KI und Datenschutz: So gelingt der sichere Einsatz - Im Gespräch mit Felix Meusel

Wo ist genau das gesagt worden? Weil wenn ich eine Sache gelernt habe, auch in meiner eigenen Zeit mit Dutch Language Modell, dann, dass sie, wenn sie nicht weiter wissen, einem immer irgendetwas erzählen. Und das ist eine Schwierigkeit, mit der wir natürlich umgehen müssen. Wen dürfen wir uns jetzt freuen, Michael? Ja, aus meiner Sicht einen Rising Star in der KI-Tech-Branche. Felix Meusel, Gründer, Co-Founder von Artec Solution, kommt aus dem Machine Learning Bereich, wird gleich selbst auch noch was zu sich sagen und ist ein KI-Modell-Unternehmer fast der ersten Stunde, trotz seines jugendlichen Auftritts, werdet ihr gleich erleben. Jemand, der eine ganz klare Meinung hat zu großen Sprachmodellen und das mit seinem Wissen und seinem Team direkt in sein eigenes Modell integriert hat. Multi-Agent als Stichwort hatte ich schon genannt. Und ja, wir arbeiten an der einen oder anderen Stelle auch schon zusammen, was EU-Regulatorik betrifft und versuchen, eigene Themen aufzusetzen. Aber nehmen wir ihn einfach mal auf die Bühne. Nehmen wir ihn bitte auf die Bühne. Felix Meusel, begrüß bitte mit einem Riesenapplaus und schön, dass du da bist und danke, dass du gewartet hast. Wir nehmen uns natürlich auch die richtige Zeit für dich jetzt, Felix. Du hast die Sternchen im Gesicht. Riesenapplaus, Felix, schön, dass du da bist. Ja, hallo, freut mich auch da zu sein. Ja, sorry, die Sternchen im Gesicht sind, weil irgendwie die Jalousie nicht so gut funktioniert. Früher hat man das Disco-Kugel genannt. Felix, sei so lieb und sag noch mal ganz kurz, wer du bist und welches Problem du löst. Ja, hallo zusammen. Ich bin Felix Meusel, der Gründer und Geschäftsführer von Artex Solutions. Und für uns war es schon immer relativ wichtig, zu schauen, wie kann man mit den ganzen Gen-AI-Lösungen beziehungsweise insgesamt, wie kann man künstliche Intelligenz im Unternehmen so einsetzen, dass sie einigermaßen einfach umsetzbar ist. Ich kenne das selber. Ich komme aus dem Deep-Tech-Bereich. Ich habe im Fraunhofer-Institut an Reinforcement-Learning und anderen Sachen gearbeitet, auch an der Universität davor. Das heißt, ich weiß, wie es ist, unter Nerds mit Nerds zu sprechen. Aber das ist natürlich sehr schwierig für den Rest der Welt. Und wir haben überlegt, wie kann man diese Lösungen so einfach wie möglich gestalten. Und natürlich auch, das ist ja jetzt schon Thema, vermutlich dieses ganzen Cafés heute. Wie kann man das Ganze auch dann die Problematik im Vergleich zu den USA ist, dass wir hier einige andere Gesetze haben. Wir haben mit dem AI-Act einiges, was noch kommen wird. Da ist noch gar nicht klar, was alles kommt. Wir haben aber auch schon mal die Idee, die Datenschutz-Grundverordnung, die alleine macht das Ganze nicht ganz einfach. Und wir haben uns überlegt, wie können wir beides unter einen Kugel bringen. Auf der einen Seite das Ganze so einfach wie möglich gestalten und auf der anderen Seite natürlich auf der richtigen Seite innerhalb des Rechts zu sein. Denn ich kann jetzt schon, aber das wird hier sicherlich schon das ein oder andere Mal besprochen worden sein, sagen, sicherlich wird sich auch der ein oder andere Jurist freuen über die nächste Zeit, denn die Abmahnungen werden kommen. Da bin ich mir relativ sicher. Nicht für alle Bereiche und nicht für alles insgesamt, aber gerade was sensible Daten angeht und all das wird natürlich nicht ganz einfach. Genau, das soweit zu uns. Vielleicht noch ganz kurz zum Generellen, um zu erklären, was tun wir überhaupt? Wir bauen auch Multiagentensysteme. Wir konzentrieren uns sehr stark auf den Bereich Unternehmenseffizienz. Wir sind hier vor allem dabei zu schauen, wie kann man das Ganze so in die normalen Modelle von Unternehmen integrieren, also in deren Softwarelösungen entweder oder in deren Umgebungen, dass das Ganze eben nicht mehr über eigene Apps oder irgendwelche Wege über Zapier oder make.com oder sowas ständig umgebaut werden muss, denn die Schwierigkeit damit ist natürlich auch, dass zum einen geht Kapazität verloren und zum anderen ist es so, dass man wird es vermutlich auch in Zukunft nicht schaffen, nur mit OpenAI oder nur mit irgendwelchen großen Modellzulieferern für sich selber das Ganze perfekt hinzukriegen, weil genau da kommt eben wieder das Stichwort des Tages. Selbst Microsoft ist inzwischen da dabei, das Ganze natürlich noch interessanter, aber auch wilder macht, Multiagentensysteme. Multiagentensysteme werden den Diskurs in der Zukunft definitiv extrem bestimmen und da dann vielleicht auch nochmal die kurze Anmerkung, wir kamen jetzt mit einem Reasoning-Modell, das ist nicht ganz das Gleiche wie ein Multiagentensystem, weil das letztlich nur mit sich selber spricht, also das regt sich selber so, was hast du für eine Idee, dann sagt ein anderes, genau dasselbe, ja, ich habe folgende und dann ist das so ganz schön brauch- und überflüssig. Das Interessante an Multiagentensystemen ist trotzdem meistens das, dass wir noch ganz andere Quellen hinzufügen können oder andere Modelle und das ist das, was es so interessant am Ende macht. Also Mistral zum Beispiel, ein französisches Unternehmen, was gerne AI macht, macht ganz andere KI als jetzt das OpenAI und das ist so ein Punkt, den wir auch versuchen mit auszuspielen, einfach indem wir unterschiedliche KIs mit einbeziehen, unterschiedliche Large-Language-Modelle und das Ganze mit Hilfe von Machine Learning und anderen Punkten quasi zu einem neuen Gesamtpaket zu bringen. Genau. Und das ist super spannend, weil es darum geht, branchespezifisch Unternehmens individuell Lösungen zu finden, die modellunabhängig sind, die nicht davon abhängig sind, ob