Das KI-Kochbuch mit Malcolm Werchota

Malcolm Werchota
  • 0.0 (0)
  • Entrepreneurship

Malcolm Werchotas KI-Kochbuch ist der Ort, wo künstliche Intelligenz auf authentische Business-Transformation trifft. Bekannt für seinen direkten Stil und seine Bereitschaft, KI live in Aktion zu zeigen – sogar während Präsentationen – hilft Malcolm Organisationen zu verstehen, dass es bei KI nicht darum geht, Menschen zu ersetzen, sondern ihre Fähigkeiten zu verstärken. Von Sprachnotiz-Produktivitäts-Hacks bis hin zu Echtzeit-Meeting-Intelligenz liefert dieser Podcast umsetzbare Einblicke für die sofortige Implementierung.

  1. #137 - Du bist klonbar. 30 Cent reichen. Realtime-Deepfake-Betrug und der DACH-Mittelstand

    3d ago

    #137 - Du bist klonbar. 30 Cent reichen. Realtime-Deepfake-Betrug und der DACH-Mittelstand

    Du bist klonbar. Auch du. Jede Person, die diesen Podcast hört, ist heute mit dem Audio klonbar — und auch im Video. Die Software ist so gut, dass eineinhalb bis zwei Minuten Video reichen. Mit Audio noch weniger: 30 bis 40 Sekunden von einem Anruf. Wenn du denkst, das ist übertrieben — geh auf TikTok, tipp Patrycek ein. P-A-T-R-Y-C-Z-E-K. Ein 13-14-jähriger Junge, ein bisschen übergewichtig. Er drückt einen Knopf und schaut aus wie Brad Pitt. Bewegt sich wie Brad Pitt. Vor einem Monat gab es ihn nicht. Heute: 104 Millionen Views. Auf der einen Seite cool. Auf der anderen Seite — Leute — das ist eine Hacking-Anleitung für 30 bis 50 Cent. Erinnert ihr euch an die Arup-Story aus Hongkong, Januar 2024? Eine Mitarbeiterin bekommt einen Teams-Call. Der CFO. Der ganze Vorstand sitzt mit am Tisch. Sie macht über 15 Transaktionen 25 Millionen Dollar Überweisungen. Jede Person in dem Call war fake. Damals: hunderttausende Dollar Investment. Heute, zwei Jahre später: 30 Cent. 🔧 Drei Technologien, die heute gestapelt werden Echtzeit-Deepfake — dein Gesicht wird im Live-Call ersetzt, Millisekunden-Latenz. Stimme auch. Teuer, aber in 6 Monaten überall.Face-Swap-Pipeline — günstig und ausgereift. Funktioniert in Streams. Wenn Audio fehlt: "Sorry, Audio kaputt, ich tippe."Voice Cloning — billigste und reifste Technologie. Läuft lokal. 30 Sekunden Quellaudio reichen. 📱 Wo das Zeug verkauft wird: Telegram Nicht auf einer Website namens deepfake-store.com. Auf Telegram-Kanälen mit tausenden Mitgliedern. Du trittst bei, fragst "ich möchte X machen" — Minuten später bietet jemand dir einen Demo-Call an. Same Playbook wie legitimer Enterprise-Software-Verkauf. Eine genannte Software: Haotian AI. Chinesisches Real-Time-FaceSwap. Mit Kundensupport. Update-Protokollen. Tutorials. Direkt integriert in WhatsApp, Teams und Zoom. Ehrlich gesagt — SAP und die großen Software-Häuser sollten sich das anschauen. Besser integriert als die meiste legitime Software 2026. Preise im SaaS-Stil: 100 Dollar/Monat Einstieg, mehrere tausend für High-Quality-Modelle mit niedriger Latenz. Fraud-as-a-Service hat SaaS-Reife erreicht. 🐷 Pig Butchering 2.0 — alte Scams, neue Gesichter Das ist kein neuer Scam. Junge Männer in Nigeria und Ghana machen das seit Jahrzehnten. Fake-romantische Personas. Frauen ab 40-50, oft geschieden. Über Monate aufwärmen. "Ich liebe dich, schickst du mir Geld für mein Flugticket?" Slow extraction. Hat sogar einen Namen: Pig Butchering — du nimmst ein Schwein und schneidest es langsam. Vor heute: detektierbar. Falscher Akzent, falsches Foto, falscher Rhythmus. Heute: 25-jähriger aus Wien. Oder 25-jährige aus Hannover. Mit dem richtigen Gesicht. Der richtigen Stimme. Dem richtigen Akzent. Decades-alte Scam-Playbooks plötzlich enhanced. US-Betrugsverluste in dieser Kategorie: 12 Milliarden Dollar in 2023 → 40 Milliarden bis 2027. 