KI-Prozesse bauen: In 3 Schritten von Arbeit zu Agenten | Notion-Experte

Matthias Frank: Am Ende des Tages, wenn du sozusagen, diese PDF vor dir hast und sagst, ja, das ist jetzt nicht so wirklich das, was ich mir vorstelle, Dann müssen wir genau diese Arbeit leisten. Wir müssen sozusagen zurückgehen und überlegen, wo sind wir falsch? abgebogen? Hatten wir denn noch gute Komponenten? Haben wir sozusagen die richtigen Elemente ausgewählt? hierfür? Das ist der Grund, warum wir das so kleinteilig machen wollen, Damit wir dann genau bei jedem Punkt wirklich ansetzen können und sagen können, okay, das ist jetzt dieser Teil, den wir verbessern müssen. Dass wir sozusagen nicht eine riesige Blackbox haben, sondern dass wir ganz viele kleine Blackboxen haben. Bei denen wir ausreichend sozusagen beobachten können, aha, A geht rein, A- geht raus, Was muss ich sozusagen? Jetzt hier schrauben, damit das beides sozusagen A ist. Ganz grundsätzlich kann man die Prozesse am besten in KI-Prozesse übersetzen, die man selbst richtig gut kann. Es ist deutlich schwieriger, der KI etwas beizubringen, was man selbst nicht kann, weil da wahrscheinlich sehr viel mit Intuition passiert. Weil da sozusagen sehr viel, so dieses, der Geschmack ist, ja, ein Judgment. Und das wirklich zu übersetzen in Kriterien ist sehr schwer.

Joël Kaczmarek: Hi, Five Leute, Hier ist Joël und ihr Wisst. das, Am Money Monday interessiert mich immer das Thema Wachstum im Business. Und das ist ja vor allem KI. Und vielleicht erinnert Ihr euch mit dem Lieben Matthias Frank, den Seht Ihr hier schon im Bilde. Der hat ja eine Notion und AI Consulting Agency. Also im Prinzip kann ich mal sagen, Er hilft euch, mit KI und Notion, bessere Operations und Prozesse zu bauen. Mit dem bin ich ja gerade dabei, dass wir quasi ein digitales Business auf digital kompakt mit Hilfe von KI aufsetzen. So, Und wir hatten schon eine kleine Folge dazu gemacht, wo wir das ganze mal skizziert haben. Ich verlinke euch, die nochmal und haben uns überlegt, alles klar, Wir werden das jetzt mal so Stück für Stück vortragen, dass wir euch die einzelnen Ebenen mal erklären, Wie das funktioniert.

Und heute wollen wir darüber reden, wie man eigentlich KI-Prozesse baut und warum das am Anfang manchmal ganz schön lange dauert, Aber den Invest Wert ist. Weil, könnt ihr euch vorstellen, Wenn man was baut, dann ist ja wichtig, dass es einen ganzen Prozess hat. Und da gehen wir heute mal durch. Wir zeigen euch auch ein paar Sachen. Und damit ihr nochmal ganz kurz abgeholt seid, also unser Prozess, ist so, Wir haben ja den Podcast digital kompakt. Und jetzt kommt der Matthias an den Start. Und dann haben wir zusammen gesagt, hey, lass uns doch mal gucken, was können wir tun, damit wir im Prinzip Die Learnings, die in diesem Podcast entstehen, in ein digitales Produkt Gießen können. Also, wir haben uns für Playbooks entschieden.

Unsere Idee ist, dass man zu jedem Podcast dann so kaufbare Playbooks hinbaut. Und dafür braucht es ja Prozesse, Dafür braucht es Design. Davon erzählen wir euch beim nächsten Mal, wie man Geile Designsysteme baut. Und dann natürlich nach hinten raus den ganzen Verkaufsapparat. Und das ist quasi die Basis unseres Gesprächs. heute. Und jetzt aber erstmal schön, dass du da bist, lieber Matthias. Und ganz herzlich willkommen.

Matthias Frank: Ja, vielen Dank. Ich bin sehr gespannt. Ich freue mich schon, wenn wir jetzt ein bisschen ins Detail einsteigen können und zeigen, wie das geht. Weil, genau, wie du schon angedeutet, hast, Meistens ist es leider doch nicht so einfach, als dass man sagt, okay, liebe KI, mach das Mal für mich. Sondern da ist erstmal viel Schweiß und Frustration, die da oft drin steckt.

Joël Kaczmarek: Ja, und dann gibt es manchmal so den, Der gordische Knoten ist geplatzt. Moment, ja, wo es dann auf einmal flutscht. Und dann macht es Spaß. Und dann denkt man sich, Ah, geil und feiert so ein bisschen und macht ein Piccolo auf, so. Und wie ihr dahin kommt, Da begleiten wir euch jetzt mal so ein bisschen oder zeigen mal unseren Weg.

Joël Kaczmarek: Vielleicht, Es gibt ja wahrscheinlich viele Wege nach Rom. Wir können ja mal so ein Stück weit anfangen, vielleicht. Du hast ja auch so eine kleine, schöne Übersicht gehabt, weil das Erste finde ich, wenn man ja Prozesse baut, ist ja im Prinzip wie bei echten Menschen auch, dass man das so ein Stück weit kartografiert. Also, dass ich eigentlich erstmal hingehe und sage... Was machen wir denn alles, In welcher Reihenfolge und welche Personen und welche Tools sind denn daran? So beteiligt? So würde ich es mal grob skizzieren. Und du hast da so einen schönen Dreiklang draus gebaut. Erzähl doch mal ganz kurz, so deinen. Take da drauf.

Matthias Frank: Ganz grundsätzlich, wie du schon gesagt, hast. Wir wollen uns immer einmal überlegen, okay, was sind eigentlich denn die ganzen Schritte, die hier passieren müssen? Und das hat jetzt erstmal mit KI nichts zu tun, sondern genauso, wenn ich einen traditionellen Prozess ohne KI verbessern würde. Erstmal schauen, hey, was passiert hier eigentlich? Und das ist natürlich einfacher, wenn man es schon mehrmals gemacht hat. Idealerweise sozusagen alle Leute, die DA irgendwie... Daran beteiligt sind, in einen Raum bringen und sich dann mal überlegen, okay, wer macht eigentlich was, um sozusagen das Ergebnis zu produzieren. In so einer Situation wie bei uns hier, wo es aktuell noch nicht passiert, da muss man immer so ein bisschen freier.