jemand JGPT kann oder Gemini kennt oder sagt, ich stehe auf Open Source, weil ich irgendwie ein IT-Nerd bin und von euch im Endeffekt in der Zusammenarbeit mit dem Unternehmen die individuellen Lösungen bekommt. Jetzt genau. Genau. Und darauf konzentrieren wir uns. Wir haben zum Beispiel, das habe ich auch heute zum Beispiel aus unserer Sicht mitgebracht, das, was mir selber am allermeisten bringt. Also tatsächlich ist es so, ich werde euch jetzt gleich mitnehmen auf unserem Playground, das heißt, der ist etwas aufgeräumt. Normalerweise ist es so, dass wir das Ganze in die Unternehmen integrieren. Wir haben eine eigene Schnittstelle über eine eigene API zusammen mit einem eigenen Frontend. Das bedeutet, teilweise sind wir entweder gar nicht sichtbar im anderen Unternehmen, weil wir so perfekt da drin integriert sind, weil die eine eigene Oberfläche haben oder eben nur mit einem, sagen wir mal, minimalinvasiven Aufwand. Das sieht man auch auf unserer eigenen Webseite. Da ist es nämlich so, da haben wir einfach auch unseren Bot, der ganz allgemeine Fragen beantwortet, rein integriert. Der ist allerdings wie so oft, wenn man viel mit sowas arbeitet, jetzt ist mir gerade vor zwei Tagen wieder aufgefallen, gar nicht mehr aktuell, weil wir dort wieder zu viel an anderen Projekten und nicht mehr zu eigenen Projekten gearbeitet haben. Aber wie gesagt, einer der wichtigsten Use Cases für mich selber ist tatsächlich, den Überblick zu behalten. Also, wer kennt es nicht, gerade auch, wenn man auch ein kleines Unternehmen hat, das allerdings viel Arbeit mit sich bringt, dann arbeiten unterschiedliche Mitarbeitende an unterschiedlichen Dingen und das wird dann besprochen. Meistens in Online-Meetings, der große Vorteil in Online-Meetings ist, dass sie meistens, wie das hier auch, aufgezeichnet werden und wir dadurch zumindest mal ein Transkript haben. Die Transkriptionstools lassen teilweise zu wünschen übrig, was aber dann auch wieder nicht so dramatisch ist, weil letztlich geht es ja gar nicht um die Details. Ich will ja jetzt nicht wissen ganz genau, was hat denn der Thorsten eigentlich um 8.52 gesagt. Vielleicht ist mir das wichtig, aber im Normalfall, da kann ich ja dann auch nochmal ins Video gucken, wenn es so wichtig ist. Eigentlich geht es mir darum, was wurde in dem Meeting beschlossen? Was sind die Implikationen und worauf muss ich achten? Es gibt jetzt hier schon einige Anwendungen, die sich darauf konzentrieren. Auch der Copilot macht das inzwischen. Den haben wir natürlich selber auch, um zu wissen, was tut Microsoft, was tun die ganz Großen. Die Schwierigkeit bei all diesen Punkten ist aber meistens zum einen, Microsoft ist immerhin Microsoft-Universum und zum Zweiten, wie kann ich das Ganze auf mehr als nur ein Meeting ausweiten? Und das ist die Schwierigkeit in der Copilot zum Beispiel, habe ich gerade heute Morgen nochmal versucht, einfach um mich mal abzusichern, aber es ist nach wie vor so. Wenn ich den Copilot sage, jetzt bitte erzähl mir doch mal, was in den letzten fünf Meetings passiert ist. Für mich ist ja nicht nur wichtig, okay, im letzten Meeting, vielen Dank, ist gut zusammengefasst und so weiter, das passt soweit, ich bräuchte mal eine Gesamtanalyse. Dann fängt es schon an, schwierig zu werden. Hier kommen wir jetzt zum Beispiel mit unserem eigenen Tool, wie gesagt, ich nehme euch jetzt mal mit auf unseren Playground. Daher wundert euch nicht, wenn da ein bisschen unaufgeräumt ist im Vergleich zu dem, was man sonst so sieht. Wenn wir hier jetzt mit dabei sind, dann sehen wir das Ganze, genau, dann haben wir das Ganze wie folgt aufgebaut. Ihr seht das hier, wir haben uns eine relativ einfache Oberfläche dort genommen. Einfach nur, um quasi eine JGPT-Simulation zu haben. Aber letztlich geht es in erster Linie vor allem darum, dass wir sehen können, was wir wo haben. Und wie funktioniert das hier bei uns? Wir haben auch eben die Auswahl aus unterschiedlichen Agenten. Wir nehmen aus der einen Seite, wir nehmen auf der einen Seite hier die unterschiedlichen Datenquellen, die wir haben. Wir haben das eine Analyse kreatives Denken genannt. Das ist eigentlich letztlich nur mit dem Bot eine Runde zu diskutieren. Das andere wäre noch Webbrowsing und wir haben außerdem eben die angehängten Dokumente. Und hier haben wir was ganz Besonderes, denn das ist auch etwas, was es noch nicht so viel gibt. Wie gesagt, der Copilot fängt an, selber das zu machen. Wir wollten uns von vornherein für alle Unternehmer und Unternehmerinnen so einfach wie möglich gestalten, dass man sich auch mit anderen Dingen hier dazuschalten kann. Wie gesagt, meistens ist das in irgendwelche Lösungen integriert. In diesem Fall ist es jetzt so, dass wir es hier ganz offen haben. Man sieht hier jetzt zum Beispiel, ich bin jetzt gerade mit unserer ABC Artic Solutions verbunden. Das liegt daran, dass das quasi dort unser automatischer Transkriptesammler ist und mit dem kann ich mich jetzt eben über alle diese Transkripte unterhalten. Für uns war es ganz, ganz wichtig, von vornherein die größtmögliche Usability in das Ganze reinzubringen, das heißt also einfach wie möglich zu gestalten. Das bedeutet, ich zeige es hier nochmal ganz plakativ, wie funktioniert das Ganze jetzt, wenn ich das hier hinzufüge oder entfernen werde. Ich sage einfach, ich will eine neue Cloud hinzufügen. Also ich kann nämlich auch mehrere Clouds hinzufügen. Das ist schon mal etwas, wo wir uns daraus konzentrieren, dass wir es eben ein bisschen anders als Microsoft machen. Dann sage ich, ich habe hier zum Beispiel, weiß ich nicht, vielleicht bin ich ein Google Nutzer, vielleicht bin ich ein Microsoft Nutzer, vielleicht will ich auch etwas ganz anderes hinzufügen, irgendwie Confluence