Folge 5
Von linearen Workflows zu Agents: Wie viel Automatisierung bringt KI wirklich?
HostsRaoul, Sebastjan
Veröffentlicht
Dauer27 Min.
Folge anhören
Audio · RiversideZurück zur Podcast-Übersicht
Kurz gesagt
Worum es in dieser Folge geht
Die Meldungen über geringe KI-Verbreitung in Unternehmen und wachsende Unzufriedenheit häufen sich, und Raoul sagt in dieser Folge offen, dass eine KI in Bereichen, in denen man selbst sehr weit ist, eher dumm sei. Ist Automatisierung also ein Hype-Thema oder bringt sie wirklich weiter? Genau der Frage gehen Raoul und Sebastjan nach, diesmal zu zweit, weil Oguzhan im Urlaub ist. Es geht um Agents, die sich bei einem toten Endpunkt selbst eine Alternative suchen, um Product Tagging und 200.000 Produkttexte, um Cowork als anwenderfreundlichere Variante von Claude Code und um die Frage, was die Datenlage im Unternehmen damit zu tun hat. Zum Schluss steht wie immer der praktische Tipp, und beide fallen anders aus als die große Agentic-Erzählung.
- „Eine KI selber ist, zumindest in den Bereichen, in denen man selber sehr weit ist, eher dumm.“ Raoul kann die Meldungen über wachsende Unzufriedenheit nachvollziehen, Sebastjan nicht, der hält seine Prozesse von vor fünf Jahren dagegen.
- Sebastjans wirkungsvollste Automatisierung hat nichts mit KI zu tun. Vor 25 Jahren schrieb er sich mit UBot Studio ein Programm, das ihm für jedes deutsche Wort den Artikel aus dem Duden holte.
- Screaming Frog per Sprachbefehl steuern, Top-URLs aus SISTRIX ziehen, crawlen, auswerten, Report. Raoul beschreibt, wie weit das heute geht, ohne das Tool überhaupt zu öffnen.
- 200.000 Produkttexte zu generieren ist das eine, sie freizugeben das andere. Wer dafür einen Praktikanten zum Durchlesen braucht, hat die Effizienz wieder verloren, und bei falsch getaggten Produkten läuft die Kunden-Hotline heiß.
- Außerhalb der Coding-Welt gibt Raoul dem Agentic-Thema noch zwei, drei, vier Jahre, bevor es in echte Prozesse kommt. Davor liegen für ihn zwei Stufen, die in den meisten Unternehmen noch offen sind.
Folge ansehen oder anhören
Jetzt abspielen
27 Min. · Auch auf YouTube
Kapitel
Direkt zur Stelle springen
Shownotes
Links und Erwähnungen aus der Folge
Die Tools, Prozesse und Quellen aus dieser Folge zum Nachschlagen.
Was wir bei Buzzmatic dazu machen
Workflow AutomationFür die linearen Prozesse, in denen laut Raoul das meiste Potenzial steckt.AI AgentsZum Agentic-Teil, inklusive Orchestrator und parallelen Kontextfenstern.KI-ProduktbeschreibungenFür die Frage, wie 200.000 Produkttexte ohne Praktikanten freigegeben werden.AI ReadinessZu Schnittstellen und Datenstrukturen, an denen es am Ende oft hängt.
Zum Weiterlesen
FolgeAgentic Agency 2026: Skills, Crawler & der Kampf gegen KI-SlopDie Folge, in der dasselbe Agentensystem im Detail vorkommtFolgeWarum KI-Automatisierung nicht am Tool scheitertDieselbe Frage ein halbes Jahr später, mit sieben Ebenen als LandkarteBlogÜber eine Million Produkttexte in einem Jahr: Meine 5 wichtigsten LearningsWas bei Produkttexten in dieser Menge wirklich passiertWissenWorkflow-Automatisierung: Grundlagen für EinsteigerDer Einstieg in die lineare Stufe, die hier als erste empfohlen wirdWissenScreaming Frog SEO Spider: der Leitfaden für technische Website-AuditsDas Werkzeug hinter dem Sprachbefehl-Beispiel
Tools und Quellen aus der Folge
Du hast eine Frage oder ein Thema für eine kommende Folge? Nutze das Formular am Ende der Seite.
Transkript
Zum Nachlesen
Vollständiges Transkript der Folge27 Min. · Automatisch erstelltes Transkript, kann kleine Fehler enthalten.