30% Wachstum pro Jahr. 🇩🇪 Warum DACH-Mittelstand das perfekte Ziel ist "Malcolm, ich bin glücklich verheiratet, mich betrifft das nicht." Stopp. Hör zu. Österreichischer Mittelstand. Schweizer Family Offices. GmbH-Inhaber. Firmen zwischen 200 und 2.000 Leuten, dritte oder vierte Generation. Wenn der CFO anruft und "dringend" sagt — die Leute machen schnell. Hierarchie ist real. Genau diesen Kultur-Reflex zielen die neuen Scammer an. Family Office Zürich — Teams-Call, dringende Immobilien-Überweisung, deal schließt heute. Die Assistentin kennt das Gesicht, die Stimme, den Reiseplan. Was nicht existiert: ein formales Rückruf-Protokoll. Trust ist das Betriebssystem. Dieses Trust kann heute auf Telegram für 500 Euro/Monat gemietet werden. IT-Passwort-Reset — Werksleiter ruft IT auf Teams an, "ich stecke beim Kunden, mein Passwort ist blockiert." Der IT-Mitarbeiter sieht das Gesicht, hört die Stimme, gibt den Reset frei. Perfekter Eingang für Ransomware. Nicht dein Passwort. Die Schlüssel zur ganzen Firma. (Die Nordkoreaner sind darin top — andere Episode.) 🔍 Detection ist ein verlorenes Spiel. Protokoll nicht. "Können wir Software kaufen, die Deepfakes erkennt?" — Kind of yes, mostly no. Detection-Software existiert, wird besser. Aber strukturell: sobald ein Detektor gut wird, testen die Angreifer dagegen und routen drumherum. Antivirus 1990 Arms-Race, nur schneller. 🖐️ Ein kostenloser Trick: Wenn du im Call jemandem nicht traust — sag "kannst du einen Stift nehmen und vor der Kamera drehen?" Heutige Face-Swap-Modelle sind schlecht bei kleinen motorischen Bewegungen, die das Gesicht überlappen. Die Finger werden glitchen. 🎯 Fünf Montag-Aktionen 1. High-Risk-Action-Liste. Eine Seite, 5 Items. Was kann NICHT per Telefon/Teams genehmigt werden. Überweisungen >10.000 EUR. IT-Admin-Passwort-Resets. Vendor-Bankdaten-Änderungen. Document-Signing unter Zeitdruck. Payroll-Routing-Änderungen. 2. Codewort-System. Ein Wort. Wechselt alle 90 Tage. Wird in Person ausgemacht, nie aufgeschrieben. Bei sensiblen Aktionen: "Was ist unser Codewort dieses Quartals?" Kann er nicht antworten — Call vorbei. Mache ich in meiner Familie. 3. Multi-Factor auf Zahlungen. Du hast MFA auf deinem Microsoft-Login. Jetzt auf finanzielle Aktionen ausweiten. Über 10K: zweite Person muss via App auf separatem Gerät bestätigen. Video-Call kann das nicht überschreiben. 4. Drill. Externer Berater simuliert Deepfake-Angriff. Impersoniert den CFO, den Werksleiter. Heute: vielleicht 2 von 10 Versuche erfolgreich. In 9 Monaten: 9 von 10. Jährlich machen wie eine Brandschutzübung. 5. Team trainieren — zeig ihnen Patrycek. 10 Minuten beim nächsten All-Hands. Deepfake-Software auf den Screen. In 10 Sekunden 3 verschiedene Personen sein. "Das hat 3 Euro gekostet und 10 Minuten gedauert." Der Schock ist das Training. 🧠 Die tiefere Lektion: Psychological Safety Bei einer HSLU-CAS-Session war die Head of Strategy vom Schweizer Fernsehen dabei. Am Ende sagte sie etwas, das mich nicht mehr loslässt: "Was bei deinen Protokollen fehlt, ist Psychological Safety." Das ist die Erlaubnis, mitten im Call zu deinem Chef zu sagen "ich glaube dir gerade nicht." Die Erlaubnis für die Assistentin, den CFO zu unterbrechen mit "schickst du mir auch noch eine schriftliche Bestätigung?" — ohne bestraft zu werden, ohne als schwierig zu gelten, ohne den Job zu verlieren. Im DACH-Raum ein riesiges Problem. Unsere Hierarchien sind real. Unsere Kultur belohnt Ausführung über Hinterfragen. Genau das zählen die Kriminellen auf Telegram. Die Arup-Mitarbeiterin damals war nicht dumm. Sie sah den CFO. Sah zehn Leute, die sie kannte. Was ihr fehlte: ...

