Zum Inhalt springen
token therapie

Sitzung 03

4. August 2026 um 11:30 Uhr

Wie KI Engineering-Organisationen verändert

Mit Lukas Gilz, CTO und Founder, damedic

Worum es geht

Shownotes

Kurz gesagt: Wie verändert KI eine Engineering-Organisation? Jan Schulte und Dr. Michael Köpf sprechen mit Lukas Gilz, CTO und Founder von damedic, das Krankenhäuser bei der Abrechnung unterstützt. Seine Kernaussage: Mit KI fällt die Mauer zwischen Produkt und Entwicklung, gefragt ist der Product Engineer, und die wichtigste Antwort auf billigeres Bauen ist, häufiger Nein zu sagen.

Das Wichtigste in Kürze

  • Die Einführung von KI-Werkzeugen für Einzelne ging bei damedic schnell; schwierig ist, die Prozesse neu zu denken.
  • Für spezialisierte Arbeitsprozesse hält Lukas Gilz Chatbots für ein schlechtes Interface, auch weil sie langsam sind.
  • Ein Fehler in der Krankenhausabrechnung kostet 1.000, teilweise 10.000 bis 20.000 Euro; eine Prüfung durch einen Menschen etwa zwei Minuten und 4 bis 5 Euro. Deshalb bleibt bei damedic überall ein Mensch im Prozess.
  • Alle zwei Wochen gibt es einen Pitch Tuesday, angenommene Ideen bekommen einen Hackathon-Freitag. Früher kam bei etwa 30 Prozent der Hackathons etwas heraus, mit KI fast immer.
  • Backlog-Einträge werden nach RICE (Reach, Impact, Confidence, Effort) bewertet; ein erfolgreicher Hackathon hebt die Confidence.
  • Seniorität ist für Lukas Gilz kein gutes Merkmal mehr: Er hat Seniors gesehen, die mit KI fremdeln, und Juniors, die nach einem Jahr wie Seniors arbeiten.
  • Was man mit KI schnell bauen kann, können alle schnell bauen; darin liegt kein Markt.

Was hat sich bei damedic durch LLMs verändert?

damedic unterstützt Krankenhäuser bei der Abrechnung nach Fallpauschalen: Nach der Behandlung müssen für jeden Fall Codes erfasst werden. Von Hand dauert das laut Lukas Gilz eine halbe Stunde oder länger pro Fall, und was vergessen wird, fehlt den Kliniken als Erlös. Seit drei Jahren bietet damedic die Abrechnung als Dienstleistung an: Eigene Fachkräfte arbeiten mit der eigenen Software.

Vor den LLMs (Large Language Models, große Sprachmodelle) arbeitete das Team mit klassischen NLP-Methoden, also maschineller Sprachverarbeitung: Erkennung von Verneinungen, Zuordnung von Codes, Entity Linking, Wissensgraphen. Immer fehlte Kontext. Mit LLMs lässt sich dieser Kontext mitnehmen, und für die etwa 80 Seiten, die pro Fall zu lesen sind, liefern sie Zusammenfassungen.

Ein Ergebnis aus 2023: Ein Chatbot ist für einen spezialisierten Arbeitsprozess das falsche Interface. damedic entwickelte stattdessen eigene Designprototypen für die Oberfläche.

Beim Programmieren mit KI erlaubte damedic 2025 zuerst alle Werkzeuge, um zu sehen, was funktioniert. Fast alle übernahmen sie schnell, interne Hackathons verbreiteten das Wissen. „Individual Adoption war einfach“, sagt Lukas Gilz; das Thema für 2026 ist, KI in die Prozesse einzubauen, und das ist deutlich schwieriger.

Wie geht man mit dem Non-Determinismus von LLMs um, wenn Fehler teuer sind?

Lukas Gilz verlässt sich nicht auf ein einzelnes Modell. damedic nähert sich dem Problem von zwei Seiten: LLMs extrahieren und fassen Text zusammen, das macht schneller; statistische Verfahren und Regelwerke auf großen Datenmengen sorgen dafür, dass nichts vergessen wird. Dazu kommen Guard Rails, Schutzmechanismen im Produkt, auf unterschiedlicher technischer Grundlage.

Das Risiko ist nie null, denn Algorithmen wie Menschen machen Fehler. Man muss verstehen, wo sie passieren, und den Prozess so bauen, dass sie sich lohnend minimieren lassen; die letzten Fehler zu vermeiden, ist irgendwann zu teuer.

Deshalb ist bei damedic überall ein Mensch im Prozess (Human in the Loop): „unser Produkt ist ein Assisted medical Coding Tool“, kein Werkzeug zur Automatisierung. Erst bei einer Genauigkeit von 99,8 oder 99,9 Prozent würde sich die menschliche Prüfung nicht mehr lohnen. Die Software optimiert stattdessen die Effizienz der Menschen: Statt einer halben Stunde brauchen sie pro Fall nur noch ein paar Minuten.

Warum braucht es mit KI den Product Engineer?

Lukas Gilz vergleicht die Entwicklung mit DevOps: Damals fiel die Mauer zwischen Entwicklung und Betrieb, weil bei jeder Übergabe Informationen verloren gehen. Mit KI fällt nun die Mauer zwischen Produkt und Entwicklung. Ziel der Softwareentwicklung ist Wert für Nutzer und Kunden, nicht Code oder Features. Der Product Engineer redet mit dem Kunden, baut etwas, fragt nach, ob es hilft, und baut weiter.

Voraussetzung sind schnelle Feedbackzyklen und Continuous Deployment. Wer schneller entwickelt, aber langsam Feedback bekommt, läuft im schlimmsten Fall nur schneller in die falsche Richtung.

Dazu kommt eine Frage der Organisation: Berichten CTO und CPO getrennt an den CEO, liegt das Ziel in zwei Verantwortungsbereichen, und der Konflikt zieht sich nach unten durch. Lukas Gilz ist Fan einer gemeinsamen Rolle: „ich sehe mich tatsächlich als CPTO“, mit etwas mehr Gewicht auf Produkt.

Wie verankert damedic diese Kultur?

Die wichtigste Entscheidung ist für Lukas Gilz, die richtigen Leute einzustellen: solche, die Wirkung erzielen wollen, statt Anforderungen abzuarbeiten. Größere Organisationen brauchen dafür kulturelle Maßnahmen.

Bei damedic wirken Pitch Tuesday und Hackathon Friday:

  • Alle zwei Wochen stellen Mitarbeitende Ideen für Produkt, interne Prozesse oder die Firma vor, meist fünf oder sechs Personen.
  • Lukas Gilz prüft die strategische Ausrichtung und den Nutzen; in eineinhalb Jahren hat er drei- oder viermal Nein gesagt.
  • Angenommene Ideen werden an einem Freitag umgesetzt und beim nächsten Pitch-Termin gezeigt.
  • Eine Zahl von Pitches, von denen einige in Produktion gehen, steht in den Zielvereinbarungen; der Bonus erzeugt Gegendruck, wenn Zeit knapp wird.
  • Jedes Ergebnis wird ein Backlog-Eintrag, bewertet nach RICE. Das macht die Priorisierung transparent.

Was tun gegen Comprehension Debt?