Herzlich willkommen bei Buzzsozial, dem Podcast über SEO, GEO und AI. In diesem Podcast bringt immer einer von uns Hosts ein Thema mit. Die anderen sind vollkommen unvorbereitet. Es geht natürlich immer um SEO, GEO oder AI. Das vermischt sich sehr, sehr gut. Normalerweise sind wir zu dritt. Leider heute fehlt uns Oguzhan. Er genießt seinen Urlaub, soll er tun. Und Sebastjan und ich machen die Runde zu zweit. Sollte auch klappen. Ja, auf jeden Fall. Okay, bist gespannt welches Thema ich mitgebracht habe. Ja, mal gucken. Es geht um das Thema Automatisierung.
Automatisierung, ist das ein Hype-Thema oder bringt uns das wirklich weiter? Erstmal bevor ich mit Fragen einsteige, was sind so deine ersten Gedanken? Ja, ich bringe das persönlich auf jeden Fall weiter. und gerade heute ein paar Meldungen wieder gesehen, dass die AI-Penetration in Businesses super gering ist, dass die Unzufriedenheit mit dem, was AI an Mehrwert bringt, irgendwie wächst, was jetzt aus meiner Sicht schwer nachzuvollziehen ist, in meinem Daily Business, wenn ich mich noch daran erinnere, wie ich vor fünf Jahren meine Prozesse, regelmäßige Prozesse gestaltet habe, wie viel Zeit das genommen hat, sei es, Tabs aufzumachen und Zahlen zusammen zu klopfen und dann in einen anderen Tab oder in einen anderen Sheet zu übertragen und zu analysieren oder sich durch die Konkurrenz durchzuklicken, die Preise zu ermitteln und dann vergleichen miteinander und langfristig so ein Chart daraus zu machen.
Es geht mittlerweile super mit AI und es wird auch immer besser. Ich kann es glaube ich schon ein bisschen nachvollziehen, wenn ich mir so meine, aber wir mit den Unternehmen natürlich zusammenarbeiten und ich die Challenges so ein bisschen kenne, aber auch aus meinem eigenen Kontext. Also ich habe schon, würde ich sagen, sagen, in den letzten zwei oder drei Jahren auch viel Zeit in Automatisierung, in KI-Themen gesteckt, die du dann später nicht mehr so weiter verwendet hast oder natürlich irgendwie viel gelernt hast bei, aber wo du am Ende dann auch viel nach korrigieren musstest.
Man wird auch in gewisser Weise faul, man generiert dann was mit KI, wenn man sagt, ich bringe da zwar mein Input rein, ich glaube ein ganz wichtiges Learning von mir ist, eine KI selber ist zumindest in den Bereichen, in denen man selber sehr weit ist, eher dumm. Aber sie hilft einem natürlich halt, halt viel auszuformulieren und so. Und oftmals macht man sich dann auch einfach, sagt, ich, ich, ich, ich, ich speise meine Gedanken in eine KI ein, lass die ausformulieren, merke aber dann auch, wie oft man dann noch im Feintuning unterwegs ist, wie viele Sachen umständlich formuliert viel zu ausführlich, viel zu ausholend, am Thema vorbei.
Und ich hatte schon einige Momente, wo du dann hinten dran saß und sagst, okay, jetzt korrigiere ich noch mal die Arbeit von der KI. Und dann am Ende gedacht, das ist ja gut. Wenn ich es zu Anfang selber gemacht hätte, wäre ich auch nicht langsamer gewesen. Das wäre eine andere Art gewesen. Aber grundsätzlich, Du weißt ja, wie ich die Potenziale da einschätze und was wir da auch machen in dem Bereich. Also ich sehe es schon auch als einen extremen Produktivitätsboost, wenn du es richtig angehst. Wenn wir auf das eine Thema, wenn man sehr viel gebaut hat, hat man auch viel zu managen und zu steuern.
Und mit jedem Update oder mit jeder Änderung geht etwas kaputt und irgendwann sitzt man da und versucht noch die Sachen, die gestern funktioniert haben, zu reparieren und hatte keine Zeit mehr sich um die Zukunft zu kümmern. Das wird auch immer besser, aber ich spiele den Ball zurück, weil ich weiß, dass du ein Claude-Profi bist und du machst ja auch für Sachen damit.