oder whatever, Individual Storage. Gehe dann einfach darauf, sage, okay, perfekt, dann gehen wir doch mal in Microsoft rein. Hier seht ihr schon, wir werden jetzt hier mit dem neuen, mir wird dieses Konto jetzt vorgeschlagen. Ich kann mich dann entweder hier mit oder mit einem anderen reinbringen. Ich gehe jetzt aber nicht nochmal den ganzen Prozess mit euch durch. Ihr könnt euch vorstellen, wie Microsoft Anmeldeprozess funktioniert und bin dann danach mit der OneDrive direkt verbunden. Und hier ist jetzt der erste entscheidende Vorteil, den wir schon kennen oder den wir schon vielfach gehört haben an Multiagenten-Systemen und RACs, also den sogenannten nochmal anderen, darauf aufsetzenden Modellen. Und zwar, dass wir im Vergleich zu, wenn wir nur chat.gpt sagen und hoffen müssen, dass es richtig ist oder wir haben ganz viel in den Chat reingepackt und sagen dann, vielleicht läuft es so, wie hier mit Vector-Datenbanken alles quasi vordurchstrukturiert haben. Das heißt, wir können direkt auf diese Datenbank zugreifen und können einfach direkt mal nachfragen. Ich habe hier zum Beispiel mal gefragt, wer ist für welche Aufgaben zuständig, gibt mir einen Überblick und lasst uns das Ganze doch einfach nochmal anschauen. Hier sieht man jetzt, wenn ich das Ganze nochmal eingebe und wir sagen hier, wo Voraussicht auf Klärungsbedarf besteht, dann sehen wir hier, er entscheidet sich automatisch, zum Beispiel für angehängte Dokumente. Die sind in dem Fall die Cloud und in dieser Cloud ist eben dann wiederum mehreres abgegeben. Gleichzeitig habe ich die Crewagenten zugelassen. Jetzt habe ich ähnlich wie meine Vorgänger genau das Problem, dass ich gerade nicht mehr in der Cloud drin bin, sonst hätten wir gerade kein Problem. Das muss ich tatsächlich nochmal machen. Also schaut gespannt zu, wie wir nochmal den langweiligen Microsoft-Weg machen. Entschuldigung dafür. Ich bin ja froh, dass dir das auch passiert. Das ist ja der neue Blue Screen, dass wir doppelt authentifizieren müssen und wenn das Handy da nicht vor uns liegt, sondern bei der Frau am Tisch, du kommst nicht ins System rein und ich bin froh, dass dich das jetzt hier auch mal trifft, so live auf der Bühne. Das war früher der Blue Screen von Bill Gates, mitten bei seiner Keynote. Man sieht schon, es passiert leider auch dem Besten. Ich mache das Ganze jetzt hier nochmal, man sieht hier jetzt, wir gehen das Ganze durch. Wir gehen das Ganze mit einer ganzen Crew an Agenten von vornherein durch. Das heißt, wir finden ja auch von vornherein welche, die sich gegenseitig verbessern. Also es ist hier jetzt eben nicht so, dass es nur ein Einzelner ist, sondern so, jetzt sieht man es auch mal, sondern er hat mir jetzt die Liste gemacht. Man sieht hier auch ganz schön Meeting 1, Meeting 2, Meeting 3 und genau, ich habe mir so weit gedacht, ich habe es mir auch mal angeschaut, so ist es okay, ich kann die Daten jetzt auch zeigen, es ist nur unser Unternehmen. Aber wir sehen hier jetzt die unterschiedlichen Menschen mit ihren unterschiedlichen Aufgaben und wenn ich jetzt sage, das schaut ja alles ganz schön aus, aber das glaube ich nicht, dann sieht man hier jetzt seine eigenen Links und ich habe einen mal einfach mitgebracht, um einfach zu zeigen dort, das ist natürlich jetzt auch wieder die Schwierigkeit, gut, was heißt das überhaupt? Wir gehen dann hier wiederum auf die unterschiedlichen Transkripte einfach und innerhalb dieser Transkripte arbeiten wir gerade sogar daran, also wir haben das eigentlich schon, dass wir quasi die einzelnen Texte dafür zeigen können, also zeigen können, wo sorry, nicht die einzelnen Texte, die zeigen wir jetzt schon, sondern die einzelnen Textabschnitte, wo ist genau das gesagt worden, weil wenn ich eine Sache gelernt habe, auch in meiner eigenen Zeit mit Dutch Language Modell, dann, dass sie, wenn sie nicht weiter wissen, einem immer irgendetwas erzählen und das ist eine Schwierigkeit, mit der wir natürlich umgehen müssen und deswegen haben wir es eben hier zum Beispiel so, dass er einfach sagt, okay, pass auf, ich habe die Daten wirklich nur wir haben unser Modell so trainiert, dass es wirklich nicht in der Lage ist, dich dann nochmal extra anzulügen, sondern es sagt dann zu Not immer, okay, tut mir leid, das weiß ich einfach nicht und normalerweise wie jetzt aber, hat er jetzt gesagt, okay, die letzten Meetings, er hat sich da, er bezieht sich als Standard immer auf die letzten drei, das weiß ich schon, da müssen wir ihm nochmal ein paar andere Punkte reingeben, aber er zeigt eben dann aus diesen letzten drei Meetings, guck mal, das waren die folgenden Dinge dabei und jetzt kann ich mit ihm nochmal ein bisschen weitergehen und das habe ich hier zum Beispiel schonmal gemacht, wir fragen hier eben mal zum einen, wie sieht das Ganze aus und dann habe ich gefragt, wie schaut es denn jetzt so aus, pass auf, ich selber habe gerade das Thema, wir wollen im großen Stil auf die Telekom Cloud gehen, weil Azure uns in gewissen Punkten leider nicht zufrieden stellt, da geht es vor allem um den Datenschutz und dann dachte ich mir ja, okay, wunderbar, wie sieht das Ganze denn jetzt hier aus, wenn es um meine Aufgabe geht, wenn ich nochmal so auflisten muss, wie schaut es von der DSGVO zwischen der Telekom Cloud und Azure aus und hier ist jetzt der entscheidende Punkt, ich will ja mit einem Tool weiterhin arbeiten, ich will nicht jedes Mal irgendwie das eine oder das andere verwenden, also haben wir uns hier darauf konzentriert, dass wir diesen Standard, diesen automatischen Agenten haben, das heißt, ich rede mit dem Agenten und der Agent versucht selber anhand des Gesprächs zu erfassen, das gelingt ihm meistens, da muss man hin und wieder auch aufpassen, aber