KI Garage - Der Podcast für echte KI Projekte

KI Garage

KI Garage ist der Podcast für alle, die mit KI selbst Dinge bauen. Hier geht es nicht um Hype oder Theorie, sondern um echte Projekte: Menschen, die aus Ideen konkrete Lösungen entwickeln – oft aus ihrem eigenen Alltag heraus. In jeder Folge sprechen wir darüber, was funktioniert hat, was nicht geklappt hat und wo die Grenzen aktueller KI liegen. Du bekommst ehrliche Einblicke, konkrete Learnings und ein klares Gefühl dafür, was heute schon möglich ist. Wenn du verstehen willst, wie andere mit KI Dinge umsetzen – und selbst ins Machen kommen willst – bist du hier genau richtig.

Episodes

  1. Sep 6

    Mit KI in den App Store – und dann?

    Mitte Juli stand LeibFit im App Store. Im Fitnessstudio griff Sebastian Leib trotzdem wieder zur App des Studios. Also drehte der Head of Product bei WISO noch eine Schleife, baute eine Apple-Watch-App dazu und nutzt LeibFit inzwischen selbst täglich. In dieser Folge geht es darum, was reale Nutzung sichtbar macht, wo simulierte KI-Nutzer an ihre Grenzen kommen und wie Sebastian Features, Feedback, Paywall und organische Distribution gerade ausprobiert. WAS WIR LERNEN - Das eigene KI-Produkt im echten Nutzungskontext testen: Sebastian erkannte erst im Alltag, dass sein gebauter Workflow am tatsächlichen Bedarf vorbeiging. - Simulierte KI-Nutzer als Hypothesen behandeln: Ein plausibler Maßnahmenkatalog aus dem iOS-Simulator beweist noch nicht, welche Reibung im Alltag entsteht. - Features bewusst pausieren, wenn die nächste offene Frage Distribution ist: Sebastian konzentriert sich nach dem Release erst auf Reichweite und Nutzung. - Externes Feedback gezielt gegen die Annahmen der KI-Spezialisten prüfen: Ein realer Nutzer entdeckte einen Edge Case, den die internen Tests übersehen hatten. - Monetarisierung als laufendes Experiment aufsetzen: Sieben Tage Vollzugriff, danach bleiben ausgewählte Werte sichtbar – ob das für Nutzung und Abos reicht, will Sebastian erst mit mehr Daten entscheiden. Gast: Sebastian Leib — https://de.linkedin.com/in/sebastianleib Tools & Links: - LeibFit (native Fitness-App für iPhone und Apple Watch): https://apps.apple.com/de/app/leibfit-erholung-training/id6790414789 Kapitel: 00:00 Intro & Willkommen 01:40 Warum Sebastian noch eine Fitness-App gebaut hat 03:20 Die eigene App lag im Studio unbenutzt herum 05:30 Was LeibFit anders machen soll 09:10 Wer noch mit einem Trainingslogbuch trainiert 12:20 Erst Nutzung finden, dann weitere Features bauen 15:00 Organische Downloads mit TikTok und Fußballgruppe 19:00 Digitale Mitarbeiter für Marketing und Content 21:40 Was erst die tägliche Nutzung sichtbar machte 25:50 Wie die erste Paywall zur Hürde wurde 31:40 Dashboard bauen ohne eigenes Tracking 43:20 Warum simulierte Nutzer keine echten Tests ersetzen 45:00 Feedback aus dem Bekanntenkreis einbauen 48:10 Einfach mit dem eigenen Problem anfangen KI Garage: - Alle Episoden: https://josua.ai/ki-garage - Spotify: https://open.spotify.com/show/02LhYJj8nDRJ4dYo79M8Mm - Apple Podcasts: https://podcasts.apple.com/us/podcast/ki-garage-der-podcast-für-echte-ki-projekte/id1891728329 - YouTube: https://www.youtube.com/@ki.garage.podcast - Instagram: https://www.instagram.com/ki.garage.podcast - Meine Projekte: https://josua.ai - Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

