Ready.Set.AI Archiv

Wenn die KI-Modelle ohnehin jede Woche besser werden, warum sind ihre Antworten dann nicht automatisch verlässlicher? Und woran erkennen wir eigentlich, ob eine Antwort stimmt, wenn sie in jedem Fall überzeugend klingt?

In dieser Folge nehme ich mir eine Frage vor, die mir in Gesprächen immer wieder begegnet: Brauchen wir Technologien wie Retrieval-Augmented Generation (RAG) überhaupt noch, wenn die Modelle ständig dazulernen? Manche halten RAG inzwischen für eine Technologie von gestern. Mich hat diese Frage auf eine viel grundsätzlichere gebracht. Was kann eine KI über unser Unternehmen eigentlich wissen?

Ich spreche darüber, was Benchmarks über die Verlässlichkeit von Sprachmodellen verraten und wo man ihre Zahlen besser nicht überinterpretiert. Denn ob eine Antwort sicher klingt, sagt wenig darüber, ob sie stimmt.

Danach bleibe ich bei einem Bildungsanbieter, der einen KI-Tutor für seine Studierenden bauen möchte. Hunderte Studienhefte, Modulbeschreibungen und Prüfungsordnungen, vieles davon nicht öffentlich. Woher soll ein Sprachmodell wissen, was darin steht und welche Fassung gerade gilt?

An dieser Stelle kommt RAG ins Spiel, und ich erkläre ohne Fachjargon, wie das funktioniert: erst die passenden Quellen suchen, dann antworten. Richtig interessant wird es bei den Inhalten selbst. „Die haben wir alle als PDF“, höre ich oft. Klingt erstmal beruhigend. Bis eine Tabelle beim Extrahieren auseinanderfällt, ein farbig hinterlegter Merksatz zu gewöhnlichem Fließtext wird oder eine Prüfungsfrage in einem anderen Textabschnitt landet als ihre Musterantwort.

Es geht also auch darum, warum strukturierte Inhalte wie XML hier so viel ausmachen. Und ob riesige Kontextfenster das alles bald überflüssig machen. Ganz so einfach ist es nicht, Stichwort „Lost in the Middle“.

Eine Folge für alle in Verlagen und Bildungsorganisationen, die ihre Inhalte für KI nutzen wollen und sich fragen, wo sie dabei anfangen sollen. Kleiner Hinweis vorab: beim Sprachmodell eher nicht.

Links zu erwähnten Studien:

AA-Omniscience: Knowledge and Hallucination Benchmark

Nelson F. Liu et al.: Lost in the Middle: How Language Models Use Long Contexts

Zum Weiterhören: Episode 011 "File over App: Wie ein kleiner Verlag digital souverän bleibt" mit Sven Nieder

Über Dr. Christina Lauer

Ich unterstütze Wissensorganisationen wie Verlage und Bildungsunternehmen dabei, Content, Prozesse und Technologien fit für das KI-Zeitalter zu machen – ohne die Menschen aus dem Blick zu verlieren.

Mehr über mich auf meiner Website christina-lauer.de

Oder auf LinkedIn

1986 stand ein Zehnjähriger aus der Vulkaneifel vor dem Eingang der Photokina in Köln. Drinnen hatten Kodak, Agfa und Polaroid ganze Hallen für sich. Heute gibt es die Photokina nicht mehr, und von den meisten dieser Hallen ist auch nichts geblieben. Sven Nieder nennt das die digitale Disruption im Schnelldurchlauf.

Eigentlich wollte ich mit dem Geschäftsführer der Kraterleuchten GmbH nur über digitale Souveränität sprechen. Im Vorgespräch habe ich dann gemerkt, dass sich der Umbruch durch sein ganzes Berufsleben zieht. Zuerst hat er ihn als Fotograf im Familienbetrieb erlebt, dessen Labore über Nacht ohne Agfa-Chemie dastanden. Jetzt erlebt er ihn als Verleger, mitten in der KI-Welle. Wir sprechen darüber, wie er sich die Prozessmodelle der Taskforce IT-Standards von einer KI so übersetzen lässt, dass sein ganzes Team sie versteht. Außerdem geht es darum, warum er vor jeder neuen Software zuerst fragt, wie er wieder davon wegkommt, und warum Unabhängigkeit trotzdem nicht heißt, alles selbst zu bauen.