eigentlich sind wir immer dabei, dass das ziemlich gut macht, anhand einfach nur des Gesprächs herauszufinden, was er denn eben damit tun will und hier ist es jetzt zum Beispiel so genau, ich habe mit ihm diskutiert, okay, ich will das wissen und ich brauche dafür natürlich Informationen aus dem Internet, hier ist es dann auch nochmal so, ich kann das Ganze vielleicht einfach nochmal durchlaufen lassen, wir sehen eben, wir suchen jetzt, er sucht wieder mit einem Multi-Agenten-System, das bedeutet, er listet zuerst alle einzelnen Dinge aus, wir arbeiten gerade daran, dass man das auch im Frontend so toll sieht, wie bei Perplexity oder bei OpenAI, aber man sieht eben hier jetzt nochmal, er listet das Ganze aus, sagt eben, wir haben besondere Vorteile bei genau Verschlüsselungsdienstleistungen und all dem, aber natürlich ist Azure auch relativ stark und woher haben wir das Ganze? Hier sieht man jetzt, wir nehmen so im Schnitt meistens irgendwas zwischen 15 und 20 Quellen, man sieht hier auch, das sind meistens relativ sinnvolle Quellen, also wir gehen hier nicht nur auf ISIS, sondern tatsächlich auch auf Microsoft und die Telekom selber und versuchen das Ganze so weit zu analysieren, dass wir natürlich am Ende sinnvolles Feedback hier rausbekommen und das ist etwas, was wir ganz entscheidend dabei machen und jetzt kann ich eben natürlich nochmal sagen, wir könnten jetzt den klassischen Spaß machen und machen ein Gedicht im mittelalterlichen Jambus und Trojanershaus, natürlich könnte er das jetzt auch noch, das ist aber natürlich überhaupt nicht relevant dafür, sondern der entscheidende Punkt hier ist, und das ist das, was ich gerade eben, deswegen habe ich diesen Fall auch mitgebracht, für mich ist das Wichtigste zuerst zu wissen, na gut, um was geht es überhaupt? Wo haben wir hier nochmal das? Ok, ich muss mich irgendwie darum kümmern unter Nutzung der Telekom Cloud, verdammt, ok, habe ich gesehen, nehmen wir das doch direkt mit und dann rede ich mit meinem Bot weiter darüber, ok, was haben wir hier alles? Das heißt, ich übernehme zum einen die Übersicht, die ich als Geschäftsführer sowieso machen muss und mit dieser Übersicht versuche ich dann, mich direkt weiter zum Beispiel an der Recherche im Internet zu halten und da, egal jetzt ob unser Tool oder andere Tools, kann ich jedem inzwischen auch empfehlen, nicht das normale Google zu verwenden, weil das macht einen ja verrückt im Vergleich zu Perplexity oder im Vergleich zu anderen Tools, die da tatsächlich inzwischen aufgekommen sind, wie auch das unsrige. Das Tolle, was ich jetzt eben noch als abschließenden Punkt bei unserem Tool anwenden will oder kurz zeigen will, ist, wir haben wirklich uns bei allem versucht, darauf zu konzentrieren, es so einfach wie möglich zu machen, denn die Schwierigkeit ist ja immer wieder, wenn ich kein Experte bin, wie mache ich das Ganze dann? Und hier haben wir zum Beispiel Agententemplates, die wir vorbereitet haben. Man sieht hier zum Beispiel, ich will jetzt einen SEO-Agenten, der mir einfach mal Blogbeiträge baut, die eben Produktbeschreibungen vielleicht auch enthalten oder SEO-optimiert sind und dafür kann ich hier einfach in so einen unterschiedlichen Punkt reingehen, wie bewerte ich das Ganze deutlich kritisch und analytisch, seien formell und professionell. Wir haben das Ganze nochmal so erweitert, dass wir in Zukunft sogar einen eigenen Wizard haben werden, wo wir der einfach mit euch spricht, in einer ganz normalen Art und Weise, in einer Konversation und innerhalb dieser Konversation man dann quasi herausfinden kann, wie man den Bot beschreiben sollte. Also was für ein Template oder man nennt das auch System Prompt, am Ende dafür stehen sollte. Und ungefähr so sieht das Ganze eben dann aus. Wir haben hier eben zum Beispiel humorvoll und locker, wenn man zu viel dabei mischt miteinander, muss ich sagen, wird es auch irgendwann ein bisschen verrückt, also weil er sich dann selbstständig widerspricht. Also ich habe hier zum Beispiel den Social Agent, da habe ich sehr viel mal reingepackt, das funktioniert noch einigermaßen, man muss halt aufpassen, dass er sich das nicht widerspricht, auch hier sagt er vielleicht ein bisschen mehr in der Zukunft rein, dass wir die ein oder andere Warnung bringen, denn ansonsten fängt er an sich zu selbst zu widersprechen. Das Interessante am Multi-Agenten-System ist am Ende immer, dass wir die Möglichkeit haben eben auf unterschiedliche Ressourcen zuzugreifen, das Ganze meistens noch reliable, also

trauenswürdig aufzubauen und dadurch dann eben ganze unterschiedliche Use Cases zu erschaffen, die so davor nicht möglich waren. Man sieht es auch ein bisschen eben auf unserer Webpage nochmal. Hier ist es so zum Beispiel, wie ist unser Agent in andere Webseiten, zum Beispiel die unsere, geintegriert. Da ist es natürlich auch wieder so, meistens sind die trainiert mit ganzen Vektor-Datenbanken, mit ganzen Systemen im Hintergrund und ja, nehmen dort eben dann auch zum Beispiel hier jetzt als Überschrift mit rein, was kann unser System eigentlich, wie funktioniert das Ganze? Hier erklären wir auch mal nochmal ein bisschen, wie das Ganze mit dem Multiagentensystem funktioniert. Wie gesagt, am Ende geht es für uns darum, die Lösungen so einfach wie möglich zu gestalten, da ich weiß, dass im Moment sehr viel unterwegs ist, in der Richtung, dass sehr viel auch erzählt wird, was alles möglich ist und was alles geht. Das stimmt auch, aber die Schwierigkeit ist zum einen den Überblick zu behalten und zum anderen auch überhaupt zu wissen, was kann wer und in welchem Umfang und ich denke, hier versuchen wir das Ganze ganz entscheidend mit zu gestalten und natürlich auch immer innerhalb der europäischen Datenschutz-Konformität