Wie siehst du die letzte Instanz von Claude und Agents und Subagents und Skills? ist immer noch so ein Begriff, der nicht so nahbar greifbar ist, wenn man sich damit nicht beschäftigt. Aber du kannst, glaube ich, mehr darüber erzählen. Ja, ich meine, das ist jetzt halt gerade das Tool, mit dem wir vielleicht am meisten machen. Im Endeffekt die ganze Bandbreite durchlaufen, ob das Workflow-Automatisierung ist, ob das dann eigene Tools und Python-Skripte sind. Jetzt gerade geht es in die Richtung Agentic, wo ich denke, das wird das nächste große Thema werden, weil man sieht da einfach die Potenziale.
Und die Potenziale sind genau, was du gerade beschreibst. Wenn du irgendwas baust, bist du immer in irgendeiner Form am Debuggen, bis es läuft, gerade wenn es lineare Prozesse sind. Lässt sich dadurch zwar sehr, sehr genau steuern, macht aber auch weiterhin Sinn für sehr, sehr viele Themen. Aber das Agentic ist insofern interessant, dass wenn es mal nicht funktioniert, dass der Agent halt eine alternative Lösung finden kann. Das heißt irgendwo ein Endpunkt funktioniert halt nicht, dann bricht das Ding nicht ab. So sagt er da, ich habe aber noch folgende Alternative in petto oder ich lasse das jetzt einfach mal aus und liefer dir den Report ohne diesen Part.
Und das ist super, super spannend. Da kannst du, Claude hat jetzt auch Cowork rausgebracht, also quasi die, wie beschreibst du das als, ich hab's auch gar nicht getestet, by the way, weil ich hab kein Mac, leider, du könntest das Maus austesten.
Es ist so was wie die business-tauglichere Variante von Claude Code, das heißt, oder die anwenderfreundlichere Variante von Claude Code. Und ich glaube schon, dass das ein sehr großer Trend dieses Jahr wird, dass das echte Agent ist. Viele haben in den letzten Jahren mit dem Wort Agent um sich herum geworfen. Dabei war es halt einfach irgendwie ein relativ linearer Automatisierungsprozess. Und ich glaube trotzdem, dass in diesen linearen Prozessen immer noch erstmal das größte Potenzial steckt, weil halt echt alle Unternehmen da in den Kinderschuhen stecken. Oder fast alle Unternehmen in den Kinderschuhen stecken, wenn es um dieses Thema geht.
Hast du da ein konkretes Beispiel, das die Zuhörer besser nachzuhalten können aus einem echten Leben, was man so mit Claude machen könnte, was nützlich wäre für die meisten, die sich diesen Podcast anfangen würden? Ich habe gerade was auf LinkedIn geschert, wo du zum Beispiel Screaming Frog an Claude anbinden kannst. Das heißt, ich kann mit Natural Voice Commands Screaming Frog bedienen. Man kann zum Beispiel was machen wie ruf mir die Top URLs dieser Domain ab, die du zum Beispiel von SISTRIX ziehst. Und dann crawl diese URLs und dann werten wir das aus und erstellen wir ein Report.
Und das alles über Natural Voice Commands, ohne dass ich überhaupt mein Screaming Frog jemals aufmachen muss. Und da kannst du natürlich ganz, ganz viele Tools, ganz, ganz viele Prozesse hintereinander koppeln oder sehr, sehr flexibel dir deinen Agentic-Coworker bauen. Das hat schon sehr, sehr hohes Potential, glaube ich aktuell schon immer noch experimentell.
Das heißt, da sehe ich auch so ein bisschen die Challenge für viele Unternehmen. Wir können das relativ flexibel machen, heißt als Gründer oder kleinere Agentur. Wir gehen hin und sagen, wir holen uns halt mal ein Tool, spielen damit ein bisschen rum, hauen da unsere Kreditkarte rein und haben so relativ kurze Compliance-Wege. In einem größeren Unternehmen oder im Konzern hast du es halt schwer jetzt zu sagen, ich installiere mir das mal und probiere das aus. Und die Leute, die da fähig genug sind, das zu machen, das ist ja auch nur in so einem größeren Konzern oder Unternehmen wirklich kleiner Prozentteil, die da überhaupt Affinität dazu hat, die auch Lust hat, sich mit diesen Themen zu beschäftigen.