Und irgendwann widerspricht er mir. Als ich die Rückbesinnung auf Qualität anspreche, schüttelt Sven den Kopf. Die Postkarten auf Eifeler Platt, die sein Verlag auf einem alten Heidelberger Tiegel druckt, sind für ihn Handarbeit, aber objektiv nicht die beste Technik. Und wenn ein Autor schon mit KI über sein Manuskript gegangen ist, kommt es in der Regel besser bei ihm an als vorher.

Das kommt in dieser Folge vor:

Warum Fotografinnen und Fotografen 1995 ihr Dia-Archiv noch für ihre Rente hielten

Gut 25 Bücher, rund 60 Aufgaben pro Titel: wie eine KI aus einer Numbers-Liste das komplette Projekt-Setup im Taskmanagement angelegt hat

File over App und Best of Breed

Wie Kraterleuchten nach dem Ausstieg aus einer Verlagssoftware die eigenen Daten in eine Open-Source-Datenbank geholt hat und heute über Langdock mit einem Klick zwischen Modellen wechseln kann, ob von OpenAI, Anthropic, Google oder Mistral

Wo Sven bewusst selbst Hand anlegt, obwohl die KI es könnte

Human in the Lead statt Human in the Loop

Über Sven Nieder

Sven Nieder führt als Geschäftsführer der Kraterleuchten GmbH in Daun sechs Imprints unter einem Dach. 2026 wurde Kraterleuchten mit dem Deutschen Verlagspreis ausgezeichnet.

Das Fotografenhandwerk hat er im Familienbetrieb gelernt, den sein Großvater in der Vulkaneifel gegründet hat. Als Fotograf war er mit der Camera Obscura auf dem Jakobsweg und mit dem Hundeschlitten in Grönland unterwegs, und einer seiner Bildbände war für den Deutschen Fotobuchpreis nominiert.

Als Co-Sprecher der Taskforce IT-Standards im Börsenverein des Deutschen Buchhandels setzt er sich dafür ein, dass Verlage selbst formulieren können, was sie von einer Software brauchen, bevor sie sich an einen Anbieter binden.

Über Dr. Christina Lauer

Ich unterstütze Verlage und Bildungsorganisationen dabei, nachhaltige Entscheidungen zu treffen – mit Blick auf Content-Strukturen und Technologien rund um Digitalisierung und KI.

Mehr auf christina-lauer.de

Wie wird aus 100 Fachbüchern ein KI-Chatbot? Und warum entscheidet sich das nicht im Sprachmodell, sondern in der Art, wie die Inhalte vorliegen?

In dieser Folge spreche ich mit Jörg Strohbach, der die Digitale Produktion Fachbuch beim Hanser Verlag in München leitet, über plastics.ai – den ersten KI-Chatbot für Kunststofftechnik. Entstanden ist er an einem verregneten Februar-Wochenende: Jörg liest einen Artikel über RAG-Systeme, es macht Klick, und zwei Tage später steht er mit einem fertigen Prototyp bei seinem Chef. Also nicht nur mit einer PowerPoint-Folie, sondern mit etwas, das man anfassen kann.

Wir sprechen darüber, warum ein Prototyp jedes Pitch-Deck schlägt, was strukturierte Daten damit zu tun haben und warum XML für so ein Projekt Gold wert ist. Jörg erklärt – inklusive Quietscheentchen für jeden Fachbegriff – was Chunks und Embeddings sind, wo es bei mathematischen Formeln, großen Tabellen und Bildern richtig knirscht und warum der Verlag bewusst auf offene Standards wie DocBook setzt statt auf einen eigenen Haus-Standard.

Und natürlich über die eigentliche Grenze: Wann ist ein Prototyp kein Prototyp mehr? Wann muss man ihn abgeben an jemanden, der das Handwerk versteht, damit aus einer Wochenend-Spielerei ein belastbares Produkt wird?

