podcast.de
Anmeldung
Anmeldung Registrierung
Auto Hell Dunkel
Erweiterte Suche
  1. Startseite
  2. Podcasts
  3. KI Garage - Der Podcast für echte KI Projekte Podcast

Episoden

Mit KI in den App Store – und dann?

50 Minuten
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/

Digitaler Kleiderschrank: Mit Lovable zum Prototyp

45 Minuten
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/

Pi-Hydra: So prüfen KI-Agenten Code beim Entstehen

57 Minuten
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/

Wie ein Custom GPT Bürgerbeteiligung erleichtert

49 Minuten
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/

Wie ein Ex-Entwickler eine KI-Agentur baut, die Software shippt

56 Minuten
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/
Alle Folgen ansehen (10)
In Podcasts werben
Schalte jetzt Werbung in Podcasts.

Über diesen Podcast

KI Garage ist der Podcast für alle, die mit KI selbst Dinge bauen. Hier geht es nicht um Hype oder Theorie, sondern um echte Projekte: Menschen, die aus Ideen konkrete Lösungen entwickeln – oft aus ihrem eigenen Alltag heraus. In jeder Folge sprechen wir darüber, was funktioniert hat, was nicht geklappt hat und wo die Grenzen aktueller KI liegen. Du bekommst ehrliche Einblicke, konkrete Learnings und ein klares Gefühl dafür, was heute schon möglich ist. Wenn du verstehen willst, wie andere mit KI Dinge umsetzen – und selbst ins Machen kommen willst – bist du hier genau richtig.
Webseite
KI Garage — Der Podcast für AI Builder | JOSUA.AI
Urheberangabe
KI Garage
Durchschnittliche Länge
Ø 49 Min.
Erscheinungsweise
Alle 2 Wochen
Letzter Check
vor 1 Std.
Zuerst veröffentlicht
vor 4 Mon.
Podcast melden

„KI Garage - Der Podcast für echte KI Projekte“

Worum geht es? Danach fragen wir noch nach dem Grund.

Abonnenten

Du
Durator

Teilen

Mein Archiv

Deine Privatkopie der Folgen, die du nicht verlieren willst.

Podcast-Folgen verschwinden. Feeds werden auf die letzten Episoden gekürzt, Hoster räumen alte Dateien ab, Formate wechseln den Anbieter und lassen ihr Archiv zurück. Mit „Mein Archiv“ sichert podcast.de die Folgen deiner Podcasts für dich — angefangen bei den ältesten, denn die sind zuerst weg.

  • Deine gesicherten Folgen bleiben hörbar, auch wenn das Original offline geht.
  • Auch Folgen, die im heutigen Feed gar nicht mehr stehen — podcast.de kennt sie noch.
  • Herunterladen bleibt möglich, solange die Folge beim Podcaster liegt. Der zählt seine Abrufe wie bisher.
Startet bald

Sei beim Start von Mein Archiv dabei

Mein Archiv ist fast fertig. Trag dich ein, dann bekommst du eine E-Mail, sobald es losgeht – und bist von Anfang an dabei. Wir schreiben dir nur zum Start, keine Werbung, keine Weitergabe deiner Daten.

Du bekommst zuerst eine Bestätigungsmail. Abmelden geht jederzeit. Datenschutz