Comprehension Debt (auch Cognitive Debt) heißt: Software entsteht schneller, als das Verständnis mitkommt. Code zu schreiben zwingt dazu, ein Problem zu durchdringen und Edge Cases zu finden. LLMs erlauben, darüber hinwegzugehen, und erklären eloquent, warum das unwichtig sei. Lukas Gilz sieht hier vor allem für Juniors ein großes Risiko.

Im Code Review zählen für ihn zwei Fragen: Legt der Code das Produktivsystem lahm? Macht er, was er soll? Ungetesteter Code, der nicht tut, was er soll, geht zurück. Namen von Funktionen oder ein seltsamer Docstring sind dagegen unwichtig.

„Also für mich ist das eigentlich Product Management“, sagt Lukas Gilz. Ein Produkt, das die Entwickler nicht verstehen, verstehen auch die Nutzer nicht. Unternehmen haben zwei Strategien: Build more, weil Bauen billiger wird, oder build better, also das Richtige richtig bauen. Mehr zu bauen ist verlockend, aber „die Antwort auf KI ist halt häufiger nein zu sagen“. Engineers und Führung müssen fragen: Welche Hypothesen stehen dahinter, und lassen sie sich mit etwas Einfachem testen?

Häufige Fragen

Sind Chatbots eine gute Oberfläche für KI in Fachanwendungen?

Für spezialisierte Arbeitsprozesse nicht, sagt Lukas Gilz von damedic: Chatbots sind langsam und ein schlechtes Interface. damedic hat deshalb früh eigene Oberflächen entworfen.

Wann lohnt sich Human in the Loop bei KI?

Solange ein Fehler deutlich mehr kostet als die Prüfung. In der Krankenhausabrechnung kostet ein Fehler 1.000 bis 20.000 Euro, die Prüfung durch einen Menschen etwa 4 bis 5 Euro. Erst bei 99,8 bis 99,9 Prozent Genauigkeit würde sich die Prüfung nicht mehr lohnen.

Was ist ein Product Engineer?

Ein Entwickler, der Verantwortung für den Wert beim Kunden übernimmt: Er spricht mit Kunden, baut, holt Feedback ein und betreibt das Ergebnis. Lukas Gilz hält das für die Rolle und die Fähigkeit, die alle Entwickler mit KI lernen müssen.

Haben Juniors in der Softwareentwicklung mit KI noch eine Chance?

Ja, meint Lukas Gilz: Wissen veraltet schneller, das ist eine Chance für engagierte Juniors. Er rät, etwas zu bauen und länger zu pflegen, statt nur Prototypen zu zeigen, etwa als Werkstudent.

Was ist Comprehension Debt?

Comprehension Debt entsteht, wenn Software schneller entwickelt wird, als das Team sie versteht. Lukas Gilz sieht die Gegenmittel in Product Management, in Code Reviews, die prüfen, ob der Code tut, was er soll, und darin, häufiger Nein zu sagen.

Wie bewertet man Ideen aus Hackathons?

damedic macht aus jedem Hackathon-Ergebnis einen Backlog-Eintrag und bewertet ihn nach RICE: Reach, Impact, Confidence, Effort. Ein erfolgreicher Hackathon erhöht die Confidence, solche Einträge steigen im Backlog schnell auf.

Links

Direkt zum Thema

Kapitel

  1. 00:00Willkommen und GastTranskript
  2. 00:27Lukas und DamedicTranskript
  3. 02:43LLMs verändern ProduktTranskript
  4. 05:48Agentic Coding internTranskript
  5. 08:17Risiko und GuardrailsTranskript
  6. 10:13Human in the LoopTranskript
  7. 12:45Product Engineer RolleTranskript
  8. 15:14Mauern einreißenTranskript
  9. 19:43Hackathons als KulturTranskript
  10. 23:54Hiring im WandelTranskript
  11. 26:44Juniors und KarriereTranskript
  12. 29:07Comprehension DebtTranskript
  13. 33:18Build More vs BetterTranskript
  14. 35:21Abschluss und TakeawayTranskript

Nachlesen

Transkript

Transkript anzeigen

00:00

Jan Schulte

Willkommen zu Token Therapie, dem Podcast für AI Engineering Leader. Mein Name ist Jan und mit dabei wie immer Michael.

00:07

Dr. Michael Köpf

Hi.

00:08

Jan Schulte

Unser heutiges Thema ist wie KI Engineering Organisation verändert und dazu haben wir uns einen Special Guest eingeladen und zwar CTO und Co-Founder Lukas Gilz von Damedic. Lukas, schön, dass du da bist.

00:24

Lukas Gilz

Ja, freut mich auch.

00:26

Jan Schulte

Ja, Lukas, vielleicht kannst dich ganz kurz vorstellen und uns auch ein bisschen erzählen, was ihr so bei Damedic macht.

00:34

Lukas Gilz

Genau. Also, mein Hintergrund ist ähnlich wie der von Michael. So, also ich habe mal theoretische Physik studiert und irgendwie lass auch wir ein bisschen anderer Bereich, aber äh äh trotzdem so und dann äh habe ich mich danach äh quasi im Bereich irgendwie Machine Learning Software Engineering so mein neues zu Hause gefunden als Physiker, dass ich damals so als KI noch so ein Thema war, was so emergent irgendwie Backroom ähäh [gelächter] diskutiert worden ist und da könnte was passieren und nicht irgendwie absolut Mainstream angekommen war. Äh äh so und dann äh hatte ich die ersten drei Jahre irgendwie eine tolle Zeit in einem jungen Startup in Köln. Da habe ich Michael kennengelernt. Wir haben zur gleichen Zeit angefangen. Äh so, da habe ich den kompletten Software Life Cycle von irgendwie Beratung Anzug beim Kunden äh äh so Prototypen schreiben und Business Cases machen und so weiter bis dann irgendwie auch zu Produktivnahme irgendwie kennengelernt. Perfekter erster Job und ja, dann sage ich immer im Jugendlichen Leichtsinn habe ich danach gesagt quasi das kann ich als besser. [gelächter] mit mit Kunder Wuppi, der die Krankenhausbranche sehr gut kennt, dann gegründet. Äh so, das war jetzt schon vor 8 Jahren äh äh so unser was wir machen ist, wir unterstützen die Abrechnung für Krankenhäuser. Es ist irgendwie dieses Thema Fallpauschalen, wenn Patient behandelt worden ist, muss danach die Rechnung geschrieben werden, dann müss man diese Codes aufschreiben. Ist ein ziemlich manueller Prozess, dauert immer so eine halbe Stunde bis noch ein bisschen länger pro Fall. So und wenn man da was vergisst, dann vergessen die, dann haben die Kliniken zu wenig Geld. In der Öffentlichkeit ist immer so, die Kliniken rechnen viel zu viel ab, die Realität ist, dass der Prozess in Kliniken so schlecht ist, äh dass sie öfters mal was vergessen. So und den Prozess unterstützen wir und die Redd war als Software Plattform Cloud basiert und damals auch schon Machine Learning basiert mehr auf strukturierten Daten. Ähm so und jetzt seit 3 Jahren bieten wir das als Full Service an. Das heißt, wir machen Tech enable Service, das heißt, wir haben die Menschen, die die Dienstleistung für die Krankenhäuser erbringen und unterstützen, die machen sie effizienter mit unserer eigenen Software, unsere eigenen Körper. Ja,

