KI-Newsletter KW32: Wenn AI erwachsen wird

Die KI-Welt steht an einem Wendepunkt. Diese Woche haben wir erlebt, wie AI von einem experimentellen Tool zu einer erwachsenen Technologie heranreift, mit allen Höhen und Tiefen, die das mit sich bringt.

OpenAI überraschte mit GPT-5, doch die Reaktionen waren gemischt. Während einige von revolutionären Fähigkeiten sprechen, warnen andere vor überzogenen Erwartungen. Gleichzeitig zeigen neue Studien, dass unsere Abhängigkeit von AI uns möglicherweise das kritische Denken raubt.

Doch es gibt auch Lichtblicke: Der neue Claude-Code-Kurs revolutioniert die Art, wie wir mit AI entwickeln. Google DeepMind verwandelt Text in spielbare 3D-Welten und Meta macht weitere Fortschritte in der Materialforschung.

Diese Woche zeigt uns: AI wird erwachsen und wir müssen lernen, verantwortungsvoll mit dieser neuen Macht umzugehen.

1. Agentic Coding Revolution

Diese Woche gab es einen echten Paukenschlag: Ein neuer Claude-Code-Kurs, entwickelt in Zusammenarbeit mit Anthropic, verspricht nichts Geringeres als eine Revolution in der Softwareentwicklung.

Der Kurs zeigt, wie AI nicht mehr nur Code-Snippets vervollständigt, sondern autonome Entwicklungsarbeit über Minuten oder sogar Stunden übernimmt. Stell dir vor: Multiple Claude-Subagenten arbeiten gleichzeitig an verschiedenen Teilen deiner Codebase, während du Kaffee trinkst.

Die Möglichkeiten sind beeindruckend: Claude kann direkt in GitHub-Issues getaggt werden und erstellt, reviewt und merged Pull Requests völlig selbstständig. Chaotische Jupyter Notebooks werden in saubere, produktionsreife Dashboards verwandelt und mit MCP-Tools wie Playwright kann Claude sogar UI-Probleme visuell erkennen und autonom beheben.

Warum das wichtig ist: Wir stehen am Beginn einer Ära, in der AI nicht mehr nur assistiert, sondern eigenständig entwickelt. Das könnte die Softwareentwicklung demokratisieren oder eine neue Kluft zwischen denen schaffen, die agentic coding beherrschen, und denen, die es nicht tun.

🛠️ Tools & Plattformen:

Claude Code — Anthropics revolutionäre Coding-Plattform, die autonome Entwicklungsarbeit über längere Zeiträume ermöglicht. Der Kurs von Andrew Ng zeigt, wie du multiple Subagenten orchestrierst und GitHub-Integration für automatische Pull Requests nutzt. Link: https://www.coursera.org/learn/ai-for-everyone

GitHub Copilot — Microsofts AI-Coding-Assistent, der als Vergleichspunkt zu Claude Code dient. Während Copilot Code vervollständigt, geht Claude Code einen Schritt weiter mit vollständig autonomer Entwicklung. Link: https://github.com/features/copilot

MCP (Model Context Protocol) — Das Framework, das Claude Code ermöglicht, mit externen Tools wie Playwright zu interagieren. MCP macht agentic coding erst möglich, indem es AI-Systemen Zugang zu realen Entwicklungstools gibt. Link: https://modelcontextprotocol.io/

💡 Takeaway: Agentic coding ist nicht die Zukunft, es ist jetzt da. Wer heute lernt, AI-Systeme zu orchestrieren statt nur zu prompten, wird morgen die Softwareentwicklung dominieren.

2. GPT-5: Der umstrittene Thronfolger

OpenAI hat GPT-5 gelauncht und die Reaktionen könnten unterschiedlicher nicht sein. Während Allie K. Miller von “Cost, Speed, Context” als den drei Gamechanger-Faktoren spricht, kontert Gary Marcus mit einer ernüchternden Realitätsprüfung.

Die Fakten: GPT-5 ist günstiger als o3, deutlich schneller und kann mehr Kontext verarbeiten. Das öffnet neue Use Cases wie Real-Time-Coding und disposable Software. Doch nach fast drei Jahren Entwicklung und Milliarden von Dollar Investment ist das Ergebnis für viele enttäuschend.

