495af8ef8c
- raw: raw/other/2026-07-02_ome23-evolution-ki-workflows.md - wiki: events/ome23-evolution-ki-workflows.md (new event page) - index: 60th update, Events section + raw source - log: ingest entry with Hector-Hauptthese Content: Harness > LLM, Model-Split (Claude/DeepSeek), Local Sovereignty (Mac Studio M3 Max), 93x Efficiency, Wiki Gardening, Cultural Prompting (Tourist vs Local)
76 lines
No EOL
5 KiB
Markdown
76 lines
No EOL
5 KiB
Markdown
---
|
||
type: other
|
||
source_url: https://notebooklm.google.com/notebook/af76321e-164d-4765-ba00-c3b1ccc883b7?authuser=1
|
||
retrieved: 2026-07-02
|
||
title: "OME23 — Evolution der KI-Workflows: Vom Chatbot zum Agenten-System (NotebookLM-Infografik)"
|
||
tags: [event, ome, ome23, notebooklm, agent-system, harness, model-split, local-sovereignty, wiki-gardening, cultural-prompting, efficiency]
|
||
---
|
||
|
||
# OME23 — "Evolution der KI-Workflows: Vom Chatbot zum Agenten-System"
|
||
|
||
**Datum:** 02. Juli 2026 (Ingest)
|
||
**Format:** NotebookLM-generierte Infografik
|
||
**Autor:** NotebookLM (automatisiert)
|
||
**Quelle:** [NotebookLM Notebook](https://notebooklm.google.com/notebook/af76321e-164d-4765-ba00-c3b1ccc883b7?authuser=1)
|
||
**Geteilt von:** Pit Weber in OME-Gruppe, Topic "OMe virtuelle Stammtische" (Topic 406), 02.07.2026
|
||
|
||
## Überblick
|
||
|
||
Die Infografik zeigt die Weiterentwicklung von KI-Systemen — von einfachen LLMs hin zu komplexen, agentenbasierten Systemen. Auf Deutsch. Vier Thememblöcke werden abgedeckt: Infrastruktur & Modell-Strategie, zentrale Illustration, Modell-Vergleich, sowie Produktivität & Automatisierung.
|
||
|
||
## Content Blocks (Infografik-Extrakt)
|
||
|
||
### Block 1: Infrastruktur & Modell-Strategie (linke Seite)
|
||
|
||
1. **Der "Harness" ist entscheidender als das LLM** — nicht das Sprachmodell selbst, sondern die umgebende Agenten-Schicht bestimmt Intelligenz und Nutzbarkeit
|
||
2. **Lokale Souveränität durch High-End Hardware** — Mac Studios (M3 Max) mit SSD-Streaming für lokalen Betrieb von Top-Modellen wie GLM 2.2
|
||
3. **Strategischer Modell-Split:**
|
||
- Planung: Anthropic/Claude (Spezifikation & Planung)
|
||
- Implementierung: Codex/DeepSeek (Coding & Bug-Hunting)
|
||
|
||
### Block 2: Zentrale Illustration
|
||
|
||
Ein großer, futuristischer KI-Kern (Zentralrechner mit Gehirn-Symbol) verbindet alle Komponenten — symbolisiert das Agenten-System als zentrale Schaltstelle. Viele kleine Roboter und KI-Symbole, Datenleitungen und Verbindungen, NotebookLM-Logo in der unteren rechten Ecke.
