KI und Tonic - KI Praxistipps für den Mittelstand

„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.

Erinnert ihr euch noch an KI-Bilder mit sechs Fingern und Spaghetti, die in Will Smiths Hand verschwanden?
Diese Zeiten sind endgültig vorbei. In Folge 39 von KI & Tonic sprechen Julian und Fabian über den enormen Entwicklungssprung, den die KI-Bildgenerierung in den letzten Wochen gemacht hat — und warum dieses Thema jetzt endlich business-ready für den Mittelstand ist.
Von den ersten holprigen Gehversuchen generativer Bild-KI bis zu den aktuellen Modellen wie Google Nano Banana 2 und dem neuen ChatGPT Image-Modell: Die beiden erklären, warum Text in Bildern heute präzise dargestellt wird, warum Auflösungen in 4K plötzlich Standard werden und wie ein unsichtbarer „Thinking Layer" im Hintergrund dafür sorgt, dass aus einem kurzen Prompt ein detailreiches, kontextbewusstes Bild entsteht.
Ein weiterer Fokus liegt auf der gezielten Bildbearbeitung: Statt komplett neue Bilder zu generieren, können heute einzelne Bereiche präzise verändert werden — der Rest bleibt unberührt. Julian und Fabian zeigen konkrete Anwendungsfälle für den Mittelstand: von Corporate-Design-Infografiken über Flyer und Broschüren bis hin zu Kampagnenbildern für Social Media.
Aber die Folge bleibt nicht nur euphorisch: Julian warnt eindringlich vor der inflationären Nutzung von Infografiken — denn Qualität schlägt Quantität, auch bei KI-generierten Inhalten.

In dieser Folge erfährst du:
warum Text in KI-Bildern früher fehlerhaft war und wie moderne Modelle das gelöst haben
was der unsichtbare „Thinking Layer" im Hintergrund wirklich macht
warum 4K-Auflösung die KI-Bildgenerierung businessfähig macht
wie man mit Logo, Hex-Codes und Schriftart Infografiken im eigenen Corporate Design erstellt
welche konkreten Use Cases sich für den Mittelstand eignen (Infografiken, Flyer, Kampagnenbilder, Social Media Content)
wie gezielte Bildbearbeitung (z. B. mit dem Tool Reef) einzelne Bildbereiche verändert, ohne den Rest zu beeinflussen
warum Qualität statt Masse bei Infografiken entscheidend ist
warum wir zwar „immer noch Fußball spielen" — aber inzwischen in der Bundesliga
Eine Folge für alle, die KI-Bildgenerierung gezielt und hochwertig im Unternehmensalltag einsetzen wollen.

Ein neues KI-Modell, das so mächtig war, dass es zunächst nicht veröffentlicht werden durfte — und jetzt ist es da.
In dieser Spezialfolge von KI & Tonic geben Julian und Fabian ein kompaktes, aber hochrelevantes Update aus der KI-Welt: Anthropic hat mit Claude 5 (intern bekannt als „Fable Five") das Nachfolgemodell seines bisherigen Flaggschiffs veröffentlicht — und es ist ein echter Quantensprung.
Die Geschichte dahinter ist fast so spannend wie das Modell selbst: Anthropic hatte zuvor das Modell „Mythos" entwickelt, es aber bewusst zurückgehalten — weil es so gut darin war, Sicherheitslücken in Software aufzuspüren, dass eine öffentliche Veröffentlichung als zu riskant galt. Im Rahmen des Project Glasswing durften zunächst 30, später 140 Unternehmen das Modell exklusiv nutzen, um jahrelang unentdeckte Sicherheitslücken zu schließen. Jetzt ist eine abgesicherte Version davon für alle verfügbar.
Julian hat Claude 5 bereits ausgiebig getestet — und ist beeindruckt: 5.000 Zeilen Excel-Daten analysiert in unter 10 Sekunden. Eine vollständige Keynote-Präsentation inklusive Bilder, Storyline und Sprechernotizen in unter 30 Sekunden. Konsistenz, Präzision, Datenanalysefähigkeit und Kreativität auf einem neuen Level.
In dieser Folge erfährst du:
was hinter dem geheimnisvollen Modell „Mythos" von Anthropic steckt
warum Claude 5 zunächst nicht veröffentlicht wurde — und was Project Glasswing damit zu tun hat
was die abgespeckte Veröffentlichung von Claude 5 bedeutet und welche Bereiche gesperrt bleiben
wie Julian 5.000 Zeilen Excel in unter 10 Sekunden analysieren ließ
wie Claude 5 in unter 30 Sekunden eine vollständige Keynote-Präsentation mit Bildern, Storyline und Kommentaren erstellt hat
warum Konsistenz, Präzision und multimodale Verarbeitung auf einem neuen Level sind
ob das alles Marketing-Stunt oder echter Fortschritt ist — und wie man es einordnet
Eine kompakte Pflichtfolge für alle, die wissen wollen, was gerade wirklich in der KI-Welt passiert — und welches Tool sie als nächstes testen sollten.