Token-Therapie okładka

Token-Therapie

Token-Therapie

Autor: Jan Schulte Michael Köpf
Słuchaj bezpłatnie, bez subskrypcji

Das größte Angebot der Saison | 0,99 € pro Monat für die ersten 3 Monate + 15 € Audible-Guthaben

Danach 6,99 €/Monat. Bedingungen gelten. Monatlich kündbar.
O tym tytule
Der Podcast über KI-Anwendungen und die neue Art, Software zu bauen. Token Therapie ist der Podcast von Jan Schulte und Michael Köpf: über KI-Agenten in Produktion, neue Workflows und Teams im Wandel.Jan Schulte, Michael Köpf
  • Aus 80 Leuten werden 15? KI-Transformation als Chefsache - Token-Therapie #12
    Nov 17 2026

    Jede Welle frisst die Zögerlichen – was können etablierte Unternehmen jetzt tun, um bei KI nicht abgehängt zu werden?

    In dieser Folge von Token-Therapie sprechen wir mit Tom Mayer, Digital CEO / C-Level Advisor bei DBTR, über KI-Transformation aus Sicht von Geschäftsführung und Eigentümern, über die Angst vor dem Jobverlust und darüber, was in Zukunft überhaupt noch verteidigbar ist.

    Tom ist seit fast 27 Jahren im E-Commerce, angefangen mit dem Onlineverkauf von Snowboards. KI ist für ihn mehr als iPad, iPhone und Social Media: eine neue Epoche, vergleichbar mit dem Internet Ende der Neunziger, nur viel schneller. Seine Botschaft: KI-Transformation gehört in Geschäftsführung und Advisory Board und gelingt nur mit Konsequenz, nicht nach dem Motto „wasch mich, aber mach mich nicht nass“.

    Tom rechnet mit einem deutlichen Abbau von Wissensarbeit, hält Human in the Loop für eine Übergangserscheinung und lässt sein eigenes Backoffice von einer selbst gebauten KI-Anwendung erledigen. Sein Rat an Gründer: Sei konsequent, schnell und gut vernetzt.

    Wir sprechen unter anderem über:

    • Warum KI eine neue Epoche ist und schneller kommt als die Digitalisierung
    • Wie Management im Hype-Rauschen den eigenen Weg findet
    • Warum KI-Transformation Chefsache ist
    • Ob Mitarbeitende Angst vor der Transformation haben müssen
    • Transformieren, extern investieren oder hybrid mit einer Schwestergesellschaft
    • Was beim Menschen bleibt: Intent und Accountability
    • Human in the Loop als Übergangserscheinung und Kontrolle mit getrennten Modellen
    • Toms KI-Backoffice: Dokumente, Einsprüche und Reisekosten per Sprache
    • Was noch verteidigbar ist: Daten, Patente, Geschäftsgeheimnisse
    • Ein-Personen-Unicorn, grüne Wiese und die Chancen kleiner Gründer

    Unser Gast:
    https://www.linkedin.com/in/mayer-tom/

    Mehr zu Token-Therapie – dem Podcast für AI Engineering Leader:
    https://tokentherapie.de/folgen/s1e12/

    Kapitel
    00:00 Highlights
    00:37 Jede Welle frisst die Zögerlichen: Begrüßung von Tom Mayer
    01:13 Vom Snowboardladen zur KI: Neugier als Antrieb
    04:17 Zwischen KI-Hype und dem Zug, der nicht wartet
    07:00 KI-Transformation als Chefsache
    09:28 Müssen Mitarbeitende Angst haben?
    11:33 Innovationsdilemma: Wege für etablierte Unternehmen
    14:22 Welche Arbeit bleibt beim Menschen?
    17:30 KI als Geschäftsführer? Haftung und Accountability
    21:42 Human in the Loop als Übergangslösung
    25:26 Toms KI-Backoffice im Alltag
    29:56 Was ist noch ein Moat?
    32:33 Hybride Organisationen und das Ein-Personen-Unicorn
    36:54 Haben kleine Gründer noch eine Chance?
    40:25 Rat an junge Gründer

    Wenn euch die Folge gefällt, folgt uns und schreibt uns: Wie sähe euer Unternehmen aus, wenn ihr es heute mit KI auf der grünen Wiese neu aufbauen würdet?