    Mit KI in den App Store – und dann?
  2. Aug 14

    Digitaler Kleiderschrank: Mit Lovable zum Prototyp

    Josepha Cerbe hatte fast zehn Jahre lang die Idee eines digitalen Kleiderschranks im Kopf – bis ihr Bruder sie an Ostern ermutigte, mit KI einfach loszulegen. Mit Lovable baute sie ohne Coding-Erfahrung an einem Wochenende einen am Handy testbaren Prototypen, der Kleidungsstücke aus Fotos freistellt und kategorisiert. Kurz darauf pitchte sie die Idee spontan bei einem Hackathon in Köln, stellte ein vierköpfiges Team zusammen und gehörte am Ende zu den Gewinnerteams. In dieser Episode erzählt sie, warum der erste Prototyp heute zwar greifbar ist, der Weg zum tragfähigen Produkt aber gerade erst beginnt. WAS WIR LERNEN - Wie Josepha mit Lovable ohne Programmiererfahrung innerhalb weniger Tage einen funktionierenden Prototypen für einen digitalen Kleiderschrank gebaut hat - Warum ein klarer Fokus auf wenige Kernfeatures wichtiger ist als eine App, die von Anfang an alles können soll - Wie frühes Testen mit Freunden, Familie und externen Nutzern blinde Flecken in der Bedienung sichtbar macht - Welche Grenzen beim Vibe Coding bleiben – von Tokenkosten und Codequalität bis zu Datenschutz und Skalierbarkeit - Warum eine Idee erst durch Umsetzung, Feedback und echte Nutzerresonanz zu einem Produkt oder Unternehmen wird Tools & Links: - Lovable (Vibe-Coding-Tool): https://lovable.dev - Claude (KI-Assistent): https://claude.ai Kapitel: 00:00 Eine Idee, die zehn Jahre in der Schublade lag 01:00 Der Anstoß am Ostertisch 03:34 Lovable und der Vibe-Coding-Sog 05:30 Der digitale Kleiderschrank entsteht 07:46 Was ein Prototyp wirklich leisten kann 09:12 Zwei Kernfeatures, aber erst 50 Prozent fertig 10:27 Tokenkosten und die Grenze bei 300 Kleidungsstücken 12:54 Erste Nutzertests und wertvolles Feedback 14:47 Warum Josepha zum Hackathon ging 16:13 Der spontane Pitch vor über 100 Menschen 18:42 Ein vierköpfiges Team entsteht 19:20 In zwei Tagen zum Hackathon-Prototyp 20:00 Das Team gehört zu den Gewinnern 23:10 Eine Idee ist noch kein Produkt 28:22 KI als Werkzeug für die Umsetzung 30:57 Codequalität, Datenschutz und fachliche Unterstützung 36:00 Claude als täglicher Sparringspartner 40:00 Josephas Rat: Einfach ausprobieren 41:39 25 Euro im Monat für einen Prototypen 43:30 Abschluss und Ausblick KI Garage: - Alle Episoden: https://josua.ai/ki-garage - Instagram: https://www.instagram.com/ki.garage.podcast - YouTube: https://www.youtube.com/@ki.garage.podcast - Meine Projekte: https://josua.ai - Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

    Digitaler Kleiderschrank: Mit Lovable zum Prototyp
  3. Jul 30

    Pi-Hydra: So prüfen KI-Agenten Code beim Entstehen

    Andreas Spannagel entwickelt als KI-Berater und Softwareentwickler agentische Systeme. In dieser Folge zeigt er Pi-Hydra: Mehrere spezialisierte Review-Heads prüfen den Code schon während des Codings auf Qualität, Sicherheit und Dokumentation. Wir sprechen darüber, warum geteilte Kontexte und Prompt Caching den Ansatz bezahlbar machen, weshalb Pi als offener Coding-Agent für solche Erweiterungen geeignet ist und warum Unternehmen heute in KI-Experimente investieren sollten – auch wenn der erste Use Case bald vom nächsten Modell überholt wird. WAS WIR LERNEN - Wie Pi-Hydra das Vier-Augen-Prinzip des Pair Programming auf mehrere KI-Agenten überträgt - Warum frühes Feedback besser funktioniert als ein großes Code Review am Ende - Wie Forking und Prompt Caching den gemeinsamen Kontext und die Kosten beeinflussen - Warum Modellwahl nicht nur von Benchmarks, sondern auch von Kosten und Wartbarkeit abhängt - Weshalb Unternehmen Skills für generalistische Coding Agents bauen und heute schon experimentieren sollten MEIN GAST Andreas Spannagel -- https://spannagel.dev / https://www.linkedin.com/in/andreas-spannagel/ TOOLS & LINKS - Pi-Hydra (Andreas’ Open-Source-Erweiterung für parallele Review-Heads beim Programmieren): https://github.com/pandysp/pi-hydra - Pi (minimalistischer und erweiterbarer Open-Source-Coding-Agent): https://github.com/badlogic/pi-mono - OpenCode (modellunabhängiger Open-Source-Coding-Agent mit Plan Mode, Subagents und Slash Commands): https://opencode.ai - CursorBench (Vergleich von Erfolgsquote und durchschnittlichen Kosten verschiedener Modelle und Thinking Levels): https://cursorbench.com - OpenClaw-One-Click-Deployment (Andreas’ Setup für eine OpenClaw-Instanz bei Hetzner): https://github.com/pandysp/openclaw-infra KAPITEL 00:00 Intro und Vorstellung von Andreas 03:12 Vom Pair Programming zur Pi-Hydra 05:30 Review-Heads für Qualität, Security und Dokumentation 09:46 Forking, Prompt Caching und frühes Feedback 11:35 Pi im Vergleich zu geschlossenen Coding-Agents 14:24 Coding-Modelle, Benchmarks und reale Wartbarkeit 19:00 Das richtige Modell und Thinking Level auswählen 20:00 Kosten pro Task mit CursorBench vergleichen 23:48 OpenCode als Alternative zu Pi 24:44 Pi-Hydra als Open-Source-Projekt 28:47 Open Source, Reputation und neue Aufträge 33:40 Skills statt isolierter Agenten bauen 36:42 Agenten als „Tool Calling in a Loop“ 40:25 Datenschutz, Cloudmodelle und der deutsche Mittelstand 46:40 Warum sich das technologische Delta vergrößert 51:14 Andreas’ Technologieradar 54:13 Beratung, Workshops und Kontakt KI GARAGE - Alle Episoden: https://josua.ai/ki-garage - Instagram: https://www.instagram.com/ki.garage.podcast - YouTube: https://www.youtube.com/@ki.garage.podcast - Meine Projekte: https://josua.ai - Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

