In dieser Folge sprechen wir über die Embedded World, KI auf der Hardware-Messe und warum dort zwar viel „AI-ready“, aber überraschend wenig wirklich spannende KI-Software zu sehen war.Danach wird’s deutlich nerdiger: Es geht um OpenClaw, agentische Coding-Workflows, Claude Code, lokale Modelle auf dem MacBook, Telegram-Bots als KI-Assistenten und die Frage, warum diese Tools gleichzeitig extrem produktiv und potenziell gefährlich abhängig machen können.Außerdem: Warum Pascal testweise eine App komplett per AI gebaut hat, weshalb man dabei irgendwann den Bezug zur eigenen Codebase verliert, was gute User Experience bei KI-Agenten ausmacht und warum lokale Modelle für sensible Dokumenten-Workflows der eigentlich spannende nächste Schritt sind.Time Chapters00:00 Intro00:49 Alex über die Embedded World und warum Messen immer noch nützlich sind02:49 KI auf der Messe: viel Hardware-Enabler, wenig echte AI-Software05:16 SnapMagic, Schaltpläne und KI-gestützte Reviews06:34 Claude Review Tools und Bezahlmodelle pro Review08:34 AI-Code-Reviews auf Pull Requests und lokal im Workflow09:04 Pascal über „Vibe Engineering“ und eine App mit fast 100k Zeilen AI-Code10:36 Die Kehrseite: Abhängigkeit von Coding-Agents und Verlust des Code-Verständnisses12:07 Das Experiment: eine App bauen, ohne den Code selbst anzufassen13:06 Deep Modules, Architektur und warum das für AI gut funktionieren kann13:57 Copy-Paste-Code, Deduplizierung und Refactoring mit AI15:24 Eigene Skills, Review-Steps und bessere Code-Hygiene15:52 Back to the roots: NeoVim, Terminal und wieder selbst schreiben17:18 Dokumentenverarbeitung, Routing, Klassifikation und Extraktion18:02 Python, Rust und Pyo3 in echten Dokumenten-Pipelines18:32 Neues MacBook, lokale Modelle und Experimente mit Cloud Code19:06 Kimi, Qwen Coder und die Frage, was Quantisierung eigentlich kostet21:20 128 GB RAM, MacOS Memory Usage und lokale Modell-Setups22:33 OpenClaw lokal betreiben und mit produktiven Tools verbinden24:00 Wie sinnvoll ist ein Agent in einer synthetischen Testwelt?24:58 Was OpenClaw so spannend macht und was man daraus für eigene Produkte lernen kann27:25 Agenten via Telegram Aufgaben schicken und produktiv arbeiten lassen28:46 OpenClaw-Architektur: Gateway, Sessions, Cronjobs und Medienverarbeitung30:18 Persönlichkeit, Memory und Identität über Markdown-Dateien31:51 Jarvis: Pascals eigener Telegram-Bot auf Basis von Claude Code33:24 Warum gestreamte Antworten sich so viel besser anfühlen36:17 Proaktive Bots, Erinnerungen und Produktideen für Dokumenten-Apps39:22 Permissions, Grenzen von Markdown-Regeln und warum echte Guardrails fehlen42:21 Lokale LLMs, Regulierung und weniger Restriktionen44:44 Das Kundenprojekt: Finanzdokumente, Uploads und echte Nutzerprobleme46:25 Warum der OpenClaw-Hype abgekühlt ist und was trotzdem bleiben wird48:44 Langweilige PDF-Aufgaben, sensible Daten und warum lokal der richtige Weg sein kann49:36 Fazit und Outro

Ask this episode

“What did the council decide on item 42?” — answered with the speaker and the moment.

Transcript

Related