Aber da sagen dann alle ja, warum soll ich denn jetzt 100 Euro privat aus eigener Tasche für Learning bezahlen? Das heißt, wenn sie es nicht vom Unternehmen bereitgestellt bekommen, haben sie dann auch nicht die Möglichkeit, so etwas auszutesten. Oftmals hast du halt allein schon, klar gibt es überall Free Tiers, im Fall von Claude jetzt zum Beispiel halt nicht. Im Fall von vielen AI-Themen musst du halt API-Kosten bezahlen. Das ist jetzt nicht extrem viel, aber es ist für viele dann schon schwierig zu sagen, gehe ich jetzt hin, mache ich jetzt 50, 60, 70, 100, 200 Euro aus, einfach nur um ein bisschen rumzuspielen und eigentlich mich beruflich aufzuschlauen.
Und ist es nicht so, dass man die Agents dann auch sehr stark überwachen muss, wenn die sich verlaufen, oder ist es Claude mittlerweile robust genug, dass er lange genug motiviert ist ein Problem zu lösen. Das ist ja so ein Synonym für das, was wir hatten vor AI, wo man immer wieder debuggen musste und dabei sein musste, dass das alles läuft. Und jetzt haben die Agents, die ein Schritt weiter sind, korrigieren die sie selbst, ist das robuster als es je war? Wie siehst du das als Heavy-Anwender?
Ich meine, Agents sind auf jeden Fall nicht so robust wie eine lineare Automatisierung, wo du halt viel Debugging machst und halt am Ende immer ein Prozess gefolgt wird. Und nein, sogar die Qualität von den Modellen schwankt. Da beschweren sie sich im Netz überall darüber, sagen, hey, jetzt heute ist Opus wieder schlecht und morgen jubeln wie das ist das beste Modell überhaupt. Das ist aber kein Claude-spezifisches Thema. Das mit allen KI ist der Fall, dass die Schwankungen der Modellqualität haben. Das ist schon mal ein Thema. Dann natürlich auch immer, je besser du das Ganze vorgibst, ist es wie wenn du Mitarbeiter sagst, mach mal einen SEO-Audit, der sich vielleicht frisch angefangen hat.
Das Das wird jeder anders machen. Deine wahrgenommene Qualität wird immer anders sein. Aber wenn du konkret sagst, ich möchte, dass du das so angehst, ich möchte, dass du das so in dieses Sheet einträgst, es soll dieses Format haben, es soll dieser Stil sein, dann möchte ich eine Präsentation, die in diesem Master ist. Genauso ist es mit KI. Je detaillierter du vorgibst, je klarer du bist in deinen Anweisungen, je klarer du bist, welchen Output du erwartest, desto besser ist es. Aber es ist schon so, dass du in dem Fall sehr, sehr viel nachoptimieren musst.
Und ich sehe das jetzt noch nicht dieses Jahr als großes Thema für alle Companies. Wenn du diese Pyramide anguckst, die müssen erst mal sinnvoll und gut mit dem klassischen Chatbot arbeiten können. Und zwar so, oder halt nicht klassisch AI-Slop generieren, sondern dass du guten Output generieren, dass die Leute merken, wann können sie das verwenden, wie können sie das verwenden, wie können sie das gewinnbringend verwenden und das ist noch in vielen Unternehmen gar nicht richtig angekommen. Danach kommt eigentlich erst mal diese Stufe der lineare Prozesse optimieren. sei das, wir sind viele im E-Commerce Bereich, deswegen kann ich da gute Beispiele wählen, aber sowas wie Product Tagging.
Also sagst, ein neues Produkt kommt rein und du vergibst die Tags gemäß deiner Shopstruktur, du ordnest das in Kategorien ein und sowas. Das ist ein sehr, sehr klarer linearer Prozess oder dass die Erstellung von Produkttexten, Thema was gerade komplett durch die Decke geht, ist die Erstellung von Produktbildern zum Beispiel Editierungen von Produktbildern. Das sind sehr lineare Prozesse, die dann auch deutlich besser überwachbar sind von der Qualität, wie jetzt das Agentic-Thema. Ich glaube, das Agentic-Thema wird zwar jetzt so, oder wir werden es immer mehr sehen auf LinkedIn, auf Twitter, auf den Blogs, aber dass das richtig in einen produktiven Prozess reinkommt außerhalb der Coding-Welt, das sehe ich jetzt noch mal separat, da wird das schon noch zwei, drei, vier Jahre dauern aus meiner Sicht.
