Das KI-Kochbuch mit Malcolm Werchota

Title: #144 - Wie ich 94 Slides gebaut habe ohne zu prompten (Teil 2/2)

Teil 1 vom Montag war Theorie: Was ist ein Loop? Wie unterscheidet sich das von Agents und Workflows? Heute der konkrete Teil. Wir nehmen einen echten Use Case — meinen Workshop-Closeout bei Gärtner von Eden mit 94 Slides — und bauen ihn Schritt für Schritt mit Loops. Ihr seht, wie man konkret prompted, was die Done-Conditions sind, und warum dieselbe Logik bei Sales-Calls, F&E-Reports und Procurement-Audits funktioniert.

📍 Worum es heute geht: Loops am echten Workshop-Closeout — von 20 Workshop-Transkripten zum verifizierten 94-Slide-Deck. Mit konkreten Prompt-Mustern, der "linken Felge" und einer Einladung nach Wien.

🪙 Der Goldwäscher (Content-Extraction Loop). 20 Aufnahmen, Interviews, Toothbrush-Tests, Breakout-Rooms. Wie zieht ihr da raus, was wirklich drin ist? Ihr sagt der KI: "Extrahiere die Use Cases. Jeder Use Case braucht mindestens DREI Belege aus dem Transkript. Wenn nicht — raus. Wenn ja — drinnen." Und dann lasst ihr es laufen. Drei, vier Mal. Mit immer feinerem Sieb. Bis das Gold übrig bleibt. Das ist Loop Nummer eins.

🛠️ Die linke Felge (Personal Verify Loop). Mein Mechaniker weiß, wenn der Malcolm kommt — die linke Felge ist zerkratzt. Jedes Mal. Er muss nicht jeden Aspekt prüfen. Er prüft DAS eine, was bei mir IMMER schiefgeht. Genau das macht ein Verify Loop: er prüft NICHT alles, er prüft eure typischen Fehler. Wenn die KI bei euch immer Use Cases erfindet, die nie im Interview vorkamen — Verify Loop prüft genau das. Drei Mal. Vier Mal. Bis sicher.

📋 Memory Loop als Audit-Log. Ihr braucht keinen perfekten Mega-Prompt. Ihr braucht einen Memory Loop, der mitschreibt was passiert. Eine Zeile pro Schritt. Was wurde gebaut? Was wurde geprüft? Was war rot, was wurde gefixt? Wenn die KI in drei Stunden Arbeit vergisst, was sie gemacht hat — der Memory Loop weiß es noch. Audit-Log mit zwei Funktionen: erstens, lückenlos prüfbar. Zweitens, die KI selbst kann reinschauen und sich erinnern.

🏗️ Die 5 Templates aus der Nacht (im Detail im Listener Artifact unten):
T1 — Content Extraction Loop: Goldwäscher. Aus messy Sources (Transkripte, Calls, E-Mails) das Gold sieben.
T2 — Generation with Source-Pinning: Bauteil mit Prüfsiegel. Jede Behauptung muss auf eine Quelle zeigen, sonst FAIL.
T3 — Adaptation Loop: Heimwerker am Auto. Eine Schraube ändern, nicht den Motor.
T4 — Mechanical Verify: TÜV-Prüfer. Deterministisches Skript, keine LLM-Bewertung.
T5 — Self-Catch Loop: Prüfstatiker. Frischer QA-Subagent, ohne Build-Kontext, findet deine eigenen Widersprüche.

⚡ Der 03:42-Moment. Die Build ist durch. Mechanical Verify grün. Espresso #3. Ich starte den QA-Subagent (frischer Kontext, kennt den Build nicht). 4 Minuten später schreibt er mir: "Die Rubric sagt Modul 03 unangetastet. Aber Slide 27 hat eine neue Bildreferenz. Welche Version stimmt?" — und ich dachte: f*ck. Ich hatte beides geschrieben. In meiner EIGENEN Rubric. Eine andere KI hat MICH gefunden.

📌 Drei Take-aways für drei Rollen:
CTO/CDO: T4 zuerst. Mechanical Verify ist die einzige Schicht, die nicht lügt. Baut das vor allem anderen.
Head of Sales: T1 (Extraction). CRM-Notizen, Calls, E-Mails — Goldwäscher. Was bewegt sich? Wer signalisiert?
R&D-Lead: T2 (Source-Pinning). KI in Forschung MUSS Quellen pinnen, sonst halluziniert sie eure Reputation kaputt.

💼 Wo das in eurer Firma als Pattern auftaucht — die 10-Säulen Commercial Maturity bei werchota. Säule 9 Sales Ops & Performance Management = im Kern T4 + T5: eure Pipeline-Daten validieren sich selbst gegen die Pipeline-Regeln, ohne dass jemand wöchentlich im Forecast-Call alles abfragt. Wer wissen will, wo in der eigenen Commercial Engine Loops ansetzen können — Link unten.

🎒 Bonus: Ich bin diese Woche in Wien. Donnerstag bei der RBI. Wenn ihr in Wien seid und euch treffen wollt — pingt mich auf WhatsApp 0043 676 6144 904. Oder wenn ihr mit eurer KI an einer Stelle hängt und nicht weiterkommt — ping. Manchmal bauen wir gemeinsam einen Loop für euren Case.

