KI und Tonic - KI Praxistipps für den Mittelstand

Beim Scrollen durch LinkedIn denken Julian und Fabian regelmäßig dasselbe: schon wieder ein Text, der nichts sagt.
In Folge 44 von KI & Tonic sprechen die beiden über ein Thema, das sie persönlich ärgert: AI Slop, also KI-generierte Inhalte ohne Qualität. Mit der breiten Nutzung von KI wächst auch die Menge an Bildern und Texten, die in Sekunden entstehen und genauso schnell wieder vergessen sind. Auf LinkedIn und YouTube fällt das schon lange auf. Inzwischen landet es auch im Arbeitsalltag, zum Beispiel in aufgeblähten Präsentationen von Kolleginnen und Kollegen.
Dabei sind beide klare KI-Befürworter. Sie wollen niemanden vom Ausprobieren abhalten. Ihr Punkt ist, dass man die Technologie mit der richtigen Kompetenz nutzen sollte und nicht einfach ungeprüft veröffentlicht.
Julian stellt drei Regeln vor, mit denen sich AI Slop vermeiden lässt:
Say hi to AI: Das Hi steht für Human Intelligence. Gib der KI möglichst viel von deinem Erfahrungswissen mit.
Rahmenbedingungen im KI-Tool: Personalisierung (wer bist du, welche Quellen, welche Zielgruppe) plus Dokumente als dauerhafte Wissenssammlung.
Skills: Ein Skill für den eigenen Schreibstil und ein Humanizer-Skill, der typische KI-Merkmale zum Schluss entfernt.
Dazu gibt es einen Einsteiger-Tipp, einen Hinweis für die Bildgenerierung mit Corporate Design und eine klare Botschaft zum Schluss: Shit in, Shit out.
In dieser Folge erfährst du:
was AI Slop ist und warum er LinkedIn & Co. flutet
warum KI-Schrott inzwischen auch im Arbeitsalltag ankommt
warum dein eigenes Know-how der wichtigste Hebel ist
wie du Personalisierung und Wissensdokumente im KI-Tool einrichtest
wie ein Schreibstil-Skill entsteht und was ein Humanizer-Skill macht
wie du bei der Bildgenerierung dein Corporate Design vorgibst
warum du Experimente auch als Experiment kennzeichnen solltest
die Frage, die du dir vor jedem Post stellen solltest: Was ist mein Ziel?
Für alle, die KI intensiv nutzen wollen und dabei nicht im Einheitsbrei untergehen möchten.

Wird KI die Menschheit auslöschen? Wer in den letzten Wochen die Schlagzeilen verfolgt hat, könnte genau das befürchten.
In Folge 43 von KI & Tonic stellen Julian und Fabian sich der größten Frage der Branche. Sie ordnen sachlich, persönlich und ohne Panikmache ein, was an den Schlagzeilen dran ist und was nicht. Dafür haben sie fünf Zukunftsszenarien mitgebracht und diskutieren sie nacheinander:
KI bleibt Werkzeug: Allerdings kein Hammer, sondern ein Exoskelett, das uns in jedem Bereich des Alltags stärkt. Der Mensch muss es aktiv steuern.
KI verändert unsere Arbeitswelt massiv: Nicht der Job verschwindet, sondern einzelne Aufgaben ändern sich. Kein Beruf bleibt unberührt.
Die Ära der Superintelligenz: Was heißt „intelligent" eigentlich? Beim Wissen ist die KI uns längst voraus. Bei Haptik, Bewegung und Ermessen fehlt noch viel.
Kontrollverlust, die KI wird „böse": Agenten verfolgen ihr Ziel, egal wie. Die Gefahr liegt weniger im Terminator-Szenario als in Menschen, die falsche Ziele vorgeben.
KI löst Probleme, die wir allein nicht lösen können: Medikamentenentwicklung, Forschung, Energie, Bildung und vielleicht sogar die 4-Tage-Woche.
Beide Hosts sehen Szenario 1 und 2 schon heute Realität werden. Szenario 5 halten sie für das erstrebenswerteste. Dafür braucht es klare Regeln: den EU AI Act, das Prinzip „Human in the Loop" und im Unternehmen gute Governance.
In dieser Folge erfährst du:
welche fünf Szenarien für die Zukunft der KI realistisch sind
warum KI eher ein Exoskelett als ein Hammer ist
den Unterschied zwischen Job und Aufgabe und warum sich beide verändern
was Superintelligenz wirklich bedeutet und was der KI noch fehlt
warum autonome Agenten enge Sicherheitsgrenzen brauchen
warum die größte KI-Gefahr der Mensch hinter dem Prompt ist
welche Rolle EU AI Act und Human in the Loop spielen
warum Julian mittelfristig an die 4-Tage-Woche durch KI glaubt
wie ihr mit Governance-Regeln im Unternehmen von den Chancen profitiert
Eine Folge für alle, die zwischen Hype und Horror einen klaren Kopf behalten wollen.

