Unser erstes KI-Projekt: Vectorsphere

Erinnert ihr euch noch, als vor wenigen Monaten KI noch keine Erdbeeren zählen, keine ganz gefüllten Rotweingläser und Menschen nur mit einer Fingeranzahl ungleich 10 darstellen konnte? Those were the times! Irgendwie wussten damals alle, dass KI unser Geschäft mal noch richtig aufmischen würde ... aber wie genau, das wusste noch niemand. Und heute? Sieht es auch noch nicht viel besser aus. 

Aber.

Uns war früh schon klar: Wir müssen KI-Expertise aufbauen. Oder ins Haus holen. Uns war aber auch klar: KI-Expertise ist auf dem Arbeitsmarkt so etwas wie die blaue Mauritius. Der weiße Wal. Seltener als eine Woche ohne „Trump hat etwas Dummes gesagt!“-Nachrichten. So rar wie ein Cybertruck ohne Produktionsmängel.

Also waren wir selbst gefragt, die Weichen für die Zukunft zu stellen. Und unterwegs wollten wir möglichst viel Erfahrung mit KI sammeln, dabei aber so nahe wie möglich an der Forschung und Entwicklung dranbleiben. Gleichzeitig standen und stehen wir als Dienstleister unter Druck zu beweisen, dass wir KI-Projekte umsetzen können. Geht nicht, ohne tiefgehende KI-Expertise? Geht wohl! Zumindest wenn wir uns nicht auf die Innerein der LLM & Co. fokussieren, sondern auf den Part, mit dem wir uns bestens auskennen: Web-App-Projekte mit Front- und Backend.

Okay, Moment mal! Das Klingt ja voll nach: Die haben überhaupt keine Ahnung, machen aber trotzdem irgendwas mit KI ... so wie alle Anderen halt auch, oder?

Eben nicht.

Was uns fundamental von den Heerscharen an KI-Goldgräbern unterscheidet, die in den vergangenen 12 Monaten auf den Markt gestürmt sind: Wir haben das AN[ki]T im Rücken – den KI-Lehrstuhl der Fachhochschule Ansbach. Und als deren Projektpartner haben wir gemeinsam mit und für den Lehrstuhl ein komplettes KI-Projekt umgesetzt. Mit LLM, Servern und Ressourcen direkt aus dem FH-Rechenzentrum sowie Frontend-, Backend-, UX-, RE-, QA- und Testing-Know-how von einem unseren crossfunktionalen BRANDAD-Teams.

Vorhang auf für Vectorsphere!

Die Idee zu Vectorsphere entstand in der KI-Fachschaft in Ansbach aus dem Wunsch heraus, übliche Arbeitsschritte beim Vermarkten des (großartigen!) hauseigenen Knowledge Science-Podcasts mit KI zu automatisieren oder wenigstens stark zu vereinfachen. In der Regel ist nach der Aufnahme ja bereits guter Content vorhanden, liegt jedoch für die Massenvermarktung im einem unpassenden Medium vor (Audio) und eignet sich so auch nur für einen von vielen möglichen Kanälen (Podcast-Feed). KI to the rescue!

Unser Team hat Frontend und Backend um bestehende Transkriptions- und Such-API herum gebaut. Also einerseits eine ansehnliche, robuste, gut bedienbare Oberfläche – andererseits die Datenströme von und zum Rechenzentrum der FH, wo dann teilweise lang laufende Hintergrundprozesse angestoßen wurden. Im Gespann haben wir also ein Tool entwickelt, das erst mal ganz simpel klingt: Du suchst nach einem Podcast und markierst einige Episoden, die transkribiert werden sollen; als Antwort liefert Vectorsphere nach einer Weile dann handliche Content-Schnipsel, um das Marketing für diese Episoden zu vereinfachen. Darunter beispielsweise Postvorlagen für einen LinkedIn-Beitrag. Und wie bei allem, was zum Schluss simpel klingt und anmutet, war hierfür eine Menge Planungs- und Umsetzungsarbeit notwendig!

Wir werden doch noch zu einer KI-Bude!

Von null auf KI in Rekordzeit – dabei haben wir viel gelernt. Wir kamen ja ohne viel KI-Domänenwissen, dafür mit ordentlich Neugier, Entschlossenheit und Erfahrung in komplexen Webprojekten.

Unsere stärksten Aha-Momente:

• Kooperation rockt: Das AN[ki]T hat uns nicht nur Server und KI-Wissen geliefert, sondern als Auftraggeber die unterschiedlichen Kernkompetenzen unseres Teams sehr gut gemanaged.
• KI ist kein Hexenwerk, wenn man die richtigen API nutzt. Die Magie passiert zwar im Hintergrund – für uns hieß das aber vor allem, zu verstehen, welche Bausteine es gibt und wie sie zusammenspielen ... und trotzdem nebenher eine Menge über KI zu lernen.
• Frontend ist nicht nur Fassade. Usability ist mehr als ein paar Buttons, die wir am Ende der App-Entwicklung auf eine Backend-API werfen. Ist die Führung der Nutzenden durch die Anwendung nicht straight und durchdacht, interessiert es auch niemanden, wie smart die KI ist, die im Backend die Grafikkarten zum Schmelzen bringt.
• Kommunikation und Learning by Doing: Um aus einem Prototypen eine funktionierende Lösung zu entwickeln, ist viel Abstimmung, Fragen, Rückfragen, Fehlversuche, Communityeinbindung und noch mehr Abstimmung notwendig. Software-Projekte mit und ohne KI sind am Ende auch immer Kommunikationsprojekte.

Warum Vectorsphere nicht öffentlich, doch aber mehr ist als nur ein Prototyp.

Es steckt viel Arbeit in Vectorsphere, und es ist schon ein bisschen schade, dass daraus am Ende kein Produkt für die breite Öffentlichkeit geworden ist. Was uns aber persönlich so stolz macht: Wir haben gezeigt, dass man mit guter Teamstruktur, klarer Rollenverteilung und dem Willen, Neues zu lernen, Projekte auch mit (noch) unbekannten Technologien gut stemmen kann. Die Schlussfolgerung: Solange der Kunde mit dem Technologie- und Domänenwissen eng mit uns im Team arbeitet, lässt sich das alles lösen, Selbstorganisation sei dank. Denn: Hätten wir alle Anforderungen, Aufgaben, Pakete et cetera auch noch intern abstimmen müssen, wäre das Projekt sicher auf der Strecke irgendwo verhungert. So aber haben wir es innerhalb eines Jahres erfolgreich zum Abschluss gebracht.

Und das bringt uns zurück zum Podcast-Hören: Vielleicht steckt in eurem Lieblingspodcast ja viel mehr als nur Blabla – und Vectorsphere ist nur der Anfang, um das Hörbare auch sichtbar(er) werden zu lassen.