Eine Folge für alle in Verlagen und Bildungsorganisationen, die ihre eigenen Inhalte für KI nutzbar machen wollen – mit viel Praxis, einer ordentlichen Portion Humor und der Erkenntnis, dass man sich vor allem auf den Weg machen und trauen muss.

Über Jörg Strohbach

Jörg Strohbach leitet die Digitale Produktion Fachbuch beim Carl Hanser Verlag in München. Er ist gelernter Schriftsetzer, war 15 Jahre in der digitalen Druckvorstufe, danach Hersteller beim Hanser Verlag – bevor er auf die digitale Seite wechselte.

LinkedIn: Jörg Strohbach

Web: Carl Hanser Verlag, hanser.de

Plastics.ai – The Smarter Assistant for the Plastics Industry

Über Dr. Christina Lauer

Ich unterstütze Verlage und Bildungsunternehmen dabei, Content, Prozesse und Menschen fit zu machen für das KI-Zeitalter.

Mehr über mich auf meiner Website christina-lauer.de

Oder auf LinkedIn

Was hat KI eigentlich mit Organisationsentwicklung zu tun? Eine ganze Menge – aber vielleicht anders, als viele Unternehmen gerade denken.

In dieser Folge spreche ich mit Dr. Tina Dingel, Organisationsberaterin, systemischem Coach und langjähriger Führungskraft, darüber, warum Transformation selten an der Technologie allein scheitert.

Wir sprechen über ungeklärte Rollen, Konflikte, Veränderungsmüdigkeit und die Frage, was integre Führung eigentlich bedeutet, wenn niemand genau weiß, was technologisch als Nächstes kommt.

Und natürlich über KI: Sollte sie irgendwann als „Kollegin“ im Organigramm auftauchen? Was passiert, wenn wir Maschinen vermenschlichen? Und müssen wir unsere alten Prozesse wirklich erst analysieren – oder sollten wir ganz anders anfangen?

Eine Folge über Führung, Verantwortung und Organisationen im Wandel – mit einigen ziemlich klaren Meinungen und der Erkenntnis, dass KI vielleicht weniger neue Führungsmodelle braucht, als wir denken.

Über Dr. Tina Dingel

Tina Dingel ist Organisationsberaterin, systemischer Coach und erfahrene Führungskraft. Nach ihrer Promotion in Neuerer Geschichte war sie viele Jahre in der Wirtschaft tätig, unter anderem bei PayPal sowie als CEO von Clue und Steady. Heute begleitet sie Organisationen und Führungskräfte bei Veränderungs- und Entwicklungsprozessen.

Linkedin: /tinadingel

Web: Dingel Consulting

Über Dr. Christina Lauer

Ich unterstütze Verlage und Bildungsunternehmen dabei, Content, Prozesse und Menschen fit zu machen für das KI-Zeitalter.

Mehr über mich auf meiner Website christina-lauer.de

Oder auf Linkedin

Wer in einem Verlag oder einer Bildungsorganisation etwas verändern will, kennt den Moment, in dem die Diskussion endet, bevor sie richtig angefangen hat:

„Das können wir so nicht machen, das entspricht nicht unseren Qualitätsansprüchen."

Danach ist Stille. Gegen Qualität lässt sich schwer argumentieren – vor allem, wenn niemand im Raum genau sagen kann, was damit gemeint ist.

In dieser Wissen2Go-Folge nehme ich mir genau diesen Moment vor. Den Satz habe ich in 20 Jahren Verlags- und Bildungsarbeit in zahlreichen Meetings gehört und dann meistens dieselbe Rückfrage gestellt:

Was heißt Qualität hier konkret – für dich, für deinen Bereich, für das Unternehmen? Und woran würde ein Kunde das überhaupt merken?

Solange die Antwort vage bleibt, wird Qualität zum Blocker, gegen den niemand ankommt. Sobald die Kriterien auf dem Tisch liegen, wird daraus eine Frage, die man prüfen kann.