02:39

Dr. Michael Köpf

du hast ja schon gesagt, euch gibt's seit 8 Jahren, seit 2018 und das heißt ja, ihr habt äh sozusagen die Firma schon aufgebaut, eure Prozesse schon aufgebaut, bevor LLMs Mainstream wurden, lange bevor es sowas wie Agentic Coding überhaupt gab. Ja, keiner hat daran gedacht zu diesem Zeitpunkt und mittlerweile seid ihr aber auch schon, also ich rechne eigentlich immer so ab Anfang 2023, da fängt's so langsam an, vielleicht, dass man dass man es ernst nehmen konnte. Ähm, aber seitdem sind ja auch schon wieder ähm drei Jahre vergangen und äh mich würde sehr sehr interessieren, wie hast du sozusagen diesen Übergang erlebt? ähm sozusagen die die Ankunft von LLMs und von Agentic Coding und äh was hat sich dadurch für dich und natürlich auch für dein Unternehmen verändert?

03:27

Lukas Gilz

Genau. Also äh ich glaube, man muss ja in zwei äh Teilbereiche unterschreiben. Erstmal, was macht äh generell die äh diese Entwicklung von LLMs? Was macht sie mit unserem mit unserem Produktoffering, also quasi was wir wie wir uns im Markt platzieren? Und das zweite ist es dann tech intern, wie äh was macht es mit unseren Prozessen und äh ähäh wie wir arbeiten und was wir produzieren. Und ähm tatsächlich ähm diesen äh kam zuerst äh diese Produkt das Produkt Offering, weil das wir jetzt der Full Service Anbieter waren, ähm das äh quasi die Idee kam eigentlich, als ich das erste Mal irgendwie ChatGPT benutzt habe und wir haben uns vorher mit klassischen NLP Methoden rumgeschlagen, quasi dann Algorithmus für Verneinungserkennung, dann richtige Code zuordnung, Entity Linking und so weiter und so fort. Und das sind alles ziemlich komplizierte Probleme, aber eigentlich kann man immer dazu, ja, wir haben zu wenig Kontext, also wir müssen jetzt noch mal irgendwie diesen Kontext modellieren mit einem Wissensgrafen, mit dann irgendwie Inference auf einem Wissensgrafen und so weiter und so fort. Und da haben wir eigentlich gesehen, ja, mit dem mit den LLMs geht man da in eine andere Richtung, dass man diesen Kontext plötzlich mitnehmen kann und die Entscheidung da auch basieren kann. Und das zweite, dass wir da verstanden haben, äh oder wir erstmal gesehen haben, man muss so viel lesen, so 80 Seiten pro Fall, um den probieren zu können, haben gesagt, ja, mit den LLMs kann man jetzt Zusammenfassung, die haben damals schon eigentlich Chat sehr gut funktioniert und da haben wir angefangen ja unser Produkt neu zu denken und das war eigentlich so der äh eigentlich der erste Ansatz. Wir haben gesagt, so hier hier ist ChatGPT, wir benutzen jetzt diese API, wir experimentieren damit rum, gucken, wie können wir damit unser Produkt neu design und wir haben sehr früh verstanden, dass das Produktegorien disturbt. Das war so eigentlich dann das Jahr 23 war das das Thema. Wir haben versucht die UI zu finden, mit der man irgendwie in der für die Codierung als in der Nische in der wir unterwegs sind äh quasi mit diesen Methoden ein gutes ja Frontend schaffen kann, weil wir ziemlich schnell mit dem ersten Versuch gemerkt haben, dass Chatbots echt kacke sind als die Exs, weil sie extrem langsam sind und so weiter. Ich glaube, das haben immer noch nicht viele Leute so richtig verstanden, dass in einem Special Prozess Use Case ein Chatbot echt ein beschissenes Interface ist. So, das haben wir sehr früh und deswegen waren wir in so Designprototypen drin auch damals tatsächlich, also überhaupt nicht mit AI, also das AI auch für Code schreiben in der Entwicklung irgendwie unterstützt war glaube ich 23, dann irgendwie war es dann irgendwie auto complete in irgendwie irgendwie Cursor oder also

05:57

Dr. Michael Köpf

ja, Copilot

05:58

Lukas Gilz

und so weiter hat man gemerkt, das kommt so langsam, also richtig funktioniert hat auch nicht, also hat's auch noch nicht, also Anfang so 24 und so weiter kam das Thema dann auf. Und letztes Jahr war dann so, wo wir dann gesehen haben, so, okay, ja, das ist da, also mit Claude Code

06:15

Dr. Michael Köpf

ja, Opus 4.5 und so weiter, ne?

06:17

Lukas Gilz

Ja, auch schon vorher mit Sonnet, also so wir waren, also ich hatte ziemlich früh Claude Code mal ausprobiert und ich schreibe ja selber keinen Code mehr, so also so in dieser Führungsposition, davon habe ich mich irgendwie entfernt. Immer noch so ein bisschen hinterher, aber jetzt immer weniger, aber deswegen war das so ein Punkt. Ich hatte so ein paar Tools, die ich immer im Kopf hatte, die konnte man damit plötzlich schreiben und da habe ich gemerkt, okay, ich kriege plötzlich an dem Tag noch mal was hin. Ich vorher, [gelächter] wenn ich mich ein Tag hingesetzt habe, war ich dann nach dem Tag frustriert, weil in meinem Kopf war das irgendwie klar, was ich haben wollte, aber war immer so du sollst dich ein Tag hinsetzen, lass Entwickler das machen. Damit habe ich gemerkt so, ja, damit kann man was machen, es ist irgendwie sinnvoll. Und dann ist es jetzt so, ich glaube letztes Jahr 25 war so das Thema erstmal irgendwie haben wir gesagt, ihr dürft alles benutzen und wir haben auch viel erstmal über Pris gemacht, wo ganz viel Leute weiter sagen, macht das nicht, aber gesagt, na ja, bevor wir irgendwelche nicht wirklich wissen, was wir da benutzen und wie es geht, haben wir erstmal gesagt, ihr dürft alles machen. Wir haben da überhaupt keine Probleme mit und dann gucken wir, was funktioniert. Das war so letztes Jahr haben dann eigentlich auch alle adopted relativ schnell. Ein paar Leute hat man dann noch mal muss was zeigen. Wir haben durch interne Hackathons dann ziemlich viel Knowledge Sharing irgendwie passiert gemacht. So und jetzt dieses Jahr ist jetzt so, wo wir dran sagen, das Thema für uns ist jetzt das quasi in den Prozess reinzupacken und ja, das ist das deutlich schwieriger Problem. Also so Individual Adoption war einfach, aber jetzt Prozesse neu denken und so weiter, das ist schwierig. Wir wir haben so die ersten Use Cases äh die ganz gut funktionieren. Können wir gleich noch mal reingehen, aber ähm ja, also aber das wir jetzt sagen, wir sind irgendwie so eine fully Organization quasi irgendwie alles mit KI Agenten geschrieben wird und so weiter. Ja, das da sind wir nicht, ich glaube auch relativ wenige Leute, also aber viele Leute reden drüber, aber ja, das ist anderes Thema.