Da müssen erst nochmal andere Basics richtig gemacht werden. Und wenn wir über die Entwicklung der AI Prozessor und Agents reden, da spielt auch Context Window und angebundene Dateien und das angebundene Wissen eine Rolle. Wie du gesagt hast, garbage in, garbage out. Man muss schon wissen, was man will, um das Wissen einem Agent oder einem AI zu übermitteln. Es gibt auch Wege dafür, aber früher oder später stößt man an die Grenze des Kontextfensters und dann wird die eher dummer als schlauer. Wie siehst du die Entwicklung in diesem Bereich?
Also so wie es sich die letzten Jahre entwickelt hat, diese Kontextfenster werden größer. Es gibt aber auch immer mehr kreative Wege damit umzugehen. Das ganze Agentic-Thema ist so, dass die darunterliegende Technologie eigentlich nicht so grundlegend anders ist, nur dass verschiedene Agents mit separaten Kontextfenstern parallel laufen und dann irgendwo nur den Output an den Orchestrator übergeben. gar nicht das Thema hast, das läuft alles in einem in einem Thread und müllt das Kontextfenster zu, sondern es kann sein, dass da zehn Agents parallel laufen. Aber ich sag mal für viele Automatisierungsprozesse ist das komplett egal.
Also das ist wirklich bei so sehr sehr freien agentischen Prozessen relevant, aber ich sag mal alles an dem oder nicht alles, aber sehr viel an dem wir arbeiten, sind einfach lineare Prozesse, wo du dir über Kontextfenster gar nicht so viele Gedanken machen musst. Da musst du dir mehr Gedanken machen über das Thema QA, um das Thema Versionierung von Prompts, um das Thema Testing, um das Thema Evaluierung. Wie schaffst du es halt gleichbleibende Qualität mit KI zu liefern? Wie schaffst du es diese Qualität zu überwachen wie schaffst du das wie schaffst du es das das zu monitoren weil du kannst das nimm das beispiel du generierst 100.000 200.000 produkt texte schön und gut willst aber nicht in dieser situation sein dass es aktuell braucht man praktikanten der diese texte durchliest und auf irgendwelche auf irgendwelche fehler überprüft weil dann hast du auch nicht so viel effizienz gewonnen du musst eigentlich zu dem punkt kommen wo sagen wir sind uns sicher dass wir diesen Content online nehmen können.
Natürlich Stichproben, natürlich mit viel Überprüfung, genauso mit allen anderen Sachen. Wenn du jetzt irgendwie Produkt-Tagging machst und merkst zwei von drei Produkten sind irgendwie in den falschen Kategorien eingeordnet und deine Kunden-Hotline läuft heiß, dann hast du halt auch nicht so viel an dem Thema gewonnen. Und das ist glaube ich ein großer Punkt. Dann, ich bin heute derjenige, der dich Ich merke es, ich merke es. Mein Thema und du. Das ist dein Thema und du. Ich schieße es jetzt mal zurück. Was ist denn so die geilste Automatisierung, die du in den letzten Jahren gemacht hast?
Oder sagst du, das entweder macht dich so viel effizienter, ermöglicht dir überhaupt irgendwelche Schritte zu gehen. Was siehst du da? Du lachst dich tot. Ja, weil... Die geilste Automatisierung die mich am weitesten gebracht hat, auch nicht zum Ziel, aber am weitesten, hat gar nichts mit KI zu tun, sondern das war vor 25 Jahren mit UBot Studio habe ich einfach ein Programm zusammengeschrieben, der mir für jedes deutsche Wort einen Artikel aus Duden holt, dass ich den richtigen Artikel verwenden kann. Und das hast du mit UBot Studio gebaut.
Ganz genau. Das hat mich erst weiter gebracht, soweit dass wir heute überhaupt auf Deutsch diesen das machen können. Aber sonst mit der heutigen Technologie, ich werde jetzt nicht zu viel verraten, aber was ich ganz gerne mache und was mir auch viel bringt, ist im BI, was wir jetzt weniger mit Online Marketing direkt und SEO und GEO zu tun haben, aber die unterschiedlichen Quellen von diversen Zahlen, die man hat, KPI, auch aus Online-Marketing, das zusammenzubringen, zu interpretieren. Das ist ein enormer Mehrwert, weil ein Mensch ist nicht in der Lage, die Muster selber zu erkennen über mehr als drei, vier Plattformen.