Gary Marcus bringt es auf den Punkt: GPT-5 ist “both late and underwhelming”. Besonders brisant: Grok 4 schlägt GPT-5 bereits in ARC-AGI-2 Benchmarks. Das zeigt, dass OpenAI seinen technologischen Vorsprung verliert.

Die Business-Perspektive: Allie K. Miller sieht zwei Strategien: Den “small play” GPT-5 als Cost-Cutting-Tool zu nutzen oder den “big play” es als Abundance Engine zu behandeln, die hyper-personalization und scaled testing ermöglicht.

Warum das wichtig ist: GPT-5 markiert möglicherweise das Ende von OpenAIs Dominanz. Wie Netscape, AOL und MySpace könnte auch OpenAI von späteren Innovatoren überholt werden.

🛠️ Tools & Plattformen:

GPT-5 — OpenAIs neuestes Sprachmodell mit verbesserter Geschwindigkeit, reduzierten Kosten und erweiterten Kontextfähigkeiten. Trotz technischer Fortschritte bleibt die Frage, ob es den Hype rechtfertigt. Link: https://openai.com/

Grok 4 — xAIs Sprachmodell, das GPT-5 in ARC-AGI-2 Benchmarks übertrifft. Grok zeigt, dass die AI-Landschaft kompetitiver wird und OpenAI nicht mehr unangefochten führt. Link: https://twitter.com/xai

Claude Opus 4.1 — Anthropics Antwort auf GPT-5 mit verbesserten Coding- und Reasoning-Fähigkeiten. Claude positioniert sich als ernsthafter Konkurrent im High-End-AI-Markt. Link: https://claude.ai/

💡 Takeaway: Der AI-Thron wackelt. GPT-5 ist gut, aber nicht revolutionär. Smart money setzt auf Diversifikation statt auf einen einzigen AI-Provider.

3. Die AI Over-Reliance Krise

Pascal Bornet schlägt Alarm: Eine neue Studie mit 936 AI-assistierten Aufgaben zeigt, dass wir nicht nur Tasks an AI auslagern, wir lagern das Denken selbst aus.

Die erschreckende Erkenntnis: Je mehr Menschen AI vertrauen, desto weniger denken sie kritisch. Stattdessen reduzieren sie “kritisches Denken” auf Quality Control, bessere Prompts schreiben, Output überprüfen, Funktionalität sicherstellen.

Das ist kein Denken. Das ist Qualitätskontrolle.

Die Studie zeigt: Wir verifizieren nur noch, statt zu durchdenken. GenAI wurde nie gebaut, um uns schlauer zu machen, nur schneller. Aber schneller bedeutet nicht besser.

Bornet warnt vor einem Paradox: Smart AI könnte uns dumm machen. Wenn AI alle Antworten liefert, hören wir auf, die richtigen Fragen zu stellen.

Die Lösung: Tools, die zum Denken provozieren. User, die die Maschine herausfordern. Workflows, die Tiefe belohnen, nicht nur Output.

🛠️ Tools & Plattformen:

Google Lens for Education — Googles AI-Tool für step-by-step Hausaufgabenhilfe, das kritisches Denken durch visuelle Problemlösung fördert. Zeigt, wie AI-Tools Lernen unterstützen können, ohne das Denken zu ersetzen. Link: https://lens.google.com/

Debate AI Platforms — Systeme, die bewusst Gegenargumente präsentieren und Nutzer zwingen, ihre Positionen zu durchdenken. Sie bekämpfen die Echo-Chamber-Effekte von Standard-AI. Link: https://kialo.com/

Critical Thinking Frameworks — Strukturierte Ansätze wie die “Six Thinking Hats” oder “Devil’s Advocate AI”, die systematisch verschiedene Perspektiven einbringen. Link: https://www.debono.com/

💡 Takeaway: Speed means nothing if we’re thinking less. Die wahre AI-Revolution liegt nicht in schnelleren Antworten, sondern in besseren Fragen.

4. Trump’s 100% Chip-Zoll-Bombshell

Donald Trump hat eine Bombe platzen lassen: 100% Zölle auf alle importierten Computer-Chips. Nur Unternehmen, die in den USA produzieren, sind befreit.

Das ist kein Druck. Das ist ein Ultimatum.

Die Reaktion war sofort spürbar: Apple pledgte weitere 100 Milliarden Dollar für US-Chip-Produktion. Nvidia und Intel-Aktien sprangen nach oben. Über 1,5 Billionen Dollar wurden 2025 bereits für US-Chip-Infrastruktur zugesagt.