    Pi-Hydra: So prüfen KI-Agenten Code beim Entstehen
  4. Jun 11

    Wie ein Custom GPT Bürgerbeteiligung erleichtert

    In dieser Episode erzählt Christian, wie er mit einem Custom GPT Hunderten von Bürgerinnen und Bürgern geholfen hat, sich an einem lokalen Bauprojekt zu beteiligen – obwohl viele von ihnen vorher noch nie ein Behördenschreiben verfasst hatten. Was als simples Informationstool für ein Bauvorhaben startete, wurde schnell zu einem echten Beteiligungswerkzeug: Die KI half den Menschen, ihre Bedenken zu formulieren und einzureichen. Nebenbei hat Christian sich mit einem Raspberry Pi, einem Infrarot-Lesegerät und Claude ein eigenes Strom-Dashboard gebaut – obwohl er sich selbst nie als Hardware-Typ gesehen hat. WAS WIR LERNEN - Wie ein einzelnes Custom GPT echte Bürgerbeteiligung ermöglicht hat – und warum das Feedback nicht nur positiv war - Warum Christian mit dem Ziel anfängt statt mit dem Setup und wie sein iterativer Produktmanagement-Ansatz auch beim Prompting funktioniert - Wie er Claude als eine Art Physiklehrer nutzt, um sich Schritt für Schritt in die Hardware-Welt vorzuarbeiten - Sein Blick auf die Zukunft von SaaS: Warum Single-Use-Case-Apps kein sinnvolles Business mehr sein werden - Wie er KI als Spiegel für seine eigene Führungsentwicklung nutzt – inklusive Gesprächsanalyse und Pattern-Erkennung - Sein Prinzip: Befähigen statt ersetzen – und warum das nicht nur ein Buzzword ist, sondern sich durch alle seine Projekte zieht Gast: Christian Fahl — https://www.linkedin.com/in/christianfahl/ Tools & Links: - Fahl Consulting (Christians Sparring-Angebot): https://fahlconsulting.de - Felder-GPT (Christians Custom GPT für Bürgerbeteiligung bei einem lokalen Bauprojekt) - ChatGPT (OpenAI): https://chat.openai.com - Claude (Anthropic): https://claude.ai - Raspberry Pi: https://www.raspberrypi.com - Claude Interaction Analysis (Claudes Funktion zur Analyse des eigenen Nutzungsverhaltens über alle Chats hinweg) Kapitel: 00:00 Intro & Vorstellung 03:22 Erste Berührungspunkte mit KI 05:42 Jeden Morgen ein neues Werkzeug – wie Christian den Überblick behält 08:03 Das Raspberry-Pi-Projekt: Hardware trotz Berührungsangst 11:24 Befähigen statt ersetzen – Christians KI-Philosophie 14:26 Wie das Projekt gestartet ist: Ziel zuerst, dann iterieren 16:36 Was Claude über Christians Prompting-Muster verrät 19:00 Feature Creep und der Learning Loop 22:30 Der Felder-GPT: Bürgerbeteiligung per Custom GPT 25:48 Kritische Stimmen und die Frage nach KI-generierten Eingaben 28:00 Demokratisierung vs. Enablement 30:00 Schlaftracker in zehn Minuten – und was das für SaaS bedeutet 33:30 Wann ist ein digitales Produkt noch ein echtes Business? 37:30 Blick in die Zukunft: Plateau, Hockeystick oder beides? 42:20 Tipps für KI-Einsteiger: Einfach anfangen 45:50 Leadership Journey mit KI als Sparring-Partner 49:00 Der Mensch im Mittelpunkt – Christians Klammer um alles 50:30 Wo man Christian findet & Outro KI Garage: - Alle Episoden: https://josua.ai/ki-garage - Instagram: https://www.instagram.com/ki.garage.podcast - YouTube: https://www.youtube.com/@ki.garage.podcast - Meine Projekte: https://josua.ai - Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