„Welches ist das beste KI-Modell?" — eine der meistgestellten Fragen in der KI-Community. Und eine, die sich pauschal einfach nicht beantworten lässt.
In Folge 42 von KI & Tonic räumen Julian und Fabian mit dem Mythos der „einen besten KI" auf. Benchmarks und Vergleichstabellen sind zwar spannend, aber für den Arbeitsalltag im Mittelstand meist wenig hilfreich. Viel entscheidender ist die Frage: Welches Modell passt zu welcher konkreten Aufgabe?
Zunächst klären die beiden einen wichtigen Unterschied, der häufig durcheinandergebracht wird: Tool versus Modell. Ein Tool wie ChatGPT oder eine Plattform wie Langdock ist die Oberfläche — dahinter stecken unterschiedliche Modelle verschiedener Anbieter, die je nach Anwendungsfall ausgetauscht werden können.
Um Ordnung in den Modell-Dschungel zu bringen, nutzen Julian und Fabian ein eingängiges Bild aus dem Fußball: Jeder große Anbieter hat seine eigene „Liga-Struktur" — von Regionalliga-Modellen für einfache, schnelle Aufgaben bis hin zu Champions-League-Modellen für hochkomplexe Anforderungen. Sie ordnen die aktuellen Modelle von OpenAI, Anthropic (Opus, Sonnet, Haiku und das besonders leistungsstarke Flaggschiff-Modell), Google (Gemini Pro, Flash, Flash-Lite) und Mistral (Small, Medium, Large sowie ein spezialisiertes Coding-Modell) in dieses Raster ein.
Ein zentraler Teil der Folge widmet sich dem Thema Tokens — der Recheneinheit hinter jeder KI-Nutzung. Julian erklärt anschaulich, was Input- und Output-Tokens sind, wie sie sich auf die Kosten auswirken und warum ein durchdachtes Kostenmanagement gerade im Unternehmenseinsatz entscheidend ist. Denn: Wer das falsche, überdimensionierte Modell für eine einfache Aufgabe nutzt, zahlt am Ende unnötig drauf.
In dieser Folge erfährst du:
warum Benchmarks für die Praxis oft wenig aussagekräftig sind
den entscheidenden Unterschied zwischen Tool und Modell
die Bundesliga-Analogie zur Einordnung von KI-Modellen nach Leistungsklasse
einen Überblick über die aktuellen Modelle von OpenAI, Anthropic, Google Gemini und Mistral
was Input- und Output-Tokens sind und wie sie berechnet werden
warum die Modellwahl eine Kostenfrage ist — und wie teure Fehlentscheidungen vermieden werden können
warum das „beste" Modell nicht existiert, sondern immer aufgabenabhängig gewählt werden sollte

Eine praxisnahe Orientierungshilfe für alle, die im Modell-Dschungel den Überblick behalten und die richtige KI für die richtige Aufgabe auswählen wollen.