    Rozwiń Zwiń
    42 min
  • Evidenz statt Hype: KI in der Softwareentwicklung - Token-Therapie #11
    Nov 11 2026

    Wenn KI den Code schreibt, ist Software Engineering dann ein gelöstes Problem?

    In dieser Folge von Token-Therapie sprechen wir mit Sebastian Baltes, Professor of Software Engineering an der Universität Heidelberg, über Evidenz statt Hype in der KI-Debatte, AI Slop in Open Source, Lehre und Forschung und darüber, was Software Engineering heute noch ausmacht.

    Sebastian hält die Diskussion über KI und Softwareentwicklung für zugleich zu viel und zu wenig empirisch fundiert: Benchmarks bekommen viel Aufmerksamkeit, während Entscheidungen über Modelle, Tools und Techniken oft von Hype und sozialen Medien getrieben sind. Code schreiben sei heute gut automatisierbar, Software Engineering aber viel mehr als das, von den Anforderungen über die Validierung bis zur Wartung.

    Die Asymmetrie sieht er überall: Generieren ist einfach, Überprüfen ist teuer. Das spüren Open-Source-Maintainer, Lehrende und Gutachter gleichermaßen. Sein Rat an Unternehmen: mehr auf die eigenen Entwicklerinnen und Entwickler hören und Entscheidungen mit eigenen Daten treffen. Und an alle, die Informatik studieren wollen: kritisch denken und sich nicht einreden lassen, das Fach sei erledigt.

    Wir sprechen unter anderem über:

    • warum „Coding ist gelöst“ nicht heißt, dass Software Engineering gelöst ist
    • wofür es schon Evidenz gibt, etwa beim Generieren von Code und Testfällen
    • ob Kontextdateien für Coding Agents wirklich helfen
    • warum sich Produktivität nicht an Commits, Codezeilen oder Tokenverbrauch messen lässt
    • mehr Pull Requests, aber auch mehr fehlgeschlagene Builds
    • AI Slop in Open Source und warum curl sein Bug-Bounty-Programm abgeschafft hat
    • KI-generierte Reflexionen im Studium und versteckte Prompts im Übungsblatt
    • KI in der Begutachtung: Zahlen nachrechnen und Referenzen prüfen lassen
    • was Unternehmen von empirischer Forschung lernen können
    • warum algorithmisches Denken auch für Kinder wichtig bleibt

    Unser Gast:
    https://empirical-software.engineering/
    https://se-uhd.de/

    Mehr zu Token-Therapie – dem Podcast für AI Engineering Leader:
    https://tokentherapie.de

    Kapitel
    00:00 Highlights
    00:43 Ist Software Engineering ein gelöstes Problem?
    01:16 Zu viel und zu wenig Empirie in der KI-Debatte
    02:49 Coding gelöst, Software Engineering nicht
    04:48 Wofür es schon Evidenz gibt
    06:05 Helfen Kontextdateien für Coding Agents?
    08:39 Was heißt positiv in der Softwareentwicklung?
    10:23 Produktivität messen: Wert statt Output
    11:46 Mehr Pull Requests, mehr fehlgeschlagene Builds
    13:09 AI Slop in Open Source
    16:15 AI Slop in der Lehre
    18:15 KI-generierte Paper im Review
    20:48 Was taugen KI-Detektoren?
    22:26 Kommt die Forschung noch hinterher?
    25:32 Was Unternehmen tun können
    28:31 Werden Unternehmen empirischer arbeiten?
    30:16 Wo man anfängt: Software Analytics
    32:22 Wie sich die Lehre verändert
    35:31 Brauchen Kinder noch Coding?
    38:00 Rat an angehende Informatik-Studierende

    Wenn euch die Folge gefällt, folgt uns und schreibt uns in die Kommentare: Wie trefft ihr in eurem Team Entscheidungen über KI-Tools, nach Daten oder nach Gefühl?

