00:00:00: [Musik]

00:00:16: Hallo und herzlich willkommen zu einer neuen Ausgabe von Devs on Tape.

00:00:19: Heute als Fortsetzung von der Folge von vor zwei Wochen zum Thema AI.

00:00:24: Ich wünsche euch viel Spaß damit und bis übernächste Woche.

00:00:29: Wir haben auch noch ein ganzes Thema, welches ich jetzt mal gerne anschneiden würde.

00:00:32: Und zwar ist das mal auch ein ganz großes Feld von dieser Artificial Intelligence, ...

00:00:38: ... ist auch schon eine ganze Zeit lang unterwegs.

00:00:40: Und zwar ist das das automatisierte Fahren oder das autonome Fahren.

00:00:43: Hast du dich mit dem Thema schon auseinandergesetzt?

00:00:45: Du hast ja einen Führerschein, Caro.

00:00:47: Ja, genau.

00:00:48: Wenn du in Hamburg wohnst und wahrscheinlich nicht mit deinem Auto selber unterwegs sein willst, ...

00:00:51: ... hast du einen Führerschein.

00:00:53: Hast du dich mit dem Thema auseinandergesetzt?

00:00:54: Nur soweit, um zu dem Schluss zu kommen, dass für mich autonomes Fahren nur funktioniert,

00:01:01: wenn alle autonom fahren.

00:01:02: Ja, das ist auch ein Schluss.

00:01:05: Ja, das macht Sinn.

00:01:06: Ja, also ich fand zum Beispiel die Folge mit Karin total interessant, wo wir da über diese

00:01:12: Modelle gesprochen haben und was autonome Fahrzeuge dann, wie sie quasi ihre Umgebung

00:01:18: wie sie ihre Umgebung abtasten und das Ganze dann verarbeiten und so. Das war für mich noch mal ein

00:01:30: anderer Aspekt, als man sonst vielleicht auch selber als Entwickler darüber nachdenkt, wenn man

00:01:36: sich darüber Gedanken macht. Aber bis auf so ein Beispiel erklärt anhand eines solchen Modells,

00:01:45: wie denn Machine Learning so funktionieren könnte, habe ich mich tatsächlich noch nicht beschäftigt.

00:01:50: Ich habe auch keinen Tesla oder so was oder ein E-Fahrzeug, welches autonom fahren kann.

00:01:54: Ja, also ich würde jetzt auch nicht behaupten, dass ich mich da großartig mit auseinandergesetzt

00:01:58: habe, aber ich habe so ein paar interessante Punkte dazu, die wir gerne mal hier besprechen

00:02:03: können, auch wenn ich die dann überwiegend vielleicht eher Fragen stelle, was du dafür

00:02:07: hältst. Aber im Grunde genommen gibt es diese eine Frage, die ich auch nie beantworten konnte

00:02:11: und weshalb das autonome Fahren auch in Deutschland, glaube ich, noch nicht erlaubt wird. Es gab immer

00:02:14: diese Frage vor diesen ganzen AI-Themen, die jetzt ganz groß in den Medien sind,

00:02:18: gab es immer diese Frage, kann eine Maschine tatsächlich die Entscheidung

00:02:22: treffen, wie würde eine Maschine sich entscheiden, wenn es die Wahl hätte, ein

00:02:28: Kind zu überfahren oder einen alten Menschen? Und wie würde diese

00:02:31: Entscheidung getroffen werden? Und solange die nicht getroffen werden kann,

00:02:33: können wir einem Auto auch diese Entscheidung nicht überlassen.