    Wie ein Custom GPT Bürgerbeteiligung erleichtert
  5. May 21

    Wie ein Ex-Entwickler eine KI-Agentur baut, die Software shippt

    Yves Schleich hat früher selbst programmiert – bei About You im Mobile-Team, in Agenturen und eigenen Gründungen. Dann war er lange raus aus dem Code. Jetzt baut er mit JustShip eine autonome Software-Agentur aus KI-Agents: Ein System, in dem Account-Manager, Produktmanager, Backend-Devs, Frontend-Devs, QA und Security als spezialisierte Agents zusammenarbeiten – wie ein echtes Entwicklerteam, nur ohne Menschen. Nach zweieinhalb Monaten hat er das komplette System neu gebaut, weil er unterwegs gelernt hat, was wirklich funktioniert und was nicht. WAS WIR LERNEN - Die Stufen von Vibe-Coding bis orchestrierte Multi-Agent-Systeme – und warum nicht jeder Agents braucht - Warum er sein System von einem zentralen Orchestrator auf ein DAG-basiertes Übergabeformat umgestellt hat (und was passiert, wenn der "Chef" abschmiert) - Wie er verschiedene Modelle für verschiedene Agent-Rollen einsetzt – Opus für Produktmanager, Sonnet für die ausführenden Devs - Warum Token-Kosten sich nur verlagern, wenn man am Anfang spart und hinten raus alles production-ready machen muss - Seine These: Entwickler sind noch sechs Monate relevant, danach verschieben sich die Jobs Richtung Sales, Customer Success und Produktdenken - Wie er sich täglich up to date hält – mit einem selbstgebauten News-Bot über Telegram Gast: Yves Schleich — https://www.linkedin.com/in/yves-schleich/ Tools & Links: - JustShip (Autonome Software-Agentur aus KI-Agents von Yves): https://just-ship.io - Claude Code (Agentic Coding Tool von Anthropic): https://claude.ai - Claude Skills / Skill Creator (Spezialisierte Anweisungen für Claude): https://docs.anthropic.com - SonarQube (Code-Qualitätsanalyse und Security-Checks): https://www.sonarqube.org - OpenClaw (Open-Source Agent-System): https://openclaw.ai/ - n8n (Workflow-Automatisierung): https://n8n.io - Andrej Karpathy (Referenz zu seiner Agentic-Development-Methodik): https://karpathy.ai - AddressHero (Adressvalidierung im Checkout – als Rebuild-Beispiel erwähnt): https://addresshero.ai Kapitel: 00:00 Intro & warum die erste Aufnahme outdated war 01:22 Yves' Background: Von About You bis zur eigenen Gründung 02:46 Das Revival-Feeling: Warum sich KI anfühlt wie früher Programmieren 04:03 Wände und Qualitätsprobleme bei Claude 06:12 Die Stufen: Von Copy-Paste bis orchestrierte Multi-Agent-Systeme 09:25 Was ist JustShip und wie funktioniert die autonome Agentur? 13:00 Warum Yves alles neu gebaut hat – vom Orchestrator zum DAG-System 17:51 Der Weg eines Features durch das System 24:18 Wie viele Agents gibt es und wer arbeitet woran? 27:07 Code-Qualität: Benchmarking, SonarQube und Senior-Dev-Reviews 30:27 Vibe-Coder und Production-Ready Code 33:14 Produktmanagement im System – und was Karpathy anders macht 37:46 Token-Kosten und warum verschiedene Modelle verschiedene Rollen bekommen 40:47 Das Ökosystem: OpenClaw, Open Source und warum Yves trotzdem selbst baut 44:51 Die Zukunft: SaaS, neue Jobs und warum Sales explodiert 52:06 Wie man up to date bleibt – Telegram-Bot, Claude Nights und einfach machen 55:53 Outro KI Garage: - Alle Episoden: https://josua.ai/ki-garage - Instagram: https://www.instagram.com/ki.garage.podcast - YouTube: https://www.youtube.com/@ki.garage.podcast - Meine Projekte: https://josua.ai - Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

    Wie ein Ex-Entwickler eine KI-Agentur baut, die Software shippt
  6. May 8

    Wenn Software bauen billig wird, was wird dann teuer?