⏱️ Timestamps
00:00 — 30-Sekunden-Recap aus Teil 1 (Fable 5, US-Handelsministerium, Loops)
02:00 — Der konkrete Use Case: Gärtner von Eden Workshop-Closeout
05:00 — Content-Extraction Loop: der Goldwäscher
09:00 — Generation-with-Source-Pinning: das Bauteil mit Prüfsiegel
12:00 — Adaptation Loop: nur die linke Schraube, nicht der Motor
14:30 — Mechanical Verify: warum LLM-as-judge nicht funktioniert
17:00 — Self-Catch Loop: der 03:42-Moment, der QA-Subagent fängt MICH
19:30 — Die linke Felge: personalisierter Verify auf eure typischen Fehler
21:30 — Memory Loop als Audit-Log + Einladung nach Wien
🎙️ Über den Host
Malcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Studium: Physik / Werkstoffwissenschaft an der Montanuniversität Leoben. 10 Jahre Erdöl & Erdgas, 3 Jahre Novartis (Head of Strategy einer 2-Mrd-USD Business Unit). Am 30. November 2022 kam ChatGPT raus. Einen Monat später hat er gekündigt. Heute Co-Founder werchota.ai und coatingAI. Lebt in Lochau am Bodensee mit Masha, Camila, Sophia und Alex.

🚀 Ressourcen für Führungskräfte
📚 Chief AI Academy — KI für Entscheider
🎯 AI Commercial Playbook — diagnostiziert eure 10-Säulen Commercial Maturity
👥 AI Leadership Community
🌐 werchota.ai
📥 Loop Templates Collection (T1-T5) — kostenlos zum Download
📬 Kontakt
LinkedIn: linkedin.com/in/malcolmwerchota
E-Mail: malcolm@werchota.ai
WhatsApp (für Wien-Meetup oder Loop-Hilfe): +43 676 6144 904
📰 Quellen + Referenzen
Gärtner von Eden Workshop, Düsseldorf (11. Juni 2026)
Lance Martin (Anthropic Research) — Agent Loops Infografik
Anthropic Fable 5 + Mythos 5 Launch (9. Juni 2026, Export-Stopp 12. Juni 2026)
Loop-Methode angewandt auf: Workshop-Closeout, Sales-Pipeline, F&E-Reporting, HR-Bewerber-Filter, Vorstands-Strategie-Audit
Tags: #LoopTemplates #ContentExtraction #SourcePinning #MechanicalVerify #SelfCatchLoop #AuditLog #MemoryLoop #Workshop #CommercialPlaybook #Mittelstand #DACH #werchota #DasKIKochbuch #Bregenz #Wien

Need to diagnose your commercial engine? malcolm@werchota.ai

Take care for now. Malcolm out.

Title: #143 - Loops statt Prompts: Was sich gestern Nacht verändert hat (Teil 1/2)

Codewort: Fable 5. Am 9. Juni 2026 hat Anthropic zwei neue Modelle rausgebracht — Fable 5 und das Schwestermodell Mythos 5. Wir hatten drei bis vier Tage Zugang. Dann hat Amazon-CEO Andy Jassy das US-Handelsministerium kontaktiert, ein Notfall-Export-Kontroll-Order wurde erlassen, und die Modelle wurden weltweit abgeschaltet. Zum ersten Mal in der Geschichte hat die USA ein KI-Modell als so gefährlich eingestuft wie Waffen oder NVIDIA-Grafikkarten.

Aber diese drei Tage haben mir etwas gezeigt: Fable 5 war nicht schlauer. Es arbeitete anders. Wo wir uns früher 4-5 Stunden wundgepromptet haben, drückst du bei Fable 5 nach einer halben Stunde auf "Go" — und das Ding läuft 5 Stunden autonom durch. Diese Art zu prompten heißt: Loops. Und das Beste: sie funktioniert auch mit den alten Modellen. Opus 4.7. Sogar Codex Legacy. Schockierend gut.

📍 Worum es heute geht: Wie man Prompting neu erlernt. Loops vs. Agents vs. Workflows. Wie Malcolm den Close-out seines Düsseldorfer Gärtner-von-Eden-Workshops (11h Tag) in einer Nacht gebaut hat — mit der Möglichkeit, zwischendurch Pause zu machen.

🌡️ Die Heizungs-Analogie. Ihr stellt eurer Heizung 21 Grad ein. Ihr sagt ihr nicht jede Minute "jetzt heizen, jetzt stoppen". Die Heizung regelt sich selbst. Mit Feuer im Kamin. Mit geöffneten Fenstern. Mit allem was sie hat. Ihr seid weg. Das ist ein Loop.

🤖 Loops vs. Agents vs. Workflows. Ein Agent ist wie ein selbstfahrendes Auto — Tesla, ID Buzz — eine konkrete Aufgabe, ihr drückt, das Ding fährt. Ein Workflow ist eine feste Abfolge (E-Mail kommt → Agent läuft → wird abgespeichert). Loops sind die Mitte: das Beste aus beiden Welten. Eine Zielsetzung, dazwischen 4-7 Helfer-Agenten, die ständig prüfen ob die Arbeit richtig gemacht wird.