Das Paradox: Wir skalieren AI, um alles schneller, besser und automatisierter zu machen. Gleichzeitig machen wir die Kern-Technologie schwerer zugänglich.

Auf den Punkt gebracht: “No chips = No AI.” Die meisten Chips kommen nicht aus den USA. Wenn du Zölle auf den Motor der Innovation legst, erstickst du nicht nur Preise, du erstickst Fortschritt.

Die Folgen: AI-Kosten werden explodieren. Supply Chains werden sich spalten. Innovation könnte zum Luxus werden, den sich nur die Reichsten leisten können.

Die Frage: Sichern wir die Zukunft der AI oder preisen wir die Welt aus ihr heraus?

🛠️ Tools & Plattformen:

CHIPS Act Tracker — Offizielle US-Regierungsplattform zur Verfolgung von Halbleiter-Investitionen und -Förderungen. Zeigt, wie die USA ihre Chip-Unabhängigkeit aufbauen. Link: https://www.nist.gov/chips

Semiconductor Industry Association — Die führende Branchenorganisation, die Daten über globale Chip-Produktion und Supply Chain-Trends bereitstellt. Link: https://www.semiconductors.org/

Taiwan Semiconductor Manufacturing — Der weltgrößte Chip-Hersteller, dessen Zukunft durch die neuen Zollpolitiken direkt betroffen ist. TSMC produziert Chips für Apple, Nvidia und andere Tech-Giganten. Link: https://www.tsmc.com/

💡 Takeaway: Sovereignty vs. Collaboration — die USA setzen auf Chip-Unabhängigkeit, aber zu welchem Preis? AI-Leadership erfordert globale Zusammenarbeit, nicht Isolation.

5. Von “Never” zu “Always”: AI Decision Making

1979 zeigte IBM einen Slide in ihren Trainingskursen: “A computer must never make a management decision.”

2025 treffen Algorithmen Millionen von Entscheidungen pro Sekunde.

Ein historischer IBM-Slide wurde ausgegraben und zeigt eine erschreckende Entwicklung: Wir haben die Technologie upgegradet, aber haben wir auch Ethik, Governance und Verantwortung weiterentwickelt?

Die Realität heute: AI hired und fired Menschen. Bots handeln Billionen auf Finanzmärkten. Algorithmen routen globale Logistik. Sogar Performance Reviews werden oft maschinell bewertet.

Das Problem: Maschinen können nicht zur Verantwortung gezogen werden. Trotzdem sitzen sie jetzt am Kopf des Entscheidungstisches.

Die zentrale Frage lautet: „Stärken wir Intelligenz oder lagern wir Urteilsvermögen aus?“

Warum das wichtig ist: Wir stehen an einem Wendepunkt. 1979 konnten Computer nicht mit Entscheidungen betraut werden. 2025 sind wir von ihnen abhängig, aber wer ist verantwortlich, wenn AI-Entscheidungen schiefgehen?

🛠️ Tools & Plattformen:

AI Ethics Frameworks — Strukturierte Ansätze für verantwortliche AI-Entscheidungsfindung, entwickelt von Organisationen wie Partnership on AI und IEEE. Link: https://www.partnershiponai.org/

Algorithmic Accountability Tools — Plattformen zur Überwachung und Auditierung von AI-Entscheidungssystemen, um Bias und unfaire Behandlung zu identifizieren. Link: https://www.algorithmwatch.org/

Explainable AI Platforms — Tools, die AI-Entscheidungen transparent und nachvollziehbar machen. Wenn AI entscheidet, müssen wir verstehen können, warum. Link: https://www.ibm.com/watson/explainable-ai

💡 Takeaway: Wir haben Maschinen das Entscheiden beigebracht, aber vergessen, ihnen Verantwortung beizubringen. Die nächste AI-Revolution muss eine Verantwortungs-Revolution sein.

6. Google’s Text-to-3D-World Revolution

Google DeepMind hat etwas Unglaubliches geschaffen: Genie 3 verwandelt einen einzigen Satz in eine navigierbare 3D-Welt.

Stell dir vor: Du schreibst “Ein mystischer Wald mit einem versteckten Wasserfall” und erhältst eine vollständig spielbare 3D-Szene in 720p, 24fps, keyboard-gesteuert und stabil für mehrere Minuten.

