
Hosted by Tobias Wachtel · DE

KI verändert Recruiting-Prozesse spürbar: Chatbots beantworten Standardfragen, Algorithmen unterstützen bei der Vorauswahl und digitale Persönlichkeitstests versprechen objektivere Entscheidungen.Doch genau hier beginnt das Problem.Viele Bewerber empfinden KI-gestützte Prozesse als unpersönlich, wenig transparent oder sogar unfair. Gleichzeitig zeigen aktuelle Analysen, dass automatisierte Bewertungen nicht automatisch valide sind. Persönlichkeitstests können durch äußere Faktoren wie Kleidung, Bildhintergründe oder technische Rahmenbedingungen beeinflusst werden.Auch die Nutzung von KI durch Bewerber selbst wird ambivalent bewertet. Nach der Signal-Theorie kann erkennbare KI-Unterstützung den Eindruck geringerer Eigenleistung erzeugen und damit Bewerbungschancen verschlechtern.Diese Folge zeigt, warum KI im Recruiting nicht grundsätzlich schlecht ist – aber sehr gezielt eingesetzt werden muss. Denn Effizienz ersetzt nicht Vertrauen. Und gerade im Bewerbungsprozess bleibt der persönliche Kontakt ein entscheidender Erfolgsfaktor.

Über diese Episode: In dieser Folge widmen wir uns der spannenden Frage, wie weit wir eigentlich davon entfernt sind, uns einen eigenen „JARVIS“ (bekannt aus den Iron-Man-Filmen) zu bauen. Die Antwort: Näher, als die meisten denken. Wir beleuchten das Projekt von Tobias Wachtel, der auf seinem normalen MacBook Pro einen komplett lokalen, offline-fähigen KI-Assistenten entwickelt hat, der durch einfaches Händeklatschen aktiviert wird.Die Architektur des Systems (Die drei Schichten):Schicht 1: Der „Türsteher“ (Audio-Trigger): Ein Hintergrundprogramm lauscht auf einen spezifischen akustischen Fingerabdruck – ein Doppelklatschen. Dabei musste explizit programmiert werden, dass immer das interne MacBook-Mikrofon genutzt wird, da verbundene AirPods solche Geräusche für eine bessere Sprachqualität automatisch herausfiltern.Schicht 2: Der Dirigent (Automation): Nach dem Klatschen startet eine Choreografie über AppleScript-Befehle: Ein Chrome-Fenster mit Musik (AC/DC) öffnet sich, ein eigenes Dashboard geht intelligent in den Vollbildmodus und ein Sprachfenster erscheint.Schicht 3: Die KI-Engines: Hier arbeiten drei künstliche Intelligenzen lokal zusammen, um in unter drei Sekunden zu reagieren:Whisper (faster-whisper): Wandelt die gesprochene deutsche Sprache in unter zwei Sekunden in Text um.Llama 3.2 (über Ollama): Ein effizientes Sprachmodell von Meta (drei Milliarden Parameter), das durch einen Systemprompt darauf trainiert ist, knapp, präzise und leicht ironisch zu antworten.Piper: Ein Text-to-Speech-Tool, das aus dem Text mithilfe der freiwillig eingesprochenen deutschen Stimme „Thorsten“ wieder Sprache macht.Technische Hürden & das eigene Interface: Das Projekt entstand auf einer Beta-Version von macOS 26, was zu einigen kreativen Workarounds zwang – etwa der Umstieg von der Bibliothek PyQt auf Tkinter, was wiederum komplexe Threading-Probleme mit sich brachte. Um das von Apple integrierte „Audio Ducking“ (das unerwünschte automatische Leiserstellen der Musik, während der Assistent spricht) zu umgehen, schickt Piper die synthetisierte Sprache trickreich am System vorbei direkt an die Soundkarte. Das visuelle Iron-Man-Interface (mit rotierenden Ringen und wandernden Punkten je nach Status) wurde komplett selbst per Programmcode auf eine leere Leinwand gezeichnet, was dem Assistenten eine ganz eigene Persönlichkeit und Lebendigkeit verleiht.Warum das mehr als eine Spielerei ist: Das System zeigt ein enormes Potenzial für mehr Autonomie im Alltag und in der Pflege. Eine bettlägerige Person könnte allein durch Klatschen den Pflegedienst rufen, Angehörige informieren, das Licht dimmen oder ein Hörbuch starten. Die dafür nötigen Bausteine sind alle längst existent, funktionsfähig und günstig.Zentrale Erkenntnisse der Folge:Lokale KI ist reif: Werkzeuge wie Whisper und Llama sind frei verfügbar, funktionieren ohne Cloud (Datenschutz!) und laufen auf ganz normaler Hardware.Die Engpassstelle ist die Integration, nicht die Technik: Jede Komponente ist machbar, aber das nahtlose Zusammenspiel mit der richtigen Latenz und im passenden Kontext ist die eigentliche Arbeit.Spielen ist die ehrlichste Forschung: Echte Herausforderungen und Grenzen findet man nicht bei der Planung am Whiteboard, sondern beim pragmatischen Bauen.Vom Gimmick zur Infrastruktur: Was heute als Bastelprojekt mit dem Laptop im Wohnzimmer beginnt, legt den Grundstein für den normalen Einsatz von KI in der Pflege, Forschung und Bildung in fünf bis zehn Jahren.Kennt ihr jemanden, für den eine solche Klatsch-Automation ein Stück Selbstbestimmung bedeuten würde? Dann leitet diese Folge unbedingt weiter! Und wenn ihr selbst Lust bekommen habt, zu experimentieren: Whisper, Ollama und Piper sind völlig frei verfügbar. Ein erstes funktionsfähiges System lässt sich bereits an einem Wochenende bauen.