00:02:36: Nach welchen Gesichtspunkten wird sowas gemacht? Und würde man jetzt

00:02:40: hingehen und ChatGPT fragen, wie man umfahren soll oder wie die richtige

00:02:44: Lösung ist oder fahre ich gegen die Wand, um mich selber nur davon zu treffen und nicht die

00:02:48: unschuldigen Passanten oder wer ist jetzt mehr wert, Lebenserwartung und so weiter. Natürlich

00:02:53: mit mehr Rechenpower, mit mehr Meinungen, die Menschen in dieses System reingefüttert hat,

00:02:57: wird vielleicht ein Auto irgendwann anhand dieser Berechnungen eine Entscheidung treffen,

00:03:03: die wahrscheinlich einem Gro der Gesellschaft entsprechen wird. Das ist jetzt so ein Gedanke,

00:03:07: der vielleicht da noch nicht gefunden wurde, aber wie sieht es mit der Gerichtbarkeit dann

00:03:11: ... dann auch aus.

00:03:12: Also die Maschine, ich glaube schon, dass so eine KI ...

00:03:16: ... dann in der Lage wäre, so zu entscheiden, wie es ...

00:03:18: ... ein Großteil der Menschen wäre.

00:03:20: Aber haben wir dann Mehrheits, haben wir dann Demokratie ...

00:03:22: ... beim Töten von Menschen durch Autos?

00:03:24: Also wie würde ein Großteil der Menschheit ...

00:03:26: ... darauf reagieren oder in dieser Situation ...

00:03:28: ... entscheiden und so wird dann dieses System ...

00:03:30: ... dafür entscheiden.

00:03:31: Aber das ist das Thema, was das autonome Fahren, ...

00:03:34: ... ich wollte gar nicht so tief in das Thema ...

00:03:36: ... mit dieser Entscheidung oder mit diesem ethischen ...

00:03:38: ... Aspekt da reingehen, aber das ist das Thema, ...

00:03:40: Aber das ist das, warum Autos auch bisher noch nicht autonom fahren, weil es gewisse

00:03:44: Entscheidungen, gewisse Situationen gibt, in denen dann einfach keiner mehr verantwortlich

00:03:47: auch dafür ist, was dann da passiert.

00:03:49: Und wenn sowas Banales ist wie Versicherungen, die das nicht übernehmen, was ein Auto für

00:03:53: Straftaten oder für Unfälle begeht, die eigentlich nicht der Fahrer hat.

00:03:57: Weil die Firmen werden es von sich weisen, natürlich der Fahrer wird es auch von sich

00:04:00: weisen, weil er konnte zwar reagieren, aber nicht schnell genug oder so.

00:04:03: Ich glaube, dafür ist Deutschland auch einfach noch zu korrekt, als dass sowas gemacht werden

00:04:08: kann, einfach so verabschiedet werden kann.

00:04:10: Aber wenn wir einfach mal über den Teich rübergucken, ...

00:04:12: ... nach Amerika, wo die Teslas halt auch mit Betas rumfahren ...

00:04:16: ... von komplett selbstgesteuerten Autos, die wirklich ...

00:04:19: ... völlig ohne Fahrrad zurechtkommen, ...

00:04:21: ... da sehen wir so ein Modell, ...

00:04:23: ... was mit Sicherheit der Zukunft entspricht ...

00:04:26: ... und was komischerweise auch von dem gleichen Typen stammt, ...

00:04:28: ... der auch OpenAI, glaube ich, gegründet hat.

00:04:30: Da steckt ja, glaube ich, überall Elon Musk hinter.

00:04:33: Dass wir da bei der Falschinformation bitte rausschneiden.

00:04:40: Da stecken auf jeden Fall Leute hinter, die in der Zukunft noch viel mehr erforschen wollen ...

00:04:44: ... und das einfach Geld und Risiko in die Hand nehmen, um so was in der breiten Masse zu machen.

00:04:47: Und dann sehen wir bei diesem autonomen Fahren, dass die Teslas ganz viel die Umgebung selber noch scannen, ...

00:04:54: ... sich untereinander austauschen, dann übers Netz mit den Erfahrungen, die sie gemacht haben, ...