📋 Die 4 Komponenten eines Loops:
External Done-Condition — die Rubrik.md. Heilig. Nicht mal die KI darf sie ändern.
Build-Loop — der Heizkörper. Baut, bis der Sensor sagt: fertig.
Verify-Loop — der Sensor (oder beim Formel-1-Boxenstopp: der Mann mit dem Lollipop). Grün oder rot. Keine Meinung.
Memory-Loop — das Kurzzeitgedächtnis. Löst das Context-Window-Problem. Macht 3-5 Stunden autonomes Arbeiten möglich.
🏎️ Die Formel-1-Analogie. Boxenstopp. Vorne steht jemand. Reifen montiert? Tank voll? Visier sauber? Sobald alle grün — der Mann geht weg, das Auto darf fahren. Das ist Build-Loop + Verify-Loop in einem Bild.

🏗️ Die Baustellen-Analogie. Der Polier (Build-Agent) muss nicht jede Minute da sein. Er kann eine Woche weg sein. Maurer, Elektriker, Installateur arbeiten. Der Prüfstatiker (Verify-Agent) kommt mit frischen Augen — "die Wand steht schief". Der Vermesser (Memory-Loop) schreibt alles auf. Ihr seid der Bauherr. Ihr habt den Plan unterschrieben. Ihr wartet auf den Schlüssel.

⚙️ Wie man einen Loop konkret baut — 4 Markdown-Dateien:
Goal.md — die große Zielsetzung
Rubrik.md — die externe Done-Condition (verifizierbare Kriterien, die KI darf sie NICHT anfassen)
Build-Agent.md — die Bauanleitung mit Verifikations-Loop nach jedem Modul
Memory-Loop — eine Zeile pro abgeschlossenem Schritt — kein Kontext-Verlust auch nach 3 Stunden
🏭 Die SPS-Analogie für Werkleiter. Eine speicherprogrammierbare Steuerung in einer Produktionslinie läuft total alleine. Warum? Weil drinnen Loops sind. Selbstkorrigierende, in-sich-geschlossene Systeme. Genau das macht ihr jetzt mit eurer KI.

💼 Loops im Sales. Der Verkäufer hat ein Kundenmeeting. Statt 2 Stunden CRM-Eingabe + Lead-Qualifizierung + Angebot-Schreiben: Meeting machen → Computer ausschalten → 2 Stunden Pause → zurückkommen → fertige Offerte in der Outbox, nur noch durchlesen + abschicken.

🚀 Was das praktisch bedeutet: 30-45 Minuten Setup. Dann drückt ihr "Go" — und ihr könnt 2 Stunden weggehen. Hausaufgaben mit den Kindern. Mittagessen kochen. Einen Film schauen. Das erste Mal können wir KI wirklich konzentriert lang laufen lassen, ohne alle 10 Minuten reinzuschauen.

🎯 Drei Montag-Aktionen:
CTO/CDO: schreibt EINE Rubrik.md für einen wiederkehrenden Prozess. Heute Nachmittag, 30 Minuten, externer Datei.
Werkleiter/Innovation Lead: identifiziert EINEN Prozess, der "jede Minute schreit" — und macht ihn zum 21-Grad-Loop.
Head of Sales: schreibt EINE Pipeline-Stage-Definition als Rubrik — z.B. "qualifizierter Lead = 5 Kriterien, jedes binär PASS/FAIL".
📺 Cliffhanger zu Teil 2: Donnerstag schauen wir uns Loop-Templates konkreter an. Wie ihr eigene Loop-Templates baut. Mit konkretem Walk-Through.

🔗 Bonus: Hört euch die Folge ein zweites Mal an. Beim ersten Mal ist es technisch. Beim zweiten Mal versteht ihr alle Hebel.

🎙️ Folge mir auf LinkedIn für tägliche KI-Insights aus der DACH-Realität.

⏱️ Timestamps
00:00 — Cold Open: Fable 5 + Mythos 5 — die 3 Tage, die mein Prompting verändert haben
04:00 — Das US-Handelsministerium und der Export-Kontroll-Bann (erstes Mal für ein KI-Modell)
07:00 — Düsseldorf, Gärtner von Eden, 11-Stunden-Workshop und der nächtliche Close-out
10:00 — Loops vs. Agents vs. Workflows — die drei Welten
14:00 — Die Heizungs-Analogie: Goal, Build, Verify, Memory
18:00 — Die Formel-1-Boxenstopp-Analogie + Baustellen-Analogie
22:00 — Warum Prompts an die Decke stoßen: Context Window, Halluzinationen, Inkonsistenz
25:00 — Wie ihr einen Loop konkret baut: Goal.md + Rubrik.md + Build-Agent.md + Memory-Loop
28:00 — Workshop-Prep: 30 Min Setup, dann 2-3 Stunden weggehen
30:00 — SPS für Werkleiter, Sales-Loop für Head of Sales, Cliffhanger zu Teil 2 + Close aus Bregenz
🎙️ Über den Host
Malcolm Werchota leitet KI-Adoptionsprogramme für Unternehmen in ganz Europa. Studium: Physik / Werkstoffwissenschaft an der Montanuniversität Leoben. 10 Jahre Erdöl & Erdgas, 3 Jahre Novartis (Head of Strategy einer 2-Mrd-USD Business Unit, dann Head of Business Unit Health). Am 30. November 2022 kam ChatGPT raus. Einen Monat später hat er gekündigt. Heute Co-Founder werchota.ai und coatingAI. Lebt in Lochau am Bodensee mit Masha, Camila, Sophia und Alex.