Das Revolutionäre: Du kannst das Spiel on-the-fly editieren. Regen herbeirufen, ein Portal öffnen, ein Haus neu streichen, alles ohne die Szene neu zu starten.

Treffend formuliert: „Heute lässt sich eine spielbare 3D-Welt genauso einfach erstellen wie ein Chat-Prompt.“

Warum das ein Gamechanger ist: Genie 3 demokratisiert 3D-Content-Creation. Was früher Monate an Entwicklungszeit brauchte, passiert jetzt in Sekunden. Game Designer, Architekten, Filmemacher alle können jetzt Welten erschaffen, ohne Code zu schreiben.

Der Haken: DeepMind rollt das als “limited research preview” aus, während sie stress-testen. Die Technologie ist da, aber noch nicht für alle verfügbar.

🛠️ Tools & Plattformen:

Google DeepMind Genie 3 — Die revolutionäre Text-to-3D-World-Plattform, die navigierbare Spielwelten aus einfachen Textbeschreibungen generiert. Aktuell als limitierte Forschungsvorschau verfügbar. Link: https://deepmind.google/

Unity 3D — Die etablierte Game Engine, die durch Tools wie Genie 3 revolutioniert werden könnte. Unity ermöglicht traditionelle 3D-Entwicklung, aber Genie 3 macht sie zugänglicher. Link: https://unity.com/

Unreal Engine — Epics professionelle 3D-Engine, die mit AI-generierten Welten eine neue Dimension erreichen könnte. Die Kombination aus traditioneller Engine-Power und AI-Generation ist vielversprechend. Link: https://www.unrealengine.com/

💡 Takeaway: Wir stehen am Beginn der democratized 3D creation. Wenn jeder Welten erschaffen kann, wird Content-Creation zur Supermacht für alle.

7. Die Authentizitätskrise: AI schrieb die Unabhängigkeitserklärung

Ein AI-Detector hat die US-Unabhängigkeitserklärung als 99,99% AI-generiert eingestuft.

Das ist nicht nur ironisch, es ist ein Weckruf.

Dieses Experiment wirft eine fundamentale Frage auf: Was bedeutet „authentisch“ in einer Welt, in der AI alles schreiben kann?

Das Problem: AI-Detektoren erkennen Muster, nicht Bedeutung. Die Unabhängigkeitserklärung folgt einer Struktur: Logik, Klarheit, Wiederholung, die heutige AI gemeistert hat.

Die tiefere Frage: Wenn AI jeden Stil imitieren kann, wie zeigen wir, dass etwas wirklich von uns stammt?

Die Antwort: „Die menschliche Note besteht nicht nur aus Worten. Es geht um das Warum dahinter.“ Absicht, Urteilsvermögen, Stimme, das macht Arbeit bedeutungsvoll, auch wenn sie wie von AI stammt.

Warum das wichtig ist: Wir stehen vor einer Authentizitätskrise. Tools sind hilfreich, aber auch zutiefst fehlerhaft. Sie lesen keine Bedeutung, verstehen keinen Kontext, sie erkennen nur Muster.

🛠️ Tools & Plattformen:

AI Detection Tools — Plattformen wie GPTZero und Originality.ai, die versuchen, AI-generierten Content zu identifizieren. Ihre Fehlbarkeit zeigt die Grenzen pattern-basierter Erkennung. Link: https://gptzero.me/

Blockchain Authenticity — Technologien, die Content-Ursprung kryptographisch verifizieren. Blockchain könnte die Antwort auf die Authentizitätskrise sein. Link: https://www.origintrail.io/

Human Verification Systems — Neue Ansätze zur Verifikation menschlicher Autorschaft durch biometrische Daten, Schreibmuster und Denkprozesse. Diese Systeme helfen dabei, automatisierte Bots zu erkennen und die Authentizität von Nutzern sicherzustellen. Link: https://www.google.com/recaptcha/

💡 Takeaway: In einer Welt, in der AI alles schreiben kann, wird nicht das “Was” entscheidend sein, sondern das “Warum”. Authentizität liegt in der Intention, nicht im Output.

8. Meta’s Materialforschungs-Durchbruch

Meta FAIR hat einen Durchbruch erzielt, der die Materialforschung revolutionieren könnte: FastCSP verkürzt die Entwicklung molekularer Kristalle von Monaten auf Tage.

Die Innovation: FastCSP generiert stabile Kristallstrukturen für organische Moleküle automatisch. Das beschleunigt nicht nur die Materialentdeckung, es macht sie demokratisch zugänglich.