00:04:57: ... immer detailliertere Karten bauen können, immer detailliertere Modelle, ...

00:05:00: ... immer mehr Entscheidungsbäume aufbauen können, ...

00:05:02: ... wo wir wieder bei dieser AI-Thematik mit den neuronalen Netzen sind, ...

00:05:06: ... immer mehr diese Modelle aufbauen können, wie reagiere ich in dieser Situation, ...

00:05:10: was muss ich da machen? Da fehlt eine Fahrbahnmarkierung, aber ich wüsste, dass die eigentlich da lang

00:05:13: weitergeführt werden muss, weil ich genügend Informationen darüber habe, wie diese Straßenführung

00:05:17: in Amerika ist zum Beispiel. Oder diese Ampel, die springt in dem Takt und in dem Zeitraum um und

00:05:22: die ist hier, dann kann ich das bei mir natürlich auch darstellen. Solche ganzen Sachen, das erforschen

00:05:27: die gerade und da arbeiten die gerade dran und die haben tatsächlich ganz viele Autos auf der

00:05:30: Straße in Amerika, ganz viele Teslas, die diese Betas testen und die sich alleine fahren. Da sitzt

00:05:35: der Fahrer daneben, der kann eingreifen, aber so steigt und wächst dieses Modell und das ist, glaube

00:05:39: ich eine Sache, die genauso wie alle anderen AI-Themen in Zukunft so stark wachsen werden,

00:05:44: dass das nur noch eine Frage der Zeit ist, bis die Dinger so gut sind, dass wir wirklich

00:05:47: komplett autonom unterwegs sein können. Auch da ist einfach ein großes Feld, das hat nichts mehr

00:05:52: mit Sprache und Wissen zu tun, sondern tatsächlich einfach nur mit Nachahmung, mit Lernen von

00:05:59: Reaktionen und von Aktionen, die da passieren, dass man da einen Menschen ersetzen kann. Und in

00:06:04: dem Fall nicht als arbeitende Kraft, wie es in einer Maschine in einer Fabrik wäre, sondern

00:06:09: einfach nur den Fahrer eines Autos, der eigentlich in diesem Fahrprozess für uns als naive Autofahrer,

00:06:18: sage ich jetzt mal, also ohne da großartig Gedanken rein zu verschwenden, dass man da

00:06:23: ganz gut ersetzt werden kann. Weil es gibt die Verkehrsregeln, es gibt das, was wir sehen,

00:06:26: es gibt darauf müssen wir reagieren, da gibt es bestimmte Entscheidungen, die wir treffen,

00:06:30: und warum sollte die nicht eine Maschine für uns übernehmen können. Und wenn die Maschine

00:06:34: ... immer schlauer und immer klüger wird ...

00:06:35: ... und auch immer mehr Vertrauen von Menschen gewinnt, ...

00:06:37: ... dann kann ich mir ...

00:06:39: ... nicht vorstellen, dass das noch lange ein Thema sein wird.

00:06:42: Und dann ...

00:06:44: ... habe ich natürlich nicht nur über Tesla ...

00:06:46: ... nachgelesen oder das auch rausgekriegt, ...

00:06:48: ... sondern ich habe auch vor kurzem ein ...

00:06:50: ... ganz, ganz interessantes ...

00:06:51: ... Interview-Podcast ...

00:06:52: ... oder einen ganz interessanten Interview-Podcast ...

00:06:55: ... mit Georg Hotz oder George Hotz ...

00:06:57: ... gehört.

00:06:58: Und zwar ist er ...

00:06:59: ... also zum Background, der ist ...

00:07:01: ... einer der ersten Hacker des iPhones gewesen ...