🚀 Ressourcen für Führungskräfte
📚 Chief AI Academy — KI für Entscheider
🎯 AI Commercial Playbook — diagnostiziert eure 10-Säulen Commercial Maturity
👥 AI Leadership Community
🌐 werchota.ai
📬 Kontakt
LinkedIn: linkedin.com/in/malcolmwerchota
E-Mail: malcolm@werchot...

Stellt euch Dr. Katharina Hess vor. Sie leitet die Computational Chemistry Group bei einer der großen Pharmafirmen im Novartis-Korridor. 11 Postdocs und Data Scientists unter sich. Nicht drei Projekte — 30 offene Projekte. Forschungszyklen von 5, 10, 20 Jahren.
Vor fünf Tagen schlägt sie Nature auf. Die Headline springt sie an:
"AI cracks an 80-year-old mathematical challenge."Sie liest. Liest nochmal. Beim dritten Mal versteht sie: ihre F&E-Abteilung läuft bald auf Steroiden. Nicht weil das Mathe-Problem so spektakulär ist — sondern weil die Methode, wie es geknackt wurde, alles ändert.
Und der eigentliche Schock: die KI, die das gelöst hat, war kein superduper Spezial-Mathe-Modell. Es war ChatGPT. Ja, euer ChatGPT.
🧮 Wer war Paul Erdős?
Ungarischer Mathematiker, 1913 geboren. Einer der produktivsten Mathematiker des 20. Jahrhunderts — über 1.500 Fachartikel. Restless. Keine Wohnung. Kein fixes Büro. Heute würde man "digitaler Nomade" sagen — damals war er einfach von Universität zu Universität gewandert.
Seine Leidenschaft war nicht das Lösen — sondern das Formulieren. Er hat über 1.000 offene mathematische Fragen gestellt. Und er hat Geldprämien gesetzt: 25 Dollar bis 10.000 Dollar für die Lösung.
📐 Das Problem: Planar Unit Distance
Stellt euch einen großen Platz vor. Ihr nehmt 1.000 Reißnägel. Wie viele Nagel-Paare könnt ihr gleichzeitig genau gleich weit voneinander aufstellen — sagen wir 1 Zentimeter?
Klingt einfach. Ist es nicht.
1984 hat eine Gruppe unter Spencer und Trotter die obere Grenze auf n hoch 4/3 ausgerechnet. Diese Grenze hat sich 40 Jahre lang nicht bewegt. Noga Alon, der in Princeton lehrt: "It was one of Erdős' favorite problems."
💸 Wie ChatGPT es gelöst hat — für ~1.000 Euro
Erstmal: welches ChatGPT? Nicht das, das eure E-Mails halb durcheinander schreibt. Das Reasoning-Modell — GPT-5.4 oder das Pro-Modell. Ihr müsst draufdrücken und das richtige Modell wählen.
Der Prompt war fast unscheinbar: "Could Erdős be wrong? Could the way he reasoned about this answer be flawed?"
Und dann hat das Modell gearbeitet. Komplett autonom. 125 Seiten geschrieben. Circa 100.000 Tokens. Kosten: zwischen 100 und 1.000 Euro.
Vergleich: Ich fliege morgen zu einer Erdöl-Erdgas-Firma nach Hannover. Der Flug Zürich-Hannover: 800 Euro. Die Tokenkosten, um ein mathematisches 80-Jahre-Problem zu lösen, sind in der Größenordnung eines einzigen Business-Trips.
🔧 Der Trick: nicht der bessere Schraubenzieher, sondern ein ganz anderer Schlüssel
Mathematiker haben 40 Jahre lang die Werkzeuge der Geometrie benutzt: Inzidenzgeometrie, Trotter-Theorem, Kreuzungsanzahl-Methode. Diese Werkzeuge kommen zu einer natürlichen Decke — die n^(4/3)-Grenze.
Die KI hat etwas ganz anderes gemacht. Sie hat aus dem Werkzeugkasten einen anderen Schlüssel rausgeholt: algebraische Zahlentheorie. CM-Körper. Komplex-Multiplikations-Felder. Unendliche Galois-Türme.
Sie hat das Problem nicht gelöst. Sie hat es umformuliert — von einem geometrischen zu einem zahlentheoretischen Problem. Und plötzlich war die Antwort viel besser und konkreter.
👨‍🏫 Die Verifizierung — neun Fields-Medaillen-Träger