Weitere Literatur zu diesem Thema:Autin, F., & Croizet, J.-C. (2012). Improving working memory efficiency by reframing metacognitive interpretation of task difficulty. Journal of Experimental Psychology: General, 141(4), 610–618. https://doi.org/10.1037/a0027478Bick, A., Blandin, A., & Deming, D. (2024). The Rapid Adoption of Generative AI (Nr. W32966; S. w32966). National Bureau of Economic Research. https://doi.org/10.3386/w32966Brod, C. (1984). Technostress: The human cost of the computer revolution. Addison-Wesley.Chuang, Y.-T., Chiang, H.-L., & Lin, A.-P. (2025). Insights from the Job Demands–Resources Model: AI’s dual impact on employees’ work and life well-being. International Journal of Information Management, 83, 102887. https://doi.org/10.1016/j.ijinfomgt.2025.102887Edmondson, A. C., & Bransby, D. P. (2023). Psychological Safety Comes of Age: Observed Themes in an Established Literature. Annual Review of Organizational Psychology and Organizational Behavior, 10(1), 55–78. https://doi.org/10.1146/annurev-orgpsych-120920-055217Grange, C., Demazure, T., Ringeval, M., Bourdeau, S., & Martineau, C. (2026). The Human‐ GenAI Value Loop in Human‐Centered Innovation: Beyond the Magical Narrative. Information Systems Journal, 36(1), 29–51. https://doi.org/10.1111/isj.12602Kotter, J. P. (2012). Leading change. Harvard Business Review Press.Luhmann, N. (2000). Organisation und Entscheidung. Westdeutscher Verlag.Maslej, N. (2025). Artificial Intelligence Index Report 2025. Artificial Intelligence.Myszak, J. M., & Filina-Dawidowicz, L. (2025). Leaders’ Competencies and Skills in the Era of Artificial Intelligence: A Scoping Review. Applied Sciences, 15(18), 10271. https://doi.org/10.3390/app151810271Nagi, Dr. M. (2020). Reverse Mentoring-A Tool to Develop Future Leaders for Organizations. Journal of Advanced Research in Dynamical and Control Systems, 12(SP7), 605–608. https://doi.org/10.5373/JARDCS/V12SP7/20202148OECD. (2024). Artificial intelligence and the changing demand for skills in the labour market (OECD Artificial Intelligence Papers Nr. 14; OECD Artificial Intelligence Papers, Bd. 14). https://doi.org/10.1787/88684e36-enReiß, M., Rosenstiel, L. von, & Lanz, A. (Hrsg.). (1997). Change-Management: Programme, Projekte und Prozesse. Schäffer-Poeschel.Scharmer, C. O. (2018). The essentials of Theory U: Core principles and applications (First edition). BK, Berrett-Koehler Publishers, Inc., a BK Business book.Scoggin, J. (2025). Cognitive Machines and Cultural Shifts: How AI Redefines Organizational Development and Consulting Practice. International Journal of Behavior Studies in Organizations, 14, 50–60. https://doi.org/10.32038/jbso.2025.14.04Sha, C., & Chai, T. (2025). When digital-AI transformation sparks adaptation: Job crafting and AI knowledge in job insecurity contexts. Frontiers in Psychology, 16, 1612245. https://doi.org/10.3389/fpsyg.2025.1612245Tadimalla, S. Y., & Maher, M. L. (2026). AI Identity as a Boundary Object: Unpacking the Intersection of AI and Identity. Proceedings of the Extended Abstracts of the 2026 CHI Conference on Human Factors in Computing Systems, 1–9. https://doi.org/10.1145/3772363.3798844Villa, R. A., & Thousand, J. S. (Hrsg.). (2000). Restructuring for caring and effective education: Piecing the puzzle together (2nd ed). P.H. Brooks Pub.Wandoko, W., Abbas, B. S., Budiastuti, D., & Kosala, R. (2017). Online trust building through third party trust transfer and third party protection. Journal of Physics: Conference Series, 801, 012060. https://doi.org/10.1088/1742-6596/801/1/012060Weick, K. E. (2010). Sensemaking in organizations (Nachdr.). Sage Publ.