Dann arbeiten. Wir hatten ganz am Anfang ein Gespräch und basierend darauf hatten wir dieses erste Schaubild einmal erstellt. Ich kann es einmal ganz kurz zeigen. Wenn wir dann mal diese verschiedenen Schritte vor uns haben, dann gibt es eigentlich immer drei Arten von Schritten. Wir haben die Schritte, Die müssen auf jeden Fall von einem Menschen passieren. Das ist sozusagen, Du musst den Podcast am Ende des Tages aufnehmen. Also, da setzen wir nicht kaijuel hin, sondern das machst du. Oder vielleicht sind es Schritte, die einfach in der wirklichen Welt passieren müssen. Wenn ich irgendwie, keine Ahnung, zur Nachbarstür gehen muss und dort klingeln, muss, Weil ich einen Staubsauger verkaufe, Auch das macht wahrscheinlich der Mensch.

Es gibt dann in meinem Prozess Schritte, Die müssen auf jeden Fall entweder aufgrund von Limitationen. Oder weil ich einfach das möchte, dass es ein Mensch tut, Die klammern wir sozusagen erstmal aus. Dann haben wir den zweiten Punkt, Das sind deterministische Prozesse. Ein deterministischer Prozess ist einer, der immer nach dem gleichen Schema abläuft. Sozusagen, wenn, dann. Das können auch sehr komplexe Elemente sein. Aber wir können eigentlich immer definieren, okay, wenn A passiert, sollen so eine ganze Reihe von anderen Dingen passieren. In dem Bereich wollen wir keine KI einsetzen, Weil KI ist grundsätzlich sehr teuer. Compute und der Aufwand für diese Intelligenz ist um Tausendfaches höher, als wenn wir das Ganze in Code übersetzen.

Also, wenn wir sozusagen ein kleines Programm oder ein Skript erstellen, was das für uns erledigt.

Joël Kaczmarek: Ich fand dein BILD Sehr schön, By The way. Man erkennt deterministische Prozesse daran, dass man sie mit einem Hangover noch gut machen kann. Genau,

Matthias Frank: das ist der Trick. Wenn man das Gefühl hat, okay, da bin ich jetzt einfach nur der Monkey, der hier von links nach rechts copy-pastet. Oder das sind diese Aufgaben, die man sozusagen nach einer etwas längeren Nacht sich erstmal vornimmt, weil man sie auch verkatert erledigen kann. Das sind höchstwahrscheinlich die Terministik-Prozesse, wo ich jetzt nicht die größte Rechnung brauchen kann.

Joël Kaczmarek: In unserem Beispiel, um es auch mal mit Bildern zu belegen, Ich werde uns im Vorgespräch ein bisschen unterhalten. Also, wenn wir zum Beispiel jetzt hingehen, haben ein Produkt gebaut aus einem Podcast heraus. Und dann musst du das Ding bei Stripe anlegen oder den Link hinterlegen. In deinem Newsletter, dass darauf geklickt werden kann. Also das wären so typische Beispiele. Das ist ja so ein, Wenn Produkt ist da, dann erzeuge Stripe, wenn Stripe-Link ist da, schreibe in Newsletter. Also, das ist sowas, da brauchst du jetzt nicht viel Compute-Power sozusagen, sondern das ist eigentlich sehr, wie du es genannt hast, deterministisch.

Matthias Frank: Genau, Ein zweites Beispiel ist häufig im Onboarding, ja, wenn man irgendwie neue Kunden hat, ja, und sozusagen, Jetzt haben Sie den Vertrag unterschrieben, ja, Dann passieren auch meistens eine ganze Reihe von automatisierten Sachen, ja, ich muss irgendwie hier einen Ordner anlegen, ich muss die hier zu Slack einladen, ja, ich muss hier vielleicht eine Rechnung stellen, ja, das sind alles Sachen, die sozusagen immer nach Schema F ablaufen, idealerweise, Und auch da brauche ich sozusagen dann keinen KI-Agenten, sondern kann das dann Code oder eben indeterministische Schritte übersetzen. Aber auch die müssen gebaut werden. Und auch da kann sozusagen, die KI helfen. Eben einmalig und nicht dauerhaft.

Joël Kaczmarek: Leute, Kurzer Hinweis zu unserem Partner Sage. Weil mal ehrlich, Wachstum scheitert selten an fehlenden Aufträgen. Es scheitert daran, dass das Geld für die Aufträge, die du längst hast, irgendwo zwischen Leistung und Zahlungseingang festhängt. Rund 120 Tage, bis die Rechnung wirklich auf dem Konto ist, das ist Kapital, mit dem du in der Zeit nichts machen kannst. Und genau da setzt Sage Intacct an. Die KI-gestützte Cloud-Lösung von Sage fürs Finanzmanagement. Die beschleunigt die komplette Strecke von der Leistung bis zum Zahlungseingang. Rechnungszyklen über 50% kürzer. Zeit bis zum Zahlungseingang von rund 120 auf unter 70 Tage. Das sind ungefähr sieben Wochen Liquidität, die du vorher einfach nicht hattest. Und Sage macht das seit über 40 Jahren und über zwei Millionen Kundinnen weltweit vertrauen darauf. So, und für Euch gibt es was obendrauf. 20% Rabatt auf die ersten zwölf Monate Sage Intacct inklusive Sage Copilot so Ich würde mal sagen, jetzt testen unter sage.com/digitalkompakt und Sage, schreibt sich S. A G E sage.com/digitalkompakt. Und

Joël Kaczmarek: weiter geht's mit dem Podcast Also Wir haben welche, der Mensch tut es deterministisch und das Dritte.

Matthias Frank: Das ist dann die KI. Das ist das, worüber die Leute meistens sprechen, worüber man meistens denkt, okay, jetzt kann hier Claude oder ChatGPT sozusagen alles für mich machen. Aber alles in dem Fall sollte erstmal so kleinteilig sein wie möglich. Deswegen brechen wir den Prozess runter in die einzelnen Schritte, weil wir eben nicht der KI sagen, so, erstellen wir mal. Bitte ein Playbook für diese Podcast, WEIL dann... Kommt was raus, was sehr durchschnittlich ist und was nach AI-Crap aussieht, wo man jetzt nicht das Gefühl hat, okay, irgendein Mehrwert. Da ist ja auch sozusagen die Frage, hey, guck, mal, Da kann ja jeder einfach sozusagen sagen, hey, guck, mal, Hier ist Joëls Podcast, gib mir mal lernen halt. Das hat keinen Mehrwert. Da muss ja erstmal Aufwand reinfließen. Und dieser Aufwand, Der liegt genau in diesem Prozessbauen und das Ganze dann runterzubrechen in die einzelnen Schritte.