    Simonetta Batteiger hat 15 Jahre lang digitale Produkte gebaut – von Domain-Marktplätzen über Finance-Plattformen bis hin zu Ad-Filtering-Software für Chrome. Ohne eine Zeile Code selbst geschrieben zu haben, hat sie an einem Hackathon-Wochenende mit Claude Code eine komplette Android-App für ihre erblindende Mutter entwickelt, die per Kamera Texte erkennt und vorliest. In dieser Episode sprechen wir darüber, was passiert, wenn Software bauen billig wird. WAS WIR LERNEN - Warum sich die vier Produktrisiken (Value, Usability, Feasibility, Viability) gerade massiv verschieben – und wohin der Fokus jetzt wandert - Wie Simonetta als Nicht-Entwicklerin die technischen Hürden genommen hat: von Terminal und Linux über Android Studio bis GitHub – alles erklärt von der KI selbst - Warum das größte Learning-Antipattern im Moment ist, einmal auszuprobieren und das Ergebnis als festes Wissen abzuspeichern – weil sich die Tools alle zwei Wochen weiterentwickeln - Ihr Gedankenexperiment zu Token-Kosten: Was passiert mit Business Cases, wenn sich Token-Preise verzehnfachen und Software laufende API-Kosten hat statt einmaliger Entwicklungskosten? - Warum Hackathons und Meetups der einfachste Einstieg sind – und warum das Wort "Hackathon" leider genau die Menschen abschreckt, die dort am meisten beitragen könnten - Ihr Rat an alle, die noch nicht angefangen haben: Sei neugierig, frag jemanden, der es schon macht, und probier es mit einem persönlichen Problem aus – nicht mit Firmendaten Gast: Simonetta Batteiger — https://www.linkedin.com/in/simonettabatteiger/ Tools & Links: - Inclusive Leaders (Simonettas Website für Product Leadership Coaching): https://inclusiveleaders.blog/ - Claude Code (Anthropics Coding-Agent für das Terminal): https://claude.ai - Android Studio (Googles IDE für Android-App-Entwicklung): https://developer.android.com/studio - Lovable (AI-gestützter App-Builder): https://lovable.dev - BMAD-Methode (Strukturierter Loop-Ansatz für Coding mit AI-Agents): https://github.com/bmadcode/BMAD-METHOD - OpenAI Codex (AI-Coding-Agent von OpenAI): https://openai.com/codex - WhisperFlow (Spracheingabe fürs Terminal): https://github.com/lushlife99/whisperFlow - OpenClaw / Vibe-Coding Cologne (Meetup-Community in Köln, organisiert von Lorenz Gräf am Startplatz): https://www.startplatz.de - Product at Heart (Produktmanagement-Konferenz): https://productatheart.com - Mind the Product (Produktmanagement-Community und Konferenz): https://www.mindtheproduct.com Kapitel: 00:00 Intro und Vorstellung 02:12 KI im Produktmanagement – was sich gerade verschiebt 04:19 Der größte Fehler: Einmal ausprobieren und abhaken 07:09 Warum mehr Frauen bei Hackathons fehlen 09:28 Simonettas Reise: Von Hackathon-Organisatorin zur Teilnehmerin 11:14 Vibe-Coding Cologne und der erste Kontakt 12:43 Die App für Mama: An einem Wochenende gebaut 16:04 Wenn Software billig wird – was wird dann teuer? 18:27 Was bedeutet das für Teams und Planung? 21:52 Token-Kosten und das Ende der Nullmarginalkosten 24:04 Neue Geschäftsmodelle und der Neuer-Markt-Vergleich 28:09 FOMO, Netflix und das richtige Maß 31:13 Von Prototyp zu Produkt – die halbe Wahrheit über AI-Speed 36:39 Business Case für die Mama-App 42:47 Produktführungskräfte coachen im AI-Zeitalter 44:07 Die vier Produktrisiken neu gedacht 49:45 Tipps für den Einstieg: Neugier als Superkraft 56:27 Meetups als einfachster Einstieg 57:20 Wo man Simonetta findet KI Garage: - Alle Episoden: https://josua.ai/ki-garage - Instagram: https://www.instagram.com/ki.garage.podcast - YouTube: https://www.youtube.com/@ki.garage.podcast - Meine Projekte: https://josua.ai - Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

