##  Pfadnavigation

1. [ Startseite ](/)
2. [ AI to the DNA ](/podcast/ai-dna)
3. KI-Enablement im Unternehmen: Florian Baader von MeinGPT im Gespräch

# KI-Enablement im Unternehmen: Florian Baader von MeinGPT im Gespräch

            **Podcast:**

   [AI to the DNA](/podcast/ai-dna)

              **Erscheinungsdatum:**

   25. September 2026

            **Länge:**

   01:36:30

    [         Link zur Episode (extern)   ](https://attd.fm/episodes/alle-bauen-mit-ki-aber-wer-versteht-noch-was-entsteht-florian-baader-ceo-meingpt)

 ![Alle bauen mit KI – aber wer versteht noch, was entsteht? | Florian Baader, CEO meinGPT](https://www.botcaster-production.undpaul.work/sites/default/files/styles/podcast_n_episode_metadata_image_1x/public/2026-09/YWNiNS5qcGc.jpg.webp?itok=_P_oq1Xw)

###   Alle bauen mit KI – aber wer versteht noch, was entsteht? | Florian Baader, CEO meinGPT

   25. September 2026 · [AI to the DNA](/podcast/ai-dna)

Was passiert, wenn jeder in deiner Firma mit KI Software bauen kann, aber niemand mehr versteht, wie sie funktioniert? Florian Baader, CEO von [MeinGPT](https://meingpt.com/), diskutiert mit Christoph Magnussen im Podcast [AI to the DNA](https://www.botcaster.de/podcast/ai-dna), wie Unternehmen als Betriebssystem für Mensch und Maschine funktionieren können. Statt nur eingesparte Minuten zu zählen, geht es um die grundlegende Neugestaltung von Arbeitsprozessen und die enorme Befähigung, die KI auch für Nicht-Techniker mit sich bringt. In dieser Episode von AI to the DNA, dem Podcast für alle, die Künstliche Intelligenz wirklich verstehen und anwenden wollen, erfährst du, warum die wahre Revolution der KI nicht in der Zeitersparnis, sondern im sogenannten Enablement liegt - der Fähigkeit, völlig neue Dinge zu tun. Florian, der mit 18 Jahren nach Erfolgen bei Jugend forscht gründete, teilt seine praktischen Erfahrungen beim Aufbau einer Firma, in der KI tief in der DNA verankert ist, und erklärt, warum der Versuch, alles in einem einzigen System zu zentralisieren, scheitern kann.

## Das Wichtigste auf einen Blick

- **Der wahre Wert von KI ist Befähigung, nicht Zeitersparnis:** Die größte Veränderung liegt darin, dass Mitarbeitende ohne Programmierkenntnisse plötzlich in der Lage sind, Software und Lösungen zu entwickeln. Dies ermöglicht Innovationen, stellt Unternehmen aber auch vor die neue Herausforderung, Qualität und den Überblick zu wahren.
- **Ein Unternehmen braucht ein Betriebssystem für Mensch und KI:** Um effektiv mit KI-Agenten zusammenzuarbeiten, müssen Firmendaten und -prozesse in einer für Maschinen lesbaren Form vorliegen. Ein sogenanntes Monorepo, das auf einfachen Textformaten wie Markdown und klaren Ordnerstrukturen basiert, ist dafür ideal.
- **Die Renaissance alter Computer-Standards:** Jahrzehntealte, einfache Technologien wie die Kommandozeile (CLI) oder Textdateien (CSV) erleben eine Wiedergeburt. Sie sind für KI-Modelle weitaus verständlicher und kontrollierbarer als moderne, komplexe Benutzeroberflächen und proprietäre Dateiformate.
- **Zentralisierung hat Grenzen:** Der Versuch, alle Unternehmensprozesse in einem einzigen, zentralen System abzubilden, scheitert oft an der Komplexität, an Sicherheitsfragen und am hohen Wartungsaufwand. Florian Baader plädiert für eine Architektur aus drei Kernsystemen: eines für Pre-Sales/Marketing, eines für das Produkt und ein zentrales CRM.
- **Chaos als Startpunkt, Ordnung als Ziel:** Unternehmen müssen nicht auf die perfekte Datenlage warten, um mit KI zu starten. Ein KI-Agent kann helfen, aus dem Chaos eine erste Struktur zu schaffen. Langfristig führt jedoch kein Weg an geordneten Daten vorbei, um die Effektivität der KI zu steigern.
- **KI als mentaler Stressfaktor:** Die Fähigkeit, Dutzende von KI-Agenten parallel zu steuern, kann zu einer enormen kognitiven Belastung führen. Statt Entlastung drohen dann Stress und eine Kultur, in der auch nach Feierabend ständig an KI-Projekten gearbeitet wird.