Joël Kaczmarek: So, Und jetzt haben wir von dir schon verstanden, also, es gibt im Prinzip diese drei Arten, Ein Mensch tut es, deterministisch. Und es ist nichts von beiden, also eher so ein KI-Task Und jetzt sehen wir ja noch deine Grafik vor uns, wie man einen KI-Prozess baut. Wir haben uns jetzt das erste Thema schon angeguckt, zu kartografieren, also mal zu sagen, welche Rollen sind beteiligt, welche Menschen, welche Tools, vielleicht auch, was passiert in welcher Reihenfolge? Und du hast ja aber noch zwei weitere Punkte, dass wir die Leute mal ein bisschen abholen, also Build a pipeline Hast du die genannt und Create Observability,

Joël Kaczmarek: Was ist denn damit gemeint?

Matthias Frank: Genau, Bilde Pipeline. Da nehmen wir die einzelnen Schritte aus unserem Prozess und entweder, wenn es deterministisch ist, erstellen die entsprechenden Skripte und den Code, dass sozusagen meine Stripe-Produkte angelegt werden. Oder wenn es um KI geht, Sorgen wir dafür, dass dieser einzelne Arbeitsabschnitt von der KI bearbeitet werden kann. Und da gibt es eigentlich so zwei wichtige Stichworte. Der eine ist Contracts und der andere ist Skills. Skills ist das, was man wahrscheinlich eher kennt. Wir wollen sozusagen, für jeden Arbeitsabschnitt für die KI einen Skill anlegen, der genau erklärt, hey, so mache ich das. Und wenn ich einmal ganz kurz hier hochgehe, dann wird das vielleicht ein bisschen klarer.

Wenn wir uns sozusagen, deinen Prozess, den wir sozusagen haben, im allerersten Call aufgezeigt haben. Wenn wir so eine Episode haben, wir müssen erstmal rausfinden, okay, was sind die verschiedenen Big-Punkte, unter denen man das anschauen könnte. Oder wenn wir so einen bestimmten Winkel, dann haben, herangehensweise für eine Episode, Was sind sozusagen eigentlich die Teaching-Outcomes? Und für jeden einzelnen dieser Schritte müssen wir dir eher erklären, wie mache ich denn das? Wie würdest denn du... Wenn Du so einen Podcast da herangehst und dir dann am Ende überlegst, welchen Winkel würdest du denn auswählen? Oder wie würdest du sozusagen? Teaching Outcomes aufbauen? Das müssen wir sozusagen in den Skill übersetzen.

Das ist der Skill-Teil. Der andere Teil, der Contract-Teil, Der beschreibt die Inputs und Outputs. Weil wir sehen ja, Da sind ganz viele Pfeile zwischen diesen verschiedenen Stationen. Und das sind immer Handoffs. Meistens, wenn wir einen Prozess machen, gerade in einem Bereich, wo wir sozusagen, alleine arbeiten. Und mit einem kleinen Team, MACHT es... Ein Mensch. Ja, und dann muss ich mich nicht so wirklich darüber Gedanken machen, okay, Wie funktionieren denn die Handoffs zwischen einzelnen Stellen, Weil ich habe ja gerade Schritt 1 gemacht, dann weiß ich natürlich auch, was ich da sozusagen brauche, wenn ich da jetzt mit Schritt 2 anfange. Aber sobald ich das auf ein Team aufteile, ganz egal, Ob das ein Team aus Menschen ist oder ein Team aus verschiedenen Agenten, Dann muss ich mir überlegen, okay, Wie muss sozusagen?

Agent 1 seine Arbeit abschließen, damit Agent 2 das nehmen kann und damit weiterarbeiten kann. Das sind Contracts. Also vereinfacht gesagt einfach, Wie sieht dieses Übergabepaket von einem Schritt zum nächsten aus? Auch bei Human Arbeit sehr wichtig, Aber Menschen können im Zweifelsfall eher mal Abweichungen auffangen und nochmal Nachfragen persönlich. Und nochmal sagen, guck, mal, du hast mir vergessen, das hier zu geben. Mit der Key ist es deutlich schwieriger. Da muss man wirklich sicher sein, dass die genau alles ineinander greift.

Joël Kaczmarek: Ja, ich würde gerade sagen, es ist ja wirklich ein bisschen wie bei Menschen. Also, dass es im Prinzip erstmal einen Erklärprozess gibt. Wie machen wir das hier eigentlich? Was ist unser Weg, um von dort nach dort zu kommen? Und dann gibt es quasi Übergabe-Elemente,

Joël Kaczmarek: wo dann vielleicht von einem Schreibtisch auf den anderen. Was wandert. Okay, alles klar. Verstanden. Das ist dieses Build the Pipeline, was wir gerade als zweiten Baustein deiner KI-Prozessgenerierung betrachtet haben.

Matthias Frank: Ganz genau, ja. Und zu deinem Punkt nochmal ganz kurz. Das ist auch, was ich allen Leuten immer sage. Behandle die KI einfach. Wie Menschen. Da wird vieles deutlich einfacher. Das ganze egal, Ob Agi schon hier ist oder nicht. Geht einfach davon aus, dass das Personen sind. Dann lösen sich die Probleme nicht, aber die Probleme werden sehr bekannt. Genau, aber nochmal zurück. Zu unserem dritten Schritt hier nach Build the Pipeline, haben wir dann entsprechend Create Observability. Und das ist der Punkt, der häufig, wenn man dann solche Prozesse baut, Ein bisschen runterfällt. Da geht es dann darum, okay, wenn wir jetzt diese Pipeline haben und die läuft, wie weiß ich denn, dass alles so abläuft, wie es ablaufen soll?