    Wenn Software bauen billig wird, was wird dann teuer?
  7. Apr 28

    Einkaufsplanung per Agent: Vom Chat zum vollen Kühlschrank

    Timothy kommt aus der Produktmanagement- und Startup-Welt und schraubt seit dem Release von ChatGPT an einem Projekt, das die meisten für verrückt halten würden: seine komplette Wocheneinkaufsplanung per Chat zu automatisieren. Was als unmögliche Spielerei begann, ist heute eine lokale Web-App mit eigenem Orchestrator-Agent, selbstgeschriebenen MCP-Servern für Picnic und Cookidoo – und am Ende stehen die Lebensmittel vor der Tür. In dieser Episode erzählt er, warum dieses Projekt über Jahre hinweg sein persönlicher Gradmesser für den Fortschritt der KI-Technik war, wie er Mini-Projekte als Lernvehikel nutzt und warum Softwareentwicklung irgendwann wie Häkeln sein könnte. WAS WIR LERNEN - Sein Denkmodell der drei Rollen von LLMs: Alltagshelferlein, Prozess-/Produktintegration und neue Geschäftsmodelle – und warum diese Unterscheidung heute noch hilft - Wie er Mini-Projekte mit engem Scope als Vehikel nutzt, um sich gezielt neue Skills beizubringen - Warum die Task-Duration von Agents der entscheidende Hebel ist – und wie man sie durch Browser-Zugriff, Datenbank-Anbindung und Self-Review verlängert - Das Prinzip der sukzessiven Einschränkung von Freiheitsgraden: Warum gute KI-Arbeit bedeutet, dem Modell schrittweise den Lösungsraum zu verengen - Warum er glaubt, dass Softwareentwicklung irgendwann wie Häkeln sein wird – etwas, das man macht, weil man Bock drauf hat, nicht weil es ökonomisch nötig ist Gast: Timothy — https://www.linkedin.com/in/timothykrechel/ Tools & Links: - Claude Code (Terminal-basierter Coding-Agent von Anthropic): https://claude.ai/code - Cursor (KI-gestützter Code-Editor): https://cursor.com - Claude Desktop (Desktop-App für Claude mit Extensions und MCP-Support): https://claude.ai/download - ChatGPT (Chat-Interface und API von OpenAI): https://chat.openai.com - Gemini (KI-Modell und Chat-Interface von Google): https://gemini.google.com - GitHub Copilot (KI-gestützte Code-Vervollständigung): https://github.com/features/copilot - Codex (Coding-Agent von OpenAI): https://openai.com/index/codex - n8n (Open-Source Workflow-Automatisierung): https://n8n.io - Unity (Game Engine für 3D-Spieleentwicklung): https://unity.com - Blender (Open-Source 3D-Modeling-Software): https://www.blender.org - React Native (Cross-Plattform-Framework für App-Entwicklung): https://reactnative.dev - Picnic (Lebensmittel-Lieferdienst): https://picnic.app - Cookidoo (Rezepte-Plattform für Thermomix): https://cookidoo.de - Andrew Ng's Machine Learning Kurs (Stanford/Coursera): https://www.coursera.org/learn/machine-learning - Peter Steinberger / OpenClaw (Entwickler, der die Häkeln-Analogie geprägt hat) Kapitel: 00:00 Intro & Vorstellung 01:24 Timothys Werdegang: Von Design über Startups zu Produktmanagement 04:59 Der Einstieg in die KI-Welt 08:16 Erste Projekte: Inoffizielle APIs, Kinderbücher und Text-Adventures 10:16 Der Magie-Moment und das Drei-Rollen-Modell für LLMs 14:55 Alltagshelferlein vs. Prozessintegration: Zeit richtig einteilen 19:11 Das Einkaufsplanungs-Projekt: Vom Chat zum vollen Kühlschrank 23:13 Live-Demo: So funktioniert die Wocheneinkaufsplanung per Agent 26:02 Architektur: Orchestrator-Agent, Sub-Agents und eigene MCP-Server 29:09 Wer ist hier der Agent? Wenn KI dir sagt, was du tun sollst 31:25 Mini-Projekte als Lernvehikel: Wakeboard-Apps und Abo-Tracker 35:29 Sieben Projekte parallel: Der neue Alltag mit Agentic Coding 37:44 Unity-Minigames per Claude Code: Grenzen testen lohnt sich 41:04 Freiheitsgrade einschränken: Die eigentliche Aufgabe beim Bauen mit KI 46:18 Softwareentwicklung wird Häkeln 47:42 Ausblick: Orchestration meistern und Task-Duration erhöhen 55:43 Schlusswort: Dinge tun, weil man Bock drauf hat KI Garage: - Alle Episoden: https://josua.ai/ki-garage - Instagram: https://www.instagram.com/ki.garage.podcast - YouTube: https://www.youtube.com/@ki.garage.podcast - Meine Projekte: https://josua.ai - Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