    29 min
  2. #136 - Prompt Engineering 2.0 — Warum 90% eurer KI-Rechnung Müll ist

    6d ago

    #136 - Prompt Engineering 2.0 — Warum 90% eurer KI-Rechnung Müll ist

    Erinnert ihr euch noch an euren ersten Telefonrechnungsschock? Zwei Wochen Dubai, zurück zu Hause, plötzlich 1.000 Euro statt 30. Dasselbe Handy, dasselbe Verhalten — aber ein komplett anderes Abrechnungsmodell. Genau das passiert gerade in jeder Firma in DACH. Eure CTOs sitzen wie dieser Vater am Küchentisch und denken: "Wir zahlen 30 Euro im Monat für Copilot-Lizenzen." Und dann öffnet jemand still die API-Rechnung. Und sie ist nicht 30 Euro. Sie ist 1.500. Pro Mitarbeiter. Pro Monat. Andrej Karpathy — Co-Founder OpenAI, ex-Tesla AI-Chef — bringt es in einem aktuellen Post auf den Punkt:  "90% eurer KI-Rechnung zahlt ihr für Kontext, den ihr nie braucht." Stellt euch das vor: ihr lasst ein Haus für 100.000 Euro bauen. Der Bauleiter sagt: "Malcolm, das macht 1 Million." — "Warum 10× mehr?" — "Naja, der Kontext..." Genau das macht eure Firma gerade mit jeder einzelnen KI-Abfrage. 📚 Wie wir hierher gekommen sind 2022-2023: Prompt Engineering. Gehälter 200.000-500.000 Dollar. "Bitte und Danke", "denke Schritt für Schritt", Chain of Thought. Funktioniert teilweise heute noch.2024: Job-Titel "Prompt Engineer" verschwindet. Karpathy bringt Context Engineering — die delikate Kunst, der KI im richtigen Kontextfenster die richtigen Informationen zu liefern.2026: Jetzt brauchen wir Prompt Engineering 2.0 — nicht für bessere Antworten, sondern für 10× günstigere Antworten.🔧 Acht messbare Token-Hebel, die kein Mittelständler nutzt Chunking — große Dokumente in semantische Stücke teilen, statt 100 PDFs in einer Abfrage zu verbrennenGrab-before-Fetch — der KI gezielt sagen, welches Buch sie aus der Bibliothek holen soll, statt sie 100 lesen zu lassenPrompt Caching — bei stabilen Präfix-Anweisungen zahlt ihr nur 10% (Anthropic). Erste Cache-Speicherung kostet 90%, jeder Wiederabruf 10%. Bei einer 17-Seiten-Compliance-Anweisung = riesiger Hebel.Skill.MD / Agent.MD — Arbeitsanweisungen für die KI. Karpathy hat es ausgerechnet: ohne Skill.MD = 4 Dollar pro Session. Mit Skill.MD = 30 Cent. Faktor 13.Compaction — bei langen Sessions selbst kompaktieren, nicht warten bis die KI das tut. Funktioniert in Claude Code, Codex etc.Model Routing — Haiku 5$/1M Tokens (Klassifikation, Formatieren), Sonnet 15$ (Code Review), Opus 25$ (Architektur). Fahrt nicht den Bugatti zum Einkaufen.Default Model wechseln — eure Devs haben das teuerste Modell als Standard. Sonnet reicht in 85% der Fälle.Auto-Context-Loading + Prompt-Audits durch eine zweite KI = automatischer Context-Bloat-Killer🚦 Die Stromrechnungs-Analogie für euren Vorstand Privat: 20-Euro-Glühbirne. Wenn ihr sie 24h anlasst, ist es egal. Stromrechnung 800 oder 850 — wurscht. Aber jetzt: Fabrikhalle. 50.000 Lampen. Drei Schichtbetrieb. Plus Anlagen, Serverraum. Plötzlich 5 Millionen Euro Stromrechnung. Genau das ist eure KI-Rechnung 2026. Ihr habt zwei Jahre lang KI gekauft, ohne den Stromzähler einzubauen. Wenn ich als Berater reinkomme und sage "Projekt für 1 Million Euro, um eure Prompt-Sachen zu verbessern" — und ihr aus 5 Millionen runter auf 500.000 kommt? Klar man, das ist Faktor 10. 📟 Cloud-Meter — der physische Stromzähler für eure KI Jemand hat sich einen kleinen Würfel mit Touchscreen gebaut, der in Echtzeit zeigt, wie viel Geld er aktuell für Tokens verbrennt. Schreibtisch neben dem Laptop. GitHub-Repo, viral auf TikTok. Ein Mensch hat einen Stromzähler für KI gebaut, weil er auch überfordert ist. 🎯 Drei Montag-Aktionen 1. Subscription Audit: Habt ihr Claude Code + Codex + Cursor + Lovable Pro + ChatGPT Plus + Gemini parallel? Lasst eine KI auflisten, wo Doppelausgaben sind. Bei werchota.ai sparen wir monatlich tausende, weil wir schnell abonnieren und schnell kündigen.2. Skill.MDs bauen: Sobald ihr einen Prozess 2× macht, schreibt eine Skill.MD. Bei werchota haben wir ein Skill-Repository auf GitHub. Jede Skill = bessere Qualität + 13× weniger Tokens.3. Default Model wechseln: Geht in Claude/Codex/Cursor, ändert das Default Model auf Sonnet (oder kleiner). Ihr werdet weniger "max out" bekommen — und ihr könnt viel länger arbeiten.💬 Die Frage, die jeder Vorstand stellen können muss "Wie viel kostet bei uns ein Token?" Eure CFOs wissen die Stromrechnung. Sie kennen den Goldpreis. Den Benzinpreis. Den Milchpreis bei Kaufland. Den Token-Preis kennen sie nicht. Und sie wissen auch nicht, dass sie ihn kennen sollten. Das ist die Sprache, die wir lernen müssen. KI-Sprache. Wer sie zuerst spricht, gewinnt. ⏱️ Timestamps 00:00 — Cold Open: Die 1.000-Euro-Roaming-Rechnung aus Dubai03:30 — Zwei Welten: Privat-Flatrate vs. Enterprise-API06:00 — Karpathy: 90% eurer Rechnung ist Müll-Kontext08:30 — Retro: Prompt Engineering 2022 → Context Engineering 2024 → Prompt Engineering 2.013:00 — Chunking + Grab-before-Fetch16:00 — Prompt Caching: 10% statt 100% (Anthropic-Hebel)19:00 — Skill.MD / Agent.MD — Faktor 1322:00 — Compaction25:00 — Stromrechnung-Analogie: 5 Mio. Token-Kosten ohne Zähler28:00 — Cloud-Meter — der physische Token-Zähler30:00 — Model Routing: Haiku/Sonnet/Opus — Skoda, Ferrari, Bugatti33:00 — Drei Montag-Aktionen: Subscription Audit, Skill.MDs, Default Model37:00 — Die Frage für jeden Vorstand: "Wie viel kostet ein Token?"🎙️ Über den Host Malcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Nach über 15 Jahren bei Novartis und Schlumberger heute Fokus: KI ohne B******t. Dozent an ESADE und HSLU. Studiert in Leoben. 🚀 Ressourcen für Führungskräfte 📚 Chief AI Academy — KI für Entscheider👥 AI Leadership Community🌐 werchota.ai📬 Kontakt LinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: malcolm@werchota.ai📰 Quellen Andrej Karpathy — Twitter/X-Post zu Context Engineering & Skill.MD Faktor 13Anthropic — Prompt Caching Pricing (10%/90% Split)Anthropic — Modellpreise Haiku / Sonnet 4.6 / Opus 4.7GitHub — Cloud-Meter Open-Source-Projekt (viral auf TikTok)Werchota.ai — interne Skill Repository & Subscription AuditsTags: #PromptEngineering #ContextEngineering #Karpathy #Anthropic #Claude #ClaudeCode #Codex #Tokens #AICost #PromptCaching #SkillMD #ModelRouting #DACH #Mittelstand #CFO #CTO #werchota #ChiefAIAcademy #DasKIKochbuch

    39 min
  3. #135 - AI Drama — Sierra, Brad Taylor und der größte Interessenskonflikt der KI-Welt

    May 21

    #135 - AI Drama — Sierra, Brad Taylor und der größte Interessenskonflikt der KI-Welt

