Gemeinsam mit künstlicher Intelligenz

Anthropic war lange ein Geheimtipp – jetzt ist Claude für viele das produktivste KI-Tool auf dem Markt. In dieser Folge schauen wir uns an, warum sich das Blatt gerade dreht.


Wir sprechen darüber, warum immer mehr Nutzer von klassischen Chatbots zu echten „Arbeits-KIs“ wechseln – und was Claude dabei anders macht als ChatGPT & Co.


Themen der Folge:


Warum Anthropic gerade als neuer Innovationstreiber gilt Der Unterschied zwischen Chatten und echter Zusammenarbeit mit KI Wie Claude mit Features wie Code & CoWork neue Workflows ermöglicht Konkrete Beispiele: von automatisierten News-Scannern bis hin zu eigenen Apps Warum sich Claude oft „weniger nett“, aber deutlich produktiver anfühlt Die Rolle von AI Safety – und warum Anthropic bewusst auf Deals verzichtet Kosten, Limits und warum KI plötzlich auch ein echter Produktionsfaktor wird


Fazit: Wir bewegen uns weg vom „KI als Chatpartner“ hin zu KI als Mitarbeiter. Und genau hier scheint Anthropic aktuell die Nase vorn zu haben. Chapters

(00:00:00) - Einführung in Anthropic und Claude (00:02:10) - Erfahrungen mit Claude und Produktivität (00:06:21) - Anthropic's Ansatz zur KI-Sicherheit (00:12:17) - Mythos Modell und Sicherheitslücken (00:18:11) - Anthropic und das Verteidigungsministerium (00:24:15) - Konkrete Anwendungsfälle mit Claude (00:31:38) - Die Umgewöhnung zur agentischen Arbeit mit KI (00:43:44) - Mental Load und kognitive Herausforderungen durch KI

Was passiert, wenn sich ein Tool plötzlich wie ein Gegenüber anfühlt?


In dieser Folge sprechen wir mit Autorin Caroline Battel über ihr Buch „Soul to Code“ – und über diese zentrale Frage unserer Zeit.


Ausgehend von einer persönlichen Erfahrung – einem emotional berührenden Dialog mit ChatGPT – tauchen wir tief ein in die Beziehung zwischen Mensch und Maschine.


Warum sich Gespräche mit KI echter anfühlen als sie sind Wie KI bewusst so gebaut ist, dass sie Nähe erzeugt Was passiert, wenn KI uns immer bestätigt statt widerspricht Welche Auswirkungen das auf Identität und Selbstbild hat Warum Kinder lernen müssen, „Mensch unter Menschen“ zu sein


Ob KI uns eher hilft – oder uns langsam sozial ersetzt


Zwischen Einsamkeit, Effizienz und emotionaler Bindung entsteht eine neue Realität, auf die wir als Gesellschaft noch keine Antwort haben.


Fazit KI verändert nicht nur, wie wir arbeiten – sondern wie wir fühlen, denken und Beziehungen erleben. Und genau deshalb müssen wir anfangen, bewusst darüber zu sprechen. Chapters

(00:00:00) - Einführung in die Mensch-Maschine-Interaktion (00:02:55) - Emotionale Auswirkungen der KI-Interaktion (00:05:28) - Die Rolle der KI in der Identitätsbildung (00:14:28) - Die Zukunft der Mensch-Maschine-Beziehungen (00:30:05) - Die Rolle der KI in der Erziehung (00:34:31) - Die Zukunft der Mensch-Maschine-Interaktion (00:42:30) - Die Chancen und Risiken der KI-Nutzung

Es geht wir über ein Thema, das immer relevanter wird: lokal laufende KI.


Während viele KI-Anwendungen heute komplett über Cloud-Dienste funktionieren, wächst gleichzeitig das Interesse daran, Modelle direkt auf dem eigenen Rechner oder sogar auf dem Smartphone auszuführen. Warum? Vor allem wegen Datenschutz, Kontrolle, Unabhängigkeit — aber auch wegen möglicher Kostenersparnis, wenn KI-Agenten künftig dauerhaft für uns arbeiten.