    Einkaufsplanung per Agent: Vom Chat zum vollen Kühlschrank
  8. Apr 11

    KI gegen Mathefrust: Ein Startup macht Mathe spielerisch einfach

    Thomas Krebs und Julian Labensberg haben als Mathe-Tutoren an der Uni Bochum gesehen, wie Studenten an Bruchrechnung scheitern – und beschlossen, den Mathefrust an der Wurzel zu packen. Jetzt bauen sie mit Mathopia ein spielerisches KI-System, das Fünftklässlern Mathe beibringt und dabei erkennt, wo genau ein Kind nicht weiterkommt. In dieser Folge sprechen wir darüber, wie zwei Nicht-Techniker ohne eine Zeile Code ein EdTech-Startup auf die Beine stellen – über den Moment, als Thomas in einer halben Stunde mit Lovable das gebaut hat, wofür Freelancer vorher 7.000 Euro genommen haben, über KI-generierte Matheaufgaben, von denen anfangs acht von zehn Müll waren, und darüber, warum Julian und Thomas trotz allem nicht auf echte Entwickler verzichten wollen. ### Meine Gäste Thomas Krebs -- https://www.linkedin.com/in/thomas-krebs-b8b56919b/ Julian Labensberg -- https://www.linkedin.com/in/julian-labensberg-74aab335a/ ### Tools & Links - Mathopia (spielerisches KI-Mathe-Lernsystem): https://www.easypisy.de - Lovable (No-Code-Plattform): https://lovable.dev - Cursor (KI-Code-Editor): https://cursor.com - Supabase (Datenbank-Backend): https://supabase.com - Claude Opus 4.6 (KI-Modell von Anthropic): https://anthropic.com - e-GMAT (adaptives Test-Prep-Portal, Inspiration): https://e-gmat.com - Ben Sufiani / Pirate Skills (Vibe-Coding-Community): https://pirateskills.com - Film- und Medienstiftung NRW (Fördergeber): https://www.filmstiftung.de - Didacta 2026 (Bildungsmesse Köln): https://www.didacta-koeln.de ### Kapitel 0:00 Intro 0:43 Von der Uni zur Gründungsidee 2:29 Erste Schritte mit KI-generierten Aufgaben 4:19 Der Switch zur Schule und das Freelancer-Problem 5:33 Der Lovable-Moment: 30 Minuten statt 7.000 Euro 7:28 Von Lovable zu Cursor – das nächste Level 9:23 Was ist Mathopia? Mut statt Mathefrust 11:53 Förderung, Didacta und der Weg zum Markt 13:40 Warum echte Entwickler trotzdem nötig sind 15:47 KI-Prototyping als größter Hebel 17:44 KI im Team: Vom Praktikanten zum Junior 20:01 Mathopia vs. ChatGPT – der USP 24:31 Wie das Team am Puls der Zeit bleibt 25:51 Beta-User gesucht! ### KI Garage - Alle Episoden: https://josua.ai/ki-garage - Instagram: https://www.instagram.com/ki.garage.podcast - YouTube: https://www.youtube.com/@ki.garage.podcast - Meine Projekte: https://josua.ai - Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

    KI gegen Mathefrust: Ein Startup macht Mathe spielerisch einfach
  9. Apr 10

    Von Lehrerin zur Builderin: Hackathon-Sieg in unter einem Jahr

    Svenja Borgwardt hat vor knapp einem Jahr angefangen, mit KI zu experimentieren – und seitdem eine datenschutzkonforme Pipeline gebaut, die nicht nur ihre 240 Schüler mit echtem Feedback versorgt, sondern auch Anwaltskanzleien interessiert. In dieser Folge erzählt sie, wie sie einen Hackathon gewonnen hat, was hinter ihrer Bäckerei-KI „Ute" steckt und warum KI kein Gehirnersatz sein darf. ### Mein Gast Svenja Borgwardt -- https://linkedin.com/in/svenjaborgwardt ### Tools & Links - Svenjas Feedback-Pipeline (datenschutzkonform): wird bald veröffentlicht - Ute – Unkomplizierte Thekeneingabe (Hackathon-Projekt): im Gespräch erwähnt - Claude (Anthropic): https://claude.ai - ChatGPT (OpenAI): https://chatgpt.com - Mistral (EU-konformes Sprachmodell): https://mistral.ai - Visual Studio Code: https://code.visualstudio.com - Obsidian (Wissensmanagement): https://obsidian.md - Vercel (Hosting): https://vercel.com - Lovable (No-Code-Builder): https://lovable.dev - Khan Academy (sokratische Chatbots): https://khanacademy.org - BÄKO (Bäckereigenossenschaft, Hackathon-Veranstalter): https://baeko.de - Pirate Skills (Community, Svenjas Vortrag): https://pirateskills.com ### Kapitel 0:00 Intro & Wer ist Svenja Borgwardt? 0:53 Vom Berufskolleg zum Vibe Coding 5:48 240 Schüler und keine Zeit für echtes Feedback 9:34 Die Skills, die wirklich zählen 11:57 Hackathon gewonnen: Bäckerei-KI „Ute" 16:38 Warum eine banale Lösung die Jury überzeugt hat 18:05 Wie geht es mit Ute weiter? 21:07 Der Lernweg: Obsidian, Claude und Nachtschichten 24:31 „Aufgeben war nie eine Option" 27:02 Vision: Bildung weltweit verändern 32:22 KI als Gehirnersatz – und warum wir aufpassen müssen 35:19 Abschluss und wo man Svenja findet ### KI Garage - Alle Episoden: https://josua.ai/ki-garage - Instagram: https://www.instagram.com/ki.garage.podcast - YouTube: https://www.youtube.com/@ki.garage.podcast - Meine Projekte: https://josua.ai - Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