Durch KI wird das noch dringlicher. Wer Inhalte automatisiert erzeugen, prüfen oder ausspielen will, muss einer Maschine erklären, was ein gutes Ergebnis ist – und merkt dabei, dass vieles von dem, was wir seit Jahren Qualität nennen, nie aufgeschrieben wurde.

Ich sortiere die verschiedenen Arten von Qualität. Und ich zeige, wie man das eigene Qualitätsverständnis explizit macht.

Über Dr. Christina Lauer:

Ich unterstütze Verlage und Bildungsunternehmen dabei, Content- Prozesse und Menschen fit zu machen für das KI-Zeitalter.

Mehr über mich auf meiner Website christina-lauer.de

Oder auf Linkedin

Sprachmodelle trainieren mit unlizenziertem Verlagscontent, ohne zu fragen und ohne zu zahlen. Gleichzeitig stehen genau diese Verlage vor der Frage, ob und wie sie generative KI selbst einsetzen sollen.

Dr. Stefanie Herr, Leitung Transformation beim Börsenverein des Deutschen Buchhandels, nennt das eine Ambivalenz, die man kaum aushalten kann – und trotzdem müssen Verlage sie aushalten, jeden Tag.

Wir sprechen über die KI-Studie 2026 der IG Digital, für die der Börsenverein knapp 200 Fach- und Führungskräfte aus Verlagen befragt hat.

Wir reden darüber, warum sich Ratgeberverlage, Kinderbuchverlage und Wissenschaftsverlage in ihrer KI-Haltung fundamental unterscheiden, warum RAG-Modelle vielversprechend sind, aber am Vertrieb hängen, und warum nur 6 Prozent der Verlage gezielt Mitarbeitende mit KI-Kompetenz einstellen.

Und am Ende verrät Stefanie uns noch, welches Erlebnis mit KI dazu geführt hat, dass sie sich heute immer wieder bewusst macht: Es ist nur eine Maschine.

Erwähnte Studien

KI-Studie 2026 der IG Digital: Ergebnisse auf boersenverein.de

Whitepaper: How to RAG – Ein Branchen-Leitfaden für KI-Chatbots mit verlässlichen Daten

Über Dr. Stefanie Herr

Dr. Stefanie Herr ist promovierte Politikwissenschaftlerin und leitet seit März 2026 als Mitglied der Geschäftsführung den Bereich Transformation beim Börsenverein des Deutschen Buchhandels.

Über Dr. Christina Lauer

Ich mache Content, Prozesse und Menschen fit für das KI-Zeitalter. Ich komme selbst aus der Verlagswelt – 15 Jahre Führungsverantwortung in Redaktion und Lektorat, bevor ich 2026 in die Beratung gewechselt bin. Deshalb kenne ich den Alltag, über den Stefanie und ich in dieser Folge sprechen, aus eigener Erfahrung. Mehr auf christina-lauer.de.

Ein Fachverlag, sechs Wochen bis eine neue Regelung in Kraft tritt, 400 betroffene Inhalte.

Jemand sagt: "Kein Problem, dafür bauen wir einen KI-Agenten." Sofort macht sich Erleichterung breit – obwohl noch niemand weiß, welche der 400 Dateien überhaupt die gültigen sind.

In dieser Folge nehme ich mir den Reflex vor, bei sehr unterschiedlichen Problemen zuerst an KI zu denken.

Ich erkläre, welche vier Denkverzerrungen (Biases) dabei ungewollt mitlaufen – und warum KI oft nur sichtbar macht, was vorher schon unaufgeräumt war.

Ein Bild zieht sich durch die Folge: KI als Licht auf dem digitalen Dachboden. Das Licht zeigt die unbeschrifteten Kisten und vergessenen Ordner – aufgeräumt hat damit allerdings noch niemand.

Das kommt in dieser Folge vor:

Warum der Satz „Dafür bauen wir einen KI-Agenten" in Meetings sofort Erleichterung auslöst – und was dabei überhört wird

Law of the Instrument: warum, wer gerade einen Hammer hat, überall Nägel sieht

Confirmation Bias und die Fragen, die im Projektalltag gern durchrutschen

Déformation professionnelle – wie aus einem gemischten Problem zu schnell ein reines Tool-Projekt wird

Automation Bias, erklärt am Beispiel des Navis

Und am Ende die Frage: Was ist hier eigentlich kaputt?