Weil in einer idealen Welt kannst du ja einfach den Podcast aufnehmen und weißt, okay, Zwei Stunden später hast du auf deinem Tisch einen Link und sagst, okay, Den kann ich jetzt in meinem nächsten Newsletter einbetten und das wird schon passen. Auch da hilft es ja sozusagen, sich zu überlegen, okay, Wie wäre das denn, wenn wir mit Menschen zusammenarbeiten würden? Wir onboarden eine neue Person und da sorgen wir erstmal dafür am Anfang, dass die Person... Uns die Sachen gibt, ja, dass wir dann nochmal drauf schauen, dass wir Feedback geben können, bis wir sozusagen genug Vertrauen aufgebaut haben, ja. Ich weiß nicht mehr, wo ich das gehört, habe, ich habe irgendwann mal gehört, dass dieses Prinzip der Trust Battery, ja, Wenn man sozusagen eine neue Person einstellt, Dann ist man so bei 50 Prozent, und man muss dann über viele Interaktionen sozusagen.

Dafür sorgen, dass sich diese Trust Battery sich langsam auflädt, ja, bis zu einem Punkt, wo man sagt, okay, jetzt machst du das, ja, Das ist ja der Grund dafür, dass wir Leute mit ins Team holen. Oder Agenten, ja. Wenn du jeden einzelnen Schritt Micromanage und da drauf schaust, dann kannst du die Arbeit aufsparen. Aber auch hier, sozusagen mit KI oder mit solchen Abläufen im Allgemeinen, müssen wir diese Observability proaktiv bauen. Wir müssen uns überlegen, okay, wann möchte ich denn eigentlich gewarnt werden, dass irgendwas nicht mehr funktioniert? Welche Teile muss ich am Anfang reviewen und wo kann ich sozusagen? Dann langsam zurückgehen? Und dann sagen, okay, jetzt brauche ich irgendwie nur noch.

Status Checks. Im Bereich gerade von KI spricht man da häufig auch über E-Values, sozusagen verschiedene Kriterien, um zu evaluieren, Wie meine KI, den gearbeitet hat, WEIL ja... Anders als ein Deterministic-Prozess, das nicht immer gleich abläuft. Beim Upload to Stripe, Da weiß ich ganz einfach, Am Ende ist es da oder nicht da. Ich kann sozusagen sagen, hat funktioniert oder hat nicht funktioniert. Ob die KI jetzt den richtigen Blickwinkel ausgewählt hat, das ist deutlich schwieriger. Und das ist gerade am Ende, Und wenn man dann die Sachen sozusagen, nach dem ersten Piccolo nochmal verbessern, möchte, wo die meiste Zeit reinfließt.

Joël Kaczmarek: Ich finde es einen ganz wichtigen Punkt,

Joël Kaczmarek: weil ganz ehrlich, Das ist ja auch bei normalen Menscheninteraktionen. was, dass Du so ein bisschen Black... Backbox-Charakter Oft hast, dass du dir halt sagst, alles klar, Es gibt einen Eingang und es gibt einen Ausgang und was dazwischen passiert, ist aber irgendwie so ein Stück weit Nebulös, und damit du natürlich aber die Qualität kontrollieren kannst oder eingreifen kannst, Bei Menschen willst du es jetzt vielleicht nicht so offensiv machen wie bei einer künstlichen Intelligenz, Musst du ja aber genau wissen, wo stehe ich gerade und wo ist, was passiert? Und ich ertappe mich da selber auch oft bei, Dass, wenn ich mit Claude Code irgendwie sachen, bei uns gerade baue, so hier ist Podcast, Mach mal bitte folgendes Feature daraus.

Dann passieren dazwischen Dinge. Und dann sagst du, Das Ergebnis stimmt aber nicht. Und dann geht die Maschine hin. Und sagt, ja, Bei 15.7 habe ich das und das gemacht, Ich repariere das mal. So, weil das ist ja manchmal schwierig, wenn du nicht selber weißt, okay, aber eigentlich hast du schon bei 14.3 das und das drin gehabt, lass uns mal das angucken. Also finde ich ganz plausibel. Lass uns doch den Spaß machen, Wir können ja dann mal weiter den Prozess oben durchgehen, den du gerade auch gezeigt hast, wo wir quasi unser Vorgehen gemacht haben, weil ich glaube, das mal an so einem lebenden Objekt durchzudeklinieren, ist irgendwie ganz dankbar. Du hast ja eben ganz schön gesagt, es gibt dann immer so Skill-Faktoren.

Wir hatten jetzt links im Prinzip angefangen. Also, es gibt quasi eine Podcast, Die wird dann per Transkript reingegeben in die Maschine. Und dann ist erstmal die Frage, alles klar, aus welchem Blickwinkel schreibe ich denn jetzt? so ein Playbook? Also was ist der logische Aufbau? Und dafür gibt es quasi einen eigenen Skill. Und dann kommt im Prinzip eine Shortlist rein. Und dann ist ja das, was bei dir gerade in Blau zu sehen, ist auf dem Screen, Wer jetzt mitguckt, das Human Gate, da nochmal draufzuschauen und zu sagen, alles klar, ich habe jetzt zu der Folge mit Matthias hier drei mögliche Winkel.

Joël Kaczmarek: Eins, zwei, drei. Welcher ist denn der beste? Vielleicht kannst du ja nochmal so ein bisschen ein Stück weit, was zu erzählen, wie wir es gebaut haben, weil ich ertappe mich dabei. Ich finde es überraschend schwer, das beizubringen, welche Winkel man da sozusagen nimmt. Ich weiß gar nicht, wie wir es gemacht haben. Kriegst du das noch gut zusammen?

Matthias Frank: Ja, das ist genau der Punkt, Warum es hier ein Human Gate gibt. Kann ich? Denn diesen Skill jemandem beibringen. Das geht so ein bisschen zurück. Ganz grundsätzlich kann man die Prozesse am besten in KI-Prozesse übersetzen, die man selbst richtig gut kann. Es ist deutlich schwieriger, der KI etwas beizubringen, was man selbst nicht kann. Wo man sagt, das ist das Thema dann fürs nächste Mal. Design-System. Ich bin nicht Designer. KI, mach mir jetzt mal bitte, was, was gut aussieht. Was ist denn sozusagen gut? Oder in dem Fall, Was ist denn sozusagen der richtige Winkel hier? Bye bye. Wahrscheinlich sehr viel mit Intuition passiert, weil da sozusagen sehr viel, so dieses, der Geschmack ist, Judgment und das wirklich zu übersetzen in Kriterien ist sehr schwer.