    Von Lehrerin zur Builderin: Hackathon-Sieg in unter einem Jahr
  10. Apr 7

    WordPress mit KI ablösen: So baust du dein erstes SaaS

    Ben Sufiani hat 15 Jahre als Marketer gearbeitet – und vor einem Jahr beschlossen, WordPress und HubSpot zu kündigen und sein eigenes SaaS zu bauen. Ohne eine Zeile Code. In dieser Folge erzählt er, wie er die ersten drei Monate überlebt hat und warum Building und Marketing zusammengehören. ### Mein Gast Ben Sufiani -- https://linkedin.com/in/bensufiani ### Tools & Links - Pirate Skills (Bens Community): https://pirateskills.com - Captain AI (Bens Produkt): auf pirateskills.com/lab - Builder Codex (kostenlose Ressource): auf pirateskills.com - AI for Muggles (Bens Einstiegskurs): auf pirateskills.com - Vibe Coding Cologne (Meetup): von Ben organisiert - "The Lean Builder Funnel" (Bens Artikel): auf pirateskills.com - Cursor (AI-Editor): https://cursor.com - Claude Code: https://claude.ai - Next.js (Web-Framework): https://nextjs.org - Vercel (Hosting): https://vercel.com - Supabase (Datenbank): https://supabase.com - Clerk (Authentifizierung): https://clerk.com - Resend (E-Mail): https://resend.com - Linear (Projektmanagement): https://linear.app - Stripe (Payment): https://stripe.com - Skills.sh (Skill-Plattform): https://skills.sh - Hetzner (VPS-Hosting): https://hetzner.com - Tailscale (Netzwerk): https://tailscale.com - fal.ai (Bildgenerierung): https://fal.ai - Avery (Tool-Ökosystem als Vorbild): im Gespräch erwähnt - AI Tinkerers Köln (Meetup): von Matthias Lübken organisiert - First Round Review (Product-Market-Fit Artikel): im Gespräch erwähnt ### Kapitel 0:00 Intro & Wer ist Ben Sufiani? 2:15 Der Moment, als alles anders wurde 5:22 FOMO und die Level des Vibe Codings 7:39 WordPress töten: Der Wendepunkt 11:01 Captain AI und das Pirate Skills Lab 13:12 Die ersten drei Monate: Frust und Durchbruch 18:11 Was wirklich den Unterschied gemacht hat 20:39 Skills.sh und Kontextmanagement 25:13 Fokus vs. Rabbit Hole 31:39 Distribution: Das wahre Bottleneck? 41:17 Build, Grow, Repeat 47:31 Der Lean Builder Funnel 54:29 Tipps für Einsteiger und Ausblick ### KI Garage - Alle Episoden: https://josua.ai/ki-garage - Instagram: https://www.instagram.com/ki.garage.podcast - YouTube: https://www.youtube.com/@ki.garage.podcast - Meine Projekte: https://josua.ai - Josua auf LinkedIn: https://www.linkedin.com/in/josuawaghubinger/

    WordPress mit KI ablösen: So baust du dein erstes SaaS

About

KI Garage ist der Podcast für alle, die mit KI selbst Dinge bauen. Hier geht es nicht um Hype oder Theorie, sondern um echte Projekte: Menschen, die aus Ideen konkrete Lösungen entwickeln – oft aus ihrem eigenen Alltag heraus. In jeder Folge sprechen wir darüber, was funktioniert hat, was nicht geklappt hat und wo die Grenzen aktueller KI liegen. Du bekommst ehrliche Einblicke, konkrete Learnings und ein klares Gefühl dafür, was heute schon möglich ist. Wenn du verstehen willst, wie andere mit KI Dinge umsetzen – und selbst ins Machen kommen willst – bist du hier genau richtig.

You Might Also Like