08:10

Dr. Michael Köpf

Also das das natürlich das das spannendste Thema auch für mich, weil ich auch immer an die an die Organisationen denke. Jetzt habe ich aber trotzdem noch eine Frage zu dem Punkt, den du eben aufgebracht hast, nämlich ähm du hast ja davon gesprochen, dass z.B. viel LLMs für Zusammenfassungen und so weiter ähm genutzt werden können. Ähm auf der anderen Seite seid ihr ja jetzt in einem Bereich, ja, wo es Abrechnung geht und ähm wo es ja tatsächlich schlecht ist, wenn dann Details vergessen werden oder auch vielleicht umgekehrt hinzugefügt werden, die gar nicht da sind. Ähm wie geht ihr also mit diesem äh Non-Determinismus? Ähm äh

08:45

Lukas Gilz

tatsächlich, also äh von der Historie von Damedic waren wir erst die, die Erlöse gesichert haben. Äh und zwar mit äh nicht mit LLMs, sondern mit anderen äh auch Machine Learning und auch teilweise Regelwerkssystem. Und damit sind damit Drachen sind wir richtig gut. äh so auch auf dem deutschen Markt jedes Benchmark gewinnen wir äh quasi in dem irgendwie erlöse sicher so und äh deswegen ist es ist im Prinzip unsere äh Machine Learning Strategie ein Produkt, dass wir uns dem Thema von zwei Seiten nähren. einmal aus Text extrahieren mit Zusammenfassung, das ist irgendwie das macht schneller, aber dann aus dem Vergiss auch nichts äh quasi großen Datenmengen, also statistischen Ans auf der anderen Seite und äh und die treffen sich halt in der Mitte und damit hat man dann in der Mitte genau da, wo es wichtig ist, hat man halt diesen Boden. Also, wenn man alles nur mit Clot macht, ja, also dann hat man ein Problem, aber wenn man halt sich dann irgendwie ein System baut, indem man halt ja Guard Rails hat, die haben wir auch in unserem Produkt und da muss man auch technologisch auf unterschiedliche Basen setzen und dann äh ja ist es das Risiko ist dann nie null, ne? Also am Ende ist Risikoabwägung, also äh unser Algorithmus macht Fehler, Menschen machen Fehler und so weiter. Man muss irgendwie verstehen, wo sie passieren und ein Prozess bauen, indem man sie minimiert und halt so viel Aufwand macht, damit es sich lohnt, die Fehler zu minimieren, weil die letzten Fehler zu minimieren ist dann so teuer, äh das lohnt sich dann nicht mehr. So. Und das die ist aber bei den Kunden auch noch nicht da. Also so, aber das ist so ja Strategie.

10:13

Jan Schulte

Das das wird mich jetzt noch mal interessieren dazu, wie ihr so diesen Human in the Loop da integriert. äh wie ihr ob ihr da irgendwelche ähm äh Guidelines habt, wenn ihr sagt, okay, da muss jetzt Human in the Loop rein. Äh natürlich, wenn wenn es teuer werden kann, dann auf jeden Fall. Ähm aber mich würde mal interessieren, wie ihr das so allgemein macht.

10:34

Lukas Gilz

Genau. Wir machen aktuell das Human Loop überall. Also wir sagen, unser Produkt ist ein Assisted medical Coding Tool und nicht in Automatisierungstool. Also wir schielen in die Richtung Automatisierung, aber am Ende ist der Fehler ist halt, wenn ein Fehler passiert, kostet es halt 1000 teilweise 10 20 000 €. So und ein Mensch drüber zu gucken zu lassen und den noch mal denken zu lassen, der dann irgendwie manche von diesen Fehler kostet irgendwie ein 2 Minuten und damit halt irgendwie 4 5 € dafür. Also dann ist man schon in diesem Genauigkeit von 99 irgendwie 8 oder 99,9. Das ist so wann sich irgendwie äh äh im Prinzip es nicht mehr lohnt den Menschen drüber zu gucken zu lassen und deswegen haben wir den Menschen immer dabei und deswegen unser Tool hauptsächlich auf die menschliche, also wir optimieren die menschliche Effizienz, dass der Mensch nicht mehr diese halbe Stunde braucht, sondern nur noch ein paar Minuten halt die essentiellen Teile Teile zu machen, aber ist immer da. Aber das äh in unserer Branche, weil der Fehler ist halt extrem teuer, deswegen lohnt sich das halt extrem lange so weit zu halten.

11:37

Jan Schulte

Also, kann ich mir das so ein bisschen so vorstellen eigentlich, dass ähm ihr jetzt nicht wirklich äh äh das Produkt habt oder so, sondern ähm es ist quasi ihr habt dann eure Mitarbeiter, die dann quasi so ein Tool haben ähm halt diese Abrechnung äh zu analysieren, auszuwerten und so weiter und äh so ein bisschen, ich sag mal vielleicht so äh in Richtung äh Forward deployed Engineers, die das quasi für ein Krankenhaus so ein bisschen machen. Im Prinzip,

12:04

Lukas Gilz

ja, es sind keine Engineers, aber im Prinzip wir unsere Software ist der Arbeitsplatz, in dem die Leute arbeiten. Äh äh so der ist KI unterstützt und äh dem Krankenhaus bieten wir an den Prozess, dass wir das halt für sie tun und in der Kommunikation Menschen. Wir können es auch in den Systemen der Krankenhäuser ohne unsere eigene Software, das machen wir tatsächlich für die meisten unserer Kunden noch so, weil wir die noch in dieser Software Onboardingsphase drin haben, dann ist es halt teurer für die Kunden, weil wir halt nicht so effizient sind und dann, wenn man die Software angebunden hat, dann können unsere Leute damit arbeiten und dann wird's besser von der Qualität und auch schneller, also günstiger für uns und damit können wir es auch günstigen. Ja.

12:45

Dr. Michael Köpf

Ja, dann lass uns doch ähm noch mal auf das Thema Organisation zurückkommen. Ähm insbesondere äh also ein Thema, was was uns immer beschäftigt, ähm ist das Thema äh Rollen. Ja, also was ist jetzt tatsächlich mit den klassischen Rollen bzw. auch der Rollenaufteilung in den Teams? Ja, wie wird sich das deiner Meinung nach in Zukunft verändern oder wie hat es sich vielleicht ja auch schon bei bei euch verändert?