Die Zahlen: Das Open Molecular Crystals (OMC25) Dataset umfasst 25 Millionen Strukturen. Diese massive Datenbasis ermöglicht es FastCSP, Muster zu erkennen, die menschlichen Forschern entgehen würden.

Warum das wichtig ist: Kristallstrukturen sind fundamental für Elektronik und Healthcare. Bessere Materialien bedeuten effizientere Solarzellen, stärkere Medikamente, leistungsfähigere Computer.

Die Partnerschaft mit Carnegie Mellon University zeigt, wie Open Science funktioniert: Meta stellt die Tools bereit, die Wissenschaftsgemeinschaft nutzt sie für Durchbrüche.

Der Impact: FastCSP könnte für die Materialforschung werden, was AlphaFold für die Proteinforschung war, ein Paradigmenwechsel, der jahrzehntelange Forschung in Wochen komprimiert.

🛠️ Tools & Plattformen:

Meta FastCSP — Der revolutionäre Workflow für die Generierung stabiler Kristallstrukturen, der Materialentdeckung von Monaten auf Tage reduziert. Bald verfügbar für die Forschungsgemeinschaft. Link: https://ai.meta.com/research/

Open Molecular Crystals (OMC25) — Das massive Dataset mit 25 Millionen Kristallstrukturen, das FastCSP ermöglicht. Ein Beispiel für Open Science in der AI-Ära. Link: https://ai.meta.com/open-molecular-crystals-2025-omc25-dataset-and-models/

Materials Project — Die etablierte Plattform für Materialforschung, die durch Tools wie FastCSP erweitert werden könnte. Zeigt, wie AI traditionelle Forschung beschleunigt. Link: https://materialsproject.org/

💡 Takeaway: AI revolutioniert nicht nur Software — sie beschleunigt die physische Welt. Von Monaten zu Tagen: Das ist der neue Standard für wissenschaftliche Entdeckungen.

9. ElevenLabs: Von Stimmen zu Symphonien

ElevenLabs hat den nächsten Schritt gemacht: Nach der Revolution der Text-to-Speech-Technologie kommt jetzt ElevenMusic, vollständige Musikproduktion aus Text-Prompts.

Die Innovation: Schreib einen Prompt, geh weg, komm mit einem full-length Track zurück — Vocals inklusive. Bereits getestet wurden Depeche-Mode-Vibes, corporate-sichere „Please hold“-Musik und Hans-Zimmer-artige Interstellar-Scores.

Das Revolutionäre: “Commercially-cleared” Musik bedeutet, dass du die generierten Tracks kommerziell nutzen kannst. Das könnte die Musikindustrie genauso erschüttern wie Stable Diffusion die Bildbranche.

Die Implikationen: Kleine Unternehmen können jetzt maßgeschneiderte Jingles erstellen. Filmemacher können Scores komponieren lassen. Podcaster können ihre eigene Intro-Musik generieren.

Warum das wichtig ist: Musik war bisher eine der letzten Bastionen menschlicher Kreativität. ElevenMusic zeigt, dass auch diese Grenze fällt.

Die Frage: Wenn AI Musik komponieren kann, die von menschlicher nicht zu unterscheiden ist — was macht dann menschliche Musik noch besonders?

🛠️ Tools & Plattformen:

ElevenLabs ElevenMusic — Die neue Text-to-Music-Plattform, die vollständige, kommerziell nutzbare Tracks aus einfachen Prompts generiert. Revolutioniert die Musikproduktion für alle. Link: https://elevenlabs.io/

AIVA (AI Virtual Artist) — Eine etablierte AI-Musik-Kompositionsplattform, die zeigt, wie AI-Musik bereits heute eingesetzt wird. AIVA komponiert für Filme, Spiele und Werbung. Link: https://www.aiva.ai/

Soundraw — Eine weitere AI-Musikplattform, die royalty-free Musik für Content Creator generiert. Zeigt den wachsenden Markt für AI-generierte Musik. Link: https://soundraw.io/

💡 Takeaway: Die letzte kreative Bastion fällt. Wenn AI Musik komponiert, wird menschliche Kreativität nicht obsolet, sie wird kostbarer.

10. OpenAI’s überraschende Open Source Wende

In einer überraschenden Wendung hat OpenAI zwei Open Weight Models veröffentlicht und die Resonanz ist begeistert.