## Vom Bastler zum Architekten: Wie KI die Rolle der Mitarbeitenden verändert

Die Diskussion um den Return on Investment von KI dreht sich laut Florian Baader zu oft um die Frage, wie viele Minuten man einspart. Der entscheidende Hebel sei jedoch das sogenannte Enablement: die Befähigung von Menschen, Dinge zu tun, die ihnen zuvor unmöglich waren. Wenn etwa ein Marketing-Mitarbeiter mithilfe von Claude Code eine neue Newsletter-Funktion für die Unternehmensplattform baut, entsteht ein völlig neuer Wert. Gleichzeitig offenbart sich hier eine zentrale Herausforderung: Dem Mitarbeiter fehlt die technische Expertise, um die Qualität des generierten Codes zu beurteilen. Es entsteht Dark Code - funktionsfähige Software, deren innere Logik und Architektur niemand im Unternehmen mehr vollständig versteht.

Um dieses Problem zu lösen, schlägt Florian vor, den Fokus zu verschieben. Das wertvollste Ergebnis eines solchen Prozesses ist nicht der Code selbst, sondern die verfeinerte Idee, die Spezifikation, die während der Interaktion mit der KI entsteht. Dieser Plan kann dann als Grundlage für eine professionelle Umsetzung durch einen Entwickler dienen. Die KI wird so zum Werkzeug für Prototyping und Ideengenerierung, das die Kluft zwischen Fachabteilung und IT überbrückt, anstatt unkontrollierbaren Code in die Produktion zu schleusen.

## Warum braucht ein Unternehmen ein Betriebssystem für Mensch und KI?

Um die Zusammenarbeit zwischen Menschen und KI-Agenten zu strukturieren, braucht es eine gemeinsame Grundlage - eine Art Betriebssystem für das gesamte Unternehmen. Christoph und Florian diskutieren hierfür die Idee eines Monorepos. Dabei handelt es sich um ein zentrales Verzeichnis, das nicht nur den gesamten Code, sondern auch Dokumentationen, Prozesse und Wissensdaten in einer für Maschinen lesbaren Form enthält. Der Schlüssel dazu sind einfache, textbasierte Formate. Eine Ordnerstruktur mit Markdown-Dateien ist für ein Large Language Model (LLM) wesentlich einfacher zu navigieren und zu verstehen als ein komplexes System wie SharePoint oder eine proprietäre Software.

Florian berichtet von seinem ambitionierten Versuch, dieses Prinzip auf die Spitze zu treiben und ein einziges, allumfassendes Betriebssystem für seine Firma zu bauen. Dieses Projekt stieß jedoch an praktische Grenzen. Vor allem die Verwaltung von Zugriffsrechten - wer darf sensible Daten wie Gehaltsinformationen sehen? - und der hohe Wartungsaufwand für unzählige Schnittstellen zu anderen Tools machten den Ansatz unpraktikabel. Seine Lösung ist eine dezentralere Architektur, die aus drei Kernsystemen besteht: eines für Marketing und Vertrieb, eines rund um das Produkt und die Kundenbetreuung sowie ein zentrales CRM als verbindendes Element. Das Prinzip bleibt dasselbe: Daten so strukturieren, dass KI-Agenten sie verstehen und bearbeiten können, ohne dabei ein unüberschaubares Monstrum zu erschaffen.