13:10

Lukas Gilz

Genau. Also, ich bin äh großer Fan von dieser Notion eines Product Engineers, weil also historisch sehe ich das äh also ich meine quasi mit Cloud kam ja irgendwie das die DevOps Bewegung, in der man irgendwie gesagt hat, na der Engineer schreibt hal nicht nur ein Code und gibt ih dann rüber anations, sondern ist auch noch äh dafür verantwortlich äh das dann zu betreiben, erst zu deployen und dann auch, wenn was fehlt, was irgendwie zu fixen. Das war ja, weil man da irgendwie einen ja Informations Mauer oder quasi manchmal war sie ein bisschen durchlässig [gelächter] oder manchmal war sie unglaublich hoch hatte die hat man eingerissen und weil man gemerkt hatte, dass irgendwie an also einer Übergabe gehen Informationen äh schieben und die ist ineffizient. So und äh jetzt was man ja in Software schreiben eigentlich erreichen möchte, ist ja nicht irgendwie Code produzieren oder Features produzieren, sondern will ja Wert für den Nutzer oder den Kunden äh äh äh also im Endeffekt man Geld verdienen. Ja, so und das heißt, der ganze Software Entwicklungsprozess ist für mich einfach eine Wert äh äh Erzeugungsprozess. So. Und äh dann gab's die nächste Hürdewahl zu Produkt, ne? irgendwie Produkt kam und hat gemeint, ja, wir das ist das, was der Kunde will und so soll das irgendwie aussehen und dann ähäh wurde das gebaut und dann hat man gesagt, agil, wir gucken uns das alle zwei Wochen an und dann verbesser es mal noch mal und so weiter und das ist noch auch eine Hürde und ich glaube, das ist die also die Hürde, die man eigentlich vor Obsät einreißen müssen. So und ich glaube mit AI ist das die Hürde, die fällt und deswegen erwartet man eigentlich jetzt von den Engineers, dass man halt irgendwie von Ops, Entwicklung und Product, dass er das einfach machen kann und dass man sagen, man geht zu einer Person und sagen, ich will, dass du Wert erst erzeugst. Du redest mit dem Kunden, du fragst, was er will, du baust was. Du redst mit Kunden, fragst, ist das, was du willst, kannst du das benutzen? Was brauchst du noch? Und äh äh so und dann hat man den Product Engineer, das glaube ich so die Rolle und auch das Skill, was Entwickler alle lernen müssen. Ja,

15:11

Dr. Michael Köpf

genau. Also sehr schön. Du hast ja sozusagen diese sogenannte Wall of Confusion schon schon angesprochen, ne? Die die ja früher sozusagen Standard war. Äh meine Erfahrung ist tatsächlich ähm, dass es sie immer noch sehr viel gibt tatsächlich, ne? Gibt also viele solche Wände gibt es tatsächlich. Ähm und ich glaube, dass ähm der Erfolg, also der der KI Transformation, die ja überall gerade stattfindet, sehr sehr stark davon abhängt, ob man solche Mauern schon eingerissen hat oder bereit ist, dafür das zu tun. Also, ich find es immer noch erstaunlich, unheimlich viele äh Dinge, die aus dem DevOps und Continuous Delivery Umfeld kommen, wenn man die damals sozusagen sauber etabliert hat oder hat das aktuell sauber etabliert hat solche Prozesse, dann ist man normalerweise jetzt jemand, der das relativ oder relativ gut damit klar kommt, ähm KI sozusagen in den Entwicklungsprozess zu integrieren. Das ist praktisch mein Eindruck. wäre erstmal meine Frage, äh teilst du das und dann wäre natürlich auch die Frage, wie wie kann ich dafür sorgen, ähm dass ich solche Wände tatsächlich einreiße bzw. vielleicht auch verhindere, dass sie neu entstehen, denn das passiert ja auch.

16:23

Lukas Gilz

Ich glaube, also äh ich glaube, das ist eine, also dass diese Ops-Wand ist eine Korrelation, also das ist eine Voraussetzung, dass man mit KI sinnvoll arbeiten kann, weil äh man braucht schnelle Feedback, weil wenn man schneller wird, muss man seinen Feedbackzyklen auch schneller machen. Ja. Und wenn man lange für Feedback braucht, dann ist das der Intrinsbremse und dann, wenn ich jetzt schneller entwickeln kann, laufe ich am schlimmsten Fall schneller in die falsche Richtung und habe ich auch nichts gewonnen. Und dafür muss ich ja continuous deployen können und so, wenn ich das nicht habe, kann ich überhaupt nicht schneller werden. So. So. Und jetzt ist die zweite Frage, wenn ich das kann, dann muss ich beantworten, was baue ich denn? [gelächter] So. Und das ist auch so eine Wand und da ist die grundlegende Frage, ist man eine Produktorganisation, also hat man produktmäßiges Denken in der Organisation verankert? Das ist eine Kulturfrage ist auch eine Org Frage, weil ganz häufig ist es so, dass dann irgendwie man hat irgendwie den CTO in der Organisation, der macht irgendwie Entwicklung und dann gibt's irgendwie den CPO sogar noch und der reportet vielleicht sogar noch an irgendwie den CEO und der CTO steht neben dem, [gelächter] also dann kommt man in so org Situationen rein, wo eigentlich das, was man erreichen will, in zwei unterschiedlichen Verantwortungsbereichen so und ähm und deswegen ist das teilweise eine Org Frage, so, weil quasi der CPO will ja nicht. Also eigentlich sollte man, ich bin großer Fan davon einfach ein CPTO zu machen, dann weil man irgendwie alleinen kann. Also, aber wenn es zwei Leute sind, dann ist also dann ja, wer wer verliert denn jetzt ein Ziell und so weiter und dann hat man auf der höchsten Ebene schon diesen Konflikt und der zieht sich dann irgendwie runter und äh das ist die Orgfrage. Erstmal, hat man überhaupt die Teams so, dass sie so denken, wenn sie so denken, dass sie das ausführen können? Und das zweite ist dann haben die Leute die Kultur denn so zu denken und wollen sie denn wollen sie einfach nur ein Feature delivern oder wollen sie Impact für den Nutzer erzeug? Mhm.

18:23

Jan Schulte

Mich würde da jetzt dazu interessieren, wie ihr das dann bei Damedic macht von der Org und natürlich auch von der Kultur her.

18:30

Lukas Gilz

So. Also ich glaube von der Org ist es erstmal so, dass also ich habe den großen Vorteil, ich bin Founder, so und das das heißt irgendwie kann ich sagen, so das ist irgendwie mein Bereich, so sehe ich meine Verantwortung und ich denke halt auch im Business Impact, weil ja, ich meine ist meine Firma, ich will den Wert dieser Firma nach vorne bringen. Ich hätte nicht gegründet, wenn ich mich so denken würde, so also ist auch mein Interessen. Deswegen auf das Level ist erstmal als Startup ähäh und in dem Setting ist das kein Thema, aber äh äh schon dann immer eine Abgrenzung in den Bereichen dann auch schon immer eine Diskussion. So,

19:03

Jan Schulte

also siehst du dich eher als CPO dann oder als CTO oder als die Mischw?