zu bleiben, denn auch die ist hier im ein oder anderen Use-Case gar nicht mal so einfach. Großartig. Felix, erst mal danke bis hierhin. Ich möchte das jetzt gemeinsam mit Michael, was wir gerade gesehen haben, weil das war Stakkato, der eine oder andere hat geschrieben, ich brauche einen Factsheet, mein Arbeitsspeicher ist voll. Gut, man könnte jetzt ein Upgrade des Arbeitsspeichers empfehlen oder ein External Brain, wie Sebastian das vorgeschlagen hat. Aber lass uns das nochmal ganz kurz einordnen, auch speziell die Unterschiede eurer Lösung. Wir kennen alle Chats GPT, wir kennen alle Cloth, du hast Perplexity genannt, Gemini, Copilot, also die Standardmodelle, die sich am Markt jetzt mittlerweile durchzusetzen scheinen bzw. durchgesetzt haben. Wir dürfen zum einen erst mal erwähnen, eure Lösung basiert auf der Telekom Cloud. Du hast es erwähnt und ist damit DSGVO-konform. Das heißt, die Daten sind und bleiben in Deutschland. Das heißt für all diejenigen, die sagen, ich weiß nicht, was mit meinen Daten passiert. Ich will nicht, dass die irgendwo nach Amerika rüberrauschen. Ich möchte DSGVO-konform sein, um dem, was Victor gesagt hat, mich den Abmahn oder was du gesagt hast, dass Abmahnungen kommen werden und wir haben den EU-EI-Act und was weiß ich, wo es noch keine Rechtsprechungen natürlich gibt und keine Einordnung aus der Juridikative, glaube ich heißt das, ich habe auch kein Jurastudium, dass wir sagen dürfen, das ist DSGVO-konform und es ist basiert auf der Telekom Cloud hier in Deutschland. Das ist das eine. Das zweite ist, wir können Individuallösungen, kannst du anbieten. Das heißt, man kann, du hast es damals, glaube ich, gesagt, einen Server in Bamberg bei euch oder eine Instanz und dann ist es meine. Das ist dann was Gekapseltes und dann sind wir in der Lage, dort mit unseren Daten auch gekapselt zu interagieren. Also speziell diejenigen, wie wir sie letzte Woche auf der Bühne hatten, die Katrin zum Thema Network Marketing, die ein paar tausend Dokumente verwalten muss, bietet sich sowas sicherlich an, das dann in ihrem Network zur Verfügung zu stellen und Daten, die in einem sehr großen Umfang vorhanden sind, auch händelbar zu machen, da wo uns die öffentlichen LLMs immer noch einen Riegel vorschieben, was die Quantität der Daten angeht. Und dann hast du das Multiagentensystem genannt mit den entsprechenden Vorteilen. Michael, was würdest du noch mal von der Einordnung mit reinbringen, was den Unterschied neben den eben genannten Punkten und dann kann Felix nochmal eine Ebene tiefer gehen aus den eben genannten Punkten. Was würdest du noch ergänzen, Michael? Na ja, einerseits, also du hast jetzt dieses Datenschutzkonformität und das Server-Hosting angesprochen und natürlich auch die Individualität. Wir haben jetzt gerade, gerade hat das Handelsblatt hier unsere KI-Freundin Larissa Holzke, heute gerade wieder ein Post, war im letzten KI-Briefing das Thema, wie entwickeln sich die großen Modelle, insbesondere, wenn es um spezifische, branchen- oder unternehmensbezogene, individuelle Themen geht. Also die Frage ist, werden sie schlauer oder werden sie dümmer? Und es gibt bestimmte Bereiche, in die große Modelle möglicherweise gar nicht mehr eindringen können, aber individuell gestaltete und eigens für das Unternehmen oder mit Branchenwissen aufgebaute Modelle, viel, viel spezifischer, viel zielsicherer, viel besser und nützlicher arbeiten können. Und dafür steht so eine Lösung, meiner Ansicht nach. Definitiv. Außerdem ist es so, wie gesagt, was ich vorhin noch mal erwähnen wollte, ist, der entscheidende Punkt sind eben zum Beispiel diese, der Use-Case-Faktor. Und für mich ist es ganz wichtig, eben zum Beispiel darauf einzugehen, was können wir wirklich machen und das eine ist schon ein ganz klarer Punkt, dafür bieten wir in Zukunft auch noch einen kompletten Workaround an, dass wir sagen, okay, ihr arbeitet alle über unterschiedliche Meeting-Tools und wir sammeln einfach diese transkriptierten Dateien ein, das kann ja inzwischen eigentlich jedes größere Ding, ich glaube, Zoom kann das auch ganz gut und Google Meet sowieso. Und dann wird das aber automatisch angezapft, das Ganze wird eben in die Vektor-Datenbank eingebracht und diese Vektor-Datenbank wiederum wird dann eben als Grundlage verwendet. Und mit diesem Bot kann man dann weiterarbeiten. Wir sind aktuell eigentlich sogar daran, das ist unser Ziel, da sind wir aktuell noch nicht, aber gut, wir haben auch keine, leider ähnlich wie Viktor, keine unendlichen Ressourcen und konzentrieren uns eigentlich vor allem darauf, dass wir damit wieder noch auf kleinere, spezialisiertere Modelle gehen. Denn das ist das ganz Interessante, was ja gerade schon gesagt wurde. TVT4 und Co. sind wahnsinnig gut in dem, was man so generell kann. Allerdings gibt es natürlich auch die Chance, viel kleinere zu nehmen. Mistral hat da ganz tolle, Lama auch. Und mit diesen kleinen Modellen kann man sehr schnell durch Fine-Tuning oder Memory-Tuning und so weiter, das sind wieder die interessanten Begriffe darin, die sind gar nicht so wichtig, kann man es aber erreichen, dass die sehr spezialisiert auf irgendetwas Spezielles sind. Genau, spezialisiert auf was Spezielles, merkt man gleich. Und da ist es der Fall, dass das Interessante eigentlich ist, auf Dauer, dass man auch hier wieder die reine Interaktion, also Sprachmodelle, sind vor allem spannend wegen der Interaktion. Und umso mehr man die Interaktion mitnimmt, natürlich innerhalb des Rahmens, was man überhaupt darf, und da ist es wiederum spannend oder praktisch, wenn das Ganze natürlich in einem geschützten Rahmen ist, zum Beispiel auf der Telekom Cloud, dann kann man die Daten direkt auswerten und quasi wie als neue