Vor dreieinhalb Jahren begann ich, mich intensiv mit generativer KI zu beschäftigen. Ausgangspunkt war eine scheinbar einfache Frage: Wie weit lässt sich Wissensarbeit automatisieren? Damals schien der Fortschritt nahezu unglaublich. Mit großen Sprachmodellen wurde plötzlich vorstellbar, dass sich ein erheblicher Teil intellektueller Arbeit automatisieren lässt. Wie viele andere war ich fasziniert von dem, was diese Systeme bereits leisten konnten – und davon, mit welcher Geschwindigkeit sie sich weiterentwickelten. Doch je tiefer ich in das Thema einstieg, desto weniger interessierte mich eine andere, damals naheliegende Frage: Wie werden die Modelle noch leistungsfähiger? Stattdessen begann ich, grundlegendere Fragen zu stellen. Fragen nach der Struktur. Fragen nach Verantwortung. Fragen nach Governance. Und schließlich eine Frage, die mein Denken nachhaltig verändert hat: Optimieren wir überhaupt das Richtige? Diese Frage wurde zum Ausgangspunkt einer Entwicklung, die mich Schritt für Schritt zu Konzepten wie Declarative AI, Accountable Systems und schließlich zum Operational Integrity Benchmark führte. Keine dieser Ideen entstand plötzlich. Jede war die Konsequenz einer Erkenntnis, dass die vorherige Denkweise irgendwann an ihre Grenzen stieß. Deshalb ist diese Serie keine Sammlung fertiger Frameworks. Sie erzählt den Weg dorthin. Einen Weg voller Neugier, Irrtümer, Experimente und unerwarteter Erkenntnisse. Einen Weg, auf dem ich immer wieder feststellen musste, dass das eigentliche Problem nur selten das Sprachmodell selbst war. Fast immer lag es in der Struktur, die das Modell umgab. Ich nehme euch mit auf diese Reise – nicht, um fertige Antworten zu präsentieren, sondern um die Fragen zu teilen, die mein Verständnis von KI grundlegend verändert haben. Im ersten Beitrag geht es zurück zu dem Moment, in dem ich überzeugt war, dass sich nahezu jede Form von Wissensarbeit automatisieren lässt – und warum mich genau diese Überzeugung schließlich dazu brachte, die Automatisierung selbst zu automatisieren.

heute abend ist es passiert .. den ersten 'Agenten in Claude Code' entwickelt .. er optimiert videos .. presets drüber .. jumpcuts rein .. und sogar Untertitel .. siehe Videos .. ❓ Wie werdet ihr euer Video optimieren .. schreibt es in die Kommentare Die Prompt-Kette (kopierfertig, in Reihenfolge) Diese sieben Prompts tippst du nacheinander in Claude Code. Nach jedem Prompt schaust du dir an, was der Agent gebaut und erklärt hat – dann kommt der nächste. ① Rahmen setzen Wir bauen zusammen einen kleinen Video-Agenten, der auf meinem Rechner lebt und auf Mac UND Windows läuft. Kern in Python, damit es plattformunabhängig ist. Er soll: ein Rohvideo nehmen, Stille rausschneiden (Jump-Cuts), einen Farb-Look drüberlegen, den Ton optimieren und eine fertige MP4 plus eine Shorts-Version ausgeben. Leg ein sauberes Projekt an und erklär mir bei jedem Schritt in einfachen Worten, was du tust. Prüf zuerst, ob ffmpeg und auto-editor da sind – wenn nicht, zeig mir den Installationsbefehl für mein System. ② Jump-Cuts (Stille raus) Baue den ersten Schritt: Nimm ein Video und entferne automatisch die stillen Stellen mit auto-editor. Lass mir einen Regler für die Empfindlichkeit (streng / normal / locker). Das Original darf NIE überschrieben werden. ③ Preset / Look drüberlegen Jetzt der Look: Lege drei Farb-Presets an – „Warm Cinema“, „Teal & Orange“ und „Clean Punch“ – plus dezentes Filmkorn und weiche Blenden am Anfang und Ende. Ich will beim Aufruf einfach sagen können: Look 1, 2 oder 3. ④ Ton optimieren Optimiere den Ton: gleichmäßige Lautstärke (Loudness-Normalisierung auf YouTube-Niveau) und ein sanftes Ein- und Ausblenden, damit keine Knackser an den Schnitten sind. ⑤ Shorts / Reels Wenn das Video im Querformat ist, erzeug zusätzlich automatisch eine Hochformat-Version 1080x1920 für Shorts und Reels. ⑥ Als Agent verpacken Verpack das Ganze als Skill, den ich in Claude Code mit normaler Sprache starten kann – z.B. „schneide das Video auf dem Desktop“. Der Agent soll selbst das neueste Video auf dem Desktop finden.

Meine Assitentin Nova ist gestern geboren und hat über Nacht schon für mich in meinem Kalender gearbeitet. 🥰DANKE🥰 an das Koerting Institut - Team und @Torsten Koerting @Katrin Friedel und meinen ersten Linked In -Post erstellt. Ihr bringt uns soweit nach vorne, unglaublich 🥰 https://www.linkedin.com/posts/dianaramme_pflege-pflegeistunverhandelbar-pflegendeangehaemrige-share-7474411734561390592-3QOL/? Wie sieht eure Assistent/-in aus und was kann und darf Sie alles? Nova - wird erstmal bei mir 1. den Kalender übernehmen, 2. meine E-Mails strukturieren und 3. meinen Desktop und Scanordner aufräumen. Ich bin gespannt .....

Hi, ich bin Jürgen, gerade neu hier reingeschneit. Ich bin Dozent an einer Hochschule, derzeit noch im Arbeitsverhältnis. Bin aus dem äußersten Westen der BRepublik, fast schon Luxemburg. :-) Bin mega interessiert an einer Selbstständigkeit mit KI-Unterstützung. Konkrete Ideen für Ziel und Content habe ich schon. Die Projektierung, Planung und Umsetzung ist spannend und ich denke KI kann mir sehr gut dabei helfen. Ich bin jederzeit sehr dankbar und interessiert an Tipps und Tricks von Euch und der Community. Okay, letz GO 😃 LG Jürgen

ich bin Marcus. Ich arbeite aktuell als Entwickler in einem größeren Software House im Bereich Cobol...man könnte sagen in der Altenpflege 😉 KI nutze ich seit Aufkommen von ChatGPT aktiv und passiv täglich. Ich habe zwei Hermes Instanzen (Produktiv- und Testumgebung) und setze sie als Assistent, zur Softwareentwicklung und Aktienanalyse und noch einiges andere ein... Ansonsten arbeite ich auch gerne mal mit den Tools verschiedener Anbieter im Browser oder CLI oder DesktopApp um zu sehen was es so Neues auf dem Gebiet gibt. Bei Fragen einfach fragen 😉 Ich wünsche allen einen entspannten Start in die Woche.