19:07

Lukas Gilz

Genau, also ihr ich sehe mich tatsächlich als CPTO, also so das ist also steht auch mein LinkedIn nicht so, aber das ist so irgendjemand hat mir mal gesagt Namen sind wichtig so bisschen stringenter zu sein und ich glaube es ist auch so ich glaube ich mache ein bisschen mehr Product in meinem Fokus als tatsächlich diese T-Rolle, das das Feedback, was ich aus meinem Team gehe, dass ich irgendwie diese T-Rolle manchmal ein bisschen vernachlässige oder depriorisiere. Äh ist aber immer eine bewusste Entscheidung. So. Ähm äh aber ähm ja, aber ich mache beides. So und dann ähm und so sehe ich auch die die Rolle. So und dann jetzt die Frage Kultur. Ja und äh da ist auch also kleines Unternehmen äh wieder Vorteil, also wird die wichtigste Entscheidung ist einfach die richtigen Leute einstellen, ne? Also im Einstellungsprozess dafür zu sorgen, dass die Leute Impact erzeugen wollen und nicht irgendwie Anforderungen bekommen und umsetzen und dann äh die Ende hochheben und sagen fertig. So größere Organisationen können das nicht tun. Und dann ähm äh dann muss man sagen, äh also dann muss man kulturelle Maßnahmen ergreifen oder halt sich von Leuten trennen oder Leute in andere Teams versetzen, wo äh äh wo das nicht so gebraucht wird. ähm und halt Maßnahmen ergreifen. Und was bei uns ultra gut funktioniert hat, sind Hackathons. Alsoen wir regelmäßig äh also ich habe das so institutionalisiert. Es gibt den Pitch Tuesday und den Hackathon Friday. So und die Key Idee ist der Pitchday ist alle zwei Wochen und äh äh jeder ist motiviert dafür quasi dahinzukommen und eine Pitch zu halten, sagen, ich habe die Idee für unser Produkt, für unsere internen Prozesse, für irgendwas, was die Firma weiterbringt. Das müssen Sie mir präsentieren und zu sagen, so das ist irgendwie die Idee. Äh und wenn ich dann ja sage, kriegen sie immer einen Freitag das zu realisieren und im nächsten Pitch Tuesday zeigen sie das Ergebnis. So. Ähm, ich habe dieses Gate drin, so bisschen so Commitment und Strategic Alignment, dass nicht einer sagt, ich habe hier eine tolle Idee, wie man Autos verkaufen kann. Äh, also so dieses strategische Line mit unten Diskussion dann noch mal das was noch mal schärft und fragen kann, sag mal, was ist noch mal der Impact? Willst du einfach nur ein Feature? Was ist denn nutzen für den Nutzer oder wen sprichst du damit an? das noch mal kritisch hinterfragen zu können. Ich glaube, wir machen das jetzt seit eineinhalb Jahren. Ich habe vielleicht drei, vier mal nein gesagt und das war hauptsächlich so, weil ich gesagt habe, das ist eigentlich kein Pitch, das sollte in unserem ganz normalen Prozess eigentlich hochpriorisiert laufen. Ich will jetzt nicht, dass wir diese Pitches dafür benutzen, Sachen, die in der Priorisierung runterfallen äh benutzen und äh dann ist im normalen Prozess gelaufen. So. Und das dann haben wir das noch koppelt mit irgendwie Zielvereinbarung für unsere Mitarbeiter, äh, dass sie so und so viele Pitches machen müssen und davon bestimmte Anzahl auch in Produktion dann laufen müssen. So. So. Und das haben wir dann als Zielvereinbarung und äh also die Leute waren am Anfang auch schon sehr motiviert, aber das war dann noch mal nee, also er mein ernst und wenn ich dann mal gesagt habe, wir haben jetzt keine Zeit, äh wo ich aufgepasst habe, dass ich nicht sage, äh dann haben sie gesagt, Leute, ist mein Bonus, [gelächter] also dann kommt auch der Pushback. So und das äh das ist bei uns, also wir haben jeden Dienstag haben wir irgendwie fünf, sechs Leute, die da irgendwie einen Pitch haben, äh die dann irgendwie sich diesen Freitag dann irgendwie Zeit nehmen, das zu realisieren. Ultra tolle Ideen. Äh äh so und das ist auch, wo KI dann halt scheint, ne? Also, wir hatten vorher schon Hackathons und dann war ja äh äh da war eigentlich so 30% kam was raus und das war weniger als man gedacht hatte. Jetzt ist es eigentlich, es kommt fast immer was raus oder ähm irgendwas, was man zeigen kann, was man evaluieren kann. Also das funktioniert wirklich gut und ist halt das Bild. Ja.

22:53

Dr. Michael Köpf

Ja, sehr cool. Also oft ist es ja so, dass diese Hackathons dann eher wie so eine Spielerei äh oder Bespaßung sozusagen betrieben werden, ne? Aber ihr macht das tatsächlich das sehr ernsthaft integriert, also das finde ich sehr spannend. Ähm, jetzt hast du

23:06

Lukas Gilz

alle Ergebnisse im Hackathon werden auch ein, also werden ein Backlog Item. Wir scoren alle Backlog Items dann so. Das heißt, es ist dann auch transparent, warum das jetzt in der PRO hoch oder runter ist. Und äh wir scoren jetzt das machen wir seit ein paar Monaten, das ist ultra gut. Wir scoren nach RICE und da ist Confidence ist ja ein und wenn man halt ein erfolgreichen Hackathon hat, ist die Confidence halt immer hoch, weil man hat ja was man sich sicher, dass es funktioniert hat mit den Kunden und deswegen sind diese Sachen aus den Hackathons gehen relativ schnell hoch in den Backlog so und die Priorisierung ist transparent, nicht so dieses high, medium, low so weiter. Man weiß irgendwie Reach Impact confidence effort also und dann äh das hat irgendwie das führt dazu, dass die Sachen etabliert äh also akzeptiert sind und dann auch transparent in der Entscheidung. Ja. Ähm,

23:55

Dr. Michael Köpf

jetzt hast du ja eben also dafür brauchst du ja die richtigen Leute. Ja, das das hast du ja schon gesagt. Und ähm jetzt frage ich mich halt ähm wenn du jetzt äh heierst ähm also das Problem ist ja, viele Leute haben jetzt gerade in älteren Unternehmen haben natürlich eine große Belegschaft, die sozusagen einer ganz anderen Zeit äh angestellt wurde. Mittlerweile ist aber ja die die Rate des Changes sozusagen so groß, dass du ja heute Leute einstellst im Prinzip für eine Welt, die du ja gar nicht so genau absehen kannst. Ja, also ich meine, wie sah es vor 3 Jahren aus, wie sieht's in dre Jahren aus? Ja, äh das sind ja keine langen Zeiträume, wenn man an Personal denkt. Ähm das heißt, wonach schaust du denn jetzt überhaupt bei Personen, die du anstellst, dass du denkst, die sind auch wirklich für Jahre sozusagen die richtigen Leute?