Kannst du dich überlegen, könntest du das deiner Frau erklären, könntest du das sozusagen einem Freund erklären, wie der sozusagen, guck mal hier, Ich habe zehn Dinger, so würde ich das auswählen, Kannst du jetzt die nächsten auswählen. Wenn du das schaffst mit einem Menschen, schaffst du es wahrscheinlich mit der KI. Wenn du an dem Punkt bist, wo du sagst, ja, hm, das sind so grob die Kriterien, Aber warum ich jetzt drei ausgewählt habe und nicht eins, das kann ich dir nicht sagen. Das ist dann genau der Punkt, wo man zwei Optionen hat. Entweder versucht man, so ein bisschen introspektiv zu sein und zu überlegen, okay, kriege ich das denn hin? Ist das sozusagen ein Lernprozess für mich, um zu externalisieren, wie ich diese Entscheidung treffe?

Oder bleibt es bei einem Human Gate? Was auch vollkommen in Ordnung ist, weil man darf ja nicht vergessen, klar, In einer idealen Welt Macht das vielleicht die AI alles komplett. End-to-End Und du musst dich damit niemals beschäftigen. Aber wenn du sozusagen einen Prozess nehmen, kannst, der Dich ansonsten zehn Stunden kostet. Und er wird jetzt sozusagen runterkondensiert auf dreimal zehn Minuten. Entscheidungen treffen, Das ist ja auch schon viel wert. Und das ist ja auch so, wie die meisten Organisationen mit Menschen arbeiten. Dass sozusagen am Ende des Tages irgendjemand weiter oben in der Hierarchie große Entscheidungen trifft. Und dann der Rest der Organisation, das umsetzt. Oder wenn es eben bestimmte Sachen gibt, die eskaliert werden müssen.

Und diese Abstimmung zu finden, Genau darum geht es. Spezifisch für unsere Angles, genau, haben wir das vor allem am Anfang einmal geschaut, okay, was sind denn sozusagen? Andere Angles, die du dir vorstellen kannst, was würdest du hier sozusagen machen? Und hatten dann mehrmals Beispiele einfach aufgeschrieben. Hey, guck mal, Das ist sozusagen das, was die KI jetzt hier rausnehmen würde. Was ist dein Input dazu? Und dann sozusagen, über mehrere Feedback-Runden zu verfeinern. Okay, das ist ein individuelles Input hier, Danach sollten wir schauen.

Joël Kaczmarek: Ja, ich erinnere mich zum Beispiel, Wir hatten eine Folge über Vertrieb und dann ging es darum, Gute Kunden, schlechte Kunden. Das heißt, wir haben so ein bisschen aufgearbeitet in der Episode, Was zeichnet einen guten Kunden aus, dass es sich lohnt, dass ich da viel Arbeit in meinen Vertrieb stecke. Und was sind eher schlechte Kunden, wo ich vielleicht andauernd nur Ärger habe, nachverhandeln muss, Die Zahlen gar nicht große Tickets. Und dann kam die KI um die Ecke und hat gesagt, Pass mal auf, Folgende fünf Wege sehe ich hier, um dieses Thema aufzubereiten, aus folgendem Winkel. Und ich glaube, einer der Attraktivsten war dann so eine Art... Feuerradar, Also wann entscheide ich, einen Kunden zu feuern?

Woran erkenne ich die so Higher of higher, dass ich mit diesen Kunden nicht mehr zusammenarbeiten soll, wie so ein Alarmsystem. Da dachte ich, Ah ja, geil, Das ist ja für jeden total wertvoll, wenn man seine Kundenliste durchgeht und merkt so, alles klar, Mit diesen 60% meiner Kunden habe ich irgendwie 150% Aufwand, What The fuck, Die möchte ich ja eigentlich mal loswerden, aber ich bin mir gar nicht sicher, ist das wirklich so? Und dann so ein Radar zu haben, super spannend. Und jetzt denke ich gerade darüber nach, weil du arbeitest ja auch viel mit Notion. Ich denke gerade so, vielleicht sind jetzt auch viele Menschen schon dabei, die sich so ein Stück weit fragen.

Joël Kaczmarek: Ja, okay, aber wie mache ich denn das jetzt? Also wie ist sozusagen, so der Prozessweg? Kannst du mal beschreiben, wie du das in deiner Sphäre gebaut hast, dass da jetzt ein Input kommt, Dann kommen Vorschläge, dann kommt mein Feedback rein, Dann wird das wieder weitergearbeitet. Also wie setzt man sowas auf?

Matthias Frank: Ja, genau, da ist sozusagen Notion sehr hilfreich. Also Notion, Wir hatten ja in der letzten Episode ein bisschen drüber gesprochen, ist ein sehr flexibler Baukasten. Indem ich auf der einen Seite Datenbanken habe, also eine Art, Sachen zu strukturieren, und auf der anderen Seite einfach Text habe. Die KI liebt Text, sozusagen Markdown-Dokumente und dann auf unserem Computer ganz viele verschiedene Sachen, Aber das ist nicht so einfach, damit zu interagieren. Deswegen ist es hilfreich, so ein Tool zu haben wie Notion, bei dem ich dann sagen kann, okay, Ich nehme diese verschiedenen Elemente, und wir können vielleicht entweder gleich oder beim nächsten Mal ja auch ein bisschen zeigen, wie dieses System in Notion aussehen kann, und dann legen wir die dort ab.

Und dann anstatt, dass ich sozusagen ständig in KI-Chats umhergehen muss und mich dann sozusagen da durchsuchen. Und auf meinem Computer, habe ich mehr oder weniger ein Projektmanagement-Tool, bei dem ich genau sage, okay, ich habe jetzt hier einmal meine Episoden. Und bei diesen Episoden, Die haben einen Status. Und dieser Status entspricht den verschiedenen Prozessschritten, die wir hier haben. Also Podcast aufgenommen, dann Blickwinkel wird analysiert, Blickwinkel braucht sozusagen Input von Joël und so weiter und so fort. Und dann jeweils dazu haben wir dann Seiten. Mehr oder weniger so ein Briefing mit verschiedenen Elementen, mit Übersichten, je nachdem, was sozusagen. Der Input ist, den ich brauche.

Und dann kann ich die einfach aufmachen, mir das durchlesen und schauen, okay, das ist hier mein Input, den ich dazu habe, meine Kommentare Da lassen, Genau, wie wenn ich mit Menschen zusammenarbeiten würde. Das ist so ein bisschen der Hintergrund. Am Ende des Tages brauche ich so ein Tool, was mir diese Arbeitskoordination erlaubt. Und auch hier wieder gleiches Problem wie mit Menschen. Wenn ich mit fünf Leuten zusammenarbeite, Auch dann brauche ich, Idealerweise ein zentrales Tool, über das ich arbeite, damit ich nicht ständig in Meetings hocke. Und jeder wieder sagt, okay, ich arbeite jetzt gerade hier dran, ich brauche jetzt hier deinen Input einmal.