Daten nehmen, um das kleine Modell besser zu machen. Und dieses kleine Modell ist aber dann nur im Hintergrund drin. Das kleine Modell wird niemals so gut in der Sprache sein wie GPT-4 oder wie Lama 305B, äh, 405B, sorry. Aber, also, das bedeutet, wir haben im Hintergrund kleine, wie kann man sich vorstellen, wie kleine Experten, die mitarbeiten, und im Vordergrund aber jemand anderen, der es nochmal für uns in angenehme Sprache übersetzt. Und das ist das, worauf wir eigentlich hinarbeiten, weil ich denke, auch das, ganz ehrlich, wird die Zukunft sein. Diese Mischung aus die Großen, die es verständlich machen, und die vorne arbeiten, vielleicht auch den General in gewisser Weise bringen, und die Kleinen, die die Experten arbeiten. Das ist das, worauf es hinaus soll, aber wie gesagt, im Moment arbeiten wir vor allem mit den großen Spektrodatenbanken und so ein paar anderen. Mit welchen Firmenorganisationen diskutierst du das gerade? Also, wir sind vor allem, wir kommen sehr stark aus dem Finanzdienstleistungssektor. Wir sind dort so, dass wir mit einer der größten Bankengruppen Deutschlands schon länger zusammenarbeiten. Zudem ist es so, dass wir mit Immobilienverwaltungsfirmen das Ganze aufgebaut haben, auf unterschiedliche Art und Weisen. Und, ja, das heißt, sind auch da wieder ganz spannende Felder, natürlich sehr datensensible Themen auch dort wieder, gerade was die Finanzdienstleistungsindustrie angeht. Und, genau, in dem Bereich konzentrieren wir uns gerade auch auf diese Verfeinerung der Modelle, weil genau da ist der Punkt der, dass es allgemein zwar spannend ist, dass man aber merkt, dass es, wenn es wirklich in die Tiefe geht, war ja vorhin auch in der Juristerei ein bisschen das Beispiel, dann versagen viele dieser Modelle. Und ich glaube, das macht auch nochmal eure Plattform aus, nämlich sich nicht irgendwie mit drei, vier, fünf Abos zu behelfen und auf das eine oder andere Modell zuzugreifen, sondern ihr als etwas wie so eine Art Regenschirm oder so ein Umbrella oder Knotenpunkt über alles setzt, wo wir dann oder ihr auch, je nachdem, wie die Agenten trainiert oder konfiguriert sind, das für die entsprechende Aufgabe, das richtige Modell zur Verfügung zu stellen. Du hast jetzt einige Use Cases von dir gezeigt. Was sind so die klassischen Use Cases? Wir haben hier viele Selbstständige und Unternehmer dabei. Du hast gesehen, allein ein Drittel oder sogar noch mehr haben bei Victor aufgezeigt, dass die ganzen Rechtsfragen relevant sind. Was sind klassische, respektive besondere Use Cases, die ich in dieser Form mit dem, was mir in der Gesellschaft normalerweise zur Verfügung steht, mit den Modellen nicht lösen kann, die mit eurer Plattform möglich sind? Vielleicht kannst du nochmal so drei, vier Spiegelstriche nennen. Definitiv. Wir arbeiten gerade auch an unterschiedlichen Lösungen. Das ist ja das Interessante. Mit dem Immobilienverwaltern arbeiten wir tatsächlich vor allem daran, die brauchen sehr viel für die Analyse. Die Analyse an sich funktioniert super auch schon mit anderen Algorithmen. Wir haben hier wieder aufgefallen, und das ist letztlich auch das, was wir uns zum Ziel gesetzt haben, uns ist aufgefallen, dass die Tools existieren. Power BI zum Beispiel funktioniert für ganz viele tolle Sachen. Es gibt aber auch andere. Es geht runter bis zu dem, dass man selber kein Script baut oder so. Die Schwierigkeit ist, seien wir ehrlich, um es abzukürzen, wer kann das denn schon? Ich vielleicht, aber ich habe es mir auch jahrelang, ich hatte viel Spaß daran. Normalerweise will man ja einfach schnell eine Lösung haben. Zum Beispiel die Immobilienverwalter wollen auch die Auswertungen für die Grundstückspreisverhältnisse in einer beliebigen Stadt für die nächsten Jahre. Und das funktioniert eigentlich auch, aber sie haben keine Ahnung, wie man diese Tools bedient. Hier haben wir uns jetzt an dieses Tool, in dem Fall Power BI und noch BigQuery angeschlossen und fangen dann an im Hintergrund, quasi im Vordergrund, sagt man, pass mal auf, Modell, ich hätte ganz gerne, dass du mir eben diese Prognosen gibst. Im Hintergrund wird das Ganze in SQL umgesetzt, also in eine Programmiersprache, und die Datenbank wird direkt durchsucht. Das ist etwas, was so normalerweise nicht funktioniert. Also man kann eine Vektordatenbank anschließen und so weiter, das ist ja schön und gut, aber dass man wirklich direkt in die Datenbank reingeht und dann einfach versucht, eben da noch Befehle, irgendwas herauszufinden, ist etwas anderes, und dass man das persönlich anwendet, ist vermutlich nochmal ganz anders. Und das ist zum Beispiel ein Punkt, den wir gemacht haben, dass du am Ende spuckst es dann auch im Power BI wieder eine nette Grafik raus, das kann ich leider höchst sagen wir mal, sicherheitsrelevant, deswegen kann ich das hier nicht zeigen. Aber das ist ein Assistenten, den wir gebaut haben. Des Weiteren sind wir natürlich im FAQ-Bereich, im Knowledge-Assistant-Bereich viel unterwegs, das sind so die Sachen, wo man, aber auch immer eine, uns ist aufgefallen über die letzten anderthalb Jahre vor allem, dass man sehr viel Vorbereitung gerade für die Metadaten braucht. Das, was ich gerade gezeigt habe, ist jetzt natürlich ein Bot, der ist nur darauf konzentriert, sich Transkripte anzuschauen, ein bisschen Zusammenfassung zu machen und so, der hat nicht so eine große Arbeit. Das heißt, es ist ein relativ einfacher Use Case. Schwieriger wird es zum Beispiel mit den Banken, das wäre noch ein anderer, wo wir wirklich explizit Daten brauchen zu Verträgen zum Beispiel, also zu Verträgen und Vertragsanlagen. Das heißt, es muss vorgefiltert werden, da muss zuvor etwas gebaut werden, was auch schon als so eine Art Vorschautext mit drin