    Willkommen zu AI Drama. Heute kein Deep Dive — heute ein Drama in fünf Akten. Mit einem Bösewicht, einer Milliarden-Bewertung und einem der größten Interessenskonflikte der gesamten KI-Welt. Akt eins. Manila. Ivan verliert seinen Job an eine KI. Sein Satz: "I helped improve the work of an AI and now AI replaced my job." Zur selben Stunde, 12.000 km entfernt in San Francisco, geht eine Pressemitteilung raus: 950 Millionen Dollar frische Runde. Bewertung: 16 Milliarden Dollar. Investoren: Tiger Global, Google Ventures, Sequoia, Benchmark. Die Firma heißt Sierra. Und kein Schwein in DACH kennt sie. Dabei sollte jeder, der diesen Podcast hört, Sierra kennen. 40% aller Fortune 50 nutzen sie. 95% aller US-Black-Friday-Shoppers haben letztes Jahr mit einem Sierra-Agenten gesprochen — ohne es zu wissen. 50% aller US-Haushalte im Gesundheitssektor. Nordstrom, Sonos, Chime, The North Face, eine der drei größten Banken der Welt. 📈 Die Zahlen, die nicht zusammenpassen Bewertung Sept 2025: 10 Mrd. → heute 16 Mrd. (+60% in 8 Monaten)ARR vor 18 Monaten: 25 Mio. → November: 100 Mio. → heute: 150 Mio. (6× in 18 Monaten)Bewertungsmultiple: 105× ARR. Normal wären 5×. Das ist fast ein Glaubensbekenntnis.🎭 Akt zwei: Brad Taylor — der Mann, den ihr kennen müsstet Sierras CEO ist Brad Taylor. Der sollte so berühmt sein wie Zuckerberg oder Musk. Sein Lebenslauf: Co-Erfinder von Google MapsCTO bei FacebookAufsichtsratsvorsitzender Twitter — saß am Tisch, als Elon es übernahmCo-CEO bei Salesforce bei Mark BenioffJanuar 2023: verlässt Salesforce. Februar 2023: gründet Sierra.The Times of India: "Der Protégé von Benioff ist jetzt sein größter Enemy." Sierra wirbt systematisch Salesforce-Flaggschiffkunden ab — Sonos, Casper, Rocket Mortgage. Sierras President of Field Operations? Direkt aus der Agent Force von Salesforce abgeworben. Ergebnis: Salesforce hat den Support-Bereich in 18 Monaten von 9.000 auf 5.000 reduziert, Aktie −30%, eine der schlechtesten Performances am Dow Jones. ⚖️ Akt drei: Die Konfliktarchitektur Erinnert ihr euch an die Sam-Altman-Feuerung Ende 2023? Wen haben sie mitten im Chaos zum Aufsichtsratsvorsitzenden von OpenAI gemacht? Brad Taylor. Jetzt rechnet zusammen: Sierra nutzt OpenAI-Modelle → Sierra ist Kunde von OpenAITaylor leitet OpenAI → er sitzt am Tisch von beiden SeitenSierras 950 Mio. Runde kommt u.a. von Google Ventures — dem direkten OpenAI-KonkurrentenSierra nutzt bis zu 15 Frontier-Modelle — OpenAI, Claude, Gemini parallelSeine Antwort 2024 auf den Vorwurf: "We exist at a different layer of the stack." Bro — du bist der größte Interessenskonflikt. 📞 Akt vier: Warum Sierra wirklich gefährlich ist 17 Millionen Callcenter-Mitarbeiter weltweit. 80 Milliarden Dollar an jährlichen Arbeitskosten. Gartner sagt: dieser Markt wird durch KI-Agenten neu verteilt. Schon jetzt: Teleperformance (500.000 Mitarbeitende, 60.000 davon Philippinen): Aktie −30%, Massenentlassungen, 100 Mio. RestrukturierungsplanTCS: 12.000 Stellen wegOracle India: 12.000 Stellen wegAvasant prognostiziert 300.000 Jobverluste in den nächsten JahrenSierras Agenten analysieren Tonlage und Stresslevel in Echtzeit. Planen den nächsten Satz, während ihr noch redet. Werden nicht müde, haben keinen schlechten Tag, sprechen jede Sprache. Salesforce-CTO: "A language model handles 8 sequential directives. A human cannot." 🇩🇪 Akt fünf: DACH — was am Montag zu tun ist Sierra sagt offiziell: keine DACH-Kunden. Aber 25% des europäischen Bankings arbeitet angeblich schon mit Sierra. Und ihr habt deutsche Alternativen, die DSGVO-konform sind und on-prem laufen: Cognigy (Düsseldorf) — von NICE für 1 Mrd. gekauft. Kunden: Lufthansa, Bosch, Henkel, NestléParloa (Berlin) — Triple-Unicorn, 3 Mrd. Bewertung. Kunden: Deutsche Telekom, Decathlon. Ruft heute bei der Telekom an — die erste Stimme ist ein Parloa-Agent.Drei Montag-Aktionen: Customer-Service-Inventur: Wo wird Kundenkontakt gemacht? Telefon, E-Mail, Chat, Self-Service, Website. Wie viele Leute, wie viele Kosten pro Kanal?Den Klarna-Test: Wenn euer CEO morgen ruft "Wir brauchen Sierra-Agenten" — haltet ihm den Klarna-Salesforce-Reverse vor. Erst feuern, dann teuer wieder einstellen war 2024. 2026 ist das Modell viel besser.Souveränitäts-Frage: DSGVO, Sprachlogs, on-prem. Sierra ist amerikanisch. Cognigy + Parloa sind die DACH-Antworten.🎬 Die Frage, die alles entscheidet Sierra wird der Wächter über euren Kundenkontakt. Die KI-Agenten antworten E-Mails, telefonieren mit euren Kunden, lesen jede Tonlage. Aber: Wer überwacht den Wächter? Wenn der Wächter Brad Taylor heißt — gleichzeitig OpenAI-Aufsichtsrat, Sierra-CEO, Google-Investor-Empfänger und Salesforce-Talent-Räuber — dann ist das nicht nur ein Interessenskonflikt. Das ist eine komplette Konfliktarchitektur. ⏱️ Timestamps 00:00 — Cold Open: Ivan in Manila + 950 Mio. in San Francisco02:30 — Wer ist Sierra? 16 Mrd., 105× ARR-Multiple, Fortune-50-Kunden06:00 — Akt zwei: Brad Taylor — Google Maps, Facebook, Twitter, Salesforce10:00 — Salesforce blutet: 9.000 → 5.000 Support, Aktie −30%13:00 — Akt drei: Der OpenAI-Aufsichtsrat + Google-Geld-Konflikt17:00 — Akt vier: 17 Mio. Callcenter-Jobs, 80 Mrd. Markt — was Gartner sagt21:00 — Teleperformance, TCS, Oracle — die Massenentlassungen sind schon da25:00 — Wie Sierra-Agenten Tonlage + Stress in Echtzeit lesen28:00 — DACH-Antworten: Cognigy + Parloa31:00 — Drei Montag-Aktionen für Customer-Service-Verantwortliche34:00 — Wer überwacht den Wächter? Closing aus Bregenz🎙️ Über den Host Malcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Nach über 15 Jahren bei Novartis und Schlumberger heute Fokus: KI ohne B******t. Dozent an ESADE und HSLU. Studiert in Leoben. 🚀 Ressourcen für Führungskräfte 📚 Chief AI Academy — KI für Entscheider👥 AI Leadership Community🌐 werchota.ai📬 Kontakt LinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: malcolm@werchota.ai📰 Quellen Sierra — Series E announcement (950 Mio., 16 Mrd. Bewertung)The Times of India — Brad Taylor / Salesforce / Sierra coverageGartner — Callcenter Automation Market SizingReports zu Teleperformance, TCS, Oracle India LayoffsAvasant — Customer Service Job Loss ForecastsCognigy + Parloa Press Release...