OpenAI hat das nicht einfach verkündet. Sie haben gewusst: das hat ein LLM geschrieben — da muss ein Mensch drüber schauen. Also haben sie das Paper an eine Gruppe von 9 Mathematikern und Physikern gegeben:
Noga Alon (Princeton)
Daniel Litt (Toronto)
Melanie Wood (Harvard)
...und 6 weitere
Manche davon sind Fields-Medaillen-Träger — der "Nobelpreis für Mathematik". Sie haben gemeinsam ein Paper geschrieben, um zu prüfen: ist das richtig oder Vollscheiß?
 "There is no question — it is incredible that the AI managed this. It shows us that AI is more than just an assistant for mathematicians. It looks as if AI itself can have ingenious ideas." 🎯 Demis Hassabis bremst — und gleichzeitig nicht
Der DeepMind-CEO (der KI-Arm von Google) hat sich gemeldet: "Für eine KI war das eigentlich gar nicht so schwierig."
Warum? Weil das Problem zwar extrem schwer zu lösen ist — aber begrenzt. Es ist nicht, dass die KI jetzt 1.000 andere schwierige Sachen machen kann.
Aber acht andere Experten sagen das Gegenteil: das wirklich Clevere war nicht die Lösung. Das Cleverste war die Umformulierung — die Cross-Domain-Synthese. Und genau dorthin kommen wir jetzt.
🧬 Eure F&E-Abteilung — die Silo-Forschung muss sterben
Was machen Pharmaforscher? Sie arbeiten in Silos. Drug Discovery ist ein Paradebeispiel:
Medizinchemiker definieren und finden die Ziele
Biologen kennen die Pathways
Statistiker arbeiten sich durch die Daten
Aber die arbeiten in ihren Silos. Sie reden nicht miteinander auf der Ebene, wo Durchbrüche passieren.
Leonardo da Vinci konnte das. Mathematik + Chemie + Physik + Anatomie — alles in einem Kopf, alles verknüpft. Heute ist das wegen der Informationsflut unmöglich für einen Menschen.
Aber eine KI? Eine KI hat genau diese Cross-Domain-Synthese.
Side note: Google DeepMind hat schon vor zehn Jahren mit AlphaFold den Nobelpreis gewonnen — für das Lösen des Protein-Folding-Problems. Das war auch Cross-Domain. Wenn Pharmafirmen das verstanden hätten, wären sie heute ein Jahrzehnt weiter.
🦴 Die unbequeme Wahrheit für eure Senior-Forscher
Wer sind in einer F&E-Abteilung die teuersten Leute? Nicht die Junioren. Es sind die 30-Jahre-Senioren, die eine Dreiviertelmillion Euro pro Jahr verdienen.
Und das sind die schlimmsten KI-Nutzer. Weil sie fundamental sagen: "Die letzten 40 Jahre habe ich so geforscht — ich brauche kein ChatGPT."
Wenn ihr in eurer Firma einen Doktoranden einstellt, ist die Frage 2026 nicht mehr nur "ist er gut in seinem Thema?" Es ist:
Kann er ein Reasoning-Modell richtig prompten?
Kann er Cross-Domain-Anfragen stellen — "Wie würde ein Biologe das sehen? Wie ein Ökonom?"
Drückt er auf "Auto" oder wählt er bewusst GPT-5.4 Reasoning?
⚖️ Die Rechtsabteilung wird euch auf die Finger hauen
Stellt euch vor: ihr habt etwas Geniales mit ChatGPT entdeckt. Ihr wollt es patentieren. Wer ist der Erste, der euch stoppt?
Die Rechtsabteilung. Weil:
Gehört das uns? Oder OpenAI?
Gehört es Microsoft (wenn ihr Copilot benutzt habt)?
Wer hält das Patent?
Und die Antworten sind noch nicht geklärt. Eure Entdeckungen können 2 Jahre in der Legal-Abteilung liegen bleiben. Plant das ein.
🎯 Drei Montag-Aktionen für jede F&E-Abteilung
Reasoning-Modelle JETZT ausrollen. Nicht "Auto"-Modus, nicht der schnelle Default. Trainiert eure Forscher, bewusst GPT-5.4 Pro oder Claude Opus zu wählen. Die Antwortqualität verdreifacht sich.
Token-Budget pro Forscher dramatisch erhöhen. 100 Euro pro Monat ist 2020er-Denken. Gebt ernsthaften Forschern 100.00...

