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

Brief nach Berlin: Eine KI, die aus politischem Frust einen Brief macht

55 Minuten
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/

Der Gender AI Gap: Warum Frauen bei KI noch zögern

56 Minuten
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/

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/
Alle Folgen ansehen (12)
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 50 Min.
Erscheinungsweise
Alle 2 Wochen
Letzter Check
vor 2 Std.
Zuerst veröffentlicht
vor 6 Mon.
Podcast melden

„KI Garage - Der Podcast für echte KI Projekte“

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

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