    36 min
  4. #134 - KI eliminiert nicht Jobs — sie eliminiert ROLLEN. Drei Rollen, die ihr JETZT einstellen müsst.

    May 17

    #134 - KI eliminiert nicht Jobs — sie eliminiert ROLLEN. Drei Rollen, die ihr JETZT einstellen müsst.

    Ein guter Freund von Malcolm — aus der Automobilbranche — sagt: "Malcolm, dein Podcast ist ja schön und gut, aber bei uns im Auto-Sektor tut sich genau gar nichts. Wir feuern doch keine Leute wegen KI." Falsch. So falsch. Diese Episode ist die Antwort. Was bei General Motors gerade passiert ist kein Einzelfall: 500-600 IT-Stellen weg in einer Welle. Plus die 1.000 Software-Mitarbeiter, die sie vor zwei Jahren schon abgebaut haben. Und das in mehreren parallelen Wellen über 18 Monate. Ausgerechnet die IT — die "Wichtigen, die ja KI ausrollen sollen". Genau die. Aber das ist nicht nur GM. Das Muster zieht sich von San Francisco bis München. Siemens. SAP. Amazon (14.000 Corporate Roles letztes Jahr + weitere 16.000 dieses Jahr). Microsoft (15.000 + 15.000, drei Runden geplant). Workday. CrowdStrike. Block. Es sind nicht Bäume — es sind ganze Wälder, die abgesägt werden. In dieser Episode zerlegt Malcolm drei Sachen: Warum das KEIN "AI is taking over"-Narrativ ist, sondern eine fundamentale Rollen-Redesign-Welle. Es geht nicht um Massenentlassungen wegen KI. Es geht um Rollen, die sich an der Wurzel verändern.Das Drei-Säulen-Paradigma (Harvard Business Review, Gartner, McKinsey): ↳ KI eliminiert Tätigkeiten (vor allem repetitive) ↳ KI erhöht Nachfrage nach bestimmten Tätigkeiten ↳ KI schafft komplett neue Rollen, die es vor 2 Jahren nicht gabKonkrete Action Items für HR und Recruiting — inklusive eines Rot-Gelb-Grün-Ampelsystems, mit dem ihr eure nächsten Einstellungen sofort bewerten könnt.🎯 Die drei neuen Rollen, die ihr 2026 einstellen MÜSST AI Agent Trainer — Menschen, die KI-Agenten antrainieren können. Nicht "KI nutzen". Antrainieren. Das ist ein anderer Skill.Buy-vs-Build Specialist — Menschen, die beurteilen können, ob ihr eine Software-Lizenz kauft oder die Sache selber baut, weil KI das Bauen so einfach gemacht hat.AI Teacher / Internal Enablement — Menschen, die anderen Menschen KI beibringen können. Klingt banal — ist der größte Hebel im Unternehmen.🚦 Das HR-Ampelsystem Schreibt jeden Bewerber auf Grün, Gelb oder Rot: 🟢 Grün: Alle drei Fähigkeiten — kann antrainieren, kann Build/Buy beurteilen, kann andere ausbilden🟡 Gelb: Zwei von drei (z.B. Build/Buy + Antrainieren, aber kann andere noch nicht beibringen)🔴 Rot: Keine der drei → 99% aller Einstellungen in 2026 sind aktuell hierInterview-Fragen, die jeder Recruiter ab heute stellen sollte: "Hast du in deiner letzten Firma Trainings gehalten?""Erkläre uns etwas über KI, das wir nicht wissen.""Share your screen — zeig uns LIVE, wie du KI nutzt."⚠️ Die unbequeme Wahrheit für HR Wenn ihr selbst in HR sitzt und kein Ampelsystem habt — seid ihr die nächsten, die rot klassifiziert werden. Versteht ihr das? Weil ihr genau die strukturierte, repetitive Aufgabe macht, die heute schon automatisiert wird. Und in DACH machen wir's anders als in den USA: Wir feuern weniger — aber wir stellen weniger neu ein. Pension geht in Rente? Stelle nicht nach. Junior fragt nach repetitiver Datenaufgabe? Existiert nicht mehr. Harvard Business Review hat das längst dokumentiert: seit ChatGPT gibt es signifikant weniger Junior-Einstellungen für strukturierte Aufgaben. ⏱️ Timestamps 00:00 — Cold Open: Für meinen Freund aus der Automobilbranche02:00 — General Motors: 500-600 IT-Stellen + die 1.000 von vor 2 Jahren05:00 — Das Muster: GM, Siemens, SAP, Amazon, Microsoft — von SF bis München08:00 — Salesforce-Paradox (firing → re-hiring) wird seltener11:00 — DACH-Version: weniger einstellen statt entlassen14:00 — Drei Säulen: Eliminieren / Erhöhen / Neue Rollen18:00 — Die drei neuen Rollen: Agent Trainer, Build/Buy, AI Teacher23:00 — Das Rot-Gelb-Grün-Ampelsystem26:00 — Warum HR selbst die nächsten sind30:00 — Closing — Leoben, Manuel, half miracles🎙️ Über den Host Malcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Nach über 15 Jahren bei Novartis und Schlumberger heute Fokus: KI ohne B******t. Dozent an ESADE und HSLU. Studiert in Leoben. 🚀 Ressourcen für Führungskräfte 📚 Chief AI Academy — KI für Entscheider👥 AI Leadership Community🌐 werchota.ai📬 Kontakt LinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: malcolm@werchota.ai📰 Quellen TechCrunch + Transport Topics — General Motors IT Layoffs 2026Reports zu Amazon Corporate Layoffs (14k + 16k geplant)Microsoft Workforce Adjustments unter Satya NadellaHarvard Business Review — ChatGPT-Effekt auf Junior-HiringGartner + McKinsey — AI Role Redesign FrameworksTags: #KI #KIKochbuch #AIAdoption #JobMarket #FutureOfWork #RoleRedesign #GM #Siemens #SAP #Amazon #Microsoft #Automobilbranche #HR #Recruiting #Hiring #LayoffNomicon #AIAgent #BuyVsBuild #werchota #ChiefAIAcademy #DasKIKochbuch