Über Christina Lauer:

Ich unterstütze Verlag und Bildungsunternehmen dabei Content, Prozesse und Menschen fit für das KI-Zeitalter zu machen.

Mehr über mich auf meiner Website: christina-lauer.de

Oder auf LinkedIn: linkedin.com/in/drchristinalauer

Viele Verlage und Bildungsanbieter sitzen auf einem großen Schatz an PDF-Inhalten. Wer daraus jedoch ein RAG-System aufbauen möchte, steht vor einer Herausforderung, die häufig unterschätzt wird: PDFs sind für KI nicht automatisch nutzbar.

Gemeinsam mit Elena Montero habe ich darüber gesprochen, warum der eigentliche Engpass oft schon vor der KI beginnt – nämlich bei der Konvertierung in strukturierte Formate wie XML oder Markdown.

In dieser Episode geht es daher unter anderem darum:

warum die Wahl des Konvertierungswerkzeugs entscheidend ist,

weshalb ein auf den ersten Blick gutes Ergebnis täuschen kann,

welche Unterschiede sich zwischen LLMs und klassischen Konvertierungstools zeigen,

und warum es keine Universallösung für alle Dokumenttypen gibt.

Und Elena erzählt mir, wie es ist, im Jahr 2026 eine Ausbildung zur Mediengestalterin zu machen – einen Beruf, der durch KI massiv bedroht ist.

Über Elena Montero Maousidou:

Elena ist 18 Jahre alt und macht eine Ausbildung zur Mediengestalterin Digital/Print bei data2type und parsQube in Heidelberg, parallel zur Berufsschule an der Johannes-Gutenberg-Schule. Im Juni 2026 hat sie auf der XML Prague die Ergebnisse ihrer ersten eigenen Studie vorgestellt – ein Vergleich von sechs Tools zur Konvertierung von PDF in KI-lesbare Formate wie Markdown und XML.

Über Christina Lauer:

Christina unterstützt Verlage und Bildungsanbieter dabei, Content, Prozesse und Menschen fit für das KI-Zeitalter zu machen.

Website: christina-lauer.de

LinkedIn: linkedin.com/in/drchristinalauer

Wer je ein Projekt von Grund auf entwickelt hat – Konzept, Autorenakquise, erstes Manuskript – und dann selbst lektorieren sollte, kennt das Gefühl. Das Baby liegt auf dem Tisch. Der eigentliche Job wartet. Beides geht nicht gleichzeitig gut.

Bei DIN Media haben sie das erkannt und getrennt, was in vielen Fachverlagen noch zusammengehört: Produktmanagement auf der einen Seite, Content Management auf der anderen.

Jessica Gutsche, Head of Content, hat diesen Prozess von innen erlebt und mitgestaltet – und erzählt, wie das wirklich gelaufen ist.

Wir reden darüber, wie aus Lektoratsassistenz-Rollen echte Content-Spezialistinnen und -Spezialisten wurden, wie man verhindert, dass aus getrennten Bereichen Silos entstehen, und warum DIN Media schon 2018 auf XML umgestellt hat – lange bevor irgendjemand laut über KI-ready Content geredet hat. Und über den Moment, an dem man als Führungskraft einfach sagen muss: Verstecken geht nicht.

Über Jessica Gutsche

Jessica Gutsche ist seit dreieinhalb Jahren Head of Content bei DIN Media in Berlin, einem Medienhaus, das seit über 100 Jahren Normen, Standards und technische Informationen publiziert. Davor hat sie in einem Berliner Wissenschaftsverlag und einer Verlagsagentur gearbeitet. Sie sitzt auf Podien des Börsenvereins und denkt laut darüber nach, wie Content strukturiert sein muss, damit er in zehn Jahren noch funktioniert – nicht nur für Menschen, sondern auch für Maschinen.