Vor circa einem Jahr, irgendwo in Russland, zur gleichen Zeit: fünf verschiedene Luftwaffenstützpunkte. Die Ukrainer treffen sie. Tu-95-Bomber. Tu-22M3. A-50 AWACS-Aufklärer.
Keine Sirenen. Keine Abfangjäger. Weil der Angriff nicht vom Himmel kam.
Er kam aus Lastwagen. Ganz normalen Transportern. Die LKW-Fahrer wurden ausgetrickst — bring den Container dahin, jemand holt ihn ab. Niemand kam je. Drinnen: 117 FPV-Drohnen. Beladen mit Sprengstoff. Aus dem Nichts öffnet sich der Container und eine Drohne nach der anderen fliegt los.
Operation Spider's Web. In einer Nacht: rund 41 Flugzeuge zerstört. Geschätzter Schaden: 7 Milliarden Dollar. Gesamtkosten der Operation: 2-3 Millionen Dollar.
ROI: 3.500 zu 1. Wenn das ein Aktienkurs wäre, würden Investoren ausrasten. Es ist aber kein Aktienkurs.
Manche nennen es Russlands Pearl Harbor. Aber nicht von einer Marine geliefert. Nicht von Kampfjets. Sondern von Drohnen in einem Lastwagen. Heute kein normaler Deep Dive — heute ein AI Drama in 5 Akten.
🎮 Mykola, 19, Gaming-Streamer wird Drohnenpilot
Vor drei Jahren war Mykola 16. Counter-Strike-Streamer in Charkiw. Ein paar tausend Twitch-Follower. Heute ist er in der Armee. Nicht weil er wollte — die Ukraine hat ein Programm gestartet: nur Soldaten zwischen 18 und 24 dürfen Drohnen bedienen. Warum 24? Weil danach ist dein Gehirn zu langsam.
Seine "Front" ist ein ausgebombter Keller. Vier Laptops. Drei FPV-Brillen. Ein Controller wie eine PlayStation. Über ihm eine LED auf Batterie, die in 2-3 Stunden ausgeht.
Er fliegt einen 300-Dollar-Quadrocopter, 8-10 km weit, 150 km/h. Tippt links, tippt rechts. Russischer Soldat sieht die Drohne, hat Millisekunden zum Reagieren. Aufprall in 4 Sekunden. Live-Feed weg. Mykola tippt zwei Buchstaben: "Ok." Greift zur nächsten.
Es ist 14 Uhr. Das ist sein zwölfter Einsatz heute.
🏭 Die Zahlen, die NATO terrorisieren sollten
USA: ~100.000 Militärdrohnen pro Jahr
Ukraine: 4,5 Millionen Drohnen pro Jahr — industrielles Limit: 8-10 Mio.
Verhältnis 45 zu 1 — Ukraine vor 4 Jahren: null eigene Drohnenindustrie
Bloomberg: Ukraine produziert mehr Drohnen als die gesamte NATO-Allianz zusammen
Die Ukraine hat eine eigene Unmanned Systems Forces gegründet — die erste Teilstreitkraft weltweit, die ausschließlich Drohnenkriegsführung macht. Kein anderes Land der Welt hat sowas.
⚠️ Aurora 26 — als die NATO es hart gelernt hat
April-Mai 2026, Gotland, Schweden. NATO-Übung Aurora 26. 18.000 Soldaten aus 13 NATO-Ländern. Ukraine eingeladen als Angreiferkraft.
Die Übung musste DREI MAL gestoppt werden. Jedes Mal wären die NATO-Truppen vernichtet worden. Der ukrainische Pilot: "Wenn das echtes Leben gewesen wäre — wären sie alle tot."
Schwedens Verteidigungsminister Claesson: "Der schnellste Weg, etwas über Drohnen- und Anti-Drohnen-Kriegsführung zu lernen, ist, den Ukrainern zuzuhören."
🤖 Die 700-Dollar-Tötungsmaschine
Eine FPV-Drohne kostet 300-3.000 Dollar. Drinnen sitzt ein Chip von einer unserer Lieblingsfirmen: NVIDIA Jetson Nano. Etwa wie eine Streichholzschachtel. 100-300 Dollar. Auf Amazon erhältlich.
Der Chip ist nicht für den Krieg gebaut. Er ist für Saugroboter gebaut. DIY-Bastler. KI-Studenten. NVIDIA hat sich nicht hingesetzt und gesagt "Lasst uns Chips für Drohnen bauen, die Menschen töten." Es ist halt passiert.