    33 min
  5. #133 - Anthropic baut den Delivery-Arm — und warum euer Modell nie der Engpass war

    May 14

    #133 - Anthropic baut den Delivery-Arm — und warum euer Modell nie der Engpass war

    Stellt euch das vor. Ihr holt euch keinen Berater mehr ins Haus. Ihr holt euch direkt den Modellhersteller. Plus Private Equity. Nicht für ein Strategiepapier. Sondern für den kompletten Umbau eurer Kernprozesse. Genau dafür steht gerade eine neue Firma. Bewertet — laut Berichten — mit 1,5 Milliarden Dollar. Anthropic, das Labor hinter Claude, geht zusammen mit Blackstone, Hellman & Friedman und Goldman Sachs in eine Enterprise-AI-Services-Struktur. Vier Namen, die normalerweise nicht zusammen am Tisch sitzen. Wenn sie es jetzt tun, ist die Botschaft hart: AI-Transformation wird nicht mehr über dutzende lose Beratungsprojekte laufen. Sondern über eine produktisierte Liefermaschine. Malcolm zeichnet in dieser Episode das vollständige Bild: Warum der wahre Engpass in Firmen nie das Modell war, sondern die Implementierung. Warum Blackstone in seiner Pressemitteilung erstaunlich offen vom "Implementation-Partner-Bottleneck" spricht. Warum die klassischen Systemintegratoren — Accenture, Deloitte, Capgemini — gerade einen Teil ihrer Macht verlieren. Und warum das für den DACH-Mittelstand sofort strategisch wird: vom Ersatzteilgeschäft bis zur Angebotserstellung, vom Service-Außendienst bis zur Betriebsratsfrage. Die Wahrheit hinter der "Build-it-yourself"-Romantik: CoatingAI brauchte 1,5 bis 2,5 Millionen Euro plus 10 Entwickler über Monate, um einen einzigen industriellen AI-Workflow in Produktion zu bringen. Wie viele Devs habt ihr? Einen? End of discussion. Buy, don't build. Das neue Geschäftsmodell ist nicht "Beratung". Es ist Equity-für-Implementation: Anthropic + PE-Partner kommen nicht mit einem Pitch-Deck — sie kaufen 15-20% deiner Firma und übernehmen das operationelle Mandat zur KI-Transformation. Wenn dein Konkurrent das macht und du nicht? Game over. Die Episode endet mit fünf konkreten Montag-Aktionen vor dem nächsten Anbieter-Pitch: Implementierungsinventur — wo verbrennt ihr aktuell Geld?Hartes Build-versus-Buy-Kriterium — Devs vs. realistische WorkflowsBesitzlandkarte für jeden externen Partner — wer hält die Operativ-DNA?Ein echter Use Case statt der schönsten DemoDer Ausfalltest — was passiert wenn der KI-Partner morgen rausgeht?Plus die Anfangsfrage, die alle Entscheider stellen müssen: Wenn das Modellhaus selbst zum Umsetzer wird — wer besitzt am Ende eure Betriebs-DNA? Die nächste Welle wird nicht von denen gewonnen, die am lautesten über Agenten reden. Sondern von denen, die Rollen, Prozesse, Daten und Umsetzung so sauber verschrauben, dass aus einem Modell ein vernünftiger Betrieb wird. ⏱️ Timestamps 00:00 — Cold Open: Wenn das Modellhaus selbst zum Umsetzer wird03:00 — Der wahre Engpass ist nicht das Modell — Implementation-Partner-Bottleneck06:30 — Wenn AI-Services zur Produktkategorie wird — das Accenture-Problem10:00 — Was das für DACH-Maschinenbau bedeutet — Ersatzteile, Service, Angebote13:00 — Build versus Buy — die CoatingAI-Wahrheit (1,5-2,5 Mio + 10 Devs)15:00 — Fünf Montag-Aktionen vor dem nächsten Anbieter-Pitch17:00 — Wer besitzt eure Betriebs-DNA?🎙️ Über den Host Malcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Nach über 15 Jahren bei Novartis und Schlumberger heute Fokus: KI ohne B******t. Dozent an ESADE und HSLU. 🚀 Ressourcen für Führungskräfte 📚 Chief AI Academy — KI für Entscheider👥 AI Leadership Community🌐 werchota.ai📬 Kontakt LinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: malcolm@werchota.ai📰 Quellen Anthropic — Enterprise AI Services CompanyBlackstone PressemitteilungTechCrunch — Anthropic + OpenAI JVsCNBC — Goldman/Blackstone AI VentureFortune — Claude Consulting IndustryTags: #Anthropic #Claude #Blackstone #GoldmanSachs #HellmanFriedman #EnterpriseAI #AIServices #ImplementationBottleneck #BuildVsBuy #DACH #Mittelstand #Maschinenbau #Accenture #Deloitte #Capgemini #CoatingAI #KIBeratung #DasKIKochbuch #TheAICookbook #werchota #ChiefAIAcademy