Prompting hat sich jetzt wieder grundlegend verändert.Während früher narrative, „menschliche“ Anweisungen ausgereicht haben, verlangen moderne Modelle wie GPT-5.5 und Claude Opus 4.7 zunehmend präzise, strukturierte Eingaben.Der Grund: KI interpretiert weniger – und folgt stärker expliziten Anweisungen.Das bedeutet konkret:Lose formulierte Prompts erzeugen mehr Rauschen als Nutzen, während klar strukturierte Eingaben – etwa mit XML-Tags oder Markdown – deutlich bessere Ergebnisse liefern.Gleichzeitig verschiebt sich der Fokus:Weg vom einzelnen Prompt hin zur Orchestrierung ganzer Workflows und Agentensysteme.Die Rolle des Nutzers verändert sich damit fundamental – vom Ausführenden hin zum strategischen Steuerer komplexer KI-Systeme.

Mit GPT-5.5 verschiebt sich der Fokus von KI erneut – weg von reiner Textgenerierung hin zu autonomen, handlungsorientierten Systemen.Das Modell ist darauf ausgelegt, komplexe Aufgaben eigenständig zu planen, auszuführen und abzuschließen – mit deutlich weniger menschlicher Anleitung als bisher. Besonders in Bereichen wie Programmierung und Recherche zeigt sich diese Entwicklung deutlich.Ein zentraler Unterschied liegt in der „Zeit bis zur Fertigstellung“: Statt vieler kleiner Interaktionen liefert das System schneller vollständige Ergebnisse und reduziert Korrekturschleifen.Damit verändert sich nicht nur die Technologie, sondern auch die Rolle des Menschen.Wir bewegen uns weg vom aktiven Ausführen – hin zur Steuerung, Bewertung und Orchestrierung.Die Folge zeigt, warum GPT-5.5 mehr ist als ein Modell-Update – und was es bedeutet, wenn KI beginnt, wie ein eigenständiger digitaler Mitarbeiter zu arbeiten.