Die ukrainische Firma The Fourth Law verkauft das TFL-1-Modul (100 Dollar). Der Operateur fliegt bis 400-500 m ans Ziel, dann übernimmt der Jetson per Computer Vision.
Trefferquote ohne KI: 30-50 %. Mit Jetson + Computer Vision: über 80 %. Über 20 ukrainische Brigaden nutzen das. Microsoft Copilot — aber zum Töten. Gegeben einem 19-Jährigen.
Gesamtkosten: ~700 Dollar. Selbst bei 10.000 Dollar (was sie nicht kosten):
10.000 $ Drohne vs. 5 Millionen $ russisches Panzerfahrzeug
10.000 $ Drohne vs. 100 Millionen $ Tu-95-Bomber
10.000 $ Drohne vs. 350 Millionen $ A-50 AWACS = 1 zu 500.000
🇪🇺 Warum das EUER Problem ist (ja, auch im DACH)
Stellt euch Werner vor: Sicherheitschef bei einem Automobilzulieferer in BW. 1.500-2.000 Mitarbeiter. Drei Werke. Just-in-time-Lieferung an Mercedes, BMW, Audi. Sein BCP-Plan deckt Feuer, Hochwasser, Cyberangriffe, Lieferantenausfall. Er deckt keine Glasfaserdrohne ab, die auf die Laderampe zufliegt.
"Aber Malcolm, die Drohne kann nicht bis Bayern fliegen!" — Hast du verstanden? 700 Dollar. Du baust sie in einer Garage. Du startest aus einem Container. Das wurde schon vor einem Jahr gemacht. Und du schickst nicht eine — du schickst Schwärme.
Beweis? Russland am 30. Mai 2026 — über 800 Drohnen in einer einzigen Nacht. Die Bundeswehr hat heute geschätzt 500-600 Drohnen. Russland könnte den gesamten deutschen Drohnenbestand in einer Nacht auslöschen und hätte noch 200 übrig.
🏢 Die deutschen Player, die das leise bauen
Helsing (München) — 12 Mrd. $ Bewertung, 600-Mio.-Runde angeführt von Daniel Ek (Spotify-Gründer). Ihre HX-2-Loitering-Munition nutzt fortgeschrittene KI-Zielerfassung.
RF-1 Resilience Factory (Süddeutschland) — über 1.000 HX-2-Einheiten pro Monat. Ukraine hat 10.000 bestellt.
Sogar die Bundeswehr kauft jetzt bei Helsing. 1-Mrd.-€-KI-Drohnen-Vertrag Anfang 2026.
🎯 Fünf Montag-Aktionen für jeden europäischen Entscheider
Luftraum-Annahmen-Audit: Logistik + Operations + Versicherung + General Counsel an einen Tisch. Frage: "Welche Annahmen macht unser BCP über die Sicherheit des europäischen Luftraums?" Diese Pläne existieren noch nicht.
Drohnen-exponierte Lieferketten-Engpässe mappen. Belgien hatte ständig Probleme mit gestörtem Luftraum. Straßburg liegt direkt an der Grenze. Macht nicht die Annahme "wir sind zu weit weg."
Defense-Tech-Intelligenz holen. Jemand der Helsing, Anduril, Shield AI versteht. Nicht um Waffen zu kaufen — sondern um zu verstehen, was migriert in 5 Jahren in zivile Anwendungen.
Baut KI-steuerbare Maschinen. Eure UIs sehen aus wie aus den 90ern. Baut Maschinen, die per MCP-Server gesteuert werden können. Niemand macht das gerade. First-Mover gewinnt.
Vorstandsgespräch. Polen, USA, Israel, Südkorea führen es bereits. DACH-Boardrooms noch nicht. Führt es. Jetzt.
🌐 Das Wilde: das meiste davon ist OPEN SOURCE
Geht jetzt auf Google oder Perplexity. Tippt: "GitHub repo drones". Ihr findet:
Drone Log Analyzer — High-Performance-Dashboard zur Flug-Log-Analyse
Vollständig autonome VTOL-Repositories
Computer-Vision-Zielmodule
Hunderte von Repos mit dem kompletten KI-Tech-Stack
Jeder kann das jetzt bauen. Nicht staatliche Akteure. Nicht kriminelle Organisati...