|
||
|
||
### Block 3: Vergleich der neuen Modell-Alternativen (Mitte unten)
|
||
|
||
| Modell | Kategorie | Aufgabe |
|
||
|--------|-----------|---------|
|
||
| **GLM 5.2 / DeepSeek** | Coding & Bug-Hunting | Implementierung |
|
||
| **Anthropic Opus** | Spezifikation & Planung | Strategie |
|
||
| **NotebookLM** | Quellen-Analyse | Wissensmanagement |
|
||
|
||
### Block 4: Produktivität & Automatisierung (rechte Seite)
|
||
|
||
1. **93× Faktor 93: Radikale Effizienzsteigerung** — systematische KI-Integration in Software-Architektur führt zu massiven Zeitersparnissen
|
||
2. **Autonomes "Wiki Gardening"** — Roboter strukturieren, indexieren und pflegen eigenständig Wissensdatenbanken
|
||
3. **Überwindung des kulturellen "Blinden Flecks"** — Vergleich "Tourist" (oberflächliche, generische Antworten) vs. "Local" (tiefes, lokal relevantes Wissen durch gezieltes fremdsprachiges Prompting)
|
||
|
||
## Visuelle Elemente
|
||
|
||
- Viele kleine Roboter und KI-Symbole
|
||
- Datenleitungen und Verbindungen
|
||
- NotebookLM-Logo in der unteren rechten Ecke
|
||
- Futuristischer KI-Kern als zentrales Motiv
|
||
|
||
## Wiki-Kontext & Querverweise
|
||
|
||
- **Harness > LLM:** Siehe `[[concepts/llm/spec-driven-development-harness.md]]` — Harness-Konzept aus Tielke's 5-Phasen-Modell
|
||
- **Modell-Split (Claude/DeepSeek):** Siehe `[[architecture/model-routing.md]]` — Model-Split-Pattern in der Routing-Architektur
|
||
- **Lokale Souveränität (Mac Studio M3 Max):** Siehe `[[concepts/hardware/cloud-exit-and-local-superiority.md]]` — Cloud-Exit und lokale Überlegenheit
|
||
- **GLM 5.2:** Siehe `[[concepts/llm/glm-5.2-zai-coding-model.md]]` — GLM 5.2 als Implementierungs-Modell
|
||
- **Wiki Gardening:** Siehe `[[tools/openclaw.md]]` — autonome Wissenspflege durch Agenten
|
||
- **93× Effizienz:** Siehe `[[concepts/llm/vibe-coding-vs-enterprise.md]]` — Tielke's Enterprise-KI-Experiment als Beleg
|
||
- **Cultural Prompting (Tourist vs Local):** Siehe `[[concepts/llm/ai-search-language-blind-spot.md]]` — Language Lens Bias und Local Sources
|
||
- **NotebookLM:** Siehe `[[concepts/llm/hyper-summaries-notebooklm.md]]` — NotebookLM als Wissensmanagement-Tool
|
||
- **Agenten-Wandel:** Siehe `[[concepts/agents/ai-agents-2026.md]]` — Wandel zu autonomen Agenten
|
||
- **plur1bus Memory:** Siehe `[[concepts/agents/plur1bus-memory-model.md]]` — Memory Layer für Agenten
|
||
|
||
## Key Takeaways
|
||
|
||
1. **Harness als entscheidende Schicht:** Nicht das LLM, sondern die Agenten-Schicht darumherum bestimmt die Qualität — eine Vertiefung des Pluribus-Prinzips aus OME22
|
||
2. **Model-Split als pragmatische Lösung:** Claude für Planung, DeepSeek/GLM für Implementierung — umgeht das Guardrail-Dilemma durch Aufgabentrennung
|
||
3. **Lokale Souveränität konkretisiert:** Mac Studio M3 Max mit SSD-Streaming als praktische Umsetzung der Cloud-Exit-These
|
||
4. **93× Effizienz-Faktor:** Systematische KI-Integration bringt radikale Produktivitätssteigerungen — bestätigt Tielke's Experiment
|
||
5. **Wiki Gardening als neue Disziplin:** Autonome Roboter pflegen Wissensdatenbanken — das RamaDama-Wiki als Musterbeispiel
|
||
6. **Cultural Prompting:** Fremdsprachiges Prompting als Heuristik für tiefes Wissen — erweitert den Language Lens Bias um eine aktive Strategie |