ist, und das Ganze wird dann quasi in den Daten nochmal mit angewendet, beziehungsweise wird dann nochmal angezeigt und wieder extra ins Modell reingeschoben. Das heißt, bei vielen dieser Use Cases geht es eben nicht einfach nur darum, zu sagen, ach komm, jetzt entschließt doch mal schnell die Daten an, wenn die Daten da sind, und gerade jeder mit einem Unternehmen, das mehr als zwei Mitarbeitende hat, wird es kennen, der hat mal irgendwie 10.000 Dokumente im OneDrive oder sowas, da wird es auch nicht mehr ganz so einfach zu sagen, ach ja, ich will aber genau dies und das haben. Und ab diesem Zeitpunkt brauchen wir nochmal Zwischensysteme. Auch hier kommen wieder die Multiagentensysteme ins Spiel, weil die in der Lage sind, eben z.B. zuerst zu sagen, okay, ich konzentriere mich jetzt erst mal daraus, herauszufiltern, dass ich überhaupt nur über Dokumente des letzten halben Jahres spreche, weiß nix, das kommt dann nochmal dazu, okay, wir sollten Dokumente rauslassen, die mit der Rechtsabteilung zu tun haben, weil wir wollen uns gerade vielleicht auf einen Marketing Case fokussieren und so weiter. Und diese spezielleren Anwendungsfälle, die es aber gleichzeitig auch viel mehr im Alltag nutzbar machen, die sind das, worauf wir uns spezialisiert haben und wo wir gerade sehr individuell mit Unternehmen arbeiten. Aber das, was ich jetzt auch vorhin vorgestellt habe, tatsächlich auch bis Ende des Jahres so als größeres Produkt nochmal auf den Markt bringen wollen, weil ich denke, dieses mit den Meetings zusammenzufassen, dann über die letzten Meetings zu reden und da nochmal zusätzliche Informationen zu haben, ist etwas, was grundsätzlich hat man eben gebraucht. Du warst hier schon ein paar Mal auf der Bühne des KI-Cafés, sogar live hier auf der Bühne im Hybriden KI-Café, im ersten und bisher auch letzten. Aber es kommt sicherlich noch eins, wenn wir uns noch gemeinsam überlegen, Hybriden KI-Café. Schön, dass du da bist, Carsten. Ja, ist auch so eine coole Location bei euch. Insofern komme ich da immer wieder gerne vorbei. Ja, zum Datenschutz. Also die Frage kriege ich natürlich immer wieder gestellt. Wie sieht das mit dem Datenschutz aus? Und einerseits geht es sicherlich darum, die DSGVO zu erfüllen, aber viele Unternehmen haben ja auch sonstige Anforderungen an ihre sensiblen Daten, sei es jetzt, weil sie irgendwelche Patente haben oder ähnliche kritischen Dinge. Und das ist halt gerade auch im Mittelstand ein typisches Bedenken. Und deswegen finde ich es gut, dass es solche Lösungen jetzt gibt, auf denen man dann aufbauen kann und seine Workflows dann damit bauen kann. Das ist eine ganz tolle Geschichte. Und das wird auch sicherlich noch weitere Kreise ziehen. Also ich glaube, Felix, du bist ja bestimmt nicht der einzige Anbieter in the long term. Ja, aber natürlich, du bist ein Early Mover und hast natürlich dann auch ein entsprechendes Knowledge dahinter und die Erfahrung und auch mit deinen Kunden. Das ist auf jeden Fall ein echtes Asset, was du da mitbringst. Das andere, was eben auch gesagt wurde, war so ein bisschen der Wunsch, eigentlich möchte ich gerne meinen User vor so eine KI setzen und eigentlich muss der gar nicht viel können. Im Idealfall muss der gar nichts lernen. Ich glaube, das geht ein bisschen an dem vorbei, was der EU-EI-Act da an Anforderungen mitbringt, weil ich sage natürlich, jeder User muss irgendwie entsprechend qualifiziert sein, die Grenzen auch der KI zu erkennen und auch die Antworten, die man da bekommt, kritisch zu hinterfragen. Das heißt, da muss man wirklich gucken, wie weit kann das gehen? Wir haben ja eben auch bei der Anwaltslösung gesehen, ja, im Zweifelsfall ist es immer doch ganz gut, wenn man dann noch jemanden hat, der sich damit auskennt und den man dann hinten oben draufsetzen kann, der dann die Kontrolle behält. Und ich glaube, das wird auch die Lösung sein, die für viele Personalprozesse, über die wir eben auch gesprochen haben, durchaus richtig sein kann. Die KI kann was dazu steuern, die kann Dinge zusammenfassen, die kann Entscheidungen vorbereiten. Und da muss ich halt überlegen, wer trifft denn dann final die Entscheidung? Ist es dann noch der Mensch? Und auch da hat der EU-EI-Act ja eine ganz klare Meinung dazu. Der sagt, alles, was so mit Beschäftigung und Personalmanagement zu tun hat, gilt als hohes Risiko. Wenn ich das wirklich durch die KI machen lasse, da muss ich vorher sehr viel Dokumentation, sehr viel testen, einen Konformitätsnachweis, Risikoeinschätzung usw. und so fort machen. Kann man alles tun? Gar keine Frage. Ja, aber das sind nicht die easy Anwendungen, wo man jetzt sagt, oh, die bauen wir mal kurz bei uns ein. Ich denke, das ist viel dazu, also du hast absolut recht. Ich denke, dass es bei vielen dieser Dinge halt die Frage ist, ab welchem Zeitpunkt sind die Unternehmen bereit. Wann ist der Pain, wie man immer sagt, so groß, dass die Unternehmen bereit sind, das zu machen. Und ich denke, natürlich, ich würde auch niemals empfehlen, bei keiner einzigen, dass man einfach die KI alles machen lässt. Es gibt ganz witzige Beispiele, auch ganz unkritische, wie der General Motors-KI-Bot, der jemandem überreden wollte, dass er ein Auto für 0 Euro verkauft. Also das sind so Sachen, die sind natürlich nicht so gut, wenn ein Bot irgendeine Macht am Ende gibt. Ich denke, wo wir sehr viel eben jetzt schon machen können, und was noch viel, viel, viel mehr wird, deswegen ist immer als Assistent zu sehen. Mehr ist es, sollte es vermutlich nicht sein, nicht in der jetzigen Stufe, auch in der Zukunft vermutlich nicht. Aber ich denke, solange es auf dieser Assistenzebene bleibt, auf der man am Ende dann doch die letzte Entscheidung trifft, denke ich, ist es sehr unkritisch zu