## Die Renaissance der Kommandozeile

Einer der überraschendsten Effekte der KI-Revolution ist die Wiederbelebung von Technologien, die viele für verstaubt hielten. KI-Agenten arbeiten am effizientesten mit Werkzeugen, die auf klaren, textbasierten Befehlen basieren. Eine alte Kommandozeile (CLI) ist für ein Modell wie Claude oder einen Codex-Agenten oft mächtiger als eine moderne grafische Benutzeroberfläche. Der Grund liegt in der Eindeutigkeit: Ein Textbefehl ist präzise, während das Klicken auf Buttons für eine KI schwer zu interpretieren ist.

Diese Entwicklung stellt den Wert vieler moderner SaaS-Anwendungen infrage. Ihr Vorteil lag oft in einer benutzerfreundlichen Oberfläche, die komplexe Prozesse vereinfachte. Wenn KI-Agenten diese Prozesse nun direkt über simple Schnittstellen steuern können, verlieren solche Oberflächen an Bedeutung. Gleichzeitig sinkt der Aufwand für Datenmigrationen dramatisch. Der Wechsel von einem CRM-System zum anderen, früher ein monatelanges Projekt, kann von einem Agenten in Stunden erledigt werden. Für SaaS-Anbieter bedeutet das: Der Lock-in-Effekt durch hohe Wechselkosten schwindet, und der Druck, kontinuierlich den besten Service zu bieten, steigt.

## Was tun, wenn der KI-Agent übernimmt und niemand mehr den Code versteht?

Wenn immer mehr Aufgaben von KI-Agenten erledigt werden, entstehen im Unternehmen neue Phänomene. Florian beschreibt, wie in seiner Firma manchmal Werkzeuge im Einsatz sind, bei denen niemand mehr genau weiß, wer sie ursprünglich mit welcher Intention gebaut hat - weil es ein Agent war. Dieses Dark Code-Phänomen stellt Unternehmen vor die Herausforderung, Wissen und Verantwortung neu zu organisieren.

Gleichzeitig warnen beide Gesprächspartner vor der mentalen Belastung, die durch die Arbeit mit vielen parallelen Agenten entstehen kann. Die Fähigkeit, unzählige Prozesse gleichzeitig anzustoßen, kann zu einer Art kognitiver Überlastung führen, die das genaue Gegenteil von Entlastung bewirkt. Ein CTO berichtete Florian, dass seit der Einführung von Coding-Agenten die Anzahl der Code-Commits außerhalb der regulären Arbeitszeiten explodiert sei. Die ständige Verfügbarkeit der KI verleitet dazu, auch abends nur mal schnell einen Agenten zu starten. Dies erfordert neue Regeln für eine gesunde Arbeitskultur im Zeitalter der KI.

## Praktische Schritte für dein KI-Betriebssystem

1. **Führe ein Entscheidungs-Protokoll:** Sorge dafür, dass KI-Agenten ihre Entscheidungen transparent machen. Wenn ein Agent zum Beispiel das Budget einer Werbekampagne anpasst, sollte er in einer einfachen Textdatei protokollieren, warum er diese Änderung vorgenommen hat. Das schafft Nachvollziehbarkeit.
2. **Unterscheide zwischen Artefakt und Learning:** Bewerte den Output von KI-Sitzungen richtig. Oft ist nicht das erstellte Dokument (das Artefakt) das Wertvollste, sondern der Lernprozess und der verfeinerte Plan, der dabei entstanden ist. Sei mutig genug, einen KI-generierten Entwurf wegzuwerfen und mit den gewonnenen Erkenntnissen neu zu starten.
3. **Etabliere Feedback-Schleifen:** Baue Systeme, die sich selbst verbessern können. Das bedeutet, das Sammeln von Nutzungsdaten und Metriken zu automatisieren und die KI zu nutzen, um diese Daten zu analysieren, Hypothesen zu testen (z. B. durch A/B-Tests) und die eigene Logik kontinuierlich zu optimieren.
4. **Setze auf offene, textbasierte Standards:** Organisiere Wissen und Prozesse in Formaten, die sowohl für Menschen als auch für Maschinen einfach zu lesen sind. Eine klare Ordnerstruktur mit Markdown- und CSV-Dateien ist oft mächtiger als jede komplexe Spezialsoftware.
5. **Definiere klare Budgets und Verantwortlichkeiten:** Mache die Kosten für KI-Nutzung transparent. Gib Mitarbeitenden klare Budgets für besonders leistungsstarke und teure Modelle. Das fördert ein Bewusstsein dafür, wann der Einsatz eines digitalen McKinsey-Beraters wirklich gerechtfertigt ist.