    32 min
  6. #132 - Warum Token-Dashboards bald über Jobs entscheiden

    May 11

    #132 - Warum Token-Dashboards bald über Jobs entscheiden

    Stell dir vor, es ist Montagmorgen. Du klappst deinen Laptop auf, gehst ins interne Portal — und zum ersten Mal siehst du ein Dashboard, auf dem jeder in der Firma sehen kann, wie intensiv du KI nutzt. Nicht irgendwann in der Zukunft. Nicht als Science-Fiction. Sondern als reale Management-Logik, die gerade in großen Unternehmen entsteht. In dieser Episode erklärt Malcolm, warum genau solche AI Adoption Dashboards, Token-Leaderboards und internen KI-Shitlists in den nächsten 12 bis 18 Monaten auch in europäischen Unternehmen auftauchen werden. Nicht nur bei Meta, Disney, JP Morgan, Visa oder Salesforce — sondern auch in Firmen in Bregenz, Zürich, Wien, Linz oder Wolfsburg. Der Auslöser für diese Folge ist ein harter Reality Check: Meta rollt mit der sogenannten Model Capability Initiative ein internes System aus, das Mitarbeiterverhalten auf Firmenlaptops detailliert erfasst — Tastaturanschläge, Mausklicks, Screenshots, Browserverhalten. Der Punkt dahinter ist brutal klar: Unternehmen wollen verstehen, wie Menschen heute arbeiten, um genau diese Arbeit in KI-Agenten zu überführen. Malcolm verbindet das mit einer zweiten Entwicklung, die noch näher an den Alltag der meisten Firmen herankommt: Token-Dashboards. Wer nutzt wie viel KI? Wer verbraucht viele Tokens? Wer arbeitet sichtbar mit Copilot, Claude oder ChatGPT? Und wer taucht auf so einem Dashboard ganz unten auf? Die unbequeme Wahrheit ist: In vielen Firmen wird KI-Nutzung bald nicht mehr nur empfohlen, sondern gemessen, verglichen und kulturell aufgeladen. Die Folge zeigt aber auch, warum das nicht nur ein Kontrollthema ist. Für Malcolm ist die eigentliche Frage nicht, ob solche Dashboards kommen, sondern wie Firmen sie gestalten. Denn viele Unternehmen haben bereits heute alle nötigen Datenquellen: Copilot-Nutzung, VPN-Logs, Endpoint-Daten, Slack, Teams, Jira, ServiceNow, CRM-Systeme und vieles mehr. Das heißt: Die Infrastruktur, um KI-Adoption sichtbar zu machen, existiert längst. Spannend wird die Episode dort, wo sie nicht bei Angst stehen bleibt. Malcolm erklärt sehr konkret, wie Unternehmen KI-Adoption erhöhen können, ohne sofort in Überwachungslogik abzurutschen. Dazu gehören Cash Pools für Teams, die Arbeit sichtbar automatisieren, CEO-Demos, die echte Signalwirkung haben, Early Adopter mit echter Zeit zum Experimentieren und eine offene Diskussion mit Betriebsräten, statt sie erst am Ende einzubinden. Die zentrale Botschaft dieser Folge ist unbequem, aber glasklar: KI-Adoption wird in Unternehmen messbar werden. Und Firmen, die so tun, als sei das nur ein US-Thema oder ein Datenschutz-Randproblem, verschlafen gerade eine Entwicklung, die ihre Arbeitsweise, ihre Kultur und ihre Personalentscheidungen massiv verändern wird. 🎙️ Über den Host Malcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Nach über 15 Jahren in internationalen Konzernen und Führungsrollen liegt sein Fokus heute auf praxisnaher KI-Einführung ohne B******t. Er arbeitet mit Unternehmen von Fertigung bis Pharma, vom Mittelstand bis zum Großkonzern — immer mit einem klaren Fokus auf echte Anwendbarkeit und geschäftlichen Mehrwert. 🚀 Ressourcen für Führungskräfte 📚 Chief AI Academy — KI für Entscheider👥 AI Leadership Community📬 Kontakt LinkedIn: linkedin.com/in/malcolmwerchotaE-Mail: social@werchota.aiTags: #KI #KIKochbuch #AIAdoption #TokenDashboard #Copilot #Claude #ChatGPT #Meta #Disney #Produktivität #Führung #ChangeManagement #Betriebsrat #EnterpriseAI #FutureOfWork

    38 min

  7. Apr 27

    #131 - Warum Linear der heimliche KI-Projektmanager ist

    Wenn eure Projekte länger dauern als nur ein paar Tage, dann kennt ihr das Problem: zu viele To-dos, neue Action Items jeden Tag, zu wenig Überblick und ständig die Angst, etwas zu übersehen. In dieser Episode erklärt Malcolm, warum genau dieses Problem heute nicht mehr mit klassischen Projektmanagern, endlosen Review-Meetings oder schwerfälligen Tools gelöst werden sollte — sondern mit Linear plus KI-Agenten. Die zentrale These dieser Folge ist radikal: Der eigentliche Engpass im Projektmanagement ist heute nicht mehr die Software, sondern der Mensch. Während Menschen Dinge vergessen, Statusberichte verzögern, politisch filtern oder schlicht erschöpft sind, können KI-Agenten Projektarbeit in Echtzeit dokumentieren, priorisieren, strukturieren und analysieren. Malcolm zeigt, warum Linear für ihn das modernste KI-fähige Projektmanagement-Tool ist — nicht, weil es einfach nur hübscher aussieht als Jira, Asana oder Microsoft Project, sondern weil es API-first gebaut wurde und dadurch perfekt mit Tools wie Claude, Claude Code, Codex oder anderen KI-Agenten zusammenspielt. Die Folge geht tief darauf ein, wie KI-Agenten automatisch Action Items aus E-Mails herausziehen, Gantt-Charts erzeugen, Blocker inferieren, HTML-Dashboards bauen und Projektstatus jederzeit live sichtbar machen können. Genau daraus entsteht das, was Malcolm Hypervisibility nennt: ein Zustand, in dem nicht nur ein Projektmanager oder Scrum Master den Überblick hat, sondern jeder im Unternehmen — bis hin zum CEO. Malcolm argumentiert außerdem, dass diese Art von Projektmanagement nicht nur effizienter, sondern paradoxerweise auch menschlicher ist. Weil die KI den Transaktionsstress übernimmt, bleibt mehr Raum für Strategie, Gespräche, Familie, Präsenz und echte Arbeit mit Kunden und Kollegen. Gleichzeitig spricht die Episode auch offen über die Nachteile: KI kann halluzinieren, falsche Action Items erzeugen, Deadlines erfinden oder Aufgaben der falschen Person zuordnen. Deshalb braucht es Audit Trails, Human Review und saubere Workflows. Aber der Punkt bleibt: Das Grundmodell des klassischen Projektmanagements ist in einer Welt mit KI-Agenten schlicht veraltet. Im Kern ist diese Episode ein Plädoyer für eine neue Organisationslogik: weniger politische Theater-Meetings, weniger manuelle Status-Reports und weniger opake Projekte — dafür mehr Transparenz, mehr Geschwindigkeit und eine Single Source of Truth, auf die sowohl Menschen als auch KI-Agenten zugreifen können. 🎙️ ÜBER DEN HOST Malcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Nach über 15 Jahren in internationalen Konzernen und Führungsrollen liegt sein Fokus heute auf praxisnaher KI-Einführung ohne B******t. Er arbeitet mit Unternehmen von Fertigung bis Pharma, vom Mittelstand bis zum Großkonzern — immer mit einem klaren Fokus auf echte Anwendbarkeit und geschäftlichen Mehrwert. 🚀 RESSOURCEN FÜR FÜHRUNGSKRÄFTE 📚 Chief AI Academy — KI für Entscheiderhttps://www.werchota.ai/chief-ai-academy 👥 AI Leadership Communityhttps://chief.werchota.ai/getting-started 📬 KONTAKT LinkedIn: https://linkedin.com/in/malcolmwerchotaE-Mail: social@werchota.ai 🔎 TAGS #KI #KIKochbuch #Linear #Projektmanagement #KIAgenten #Hypervisibility #ClaudeCode #Codex #AIAdoption #EnterpriseAI #ScrumMaster #Projektmanager #Automation