Mit Claude Design startet Anthropic ein neues Tool, das den Designprozess grundlegend verändert.Statt statischer Tools entsteht eine kollaborative Umgebung, in der Textanweisungen direkt in visuelle Mockups, interaktive Prototypen und Präsentationen übersetzt werden. Designs lassen sich anschließend in Echtzeit über Kommentare oder direkte Anpassungen weiterentwickeln.Ein zentraler Unterschied: Die Integration von Designsystemen.Farben, Schriftarten und Markenrichtlinien werden automatisch berücksichtigt, sodass konsistente Ergebnisse entstehen – ohne manuellen Aufwand.Zudem können bestehende Dokumente oder Codebasen als Kontext eingebunden und fertige Ergebnisse nahtlos in Tools wie Claude Code oder Canva überführt werden.Die Folge zeigt, warum Design sich gerade von einem Tool-Prozess zu einem kollaborativen System entwickelt – und was das für kreative Arbeit bedeutet.

Die KI-Welt erlebt gerade eine ungewöhnlich dichte Welle an Innovationen – und sie zeigen alle in dieselbe Richtung.Mit Claude Opus 4.7 wird ein Modell veröffentlicht, das speziell für komplexe, langfristige Aufgaben und agentische Workflows optimiert ist. Parallel dazu erweitert OpenAI "Codex for (almost) everything" zu einem System, das direkt auf dem Computer arbeitet, klickt und eigenständig Aufgaben ausführt. Mit GPT-Rosalind entsteht erstmals ein spezialisierter KI-Ansatz für die Life Sciences – von Literaturanalyse bis experimenteller Planung. Und mit Perplexity „Personal Computer“ sehen wir Agenten, die über Wochen oder Monate hinweg autonom arbeiten können. Was auf den ersten Blick wie einzelne Releases wirkt, zeigt in Summe einen klaren Trend: KI entwickelt sich weg vom einzelnen Modell – hin zu Systemen, Agenten und spezialisierter Intelligenz.

KI arbeitet nicht mehr alleine, sondern im Team. Und genau das verändert gerade alles.Statt einzelner Modelle entstehen koordinierte Teams aus spezialisierten Agenten, die Aufgaben parallel bearbeiten, sich abstimmen und gemeinsam komplexe Projekte umsetzen.Das Ergebnis: Anwendungen, die früher Monate gebraucht haben, entstehen plötzlich in wenigen Tagen.Doch genau hier liegt auch die Herausforderung.Die Rolle des Menschen verschiebt sich – weg von der direkten Umsetzung hin zur Orchestrierung. Gleichzeitig entstehen neue Risiken, neue Abhängigkeiten und eine Dynamik, die viele aktuell noch unterschätzen.Die Folge zeigt, warum KI gerade anders skaliert – und was das für die Zukunft von Arbeit, Softwareentwicklung und Automatisierung bedeutet.

Ein massives Datenleck sorgt aktuell für Aufsehen in der KI-Welt: Der vollständige Quellcode des Programmier-Tools „Claude Code“ wurde versehentlich veröffentlicht – und verbreitete sich innerhalb kürzester Zeit im Internet.Über 500.000 Zeilen Code gaben tiefe Einblicke in interne Funktionen, Produkt-Roadmaps und die Architektur moderner KI-Tools. Gleichzeitig entstanden erste Nachfolgeprojekte, während Sicherheitsforscher auf kritische Schwachstellen hinweisen.Doch damit nicht genug: Cyberkriminelle nutzten das enorme Interesse aus und verbreiteten manipulierte Versionen des Codes, um Schadsoftware zu platzieren.Die Folge zeigt, was dieser Leak wirklich bedeutet – für Entwickler, Unternehmen und die Zukunft von KI-Systemen.