Joël Kaczmarek: Ja, Pass auf, dann lass uns doch mal. Folgendes machen. Also, ist jetzt wirklich unabgesprochen. Wir zeigen dann einfach mal Arbeit, die auch noch Work in Progress ist. Wir sind ja noch nicht mit fertig, aber lass uns doch hier einmal noch mal ganz kurz. Die Kette ein bisschen durchgehen, dass die Leute so ein Gefühl kriegen, was sind, so die Prozessschritte? Und dann zeigen wir das mal am lebenden Objekt, wie das sozusagen in deinem System aussieht. Also, werten bisher. Episode wird quasi in den Angle-Skill gegeben, Der Sucht raus, Was können Blickwinkel sein, wie wir das Thema vermitteln. Dann haben wir unser Human Gate, also Der Onkel Joël guckt drauf und sagt, alles klar, das hier ist der tollste Blickwinkel, Lass uns den umsetzen. Und dann kommen wir schon zum nächsten Aspekt. Das hast du jetzt so liebevoll. Create Shortcut, Skeleton and Teaching Outcomes genannt. Also die Idee ist so ein Stück weit, was dort entsteht, Quasi so eine Art Gliederung des Aufbaus, würde ich mal sagen. Also ein Informationsskelett, was du dann wiederum in so verschiedene Komponenten übersetzt. Also, es gibt dann quasi so eine Komponentenbausteinbildung. Also, dass man im Prinzip hingeht und sagt, alles klar, Ein großes Thema breche ich in mehrere kleine zusammen und baue das dann sozusagen zusammen. So würde ich es mal übersetzen. Bist du d'accord?

Matthias Frank: Genau. Und da kann man sozusagen auch wieder viel von seiner eigenen Erfahrung reinbringen, weil du sozusagen weißt, hey, guck, mal, das ist ein Super Weg, um Leuten zu erklären, so mache ich das, oder wenn ich ein Schaubild habe, oder wenn ich eine Übung habe, dass ich da sozusagen weiß, okay, Das sind die verschiedenen Elemente, Die müssen zusammenkommen, damit jemand hier wirklich mehrwert, rauszieht.

Joël Kaczmarek: So, Und dann haben wir im Prinzip den Blickwinkel gewählt, haben uns den Aufbau quasi gestückelt, Haben die Stücke jetzt in eine Hierarchie gepackt. Und dann kommt ja das, was du jetzt so liebevoll Writing Skill genannt hast, also, dass wir im Prinzip wirklich den eigentlichen Content schreiben. Und da haben wir ja relativ viel Zeit rein investiert, Diese Designsprache auf der Wortebene Jetzt mal, Also, da reden wir noch nicht über Design im Visuellen, sondern Sprache sozusagen mitzugeben. Und ich kann draußen mal dir zu verdanken, einen schönen Tipp mitgeben. Ich habe hier Whisper AI genommen, WhisperFlow, so rum. Ich habe dann immer deine Sachen mir angeguckt, habe hier ein Knöpfchen gedrückt gehalten, habe einfach ins Mikro gesprochen, habe Feedback gegeben, So nee, Der Textbaustein klingt komisch, das ist zu verschachtelt.

Satzbau so, Satzbau, so, weil man kennt so diese typischen AI-Slop-Sätze, wenn dann immer so dieses, Es ist nicht dies, sondern das. Ich hasse ja diese Komponenten, wenn es so gebaut wird. Und das haben wir damit alles so ein Stück weit getilgt. Und dann kommen wir ja wirklich so in die Sphäre. rein, die wir beim nächsten Mal noch so ein Stück weit mehr beleuchten, nämlich den ganzen Design-Part. Also, dass wir sagen, alles klar, Jetzt steht quasi der Text, Was soll inhaltlich auf die Seiten? Und jetzt wird es ja aber noch arrangiert, wie das visuell aussieht.

Joël Kaczmarek: Hast du jetzt so ein bisschen in zwei Teile? Auch unterteilt. ALSO EINMAL Page-by-Page-Konzept, also, dass wir pro seite sozusagen, entscheiden. Das ist ja fast eher ein konzeptuelles Design und jetzt gar kein visuelles. Also was wird auf welcher Seite wie dargestellt? Und dann also wirklich das reine Design, Wie sieht es visuell aus? So, Das ist im Prinzip der ganze Prozess, wie so ein Tool gebaut wird. Oder Gib doch mal in eigenen Worten wieder,

Joël Kaczmarek: Vielleicht hast du noch einen oder anderen Input. Du steckst ja auch in den Prozessen Hintenrum mehr drin.

Matthias Frank: Häufig, wenn du sozusagen, dann mit Cloud-Code arbeitest und dem sagst, Sag mal, Da war jetzt irgendwas falsch. Kannst du das Mal verbessern? Wenn es darum geht, Sachen zu programmieren oder allgemein Entwicklerarbeit, ist es häufig für die KI einfacher, diese Schritte zurückzugehen und zu sagen, Ah ja, guck, mal, Ich habe hier diese, I found a smoking gun. Hier ist alles jetzt falsch, Da kann ich das anpassen, weil es eben sehr logisch ist und sozusagen ich jeden Schritt einzeln testen kann. Bei Allgemeiner Knowledge-Arbeit, Die ist immer so ein bisschen diffuser als Engineering-Work. Da ist es immer ein bisschen schwieriger. Da das sozusagen Schritt vor Schritt vor nachzuvollziehen.

Und das ist einer der Gründe dafür, warum wir so kleinteilig sein wollen. Weil am Ende des Tages, wenn du sozusagen, diese PDF vor dir hast und sagst, ja, das ist jetzt nicht so wirklich das, was ich mir vorstelle, Dann müssen wir genau diese Arbeit leisten. Wir müssen sozusagen zurückgehen und überlegen, wo sind wir falsch? abgebogen? Hatten wir denn noch gute Komponenten? Haben wir sozusagen die richtigen Elemente ausgewählt? hierfür? Ist der... Text, den wir sozusagen geschrieben haben, Ist das der richtige Text oder sind da überall AI-isms drin? Und er hat sich Sachen ausgedacht, die überhaupt nicht in der Episode drin waren. Oder hat er einfach die falschen Konzepte gewählt. Oder hat er grundsätzlich die richtigen Konzepte gewählt, aber nur ganz am Ende, wirklich beim handwerklichen Zusammensetzen, bei der Auswahl der Farben, Da ist er sozusagen falsch gewesen.