    45 min

  8. Apr 20

    #130 - 2nd Brain - Das KI-Zweitgehirn, das Unternehmen verändert

    Vor ein paar Wochen traf Malcolm am Flughafen in Zürich einen Geschäftsführer, der ihm erklärte, wie er in nur 48 Stunden ein zweites Gehirn für seine Firma gebaut hatte. Dieses Gespräch war der Auslöser: Malcolm und sein Team gingen zurück, setzten dieselbe Logik um und bauten innerhalb kürzester Zeit auch für ihre eigene Firma ein zweites Gehirn. In dieser Episode erklärt Malcolm, was damit eigentlich gemeint ist. Das ist nicht einfach nur ein Chatbot, nicht bloß eine SharePoint-Suche und auch kein statisches Firmen-GPT. Ein echtes zweites Gehirn der Firma saugt fortlaufend Wissen aus dem Unternehmen auf: E-Mails, Meeting-Transkripte, CRM-Notizen, Verträge, Finanzkennzahlen, Kalendereinträge, Projektordner und mehr. Danach lässt sich dieses Wissen in Echtzeit abfragen. Die Grundidee ist einfach, aber extrem kraftvoll: Statt fünf verschiedene Leute zu fragen, was zuletzt mit einem Kunden passiert ist, wie die letzte Offerte aussah, was Finance dazu weiß oder was in den letzten Meetings besprochen wurde, fragt man das zweite Gehirn der Firma. Es wird zu einer lebendigen Gedächtnisschicht des Unternehmens. Malcolm erklärt auch, warum das erst seit Kurzem wirklich praktikabel geworden ist. Der entscheidende Punkt war nicht nur eine Vektordatenbank oder Embeddings, sondern eine bessere Architektur — insbesondere ein automatisch erzeugter „Wikipedia-Layer“ über den Rohdaten der Firma. Diese strukturierte Ebene macht das System massiv nützlicher. Und wenn etwas falsch ist, kann das zweite Gehirn korrigiert und laufend verbessert werden. Dann geht die Episode noch einen Schritt weiter. Malcolm verbindet das Thema mit Robotik und Physical AI und erklärt, warum Unternehmen wie SoftBank Milliarden in genau solche second-brain-artigen Systeme investieren. Das Argument ist simpel: Auch Roboter brauchen Kontext. Ein Roboter im Krankenhaus, im Pflegeheim oder in der Produktionshalle kann ohne geteiltes Gedächtnis und situatives Verständnis nicht wirklich intelligent handeln. Gleichzeitig ist die Folge sehr praktisch. Malcolm beschreibt, wie man klein anfängt, wie man eine erste Version günstig baut, warum Azure und Supabase relevant sind, was ein MCP-Server überhaupt macht und weshalb schon ein zweites Gehirn nur aus dem E-Mail-Postfach eines CEOs einen enormen Vorteil für eine Firma im Wandel bringen kann. 🎙️ ÜBER DEN HOST Malcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Nach über 15 Jahren in internationalen Konzernen und Führungsrollen liegt sein Fokus heute auf praxisnaher KI-Einführung ohne B******t. Er arbeitet mit Unternehmen von Fertigung bis Pharma, vom Mittelstand bis zum Großkonzern — immer mit einem klaren Fokus auf echte Anwendbarkeit und geschäftlichen Mehrwert. 🚀 RESSOURCEN FÜR FÜHRUNGSKRÄFTE 📚 Chief AI Academy — KI für Entscheiderhttps://www.werchota.ai/chief-ai-academy 👥 AI Leadership Communityhttps://chief.werchota.ai/getting-started 📬 KONTAKT LinkedIn: https://linkedin.com/in/malcolmwerchotaE-Mail: social@werchota.ai 🔎 TAGS #KI #KIKochbuch #SecondBrain #UnternehmensKI #KIAdoption #MCP #Vektordatenbank #CEO #Wissensmanagement #PhysicalAI #Robotik #ClaudeCode #Azure #Supabase

    30 min
See All (137)

About

Malcolm Werchotas KI-Kochbuch ist der Ort, wo künstliche Intelligenz auf authentische Business-Transformation trifft. Bekannt für seinen direkten Stil und seine Bereitschaft, KI live in Aktion zu zeigen – sogar während Präsentationen – hilft Malcolm Organisationen zu verstehen, dass es bei KI nicht darum geht, Menschen zu ersetzen, sondern ihre Fähigkeiten zu verstärken. Von Sprachnotiz-Produktivitäts-Hacks bis hin zu Echtzeit-Meeting-Intelligenz liefert dieser Podcast umsetzbare Einblicke für die sofortige Implementierung.

Information

You Might Also Like