24:40

Lukas Gilz

Ja, also äh an der Stelle muss ich sagen, das ist ein Problem, wovor ich jetzt stehe, wo ich nicht wo ich nicht sagen kann, ich habe davon Erfahrung. Äh also wir haben jetzt ein relativ konstantes Team. Wir haben auch gesagt, unsere Strategie ist, wir wollen mehr Produkte bauen, aber wir wollen das eigentlich in den bestehenden Teamstrukturen bauen und nicht irgendwie noch mal irgendwie groß wachsen, weil ich glaube, wenn man wachst, kommt halt irgendwie Organisationskomplexität und die vor der habe ich Angst. [gelächter] Also, ich glaube, kleine Teams sind besser, deswegen versuche ich eher ein Tick zu klein zu sein als ein Tick zu groß. Das ist so quasi so meine Kernstrategie. Wir haben jetzt gerade zwei Stellen ausgeschrieben äh quasi für den Lead Develop experience in Infrastructure und Lead Compliance. So und äh das ist jetzt, also jetzt mache ich mir gerade Gedanken darüber, wie ist äh so und erstmal habe ich gemerkt äh quasi der Interview, also Lebensläuf, ich habe perfekte Bewerbungen bekommen, also so, dass ich gesagt habe, der ist ja, wenn ich mir jemand hätte backen wollen, [gelächter] gebacken. Ja. Und äh und dann ist es so, wo ich sagen würde, ja, vielleicht gibt's die Person, aber die Person hat erstellt, hat ih Ausschreibung irgendwie genommen und äh äh so und es ist ultra aufwendig, erstmal die Lebensleute zu screenen, weil man dann aufen muss, sagen wir ma das wirklich gemacht oder hat er jetzt einfach nur die Sachen übernommen und so so und dann im Interview weiß ich tatsächlich noch nicht so richtig, wie ich damit umgehe. Das ist tatsächlich mein Thema, also mein Fokusthema für diese Woche ist nämlich den Interviewprozessgestalter für diese Rollen. Da wir haben jetzt Bewerbung, wir haben jetzt Leute eingeladen und jetzt muss ich überlegen, wie ich Interview. Äh, also da habe ich noch keine so richtige Antwort. Ähm, ich glaube ganz viel einfach Probleme ihnen geben und dann gucken, wie sie Probleme lösen und wenn sie das gut machen, also weil stellen die Leute sind ja da Probleme zu lösen und das irgendwie hinbekommen selbst, dann nutz AI, ne? Also, aber ja. Ja,

26:36

Jan Schulte

du hast ja gerade schon gesagt, ihr stellt gerade viele Leute ein oder sucht viele Leute frei.

26:40

Lukas Gilz

Also an der Stelleck, also es ist jetzt nicht viel.

26:43

Jan Schulte

Okay. [gelächter] Aber mich wird trotzdem so ein bisschen interessieren, weil du jetzt auch gemeint hast irgendwie sucht Leads ähm oder Lead Developer oder so. Ähm wie wie stehst du aktuell zu Junior und Studienabgänger? Weil die haben ja natürlich aktuell ein riesen äh Problem, oftmals einen Job zu finden. Ähm wie siehst du das ähm bei euch z.B. und mich würde auch interessieren, was würdest du Studienäh Abgängern und äh Juniors aktuell empfehlen?

27:12

Lukas Gilz

Ja. Ähm also ich glaube, es ist es ist schwierig. Ähm, aber ich glaube auch, also was ich gesehen habe ist, ich habe irgendwie Seniors gesehen, die mit AI fremdeln äh und deswegen jetzt [räuspern] in auch dann auf der Organisation eher der Bremser sind und damit eigentlich würde ich sagen, von Net Impact äh eigentlich so wie ein Junior sind und ich habe Juniors gesehen, die eigentlich nach einem Jahr schon wie ein Senior waren. Deswegen glaube ich gar nicht, dass aktuell Juniorkeit und Seniorigkeit so das richtige Merkmal sind, sondern ich glaube, es ist eine Riesenchance als Junior jetzt irgendwie schnell irgendwie viele Erfahrungen zu machen, weil das was man jetzt weiß ist auch in dem Jahr schon wieder irgendwie überfällig. Die Wissens Halbwertzeit ist kleiner. Das heißt eine Chance als Junior, wenn man da irgendwie engagiert und äh motiviert ist, da irgendwie reinzukommen. So. Und als Senior ist die Herausforderung halt ja nicht in dem was man macht, hänge zu bleiben, aber auch so lange hängen zu bleiben und nicht verunsichert sein von allem, was neu kommt, dass man sich halt auch seine Stärken beraubt. So, deswegen glaube ich strugglen alle auf einer unterschiedlichen Ebene, aber gleich viel. Für alle gibt's Risiken und Chancen. So. Und äh was ich Juniors raten würde, ist halt auch was bauen und dran bleiben und nicht nur Prototypen bauen, weil ich glaube, das ist das, was irgendwie in dem äh äh ähäh im Unternehmen äh wichtig ist. Und wenn man das zeigen kann, dass man irgendwo einen, also vielleicht irgendein Tool oder irgendeinen irgendwas länger maintaint hat und dabei geblieben hat und gesehen hat, da ist man länger dabei und das ist auch irgendwie eine Constant Curve, die muss nicht steil sein, aber es ist nicht ein Repo, indem man mal irgendwas gezeigt hat, sondern es ist irgendwas, wo man länger dabei geblieben ist. Vielleicht auch Werkstudent oder sonst irgendwie was, das glaube ich ist also wie man Ja,

29:02

Jan Schulte

da woll wollte ich noch mal kurz drauf eingehen auch, weil du es auch gesagt hast, Erfahrung Erfahrung sammeln. Ähm, was natürlich sehr schwierig ist aktuell, ist äh, dass mit intensiver KI Nutzung oder so keiner kaum mehr jemand codet, richtig, ne? Und man natürlich auch viel Erfahrung einfach gewinnt, dadurch, dass man selbst halt mal irgendwas runterprogrammiert. Ähm, wie ist da so deine Erfahrung oder siehst du das als ein Problem?

29:29

Lukas Gilz

Ich sehe es tatsächlich nicht als also ich sehe es nicht als ein Problem. Also ähm äh ich glaube, also ich glaube langfristig quasi, also ich habe selber irgendwie ein paar irgendwie Projekte, die ich habe ich nie in den Code geguckt. Das kann irgendwie tolle Sachen. Ja, so deswegen glaube ich dieses irgendwie Code lesen können oder Code schreiben können ist nicht mehr wichtig. ähm langfristig so jetzt äh lesen, verstehen schon, aber man kann es ja auch mit KI erklären lassen und dann also ja ähm so deswegen diese Erfahrung glaube ich ist nicht so essentiell. Ähm was aber die große Gefahr ist, ich meine, wenn man Code schreibt, zwingt einen das dazu, es das Problem wirklich zu durchdringen, zu verstehen, die Edge Cases zu finden und äh so und man hatte diesen Prozess in dem Code schreiben, dass man das automatisch mitmacht und wenn man es nicht macht, sagt ein Prozess, das kompiliert nicht, es funktioniert nicht, hier ist ein Fehler und so weiter. Äh äh so und man hat gemerkt, jetzt hier mache ich jetzt irgendwas, was echt falsch ist, weiß du? So und äh da erlauben halt die LLMs einem so irgendwie, da kann man so drüber flaffen und sich selber vormachen, dass das Problem gar nicht existiert oder äh dass es da nicht ist. Und da ist das große Risiko, dass das halt, dass man als Junior das halt irgendwie dauernd macht und überhaupt nicht versteht, wo die wirkliche Komplexität ist. Das sind auch diese äh Merge Request, die kommen und der hat nie jemand drauf geguckt. Ja, und dann sagt man jetzt macht doch überhaupt nicht das, was es soll. Also, ich meine das man kann ja über schlecht gecode da sage ich sag immer das erste ist also Merch Code Review ist erstmal schießt unser Productionsystem down, wenn nein ist schon mal super. [gelächter] Das ist die erste Frage, die man irgend sich irgendwie stellen soll. Und die zweite ist macht's das, was soll. So und alles danach ist egal. Aber das große Risiko ist, macht das, was es soll. Und wenn man das nicht beantworten kann und sich da nicht tief mit auseinandersetzt und das erlauben LLMs einen zu machen und dann tun sie total eloquent dir sagen, dass das auch unwichtig ist und so weiter da kritisch zu sein. So, das ist glaube ich das die die Mentality, die man braucht und da glaube ich muss man kulturell auch echt aufpassen, ne? Also, dass man, dass die Code Reviews sich dat beschäftigen und dann sagt, wenn das [räuspern] nicht macht das, was es soll und s nicht das nicht getestet worden ist, dann muss es zurück und das ist auch ein würde ich mal sagen, rien Anschiss erstmal an diese Person sagen, ne, das ist nicht unser Standard, ne? Und nicht hinzugehen, da guck mal, die KI hat einen komischen Docstring geschrieben, irgendwie die Funktion sollte doch noch mal anders heißen oder irgendwie das sollte eine Klasse sein und so weiter. Das ist unwichtig. Ähm ja,