    Rozwiń Zwiń
    40 min
  • Browser-KI so schnell wie llama.cpp? - Token-Therapie #10
    Oct 20 2026

    Wie schnell kann KI im Browser sein – und welche Aufgaben gehören überhaupt dorthin?

    In dieser Folge von Token-Therapie sprechen wir mit Nico Martin, Open Source Machine Learning Engineer bei Hugging Face, über Machine Learning im Browser. Nico arbeitet im Web AI Team vor allem an Transformers.js, der Library, mit der Modelle direkt im Browser laufen.

    Für Nico liegt die Stärke von Browser-KI nicht in riesigen Sprachmodellen, sondern in kleinen Modellen für ganz bestimmte Aufgaben: Hintergrund entfernen, Sprache transkribieren, Text Embeddings berechnen. Gegenüber lokalen Werkzeugen wie Ollama hat der Browser den Vorteil, dass niemand etwas installieren muss: Ein Link genügt, und das Modell läuft auf dem eigenen Gerät. Mit eigenen, für WebGPU optimierten Kernels ist das Team bei einigen Modellen inzwischen gleich schnell wie llama.cpp oder schneller.

    Auch beim Programmieren setzt Nico fast ganz auf Agents. Demos lassen sich in wenigen Minuten bauen, Code für die Library schreibt er selbst oder prüft ihn genau. Wichtiger als das Schreiben von Code ist für ihn das Gespräch darüber.

    Wir sprechen unter anderem über:

    • Nicos Weg zu Hugging Face über die Web-Community
    • Was Transformers.js ist und wie die Pipeline um die Inference aussieht
    • Wann KI im Browser Sinn ergibt und wann nicht
    • Browser-KI im Vergleich zu Ollama und llama.cpp
    • WebGPU-Support, ONNX Runtime und der Fallback auf die CPU
    • Eigene WebGPU-Kernels, optimiert für die jeweilige Hardware
    • Die Prompt API in Chrome, WebNN und WebMCP
    • Agentisches Programmieren an Demos und an der Library
    • Warum Nico eher Beratung für KMUs als ein KI-Start-up wählen würde
    • Ein Privacy-Filter, der Namen und Adressen aus E-Mails entfernt, bevor sie in die Cloud gehen

    Unser Gast:
    https://www.linkedin.com/in/nicodotdev/
    https://huggingface.co

    Mehr zu Token-Therapie – dem Podcast für AI Engineering Leader:
    https://tokentherapie.de

    Kapitel
    00:00 Begrüßung und Vorstellung von Nico Martin
    01:04 Wie man bei Hugging Face landet
    04:01 Was ist Transformers.js?
    06:46 Wann KI im Browser Sinn ergibt
    12:15 Browser oder Ollama: der Unterschied
    13:52 WebGPU-Support und ONNX Runtime
    16:37 Die härteste Nuss: eigene WebGPU-Kernels
    19:43 Dasselbe Modell auf jedem Gerät?
    21:48 Overhead im Vergleich zu llama.cpp
    24:26 Eigene Runtimes statt ONNX Runtime?
    26:40 Bauen Browser bald eigene Modelle ein?
    30:04 Was ist mit WebNN?
    31:59 WebMCP und Browser-KI
    33:35 Kleine Modelle in Chrome-Extensions
    35:30 Wie Nico agentisch programmiert
    38:00 Was er noch von Hand schreibt
    38:56 Produktideen für Browser-KI
    42:33 Tipp für den Einstieg in WebML

    Wenn euch die Folge gefällt, folgt uns und schreibt uns in die Kommentare: Welche Teile eurer Anwendungen würdet ihr in den Browser verlagern?

    Rozwiń Zwiń
    45 min
adbl_web_anon_alc_button_suppression_t1
Brak recenzji