betrachten. Und das wäre ja jetzt auch eben genau das, wie, gehen wir wieder zurück auf mein Beispiel, das ich vorgezeigt habe, wenn wir dann sagen, sag mir mal, was sind meine Aufgaben, heißt ja nicht, dass ich deswegen diese Aufgaben durchblind machen muss. Das stimmt schon insgesamt. Großartig. Danke, Carsten, nochmal für die Einordnung. Und Michael, ich weiß, dass du mit deiner Perspektive auf das, was wir in der letzten Stunde, Stunde 10, gehört haben, da sicherlich auch nochmal, ich will nicht sagen, abschließende Worte, auch wenn es in diese Richtung gehen darf, wie du das betrachtest. Du bist sehr lange an Felix schon dran. Ihr seid seit dem BVMW-Kongress in Berlin eng miteinander verbunden. Das, was wir hier erlebt haben, wie schaust du da drauf jetzt aus den letzten Stunden? Wo siehst du Einsatzgebiete? Wie ordnest du das ein, Michael? Wie gesagt, ich hatte es vorhin, glaube ich, schon auch erwähnt. Carsten ist jetzt auf der Bühne und kann man auch offen drüber sprechen. Wir drei sprechen zum Beispiel über das Thema Regulatorik, weil das über die DSGVO und den klassischen Datenschutz hinaus natürlich auch eine Blackbox ist, also die Regulatorik des EU-ERH. Und da geht es jetzt nicht so sehr um Solo-Selbstständige. Und vielleicht ganz kleine Unternehmen, aber es geht um die. Und diese Frage kommt in jedem Beratungsgespräch, das ich habe. Was erwartet uns denn da? Und ich glaube, dass wir guttun daran, insbesondere in Deutschland. Wir schimpfen ja momentan auch darüber, dass wir die Innovationserrungenschaften aus Amerika nicht als erste mitbekommen. Also wir müssen warten.

Apple Intelligence, wir müssen warten, was OpenAI-Sprachmodell betrifft und so weiter und so weiter. Und wir dürfen uns darauf konzentrieren, dass wir meiner Ansicht nach in Deutschland und in Europa eben diese unternehmensspezifischen, die unternehmensindividuellen Lösungen und Dienstleistungen mit Hilfe der KI entwickeln, die den Mittelstand stark machen, die helfen, den Fachkräftemangel zu bekämpfen und die es schaffen, dass man trotzdem in den Unternehmen das Einmaleins und den Dreisatz der KI beherrscht, weil der reicht oft aus, um einen guten Sparringspartner auch einzuleiten und zu nutzen. Und ich glaube, dass es darum geht, dass man auf der einen Seite Upskilling betreibt in den Unternehmen und dann aber wirklich unternehmensspezifische Lösungen zu entwickeln. Und dafür ist Artex Solutions, ja, und sicher auch andere, aber wie gesagt, Felix, an der Stelle, ja, auch schon seit Jahren mit dem Thema unterwegs und nicht erst seit 30. November 2022. Ja, und ich glaube, dass das für Industrie, Dienstleistungen in Deutschland und Europa, dass das der Weg ist. Danke für die Einordnung, Michael. KI-Café, jede Woche Mittwoch, 8.30 Uhr bis um 10 Uhr, gerne auch 15 Minuten vorher. Du kannst dich anmelden unter www.d-curtings.com slash ki-café und dann noch der Abschlussslash. Und da kannst du dich anmelden und dann wöchentlich beim KI-Café mit über 100 anderen Teilnehmern dabei sein, mitschwingen, ein Käffchen trinken und Neues über die künstliche Intelligenz lernen und wie sie dir und deinen Kunden hilft. Bis dahin. Und jetzt geht's weiter mit der Folge. Felix, deine abschließenden Worte hier in die Runde. Ja, also ich danke schon mal vielmals dabei gewesen zu sein, Harte. Ist immer wieder eine schöne Erfahrung. Ich habe mich auch sehr gefreut, euch mal zu versuchen, ein etwas alltäglicheres Tool zu zeigen, eben dass das Ganze mit reingeht. Ich denke, was wir vor uns haben, ist schon ganz schön immens. Die Welt, aus der ich komme, aus der wir hier kommen, ist eine ganz andere als die Welt, in die wir gehen. Was in Zukunft den entscheidenden Unterschied machen wird, und den sehe ich schon in fünf Jahren, ist der, dass man eigentlich mit allen Systemen nur noch redet. Also, dass man mit den Systemen redet oder schreibt, und die müssen einem auch nicht immer, ich weiß, das finde ich sehr nervig, plötzlich anfangen, in natürlicher Stimme zu antworten. Aber der entscheidende Punkt ist der, dass wir werden immer mehr dazu, wir können immer mehr Systeme und Computer, all das in der Richtung, selber verwalten, einfach dadurch, dass wir in Zukunft einen Assistenten für alles Mögliche haben. Und in diese Richtung geht es. Da bin ich sehr gespannt, hoffe, davon auch weiterhin ein guter Teil sein zu können, und bin gespannt, was die Zukunft bringt. Das kann ich immer sagen. Auf Dauer wird es auf jeden Fall Deep Reinforcement werden, ihr merkt das. Reinforcement Learning, das werden wir noch häufiger hören. Danke dir erstmal, Felix. Danke auch, Carsten, dass du es noch hier mit auf die Bühne geschafft hast und deinen Blick auf diese Themen nochmal mit reingebracht hast, weil das wird uns die nächsten Jahre sicherlich noch beschäftigen. Wolltest du noch was mit einbringen? Das sieht so aus, als hättest du gerade noch geatmet, Carsten. Ja, ich atme noch, das ist gut. Aber nein, ich wollte nichts sagen. Ich möchte nur achtsam sein, dass ich da nicht übergehe. Von daher erstmal dank dir, Carsten. Felix, ich glaube, Michael, wir dürfen Danke sagen, dass du dich heute für diese intensive Session eingelassen hast. Ich hoffe, dass wir uns an anderer Stelle nochmal wiedersehen, entweder bei irgendeinem Summit bei uns oder vielleicht auch in der KI Masterclass, wo wir nochmal einen Deep Dive machen in diese Lösungen oder bei einer etwaigen Zusammenarbeit im Kundenkontext. Ich glaube, da spielt eure Lösung ganz oben auf, in dem Stack dessen, auf die man gucken darf. Felix, danke. Danke auch. Ja, von mir auch. Felix, danke nochmal und danke auch für deinen Booty. Wie gesagt, wir stellen es in die Community. Deep Dive Termin. Mit dir können sich alle anmelden. Deep Dive.