Das ist der Grund, warum wir das so kleinteilig machen wollen, Damit wir dann genau bei jedem Punkt wirklich ansetzen können und sagen können, okay, das ist jetzt dieser Teil, den wir verbessern müssen. Dass wir sozusagen nicht eine riesige Blackbox haben. Weil das ist nur frustrierend. Das ist wie eine Slotmaschine. Vielleicht funktioniert es, vielleicht funktioniert es nicht. Sondern, dass wir ganz viele kleine Blackboxen haben, bei denen wir ausreichend sozusagen beobachten können, aha, A geht rein, A- geht raus. Was muss ich sozusagen? Jetzt? Hier schrauben, damit das beides sozusagen A ist?

Joël Kaczmarek: Sehr gut. Also Ich glaube, da kriegt man so ein Stück weit mit, was wir mit der Observability gerade gesagt haben. Und das ist quasi der A-Z-Aufbau in der Theorie. Und jetzt zeigen wir euch mal unsere nackte Praxis, mit allem, Was, wie gesagt, noch Work in Progress ist. Also seid nicht so streng mit uns, wir sind ja noch am Bauen. Aber ich glaube, ganz gut unterwegs. Und dann kriegt man mal so einen Eindruck von so einem Aufbau, wie quasi genau diese Schritte, was wir gerade beschrieben haben. Also, input kommt rein. Dann wird der Winkel gewählt, dann die Gliederung gebaut, Die Komponenten entschieden, die Komponenten in eine Struktur gegossen, In den Text überführt, der Text dann wiederum in den Webseiten oder in den Seitenaufbau und der Seitenaufbau und Design. Also in der Hoffnung, dich jetzt nicht zu überfordern und zu stressen, Bin ich mal gespannt, was du uns jetzt bei Notion zeigst.

Matthias Frank: Sehr gerne, genau. Und das ist wirklich jetzt erstmal das Rohe Skelett. Ja, da ist sozusagen... Noch sehr wenig Observability im Sinne von, okay, So arbeite ich jetzt damit, sondern noch sehr viel, so wie wir es auf der Baustelle, Wenn der Rohbau da ist, uns da. Vor allem darum geht, dafür zu sorgen, dass überall die richtigen Leitungen sind. Und das fängt in Notion und generell bei diesen Prozessen immer mit Datenbanken an, weil ich sozusagen, irgendwie diese Informationen alle strukturieren muss. Und das ist sozusagen hier das Backend aktuell für unsere Arbeit. Wir sehen, wir haben sozusagen zwei Bereiche. Wir haben sozusagen den Production Flow oben, da können wir gleich mal drauf. ein, Und dann haben wir unten. Die Podcast Sources. Die Podcast, Das ist nichts von uns, sondern das ist alles das, was du ja vorher schon hattest, ja, in dem Fall in Airtable, wo sozusagen deine Hauptproduktion läuft. Und das ziehen wir alles einmal hier. rüber. Das heißt, wenn ich sozusagen jetzt auf die Podcast draufgehen würde, hätten wir da eine Liste von, Was weiß ich, Wie viele Hunderte und Tausende Episoden.

Joël Kaczmarek: 850 plus, ja.

Matthias Frank: 52 Plus genau du aufgenommen hast. Und dann ist die andere Sache, und da seht ihr, selbst für sozusagen einen Prozess, der, dass das mal auf den ersten Blick, wenn es relativ einfach klingt, mach mal eine PDF draus, Haben wir hier sozusagen eine ganze Reihe von verschiedenen Datenbanken, um diese verschiedenen Sachen zu strukturieren. Und da ist es wie immer, so, Der erste Prozess ist meistens der aufwendigste, weil ich häufig generelle Infrastruktur, gerade Notion schaffen muss, um das dann zu bearbeiten, So Sachen wie Aufgaben, Dokumente, ganz egal, Ob du jetzt hier ein oder zehn Prozesse drin hättest, das wäre immer sozusagen eine Datenbank, Aber dann gibt es natürlich Spezifische, für das ist zum Beispiel unsere Production.

Wenn wir da mal kurz reinschauen, da sehen wir jetzt hier, Sie sind momentan gerade alle im Review. Da hätte ich hier sozusagen, mein Produktionsboard. Ich ziehe mal die Sachen über in verschiedene Bereiche, damit ich es mir ein bisschen besser vorstellen kann. Da sehen wir, okay, Da haben wir jetzt hier vielleicht vier verschiedene Episoden von Dir und die laufen jetzt hier durch. Und wir sehen sozusagen die einzelnen Schritte, Die entsprechen genau dem, was wir im Groben aufgezeichnet hatten. Und da bin ich genau so, ja, okay, diese Vertriebsepisode, ja. Da wickelt mir gerade den Blueprint. Oder da, wenn es sozusagen weitergeschoben wird, Jetzt geht es darum, das Manuskript anzuschauen. Und das kann ich natürlich einfach manuell pflegen, so, wie ich es jetzt hier gemacht habe.

Aber in so einem KI-Prozess schiebt die AI das natürlich weiter, Beziehungsweise schiebt der Code das weiter, Damit du, wenn du sozusagen drauf schaust, dann immer nur siehst, Ah ja, guck mal, da ist das hier gerade. Oder wenn sozusagen ein Human-Gate ist, dass du weißt, okay, Bei dem Angle habe ich eben sozusagen jetzt sieben Sachen in meinem Backlog, die muss ich mir anschauen. Können wir mal kurz reinschauen? auch, ja. Ich kann dann zum Beispiel in den Vertrieb reinklicken, dann sehe ich, okay, da sind jetzt hier sozusagen meine verschiedenen Elemente drauf, ja. Ich sehe sozusagen die Dokumente, die dazugehören, und ich kann mir anschauen, okay, was sind denn die Sachen, die ich hier reviewen muss, ja.