Und das schätze ich sehr und das ist auch ein großer Mehrwert für das Unternehmen. Ja, ich finde, da hat sich so viel gewandelt. Wo du davor noch Excel-Formeln gepaukt hast, gegoogelt hast, genutzt hast. Mittlerweile merke ich so oft, dass man gar keine Formeln mehr verwendet, sondern dass du dann irgendwie ein Apps Script verwendest, Google Sheets oder ein Makro in Excel, die das schreiben lässt und komplett mit Natural Language definiert, was du eigentlich haben willst und dann halt auch riesige Datentransformation machen kannst, wo du davor 20 Formeln gebraucht hättest, irgendwie zwei Tage dran gesessen wärst und da bist du halt so viel schneller.
Was siehst du vielleicht aus deiner Sicht an den, weil das ist ein Thema, das ist im C-Level von allen Unternehmen angekommen. Du merkst das in jeder strategischen Präsentation, wird das ganz oben stehen, irgendwo wir müssen KI nutzen, effizienter werden, das im Unternehmen implementieren. Wie würdest du empfehlen da anzufangen überhaupt? Zuerst überhaupt mindestens zwei Large Language Models Zugriff zu haben und pro Variante zu haben, die dich nicht einschränkt und dich nicht frustriert, weil du nicht weiter gekommen bist. Und dann, und das meine ich todernst ist einfach im Natural Language die Probleme die man hat mit Hilfe von KI strukturiert und in in in Vibe Coding Sinne gelöst zu bekommen aus einem Prozess, den man immer wieder anschalten kann.
Es ist das ist genau das was was ich mache. Ich suche jetzt nicht nach einer gemachten Lösung irgendwie auf dem Markt für mein Problem, weil der so spezifisch ist, sondern ich helfe mir da mit Large-Language Models und so einen Prozess aufzubauen. Und wenn das heißt, ich muss noch das Tool kaufen und ich brauche diese API und es muss darüber laufen, dann mache ich das einfach. Und damit lernt man auch am meisten, wie man mit Large-Language Models umgeht und wie man seine eigene Arbeit automatisiert und verbessert.
Wie siehst du das im Großen? Ich meine, ein Thema ist das schon, ja so hast du schon erwähnt, das sehe ich auch, dass du erst mal überhaupt durch das Unternehmen gehen muss und gucken, welche Prozesse hast du eigentlich, wo es Optimierungspotenziale gibt. Ich glaube, da findet man dann ganz viel. Und damit jemanden ranzugehen, der sich auskennt, ich weiß, dass viele Unternehmen gerade versuchen, diese Personen zu rekrutieren. Diese Personen sind aber sehr, sehr schwer zu rekrutieren, weil viele von denen, also weil es erstens nicht viele gibt, die jetzt diese Kompetenz haben.
Und zweitens viele von diesen Personen auch einfach selbstständig arbeiten. Die sind gar nicht so auf dem Arbeitsmarkt verfügbar. Aber in jedem Fall, entweder hast du so eine Person in Haus, die sich auskennt oder du holst es dir extern dazu. Bevor du sagst, wir gehen jetzt in dieses Tool rein oder wir gehen in dieses Tool rein oder wir nutzen diesen Prozess, glaube ich, ist es erstmal wichtig zu verstehen, was hast du da eigentlich für Themen? Was gibt es für Challenges? wie wichtig sind die, wie businesskritisch sind die, wie Zeit fressen die.
Und dann kannst du auch viel klarer an das Thema rangehen. Kannst du auch sagen, okay, Priorität hat das, dass du diesen Prozess automatisieren hast, Priorität eins. Und dann fängst du halt irgendwo an. Und das Schöne ist, ich glaube, viele von diesen Themen lassen sich auch dann einfach übersetzen. Wenn ich jetzt einen n8n-Workflow habe, kann ich den relativ einfach in ein Python-Skript umbauen. Wenn ich ein Python-Skript umbaue, kann ich das relativ einfach in eine Agentic-Skill umbauen. Wenn du einmal definiert hast, wie sind die Schritte, wie ist die Logik hinten dran, dann kannst du das sehr, sehr gut weiterverwenden.