---

 version="1.0" encoding="UTF-8"?
      .st0 {
        fill: #010101;
      }

      .st1 {
        fill: #b0c0b3;
      }

      .st2 {
        fill: #3b3a3b;
      }

      .st3 {
        fill: #3a3a3a;
      }

      .st4 {
        fill: #5e7185;
      }

      .st5 {
        fill: #f9eddd;
      }

      .st6 {
        fill: #000100;
      }

      .st7 {
        fill: #aebeb3;
      }

      .st8 {
        fill: #fefefe;
      }

      .st9 {
        fill: #7f93a8;
      }

      .st10 {
        fill: #f8f0df;
      }

      .st11 {
        fill: #fbf0df;
      }

      .st12 {
        fill: #afbfb2;
      }

      .st13 {
        fill: #f7eedd;
      }

      .st14 {
        fill: #fdfdfd;
      }
                                                                                   Botcaster

  **Zusammengefasst von Anja Schirwinski**

Ich beschäftige mich beruflich wie privat mit Künstlicher Intelligenz - von konkreten Tools im Arbeitsalltag bis zu den größeren Fragen, die dabei aufkommen. Viele der Themen, die in Podcasts besprochen werden, begegnen mir in Projekten immer wieder. Deshalb fasse ich hier die für mich interessantesten Podcastfolgen zusammen und ordne sie aus der Praxis ein.

[Mehr über das Projekt Botcaster](/ueber-uns)

##  Themen

 - [  Mitarbeitende befähigen  ](/podcasts/themen/mitarbeitende-befaehigen)
- [  KI-Agenten und Automatisierung  ](/podcasts/themen/ki-agenten-automatisierung)

**Hinweis:** *Diese Zusammenfassung wurde mit Hilfe von KI aus dem Transkript der Podcast-Episode generiert.*

Alle Inhalte auf Botcaster beruhen auf öffentlich zugänglichen Podcasts rund um Künstliche Intelligenz. Wir fassen die Episoden nach bestem Wissen zusammen, übernehmen jedoch keine Gewähr für Vollständigkeit, Aktualität oder Richtigkeit der Inhalte. Die Rechte an den Original-Podcasts und -Inhalten liegen ausschließlich bei den jeweiligen Urheber:innen.

         ## Shownotes

  Was passiert, wenn alle in deiner Firma mit KI Software bauen können – aber niemand mehr genau weiß, wie sie funktioniert? Warum können mehr Agents auch mehr Stress bedeuten? Und unterschätzen wir KI, solange wir nur die eingesparten Minuten zählen?

Zu diesen und weiteren Fragen spreche ich in dieser Episode von „AI to the DNA“, dem Podcast für alle, die Künstliche Intelligenz wirklich verstehen und anwenden wollen, mit Florian Baader, Gründer und CEO von meinGPT. Florian hat mit 18 nach seinen Erfolgen bei Jugend forscht gegründet. Heute unterstützt er mit seinem Team Unternehmen dabei, KI mit ihren Daten und Systemen zu verbinden und im Arbeitsalltag einzusetzen.

[Diesen Podcast gibt es auch als Video-Podcast auf meinem YouTube Kanal.](https://www.youtube.com/watch?v=QYRFYCBYmqc "Diesen Podcast gibt es auch als Video-Podcast auf meinem YouTube Kanal.")

Wir sprechen darüber, wie eine Firma als Betriebssystem für Menschen und Agents aussehen kann: mit gemeinsamem Code, lesbaren Daten und klaren Zugriffsrechten. Florian erzählt, warum sein Versuch, alles in einem einzigen System zusammenzuführen, an praktische Grenzen stieß – und weshalb du mit KI im Datenchaos anfangen kannst, Ordnung aber trotzdem irgendwann entscheidend wird.