Was ist der Chief of Staff?Ein persönlicher KI-Assistent, der dich über Sessions hinweg kennt. Kein Chat, der nach dem Schließen alles vergisst — sondern ein System, das deine Ziele, Projekte und offenen Punkte dauerhaft im Blick behält und bei jeder neuen Session direkt weitermacht wo du aufgehört hast.Das Ganze läuft über Claude Code / Codex / Gemini (kombiniert mit einem optionalen strukturierten Obsidian-Vault).Was du brauchst:Claude Code / Codex / Gemini(Obsidian und Terminal optional)Schritt 1 — Claude Code installierenSchritt 2 — Vault-Ordner anlegenErstelle einen Ordner auf deinem Computer (z.B. Chief of Staff) mit dieser Struktur:Chief of Staff/ ├── 00-inbox/ │ └── capture.md ├── 01-context/ │ ├── ich.md │ └── business.md ├── 02-brand/ │ └── brand-voice.md ├── 03-strategy/ │ ├── current-priorities.md │ └── open-loops.md ├── 04-projects/ ├── 05-daily/ ├── 06-team/ ├── 07-intelligence/ │ ├── decisions/ │ └── meetings/ ├── 08-resources/ │ ├── prompts/ │ └── frameworks/ └── 09-reference/ Schritt 3 — CLAUDE.md anlegenIm Hauptordner eine Datei CLAUDE.md erstellen. Das ist die Bedienungsanleitung für Claude — hier steht wer du bist, welche Regeln gelten und welche Commands es gibt.Minimale Version zum Starten:# Mein Chief of Staff ## Über mich [Wer du bist, was du machst, deine Ziele] ## Vault-Struktur - 00-inbox/ → Quick Capture - 01-context/ → Mein Profil & Business - 03-strategy/ → Prioritäten & offene Punkte - 04-projects/ → Aktive Projekte - 05-daily/ → Tages-Logs ## Commands - /start → Session starten (liest Kontext) - /capture → Schnell etwas festhalten - /shutdown → Session beenden, Daily Log schreiben ## Regeln 1. Beim /start immer ich.md und current-priorities.md lesen 2. Daily Logs sind append-only 3. Kurze Antworten bevorzugen 4. Sprache: Deutsch Schritt 4 — Kontext-Dateien füllenDie wichtigsten Dateien zum Start:01-context/ich.md — Wer du bist:# Ich ## Wer ich bin [Name, Beruf, Rolle] ## Meine Arbeitsweise [Wann arbeitest du am liebsten? Womit? Wie?] ## Ziele [Was willst du erreichen?] 03-strategy/current-priorities.md — Deine Top 3 diese Woche:# Aktuelle Prioritäten Woche KW [XX] | [Datum] ## Business 1. ... 2. ... 3. ... ## Persönlich 1. ...Commands im Überblick:CommandWas passiert/start | Kontext laden, Session beginnen/capture | Gedanken, Tasks, Ideen schnell festhalten/plan | Projekt strukturieren und planen/review | Wöchentliches Review (Inbox leeren, Prioritäten setzen)/shutdown | Daily Log schreiben, Prioritäten updaten, Session schließenObsidian als Frontend (optional, aber empfehlenswert)Obsidian kannst du einfach auf den gleichen Ordner zeigen — dann hast du eine schöne visuelle Oberfläche für deine Dateien, während Claude Code im Hintergrund darin liest und schreibt.Was macht das System besonders?Gedächtnis über Sessions hinweg — Claude vergisst nichts, weil alles in Dateien stecktKein Cloud-Zwang — alles läuft lokal auf deinem RechnerWächst mit dir — je mehr du einträgst, desto besser arbeitet esVollständig anpassbar — deine Struktur, deine Regeln, deine SpracheDu willst das fertig haben?Ich biete das als fertiges Paket an — inklusive vollständiger Vault-Struktur, angepasster CLAUDE.md und einem Setup-Call:www.tobiaswachtel.orginfo@tobiaswachtel.org