Über Dr. Christina Lauer

Website: christina-lauer.de

LinkedIn: linkedin.com/in/drchristinalauer

XML gibt es seit den späten Neunzigern – erfunden, damit derselbe Inhalt als Buch, E-Book, Plattform und Vorlesefassung funktioniert, ohne dass jemand ihn vier Mal anfasst.

Heute stellt sich heraus: Genau diese Vorarbeit ist auch das, was KI-Systeme brauchen, um zuverlässig mit Verlagsinhalten arbeiten zu können.

In dieser Folge erkläre ich, was XML eigentlich ist, was semantische Auszeichnung, Schemaprüfung und Metadaten damit zu tun haben – und warum eine KI, die nur Schriftgröße und Position sieht, raten muss, während eine KI auf sauber ausgezeichneten Daten das nicht muss.

Dazu ein Blick in Maschinenbau und Handel, die aus völlig anderen Gründen beim selben Prinzip gelandet sind. Und nach vorn: Warum Lizenzdeals, Chatbots und KI-gestützte Recherche genau diese Vorarbeit voraussetzen.

Die erste Ausgabe von Wissen2Go – der Reihe, in der ich Grundlagen erkläre, die bei KI den Unterschied machen.

Inhalt

[00:00] Neues Format: Wissen to go

[01:15] Neue Geschäftsmodelle in Verlagen – und wo die Lücke ist

[03:00] Die Randspalte, die KI falsch versteht

[05:00] XML: warum „was es ist" wichtiger ist als „wie es aussieht"

[07:30] Schema-Prüfung und Metadaten – das, was Markdown nicht kann

[10:30] Schulbuch, Maschinenbau, Handel – dieselbe Lösung aus drei Gründen

[12:30] Was du am Montag tun kannst

Über Christina Lauer:

Web: christina-lauer.de

LinkedIn: www.linkedin.com/in/drchristinalauer

Carsten Schwab hat als Buchhändler angefangen, dann Verlagswirtschaft in Stuttgart studiert und früh verstanden, dass Inhalte eine Struktur brauchen – bevor sie ein Produkt werden können. Bei S. Fischer hat er das mit dem XML-First-Workflow umgesetzt. Zur Buchmesse 2009 kamen die ersten direkt aus XML generierten ePubs auf den Markt.

Im Gespräch geht es darum, was seitdem passiert ist – und warum die Verlage, die damals diese Entscheidung getroffen haben, heute bei KI-Projekten einen echten Vorsprung haben. Carsten erklärt, wie RAG-Systeme funktionieren, warum kuratierte Verlagsinhalte genau der Rohstoff sind, den solche Systeme brauchen, und welche Frage er in jedem Gespräch zuerst stellt: Welches Problem eurer Kunden wollt ihr damit lösen?

Außerdem: Warum Softwareeinführungsprojekte scheitern, was die Taskforce IT Standards im Börsenverein entwickelt hat – und was sich an Rollen und Verantwortlichkeiten im Verlag ändern muss.

Für alle, die verstehen wollen, warum strukturierte Daten keine reine IT-Frage sind, sondern eine strategische Entscheidung.

[00:00] Gastvorstellung – Carsten Schwabs Weg vom Buchhändler zur XPS

[03:17] Die schwarze Kunst – wie aus Druckerschwärze Daten wurden

[09:14] XML-First bei S. Fischer – und was die Branche daraus gemacht hat

[21:14] Prozesse vor Software – was die Taskforce IT Standards entwickelt hat

[28:09] KI im Verlag: die eine Frage, die vorher geklärt sein muss

[44:06] Carstens persönliche KI-Erfahrung – und warum ihm die Fantasie fehlt

Mehr über Carsten:

Linkedin: https://www.linkedin.com/in/carsten-schwab/

XPS eXtensible Publishing Solutions: https://xps-ag.zuerich/

Zum Nachlesen:

Leitfaden des Börsenvereins: "How to RAG"

Lösungen zur Digitalisierung in Verlagen der Taskforce IT-Standards

Über Christina:

Web: christina-lauer.de

Linkedin: www.linkedin.com/in/drchristinalauer