„Ich freue mich riesig, dass OpenAI zwei Open-Weight-Modelle veröffentlicht hat. Ein großes Dankeschön an das Team bei OpenAI für dieses Geschenk!“ hieß es in einem Tweet eines führenden KI-Forschers.

Die Bedeutung: OpenAI, lange kritisiert für ihre zunehmend geschlossene Haltung, macht einen Schritt zurück zu ihren Open Source Wurzeln. Das gpt-oss-120b Model zeigt laut Forscher bereits starke Performance in ersten Tests.

Der Kontext: OpenAI und andere US-KI-Unternehmen standen in der Kritik, weil sie sich zunehmend abschotteten und damit den Fortschritt bremsten. Diese Veröffentlichung könnte eine Reaktion darauf sein.

Warum das wichtig ist: Open Weight Models demokratisieren AI-Zugang. Forscher, Startups und Entwickler können jetzt mit OpenAI-Qualität experimentieren, ohne auf APIs angewiesen zu sein.

Die Frage: Ist das ein echter Strategiewechsel oder nur ein PR-Move? Die Antwort wird zeigen, ob OpenAI zu seinen ursprünglichen Open Source Prinzipien zurückkehrt.

🛠️ Tools & Plattformen:

OpenAI Open Models — Die neuen Open Weight Models von OpenAI, einschließlich gpt-oss-120b, die kostenlos heruntergeladen und lokal ausgeführt werden können. Link: https://openai.com/open-models/

Hugging Face Model Hub — Die führende Plattform für Open Source AI-Models, wo OpenAIs neue Models wahrscheinlich gehostet werden. Der zentrale Ort für die Open AI Community. Link: https://huggingface.co/

Ollama — Tool zum lokalen Ausführen von Large Language Models, das perfekt für OpenAIs neue Open Weight Models geeignet ist. Macht AI-Experimente lokal und privat möglich. Link: https://ollama.ai/

💡 Takeaway: OpenAI kehrt zu seinen Wurzeln zurück, zumindest teilweise. Open Source AI ist nicht tot, es war nur in Winterschlaf.

Fazit: AI wird erwachsen

KW32 war eine Woche der Wendepunkte. Wir haben gesehen, wie AI von einem experimentellen Tool zu einer erwachsenen Technologie heranreift, mit allen Herausforderungen, die das mit sich bringt.

Die wichtigsten Erkenntnisse:

Agentic AI ist da: Der Claude Code Kurs zeigt, dass autonome AI-Entwicklung keine Zukunftsmusik mehr ist. Wer heute lernt, AI-Systeme zu orchestrieren, wird morgen die Softwareentwicklung dominieren.

Der Thron wackelt: GPT-5 ist gut, aber nicht revolutionär. Die AI-Landschaft wird kompetitiver, und OpenAI ist nicht mehr unangefochten.

Denken vs. Delegieren: Die größte Gefahr liegt nicht in dummer AI, sondern in smart AI, die uns das Denken abnimmt. Wir müssen lernen, AI als Denkpartner zu nutzen, nicht als Denkersatz.

Verantwortung fehlt: Wir haben Maschinen das Entscheiden beigebracht, aber vergessen, ihnen Verantwortung beizubringen. Die nächste AI-Revolution muss eine Verantwortungs-Revolution sein.

Kreativität demokratisiert sich: Von 3D-Welten bis zu Symphonien — AI macht Kreativität für alle zugänglich. Das macht menschliche Kreativität nicht obsolet, sondern kostbarer.

AI wird erwachsen. Die Frage ist: Werden wir es auch?

Dein Julian

Du nutzt ChatGPT, aber die Ergebnisse sind mittelmäßig?

Das Problem: Du stellst die falschen Fragen.

Während andere stundenlang schlechte Texte schreiben, erstellen ChatGPT-Profis in 5 Minuten bessere Inhalte als du in 2 Stunden.

Der Unterschied? Sie kennen die richtigen Prompts.

Ich zeige dir in meinem kostenlosen 30-Tage-Audio Kurs, wie du ChatGPT wirklich nutzt:

• Täglich 2–3 Stunden sparen

• 400% produktiver werden

• Neue Einnahmequellen erschließen

Komplett kostenlos. Kein Haken.

Jetzt kostenlos anmelden: https://julianhosp.de/KI-30-Plan-ChatGPT