32:09

Dr. Michael Köpf

also ich sehe das auch als ein riesen Problem. Ähm, die Leute, die darüber so sprechen, die nennen das, glaube ich, aktuell vor allem so Cognitive Debt oder auch Comprehension Debt, habe ich in dem Zusammenhang schon gehört, setzt sich das, dass man eigentlich den den Code oder die Software schneller entwickelt, als man dann mit dem Lernen hinterherkommt. Und du hast ja auch schon gesagt, ist ja wichtig, dass das Softwareentwicklung, also ich ich sag's mal ein bisschen anders, als du gesagt hast, aber im Prinzip ja ein Lernprozess ist, dem man den man auch durchgeht, ja, wo man das Problem verstehen muss, aber auch die Lösung verstehen muss im Detail und natürlich gerade durch, wenn man sage ich mal als Entwickler jetzt unter Druck steht, also möglichst viel Output zu generieren, was natürlich dann mit LLMs immer einfach ist, ist man sozusagen immer in der Verlockung das jetzt weiter zu pushen und auch vielleicht weiter zu pushen Als man es, also als man eigentlich jetzt selber mitkommt. Ja, eben so sagen, man das mentale Modell, was man dann im Kopf hat, weicht dann immer weiter ab von der Realität. Würdest du damit umgehen oder was was wäre jetzt so dein Ansatz zu sagen? Ähm so so kann man irgendwie vielleicht sicherstellen, dass dass es nicht passiert oder dass zumindest diese Comprehension Debt unter Kontrolle bleibt?

33:18

Lukas Gilz

Also für mich ist das eigentlich Product Management. Mhm. Also äh so, weil als Product muss ich sicherstellen, dass mein Produkt, was ich beim Nutzern zur Verfügung stelle, in sich konsistent und verständlich ist. Wenn ich das als Entwickler nicht mehr verstehe, was es tut, wie soll denn der Nutzer verstehen, was das Produkt tut? Wer wer versteht's dann? Ja, und dann hat man irgendwie in drin sich geh, also ist auch automatisch ein schlechtes Produkt und das Schlimmste ist ein schlechtes Produkt und ein schlecht wartbares Produkt. Das heißt, dann hat man Unternehmen hat man dann ein Problem, wenn also diesem Problem Ja. So und ähm so und deswegen muss man Komplexität managen und äh also meiner Meinung hat man mit KI als Unternehmen zwei Möglichkeiten strategisch mit KI umzugehen. Das eine ist irgendwie Build more, also ich habe bauen ist halt billiger, also baue ich viel mehr, ja oder build better, [räuspern] also build the right thing right. So und ich glaube die Organisation, die Entscheidung muss man als Organisation treffen. Also ist total verlockig mehr zu bauen. Total. Alle Nutzer wollen immer mehr, haben viele Ideen und ähäh so weiter, aber äh genau. Also so komisch es klingt, glaube ich, die Antwort auf KI ist halt häufiger nein zu sagen. So, damit waren Organisationen vorher schon schlecht. So, mit KI ist das quasi mehr bauen noch verlockender. Also, aber äh der Punkt ist, wenn ich es schnell bauen kann, kann es jeder andere schnell bauen. Das heißt, da ist auch kein Markt. Mm.

34:46

Dr. Michael Köpf

Guter Punkt. Äh so

34:47

Lukas Gilz

und das heißt, diese Sachen sind aktuell noch verlockend, aber die sind nicht lang. Also in ein halben Jahr haben es 20 andere aufgebaut, weil es hat ja in zwei Tagen hat man dieses Feature. Das heißt, das ist nicht dieser große Markt, den man sich da irgendwie einredet. So und das ist Product Management ist da und Product thinking, da muss der Engineer drin sein und muss hart pushen und sagen, ist das wirklich notwendig, welche Hypothesen stehen dahinter, haben wir die bewiesen? Können wir was einfaches bauen, die Hypothesen testen und dann weitermachen? Das ist meiner Meinung die aktuell die Aufgabe auch von Führung, das irgendwie also das sicherzustellen, dass das gemacht wird und nein gesagt wird und Pushback.

35:21

Jan Schulte

Lukas, ich glaube, wir könnten noch eine Stunde weiterreden. Das ist mega interessant. Ähm, aber wir sind ein bisschen über unsere Zeit schon. Vielen lieben Dank äh für das Interview, Lukas. Und äh ja, noch noch einen letzten Satz, den du zum Abschluss unseren äh Zuhörern mitgeben möchtest.

35:39

Lukas Gilz

Ich glaube äh also äh ich glaube äh was man merkt ist einfach quasi es ist absolut viel rechts und links und ich glaube äh quasi selbst ein bisschen zurückzunehmen und sich nicht in Stress zu setzen, das ist irgendwie der Kern. Ich war äh vor zwei Wochen vor meinem Urlaub, ich war zwei Wochen im Urlaub, war ich auf We Developers in Valley und äh da war das Thema Burnout war äh tatsächlich ein krasses Thema, was sehr viel diskutiert worden ist und äh ich glaube ähm man muss diese Schnellebigkeit nicht unter ich könnte was verpassen, sondern es ist irrelevant, weil wenn ich in vier Wochen gucke, ist es auch ist das, was neu war auch nicht mehr relevant. Also reicht auch, wenn ich dann eine vier Wochen gucke. Also ich glaube, da Geschwindigkeit rausnehmen, sich auf Sachen fokussieren, äh ist das, was Menschen gut macht und äh in dem gute Ergebnisse kommen und darauf sollte man sich irgendwie fokussieren und nicht diesen ja, diesem teuflichen Trang nachgeben, mehr schneller viele Sachen parallel zu machen und das auch confident irgendwie ja verden. Ich glaube, das ist so ein bisschen, würde, das daran glaube ich und dafür das höre ich zu wenig und deswegen glaube ich das als letzter Satz sozusagen das noch mal als Meinung und Stimme mitzugeben.

36:56

Jan Schulte

Super, vielen Dank dir, Lukas. Herzlichen Dank. Dann bis zum nächsten Mal alle.

37:03

Lukas Gilz

Hat mich sehr gefreut. Genau. Bis dann. Tschüss.

Alle Folgen im Protokoll