Und selbst wenn sich halt irgendwie die Tools ändern, die Möglichkeiten ändern, deine Businessprozesse ändern sich wahrscheinlich nicht so stark. Das stimmt. Eine Sache auf die wir aufmerksam machen sollten ist auch die Qualität der existierenden Daten in einem Unternehmen. Man stößt früher oder später auf ein Challenge, das nichts mehr mit KI zu tun hat, sondern dass die Daten einfach in die internen vorliegen, gibt es sie vielleicht an Unmengen, aber sind nicht strukturiert genug, um sie überhaupt verarbeiten zu können. Das wollte ich noch erwähnen. Ja, ich meine, das ist auch ein Thema. Da geht es jetzt gerade bei den Kunden, die ich betreue, immer mehr dazu. Darum das Thema AI-Readiness. Das heißt einmal, Schnittstellen zu schaffen.
Das Ganze kannst du von extern sinnvoll bespielen, dass du Endpunkte hast auf deiner Website, die du extern bespielen kannst. Egal welches Tool das dann am Ende ist oder welche Möglichkeit das am Ende ist. Aber was du auch erwähnt hast, eben Datengrundlagen, dass du Datenstrukturen hast, die wachsen können, dass du deine relevanten Informationen irgendwo strukturiert hinterlegt hast. Das ist schon in den letzten Jahren immer ein Problem gewesen. Hast du eine Dokumentation hier, hast du das im Intranet, hier hast du einen PDF, hier hast du einen Doc, hier hast du vielleicht irgendwie ein Excel, was aber seit fünf Jahren nicht mehr richtig gepflegt wurde.
Und das sind alles Themen. Wenn du halt irgendwie eine KI draufschicken willst, musst du die Daten in irgendeiner Form logisch aufbereiten, sonst fängt auch die KI an irgendwie sich random irgendwo hast du das Kontextfenster erwähnt irgendwelche Snippets rauszuziehen und die dann zu verwenden da kommt halt am ende nur Müll raus und dann hast du am ende genau diese Aussagen das bringt uns alles alles nichts wobei wir wissen dass du halt einfach extrem viel automatisieren kannst in Zukunft Wir wollten enden wir sind bei bei 24 Minuten, wir wollten immer enden mit einem praktischen Tipp.
Was wäre der praktische Tipp, den du unseren Hörern heute mitgeben kannst? Praktischer Tipp, ich werde hoch. Jeder braucht mindestens zwei Large Language Models zu den beiden. Und das, was ich vor 25 Jahren im SEO gemacht habe, ich habe mich jeden Tag mindestens eine Stunde damit beschäftigt. Weil es ändert sich so viel. Und da am Ball zu bleiben, brauchst du erstmal Tools und dann die letzten Entwicklungen, die du auch haben musst. Ja, mein Tipp, wer sucht dir einen kleinen Prozess, ich ähnlich, sucht dir einen kleinen Prozess, der möglichst nicht zu erschlagend ist, versuch ihn zu automatisieren, egal wie, es ist egal, ob du dann sagst, ich mach das in einem Google Sheets mit einem Appscript und versuch das ein bisschen zu Vibe-Coden und gleichzeitig vielleicht um ein bisschen zu verstehen, was funktioniert da.
Ob du dir n8n installierst, ob du dir Make installierst, ob du was anderes, Local Vibe Codes, oder? Es gibt so viele Möglichkeiten, die du nutzen kannst. Mach irgendwas, fang mit irgendwas an, nutze einen kleinen Prozess, merke was geht, merke was nicht geht, verstehe die Limitationen und dann wird man sehr, sehr gut darauf aufbauen können. Yes. Sebastjan, danke für deinen wertvollen Input und dein tolles Interview. Bis zum nächsten Mal dann wieder mit Oguzhan. Dem wünschen wir noch einen schönen Urlaub bis dahin. Und an alle Hörer, drückt mal schön die Daumen hoch, folgt uns, shared diesen Podcast. Ich hoffe, dass ihr viel mitnehmen konntet. Wir freuen uns über Input, was nächste Themen angeht. wir freuen uns über Fragen. Und sind ganz oah. Ciao zusammen!
Dranbleiben
Neue Folgen gibt es jede Woche. Wir kündigen sie auf LinkedIn an.
Auf LinkedIn folgenWeitere Folgen
Buzzsozial // Jede Woche eine neue Folge
Mitmachen
Gast werden oder Thema vorschlagen
Du hast eine Meinung zu KI im Marketing oder ein Thema, das wir besprechen sollten? Schreib uns, wir lesen alles.