Dienstagabend, 13. Mai 2026, kurz vor sieben. Zwei Stunden Live-Session sind grad zu Ende. Dreißig fremde Menschen aus elf Ländern, Zoom-Kacheln auf dem Bildschirm. Letzte Runde: was hat euch heute am meisten umgehauen?
Anastasia, Beraterin aus Genf: "Es ist zu viel. Aber ich sehe, wie es alles verändert." Indira: "Mind-blowing." Rodolfo: "Ich liebe es." Und dann William. Zwanzig Jahre Beratung. Die Academy aus eigener Tasche bezahlt. Sagt ein Wort. Auf Englisch:
 "Miracle." Eine Minute Stille im Chat. Dreißig Webcams. Niemand schreibt.
Heute drei Insights aus der ersten Session von Cohort 3 der Chief AI Academy — plus der Moment, in dem mich meine eigene KI vor allen blossgestellt hat.
💥 Insight 1 — Das Software-Armageddon
Folie zwölf in die Session. Bei einigen wird die Magen-Gegend angespannt:
HubSpot: Börse −70% in 18 Monaten
Gartner: freier Fall seit Q3
Adobe, Duolingo, Salesforce: Schatten ihrer selbst
Warum? Nicht weil sie KI nicht integrieren. Weil ihre Kunden ihre eigentliche Funktion mit KI selber nachbauen. Schneller. Billiger. Näher am Bedarf.
Anastasias Frage: "Aber Malcolm, jede Firma kauft doch trotzdem Software. Wie kann das stimmen?"
Meine Antwort, im Chat 20 Reaktionen in Sekunden:
 "Hört auf, euren Mitarbeitern Software zu geben. Gebt ihnen APIs." Statt SAP zu öffnen und durch 5 Menüs zu klicken, sagt der Mitarbeiter zur KI "buch das auf Konto 4200". Die KI ruft die SAP-API auf. Software wird headless. Kopflos.
Mittelstand zahlt heute 300-800 Euro pro Kopf pro Monat für Software. In 18 Monaten merkt ihr: 70% davon war durch einen KI-Workflow ersetzbar.
Zwei Live-Beispiele aus der Session:
Einkauf-Teilnehmerin nutzt Ironclad für Vertrags-Reviews — 40.000 Euro/Jahr. Wir haben mit Claude in 15 Minuten dasselbe für die Top-20-Klauseln gebaut.
Customer-Success-Teilnehmer nutzt HubSpot für Ticket-Zusammenfassungen. In 18 Minuten haben wir einen Workflow auf Outlook gebaut. Kosten: 0 € (Copilot war eh schon da).
🔄 Insight 2 — Reverse Prompting
Minute 45. Teilnehmerin aus Mailand: "Malcolm, wie kriegst du diese schönen Dashboards so schnell hin?"
Hier die Technik, gestern getauft — Reverse Prompting. Die wertvollste eine Minute der ganzen Folge:
Statt der KI Fragen zu stellen, lasst ihr die KI EUCH Fragen stellen.
Konkret: ihr formuliert eine ungenaue Anforderung ("mach das hier besser") und sagt dann:
"Stell mir zehn Fragen mit jeweils vier Multiple-Choice-Antworten. Nicht alle auf einmal. Fünf, dann fünf."
Die KI fragt euch. Ihr antwortet. Und während ihr antwortet, klärt sich in eurem Kopf, was ihr eigentlich wollt. Die KI ist nicht das Tool — die KI ist die Therapeutin, die euch zwingt, klar zu werden.
Beispiel-Fragen, die Claude live zurückgeschickt hat:
Was ist das Hauptproblem? (a) Design (b) Datenstruktur (c) Zielgruppe (d) Tonalität
Für wen ist das? (a) Du (b) Vorstand (c) Operatives Team (d) Kunden
Wie brutal soll die Sprache sein? (a) Literal (b) Diplomatisch (c) Provokant (d) Akademisch
Nach 10 Minuten + 2 Fragenrunden: Dashboard, das mir die Socken auszieht. Im Chat von Cohort 3 explodiert es.
🪞 Insight 3 — Der Moment, in dem mich meine eigene KI blossgestellt hat
Bei werchota.ai haben wir vor 6 Monaten was gebaut: Second Brain. Ein internes KI-System, das alle Meeting-Aufzeichnungen, Transkripte, E-Mails, Slack-Channels, Strategie-Dokumente einliest. Jeder im Team kann anonym fragen.
Minute 75 der Session. Ich tippe vor allen 30 Teilnehmern:
 "Wie gut oder schlecht ist Malcolm im Verkaufen? Sei ehrlich. Beleg mit konkreten Momenten aus den Meetings." Was zurückkam, wortwörtlich:
"Malcolm ist hervorragend in Live-Demos, Dashboards, Vision-Pitches. Er ist die schwächste Persona im gesamten Verkaufs-Team, wenn es um klassische Sales-Disziplin geht. Selten eine Agenda. Geht im Gespräch überall hin. Schlecht bei Budget-Timelines, Stakeholder-Mapping, Follow-up-Disziplin. Erzeugt Information Overload. Er gewinnt Deals durch Begeisterung, nicht durch Methodik."Eine Minute Stille im Chat. Dann William: "Malcolm. Kannst du mir den Report schicken? Ich will dir sagen, dass du wahrscheinlich der schlechteste Verkäufer der Welt bist."
Rodolfo fragt: "Wenn jeder sieht, wie schlecht der CEO bei XY ist, wird er noch ernst genommen?"
Meine Antwort:
Wenn ein Vorstand sich nicht traut, seine Schwächen in einem System zu haben, das sein Team einsehen kann — dann ist diese Person wahrscheinlich nicht die Person, die in der KI-Zeit eine Firma führen sollte.In der KI-Zeit liegen Schwächen offen. Nicht weil jemand sie sucht. Sondern weil Daten an Stellen sammeln, an denen sie früher nicht waren. Wer transparent ist, gewinnt. Wer verbergen will, verliert.
🧓 Insight 4 — "Eure letzten zehn Hires sind KI-Neandertaler"
Minute 62. Der Satz, der nochmal Stille erzeugt hat:
"Schaut euch eure letzten zehn Einstellungen an. Sind das Menschen, die in einer Stunde Claude beibringen können, einen Prozess aus ihrem Kopf zu übernehmen? Oder habt ihr in 2010er-Logik eingestellt — drei Jahre Audit, BWL-Abschluss, Praxis im Steuerrecht? Wenn Zweiteres: eure letzten zehn Hires sind KI-Neandertaler."Johnnys (Teilnehmer, neu eingestellt vor 2 Monaten) Stellenbeschrieb ist eine Zeile:
"Johnny, deine Aufgabe ist, alles in deiner Abteilung zu automatisieren. Wenn du fertig bist — ich befördere dich und triple dein Gehalt, und du fängst mit drei weiteren Abteilungen an."
Das ist der neue Hiring-Standard. Die Frage an euch — und die teuerste Stille der ganzen Session:
"Wenn euer eigener Job morgen ausgeschrieben würde — mit der Anforderung, dass jeder Prozess automatisierbar an einen KI-Agenten weitergegeben werden muss — würdet ihr euch selber einstellen?"
Reale Konsequenzen aus der Session:
HR-Direktorin (Schweiz): "Ich schreibe heute drei Stellenanzeigen um. Heute."
CFO eines bayerischen Familien-Unternehmens: "Wir haben den Senior-Controller-Kandidaten abgesagt, den wir nächste Woche eingestellt hätten."
🎯 Drei Sachen Montag früh
Aktion 1 — Reverse Prompting heute, in den nächsten 30 Minuten. Eine schwierige Kunden-Mail oder eine ungenügende Stellenanzeige. Paste rein, dann: "Stell mir zehn Fragen, fünf und fünf." Wenn euch das Ergebnis nicht umhaut, schreibt mir auf LinkedIn — ich zahle das Mittagessen.
Aktion 2 — Audit eurer letzten zehn Hires. Excel-Tabelle: "Name" + "Kann diese Person einen Prozess aus ihrem Kopf an einen KI-Agenten weitergeben? Ja/Nein". Verteilung gibt euch eine harte Zahl für die Geschäftsleitung.
Aktion 3 — Stellt euch selber die Second-Brain-Frage. Heute Abend. Allein. 3 Performance-Reviews + 3 Kunden-Mails + 1 Meeting-Protokoll in Claude. Dann: "Sei ehrlich. Wo bin ich beruflich am schwächsten?"
🔮 Die Prophezeiung
Jeder Cohort gebe ich am Ende der ersten Session dieselbe...