Außerdem diskutieren wir, warum Jahrzehnte alte Computerwerkzeuge plötzlich wieder relevant werden und wie eng KI-Modelle und ihre Arbeitsumgebung zusammenpassen müssen. Dabei geht es auch um den Unterschied zwischen einer beeindruckenden Demo und einer Lösung, die im Mittelstand jeden Tag zuverlässig funktionieren soll.

Und wir schauen auf die Nebenwirkungen: parallele Agents, nach denen dir abends der Kopf schwirrt, Teams, die nur noch ihr KI-Setup optimieren, und Software, deren Entstehung niemand mehr erklären kann. Was musst du selbst noch verstehen? Wann ist die Idee wertvoller als der erzeugte Code? Und was bedeutet es für Europa, wenn der Zugang zu leistungsfähigen Modellen zum Privileg wird?

Hier bei AI to the DNA will ich, Christoph Magnussen, tiefer in die Materie KI eintauchen. Mich interessiert nicht nur, wie man KI nutzt, sondern warum sie so funktioniert, wie sie funktioniert. Mit AI to the DNA gewinnt ihr Einblicke in die Natur der Künstlichen Intelligenz und erfahrt, wie sie Teil eurer DNA wird. So werdet ihr von neugierigen Tool-Tourist:innen zu echten AI-Anwendungsweltmeister:innen.

🚀 🎓 **12 Week AI Excellence von Blackboat:** In zwölf Wochen vom KI-Ausprobieren zur Anwendung im Arbeitsalltag. Entwickle deine AI-Skills weiter und lerne, eigene Workflows und Agent-Systeme aufzubauen, die dir echte Arbeit abnehmen.

**→ Jetzt mehr erfahren und anmelden auf** [**academy.blackboat.com**](https://academy.blackboat.com/)

⭐️ Wenn dir AI to the DNA gefällt, freuen wir uns über eine **5-Sterne-Bewertung**. Damit hilfst du uns enorm, den Podcast sichtbarer zu machen und noch mehr Menschen mit unseren Themen zu erreichen. Danke für deinen Support!

- (00:00) - Intro
- (01:31) - Florian Baader: Von Jugend forscht zur KI-Plattform meinGPT
- (07:41) - Unterschiedliche KI-Welten: Agents im Mittelstand und im Privatleben
- (13:19) - Mehr als Zeitersparnis: Was KI ermöglicht und wer Verantwortung trägt
- (19:40) - Git, Markdown und Versionskontrolle: Daten für Agents zugänglich machen
- (27:13) - Die Firma als Betriebssystem: Architektur, Oberflächen und Zugriffsrechte
- (32:34) - Im Chaos anfangen: Warum KI trotzdem klare Datenstrukturen braucht
- (37:34) - Selbstlernende Systeme: Mit Logs, Feedback und Experimenten besser werden
- (42:46) - Harnesses und Modelle: Zusammenspiel, Open Source und Modellzugang
- (51:58) - SaaS unter Druck: Wie KI den Wechsel zwischen Softwareanbietern erleichtert
- (56:05) - CLI statt MCP? Warum Agents alte Computerwerkzeuge wiederentdecken
- (59:32) - Von der Demo zur Produktion: Stabilität und Modellwechsel
- (01:05:29) - KI-Budgets: Welches Modell ist welche Aufgabe wert?
- (01:09:58) - Zu viele Agents: Mentale Belastung, Delegation und die Setup-Falle
- (01:16:30) - Dark Code und Agent-Gedächtnis: Was Teams verstehen und dokumentieren müssen
- (01:22:54) - KI für alle oder für Eliten? Zugang, Macht und gesellschaftliche Risiken
- (01:27:35) - Europas Chance: KI veredeln und souveräne Infrastruktur aufbauen
- (01:34:00) - Ausblick: Steigende KI-Kosten und die nächste Phase der Anwendung