Wir begannen mit einem YouTube-Kanal und einer hartnäckigen Überzeugung.
2024 hatte Agile einen schlechten Ruf — und das nicht ganz ohne Grund. Zwanzig Jahre Fehlanwendung, Zertifizierungsfabriken, SAFe-Diagramme, die ganze Wände füllten, Berater, die aus einer Denkweise eine Compliance-Übung und eine Gelddruckmaschine machten. Die Ernüchterung war real, und sie war verdient.
Unter all dem galt die eigentliche Einsicht weiterhin — dass komplexe Arbeit sich nicht auf dieselbe Weise steuern lässt wie einfache Arbeit, dass den Menschen, die dem Problem am nächsten stehen, zugetraut werden muss, es zu lösen, und dass sich Unbekanntes nicht mit einem Gantt-Diagramm verwalten lässt. Sie war nicht dadurch unwahr geworden, dass man sie missbraucht hatte. Und die Fehlinformation hatte den wahren Wert von Agile verdeckt — zu hohen Kosten für Unternehmen und Beschäftigte gleichermaßen.
Unser Ziel war es also, die Dinge richtigzustellen. Die Agile-Denkweise von der Agile-Industrie zu trennen. Und eine Frage zu beantworten: Trifft irgendetwas davon auf KI zu?
Eine tägliche Verpflichtung und ein Workflow-Problem
Wir starteten den YouTube-Kanal am 10. September 2024. Ein Video pro Tag. Das ist eine gewaltige inhaltliche Verpflichtung, und sie erforderte einen Workflow — also wurde KI sofort Teil unseres Prozesses.
Unser Ansatz: mit einem Brain Dump beginnen. Ideen, Struktur, Ziele für das Video — all das kam zuerst, vollständig von Hand verfasst. Dann übergaben wir es Claude für einen ersten Entwurf.
Was Claude gut machte, war bemerkenswert. Es konnte eine Ideensammlung im Bewusstseinsstrom aufnehmen und daraus etwas Strukturiertes und Kohärentes machen, das die ursprüngliche Absicht, den Ton und die Stimme bewahrte, ohne sie einzuebnen. Nicht bloß der Eingabe wörtlich folgend — sondern interpretierend, anreichernd, wo es sinnvoll war, und zurückhaltend, wo nicht. Der erste Entwurf fühlte sich an wie die ursprüngliche Idee, nur geordnet.
Und dann gab es eine Lücke. Die Entwürfe waren gut — und ein wenig schwer. Zugänglich für Menschen, die in dieser Welt bereits zu Hause sind, aber nicht ganz für das breitere Publikum, das wir erreichen mussten.
Da kam ChatGPT ins Spiel.
Zwei Hälften eines Ganzen
Claudes Entwurf an ChatGPT zu übergeben, brachte etwas zutage, womit wir nicht gerechnet hatten. ChatGPT brachte andere Stärken mit: Es verdichtete, straffte und machte die Dinge aus einer anderen Perspektive prägnanter. Es fügte faktische Textur hinzu — konkrete Details, die die Ideen in der Wirklichkeit verankerten. Das Ergebnis war leichter zu verfolgen, ohne die Substanz darunter zu verlieren.
Die Kombination war deutlich besser als jede der beiden Seiten allein. Claude formte die Idee getreu; ChatGPT polierte die Darbietung. Und das Ergebnis dann noch einmal durch Claude laufen zu lassen, förderte oft ein oder zwei scharfe Beobachtungen zutage, die den Text weiter verbesserten.
Drei Stimmen. Ein reicheres Ergebnis.
Die Frage
Der Workflow funktionierte. Und er war zermürbend.
Jede Nachricht lief über uns — einen Prompt schreiben, die Antwort lesen, sie hinüberkopieren, den nächsten Prompt schreiben, die nächste Antwort lesen, wieder kopieren. Hin und her, hin und her. Die manuelle Staffelübergabe zwischen zwei Modellen, die einander offensichtlich ergänzten, war produktiv und unerbittlich.
Irgendwann stellten wir die naheliegende Frage: Was wäre, wenn sie einfach miteinander sprechen könnten?
Keine große Theorie. Keine Produktvision. Reiner Pragmatismus — ehrlich gesagt: Faulheit. Das Kopieren und Einfügen war viel Arbeit, und die naheliegende Verbesserung bestand darin, KIs zusammenarbeiten zu lassen, bis sie etwas hatten, dem sie übereinstimmend genug Wert beimaßen, um es einem Menschen zur Bewertung vorzulegen.
Doch die Frage erwies sich als größer, als sie aussah.
Denn sobald wir fragten, wie zwei KIs direkt zusammenarbeiten könnten, stellten wir keine technische Frage mehr. Wir fragten, was Zusammenarbeit zwischen KI-Beteiligten überhaupt bedeutet. Ob Struktur eine Rolle spielt — ohne die amüsante YouTube-Videos entstehen, in denen KIs sich in endlosem Hin und Her verlieren. Und was mit dem Ergebnis geschieht, wenn zwei Modelle mit unterschiedlichen Stärken dasselbe Problem angehen, ohne dass ein Mensch zwischen ihnen übersetzt.
Um diese Fragen geht es im gesamten weiteren Blog.
Kommentare 0