Aktuell bei dir hier nichts, ja. Du hast sozusagen nichts in deinem Backlog, aber wir können mal zu allen Dokumenten gehen, dann sehen wir da, Da haben wir eine ganze Reihe von Sachen, so von verschiedenen Testläufen, ja. Wenn wir jetzt sagen würden, okay, wir nehmen mal hier das Anger-Paket, ja, darüber gesprochen haben, ja. Da sagen wir mal, wir sind jetzt gerade durchgelaufen. Und jetzt steht das Sozusagen auf in Review. Das heißt, wenn du sozusagen morgens dein Laptop aufmachst und sagst, okay, wo braucht denn die Liebe? Ki überall Input von mir? Dann siehst du, Ah ja, guck mal hier, vertrieb gute Kunden. Und kannst es dann aufmachen? Und dann siehst du, dann seht ihr hier auch, was Joël angesprochen hatte.

Seine ganzen Punkte, wo er Kommentare hinterlassen hatte. Und ihr seht gerade am Anfang, wenn man das das erste Mal macht, Das ist wahrscheinlich deutlich mehr Arbeit für Joël, als einfach, diese PDF einmal selbst zu machen. Weil wir eben das A, der KI und B mir beibringen müssen, weil ich natürlich nicht immer Deine Gedanken lesen kann.

Joël Kaczmarek: der Good Customer Fit Check. Also was sind die umsatzstärksten? Fehlkunden erkennen? Und so.

Matthias Frank: Genau, Und da sehen wir, das findest du, Das ist eine sehr starke Positionierung. Und so sammelt man sozusagen diese ganzen Inputs dann und macht es aber auch relativ einfach, damit zu arbeiten, weil sozusagen wir beide da drauf schauen können, Wir können beide damit arbeiten und die KI kann damit arbeiten. Wir haben sozusagen alle die gleiche Oberfläche, und wir müssen nicht ständig sachen. Hier von links nach rechts, copy-pasten oder uns zu-emailen.

Joël Kaczmarek: Ich tue mich ja manchmal noch ein bisschen mit dem Interface schwer. Hast du so ein paar Tipps, vielleicht auch? Oder vielleicht kannst du auch mal so ein, Zwei Sätze sagen, warum Notion? Warum baust du sowas nicht mit Claude Code oder eigenen Elementen?

Matthias Frank: Ja, Der Grund dafür ist vor allem, Am Ende des Tages möchte man ja seine Zeit mit den Dingen verbringen, die wirklich Impact haben. Claude Code oder AI im Allgemeinen, Die sorgen jetzt dafür, dass wir sehr, sehr viele Sachen machen können, die vorher einfach unrealistisch gewesen wären. Vorher wäre es unrealistisch gewesen, sich selbst ein Minitool wie Notion zu bauen, da überhaupt drüber nachzudenken. Die Frage ist jetzt so ein bisschen, nur weil du es jetzt kannst, solltest du. Welchen Mehrwert schaffst Du eigentlich für dich, für die Gesellschaft, je nachdem, auf welcher Ebene du das erdenken möchtest, wenn Du genau das nachbaust? Was es anderswo schon gibt. In manchen Bereichen macht das Total Sinn, wo man sagt, okay, guck, mal, Ich habe hier sozusagen, ich brauche hier ein Minitool, Das macht was ganz Spezifisches, Es gibt sozusagen kein anderes Tool auf dem Markt, Was das macht.

Jetzt kann ich das endlich lösen, super. Beispiel, Dieser kleine geskriptete Step, den wir am Ende haben, wenn es dann darum geht, zu sagen, okay, Und jetzt muss das bei Stripe angelegt werden, Jetzt muss das hier reingemacht werden, Jetzt muss das dort reingepackt werden. Das ist so ein spezifischer Workflow, Da gibt es kein Tool am Markt, das baust du einmal. Da hast du sozusagen richtigen Mehrwert draus. Wenn es um Projekt- und Knowledge-Management geht, Da gibt es Tools wie eben Notion, die mir genau das ermöglichen, die genau für dieses Problem gebaut sind. Und ich würde sagen, es ist deutlich sinnvoller, meine Zeit damit zu verbringen, mir zu überlegen, wie innerhalb von diesem Tool oder wie mache ich jetzt sozusagen?

Spezifisch meinen Prozess? Wie gestalte ich den? Anstatt, dass ich auch noch ein Tool schreiben muss, was es mir dann erlaubt, in einem Kanban Sachen von links nach rechts zu ziehen. Notion ist sozusagen schon ein sehr, sehr flexibles Tool, was einfach sehr viel dieser Background-Prozesse, Backups, Security, Logins, diese ganzen Sachen, die langweilig, aber notwendig sind, Damit solche Software funktioniert, läuft. Ich hatte vor, ich glaube, letzte Woche oder vorletzte Woche einen ganz interessanten Artikel gelesen. Da ging es sozusagen um den Eisberg bei SaaS. Und davon, dass sozusagen Cloud oder AI löst den Software-Teil. Jeder kann jetzt den Software-Teil bauen. Aber das letzte ist, Service, Das ist damit nicht gelöst.

Jede kleine Software, jeden kleinen Prozess, den man baut, Irgendjemand muss den Maintainen und sozusagen am Laufen halten. Und da ist dann immer die Frage, okay, wo lohnt sich das, das jetzt für mich zu bauen? Versus wo nämlich eine Lösung, die einfach funktioniert und die genau das macht, damit ich meine Zeit dann darin investieren kann, was wirklich Impact hat.

Joël Kaczmarek: Sehr schön. Also ich glaube, Wir haben jetzt in unserer Notion-Umgebung erstmal nur so die Oberfläche gezeigt, also so die ersten Ideen. Aber ich glaube, der Grundgedanke wird klar. Und wir können ja beim nächsten Mal, wenn wir wie gesagt, aufs Thema Design angehen, mal so ein Stück weit den Schritt zeigen von, Alles klar, das war der Weg zu Text und dann quasi zu schön gesetztem Text. Also, da freue ich mich schon drauf beim nächsten Mal, weil es geht voran, ja. Es ist sozusagen manchmal noch schmerzhaft, Aber das ist ja immer so ein bisschen so, wie du es gesagt hast. Am Anfang ist es mehr Aufwand und nach hinten raus hebelst du dann aber ganz stark. Und ja, da freue ich mich schon sehr drauf. Also vielen, vielen Dank, lieber Matthias und bis zum nächsten Mal.

Matthias Frank: Ja, sehr gerne. Hat Spaß gemacht, wieder. Mach's gut.