In dieser Folge sprechen Hannes, Uli und Martin darüber,


was „lokale KI“ eigentlich bedeutet, welche Vor- und Nachteile lokale Modelle gegenüber Cloud-KI haben, welche Hardware man dafür braucht, wie Tools wie Ollama und Open WebUI funktionieren, warum persönliche Notizen und private Dokumente ein spannender Anwendungsfall sind, wo lokale Modelle heute noch deutlich schwächer sind als GPT, Claude oder Gemini, und warum lokale Bild- und Videomodelle gesellschaftlich auch heikle Fragen aufwerfen.


Uli berichtet von seinen ersten Experimenten mit einem lokalen AI-Stack und davon, wie er beginnt, seine privaten Notizen aus vielen Jahren mit einer lokal laufenden KI auszuwerten. Martin bringt die Perspektive aus dem Alltag mit ein: Wann reichen lokale Setups aus — und wann braucht es doch die stärksten Modelle aus der Cloud? Außerdem geht es um Vertrauen, Plattformabhängigkeit, Open-Source-Modelle aus den USA und China sowie um die Frage, ob die Zukunft vielleicht in einer Kombination aus lokaler und cloudbasierter KI liegt.


Zum Schluss gibt es noch einen Blick auf lokale KI auf dem Smartphone — und auf die Vision eines persönlichen Assistenten, der einen wirklich kennt, ohne dass alle Daten ständig das eigene Gerät verlassen.


Themen dieser Folge


Lokale KI vs. Cloud-KI Datenschutz und Datensouveränität Open-Source-Modelle und Fine-Tuning Ollama, Open WebUI und persönliche Wissensdatenbanken Kosten von KI-Modellen und Agenten Lokale Bild- und Videogenerierung Die Zukunft persönlicher KI-Assistenten


Genannte Tools und Begriffe


Ollama Open WebUI GPT OSS Claude Gemini / Gemma DeepSeek Kimi K2 Stable Diffusion ComfyUI MCP Server Apple Intelligence Locally AI Chapters

(00:00:00) - Intro & Comeback nach der Pause (00:02:20) - Was bedeutet „lokale KI“ eigentlich? (00:07:00) - Hardware, Modellgrößen und erste praktische Erfahrungen (00:17:00) - Lokale KI für persönliches Wissensmanagement (00:23:00) - Nutzerfreundlichkeit vs. Nerd-Setup (00:28:30) - Open-Source-Modelle, Fine-Tuning und Modellwahl (00:32:00) - Kosten von KI-Nutzung und lokale Alternativen (00:34:30) - Lokale Bild- und Videomodelle: Chancen & Risiken (00:37:00) - Praxisbeispiele: Programmieren, Agenten, reale Grenzen (00:38:30) - Lokale KI auf dem Smartphone & Zukunftsausblick (00:39:50) - Fazit & Ausblick auf kommende Folgen

KI-Agenten sollen unser Leben selbstständig organisieren – aber sind wir wirklich schon so weit? In dieser Folge sprechen wir über den Open-Source-Hype rund um OpenClaw, warum plötzlich alle von autonomen Agenten reden und wieso genau darin ein enormes Risiko steckt. Wir diskutieren reale Use Cases, Sicherheitslücken, Kostenfallen und die Frage, ob wir Agenten wirklich wollen – oder nur die Illusion von Kontrolle.


Themen u. a.:


Was OpenClaw eigentlich ist – und warum es gerade explodiert Warum „lokal = sicher“ ein gefährlicher Trugschluss ist Agenten, die sich selbst löschen (oder schlimmeres) Warum große Konzerne mit autonomen Agenten zögern Unsere ehrliche Einschätzung: ausprobieren oder Finger weg?