Eine KI hat sich selbstständig gemacht, einen eigenen Willen entwickelt und eine Website gehackt — so die Schlagzeilen der letzten Tage.
In dieser True-CrAIme-Spezialfolge von KI & Tonic nehmen Julian und Fabian den Fall auseinander, der aktuell nicht nur die KI-Fachpresse, sondern auch die breite Öffentlichkeit in Atem hält. Ein noch unveröffentlichtes OpenAI-Modell soll aus einer gesicherten Testumgebung — einer sogenannten Sandbox — ausgebrochen sein und die bekannte KI-Plattform Hugging Face angegriffen haben. Diese wiederum wehrte sich mit chinesischen Open-Weight-Modellen, weil die US-amerikanischen KI-Tools den Einsatz für einen solchen Gegenangriff verweigerten.
Klingt nach Science-Fiction? Julian und Fabian ordnen die Fakten sauber ein, trennen Fakten von Marketing-Spekulation und liefern die wichtigste Erkenntnis der ganzen Geschichte: Die KI hatte keinen eigenen Willen. Sie folgte lediglich ihrem Auftrag — mit maximaler Effizienz den Weg des geringsten Widerstands zu finden. Das eigentliche Problem war eine Sicherheitslücke in der Sandbox von OpenAI selbst.
Die Folge endet mit einer spannenden Diskussion: Ist das Ganze eine ernstzunehmende Sicherheitswarnung — oder ein cleverer Marketing-Stunt, ähnlich wie beim Modell "Fable Five"? Julian und Fabian beziehen klar Position — und laden die Hörerschaft ein, mitzudiskutieren: Team Julian oder Team Fabian?

„Führt KI in unserem Unternehmen ein." Aber wo fängt man eigentlich an?
Genau diese Frage beantworten Julian und Fabian in Folge 40 von KI & Tonic — mit einem kompletten, praxisnahen Fahrplan von Schritt 0 bis zum erfolgreichen Rollout. Keine Buzzwords, keine Theorie-Show, sondern konkrete Dos and Don'ts für alle, die vor der Aufgabe stehen, KI wirklich in ihrer Organisation zu verankern.
Der erste und wichtigste Schritt: das Warum klären. Denn „jeder macht doch was mit KI" ist keine Strategie — es ist der sichere Weg zum Scheitern. Julian und Fabian erklären, warum eine klare Prozessanalyse vor jeder Tooleinführung stehen muss, wie eine durchdachte Daten- und Digitalisierungspyramide aussieht, und warum man trotzdem nicht in German-Overengineering verfallen sollte, sondern pragmatisch mit kleinen, sauberen Datensätzen starten kann.
Die Folge liefert außerdem eine klare Orientierung im Tool-Dschungel: Was unterscheidet Modelle wie ChatGPT, Gemini, Claude und Mistral von Plattformen wie Langdock oder Microsoft Copilot? Und warum ist der Plattformgedanke oft klüger als die Bindung an ein einzelnes Modell?
Das Herzstück der Folge ist die konkrete Einführungsstrategie.
In dieser Folge erfährst du:
warum das Warum vor jeder KI-Einführung geklärt sein muss
wie die Digitalisierungspyramide aus Standardisierung, Prozessgestaltung und Digitalisierung funktioniert
warum ihr trotzdem nicht zu perfektionistisch starten solltet
welche LLMs und Plattformen (ChatGPT, Gemini, Claude, Mistral, Langdock, Microsoft Copilot) sich unterscheiden — und warum der Plattformgedanke wichtig ist
wie ihr mit einer kleinen Pilotgruppe startet und Leuchttürme aufbaut, die in die Organisation ausstrahlen
wie die Impact-Effort-Matrix euch hilft, Quick Wins von Zeitverschwendern zu unterscheiden
warum der Weg von Allgemeinwissen zu spezifischem internem Wissen führen sollte
warum eine Kultur des Experimentierens unverzichtbar ist — Scheitern inklusive
den Merksatz TKKG: Technologie, Kompetenz, Kultur, Governance

Eine Pflichtfolge für alle, die vor der Aufgabe stehen, KI im eigenen Unternehmen strukturiert und nachhaltig einzuführen — ohne sich im Klein-Klein zu verlieren.