeling-Software): https://www.blender.org

- React Native (Cross-Plattform-Framework für App-Entwicklung): https://reactnative.dev

- Picnic (Lebensmittel-Lieferdienst): https://picnic.app

- Cookidoo (Rezepte-Plattform für Thermomix): https://cookidoo.de

- Andrew Ng's Machine Learning Kurs (Stanford/Coursera): https://www.coursera.org/learn/machine-learning

- Peter Steinberger / OpenClaw (Entwickler, der die Häkeln-Analogie geprägt hat)

Kapitel:

00:00 Intro & Vorstellung

01:24 Timothys Werdegang: Von Design über Startups zu Produktmanagement

04:59 Der Einstieg in die KI-Welt

08:16 Erste Projekte: Inoffizielle APIs, Kinderbücher und Text-Adventures

10:16 Der Magie-Moment und das Drei-Rollen-Modell für LLMs

14:55 Alltagshelferlein vs. Prozessintegration: Zeit richtig einteilen

19:11 Das Einkaufsplanungs-Projekt: Vom Chat zum vollen Kühlschrank

23:13 Live-Demo: So funktioniert die Wocheneinkaufsplanung per Agent

26:02 Architektur: Orchestrator-Agent, Sub-Agents und eigene MCP-Server

29:09 Wer ist hier der Agent? Wenn KI dir sagt, was du tun sollst

31:25 Mini-Projekte als Lernvehikel: Wakeboard-Apps und Abo-Tracker

35:29 Sieben Projekte parallel: Der neue Alltag mit Agentic Coding

37:44 Unity-Minigames per Claude Code: Grenzen testen lohnt sich

41:04 Freiheitsgrade einschränken: Die eigentliche Aufgabe beim Bauen mit KI

46:18 Softwareentwicklung wird Häkeln

47:42 Ausblick: Orchestration meistern und Task-Duration erhöhen

55:43 Schlusswort: Dinge tun, weil man Bock drauf hat

KI Garage:

- Alle Episoden: https://josua.ai/ki-garage

- Instagram: https://www.instagram.com/ki.garage.podcast

- YouTube: https://www.youtube.com/@ki.garage.podcast

- Meine Projekte: https://josua.ai

- Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

Thomas Krebs und Julian Labensberg haben als Mathe-Tutoren an der Uni Bochum gesehen, wie Studenten an Bruchrechnung scheitern – und beschlossen, den Mathefrust an der Wurzel zu packen. Jetzt bauen sie mit Mathopia ein spielerisches KI-System, das Fünftklässlern Mathe beibringt und dabei erkennt, wo genau ein Kind nicht weiterkommt. In dieser Folge sprechen wir darüber, wie zwei Nicht-Techniker ohne eine Zeile Code ein EdTech-Startup auf die Beine stellen – über den Moment, als Thomas in einer halben Stunde mit Lovable das gebaut hat, wofür Freelancer vorher 7.000 Euro genommen haben, über KI-generierte Matheaufgaben, von denen anfangs acht von zehn Müll waren, und darüber, warum Julian und Thomas trotz allem nicht auf echte Entwickler verzichten wollen.

### Meine Gäste

Thomas Krebs -- https://www.linkedin.com/in/thomas-krebs-b8b56919b/

Julian Labensberg -- https://www.linkedin.com/in/julian-labensberg-74aab335a/

### Tools & Links

- Mathopia (spielerisches KI-Mathe-Lernsystem): https://www.easypisy.de

- Lovable (No-Code-Plattform): https://lovable.dev

- Cursor (KI-Code-Editor): https://cursor.com

- Supabase (Datenbank-Backend): https://supabase.com

- Claude Opus 4.6 (KI-Modell von Anthropic): https://anthropic.com

- e-GMAT (adaptives Test-Prep-Portal, Inspiration): https://e-gmat.com

- Ben Sufiani / Pirate Skills (Vibe-Coding-Community): https://pirateskills.com

- Film- und Medienstiftung NRW (Fördergeber): https://www.filmstiftung.de

- Didacta 2026 (Bildungsmesse Köln): https://www.didacta-koeln.de

### Kapitel

0:00 Intro

0:43 Von der Uni zur Gründungsidee

2:29 Erste Schritte mit KI-generierten Aufgaben

4:19 Der Switch zur Schule und das Freelancer-Problem

5:33 Der Lovable-Moment: 30 Minuten statt 7.000 Euro

7:28 Von Lovable zu Cursor – das nächste Level

9:23 Was ist Mathopia? Mut statt Mathefrust

11:53 Förderung, Didacta und der Weg zum Markt

13:40 Warum echte Entwickler trotzdem nötig sind

15:47 KI-Prototyping als größter Hebel

17:44 KI im Team: Vom Praktikanten zum Junior

20:01 Mathopia vs. ChatGPT – der USP

24:31 Wie das Team am Puls der Zeit bleibt

25:51 Beta-User gesucht!

### KI Garage

- Alle Episoden: https://josua.ai/ki-garage

- Instagram: https://www.instagram.com/ki.garage.podcast

- YouTube: https://www.youtube.com/@ki.garage.podcast

- Meine Projekte: https://josua.ai

- Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

Svenja Borgwardt hat vor knapp einem Jahr angefangen, mit KI zu experimentieren – und seitdem eine datenschutzkonforme Pipeline gebaut, die nicht nur ihre 240 Schüler mit echtem Feedback versorgt, sondern auch Anwaltskanzleien interessiert. In dieser Folge erzählt sie, wie sie einen Hackathon gewonnen hat, was hinter ihrer Bäckerei-KI „Ute" steckt und warum KI kein Gehirnersatz sein darf.

### Mein Gast

Svenja Borgwardt -- https://linkedin.com/in/svenjaborgwardt

### Tools & Links

- Svenjas Feedback-Pipeline (datenschutzkonform): wird bald veröffentlicht

- Ute – Unkomplizierte Thekeneingabe (Hackathon-Projekt): im Gespräch erwähnt

- Claude (Anthropic): https://claude.ai

- ChatGPT (OpenAI): https://chatgpt.com

- Mistral (EU-konformes Sprachmodell): https://mistral.ai

- Visual Studio Code: https://code.visualstudio.com

- Obsidian (Wissensmanagement): https://obsidian.md

- Vercel (Hosting): https://vercel.com

- Lovable (No-Code-Builder): https://lovable.dev

- Khan Academy (sokratische Chatbots): https://khanacademy.org

- BÄKO (Bäckereigenossenschaft, Hackathon-Veranstalter): https://baeko.de

- Pirate Skills (Community, Svenjas Vortrag): https://pirateskills.com

### Kapitel

0:00 Intro & Wer ist Svenja Borgwardt?

0:53 Vom Berufskolleg zum Vibe Coding

5:48 240 Schüler und keine Zeit für echtes Feedback

9:34 Die Skills, die wirklich zählen

11:57 Hackathon gewonnen: Bäckerei-KI „Ute"

16:38 Warum eine banale Lösung die Jury überzeugt hat

18:05 Wie geht es mit Ute weiter?

21:07 Der Lernweg: Obsidian, Claude und Nachtschichten

24:31 „Aufgeben war nie eine Option"

27:02 Vision: Bildung weltweit verändern

32:22 KI als Gehirnersatz – und warum wir aufpassen müssen

35:19 Abschluss und wo man Svenja findet

### KI Garage

- Alle Episoden: https://josua.ai/ki-garage

- Instagram: https://www.instagram.com/ki.garage.podcast

- YouTube: https://www.youtube.com/@ki.garage.podcast

- Meine Projekte: https://josua.ai

- Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/