00:07:03: unter Playstation 3 und ist immer wieder aufgefallen durch wahnsinnig krasse

00:07:07: Hacking-Aktionen, ist ganz viel in den Medien gewesen. Jetzt kürzlich ist er in den Medien

00:07:12: gewesen, weil er, glaube ich, in zwei Wochen ein kostenloses Praktikum, also

00:07:16: unbezahltes Praktikum bei Twitter gemacht hat, weil er gesagt hat, die Search Engine

00:07:20: ist für den Allerwertesten. Und dann hat er mit dem Maskin eingestellt, als Praktikanten doch in

00:07:25: zwei Wochen den Code für diese Such-Engine von Twitter neu zu schreiben.

00:07:29: Der ist immer so in die Medien gekommen und 2015 hat er tatsächlich, da haben wir wieder

00:07:34: das nächste tatsächlich, eine Firma gegründet, die sich damit auseinandersetzt, wie man die

00:07:39: Autos auch auf der Straße autonom fahren lassen kann, ohne dass man jetzt so ein Auto,

00:07:44: was glaube ich zu dem Zeitpunkt noch nicht auf dem Markt war oder noch nicht veröffentlicht

00:07:48: wurde, mit dem Tesla, das alles zu haben, ohne ein dediziertes Auto dafür zu haben.

00:07:53: Also Tesla ist ein abgeschlossenes System, das ist ein Auto, das ist eine Software drin

00:07:57: und wenn du ein autonomes Auto haben möchtest, hast du eine ganze Zeit lang nur einen Tesla

00:08:01: bekommen. Und da hat der Georg Hotzig die Aufgabe gemacht, mit seiner Firma Comma AI eine Software

00:08:09: zu schreiben und auch teilweise Hardware hat er dafür natürlich auch bereitgestellt,

00:08:12: um mit künstlicher Intelligenz normale Autos zu selbstfahrenden Autos zu machen. Das heißt,

00:08:18: der hat an den Steuerbus vom Auto eine Box drangehangen, die dann halt diese Steuersignale

00:08:25: absendet. Wir wissen ja auch alle mit so einparkassistenten und sowas, dass sich

00:08:28: auch so ein Lenkrad natürlich mechanisch ohne den Einfluss von einem Mann oder von

00:08:32: einer Frau hinterm Steuer drehen lässt. Und so hat er halt auch so Tempomaten

00:08:37: angebunden, dass er dann natürlich Gas geben konnte und bremsen konnte und

00:08:40: solche ganzen Geschichten. Blinker sind ja auch schon lange keine Biometallstreifen

00:08:43: mehr. Der hat diese ganzen Signale halt mit dieser Box gesteuert und war

00:08:47: in der Lage mit seiner Software ganz viele Honda, ich glaube, er hat angefangen

00:08:52: mit Honda-Fahrzeugen, ganz viele Honda-Modelle autonom fahrbar zu machen. Also der ist hingegangen

00:08:58: und hat diese Boxen dann dafür drangehangen und hat dann diese normal fahrenden Autos dazu befähigt,

00:09:05: selber abbiegen zu können und Straßensituationen bewerten und auch eingreifen zu lassen. Und er

00:09:13: hat dann 2016 ein System rausgebracht, das quasi echt auch nur auf Smartphone-Technologie basierend

00:09:21: gearbeitet hat. Das heißt, das war echt ein ungebautes Handy, was diese Steuersignale

00:09:25: dann verarbeiten konnte und aussenden konnte. Und hat das zunächst, wie ich gesagt habe,

00:09:29: für verschiedene Honda-Modelle gemacht und hat dann aber leider auch einen großen Dämpfer

00:09:34: bekommen, weil auch da war Amerika noch nicht so weit, sowas zu erlauben. Da muss wahrscheinlich

00:09:37: erst ein Elon Musk um die Ecke kommen mit Tesla, damit solche Sachen dann gelockert werden. Der

00:09:41: durfte sein AI-gesteuertes Selbstfahrsystem nicht auf den Markt bringen oder nicht weiterverkaufen,

00:09:48: weil da die sogenannte National Highway Traffic Safety Administration das verboten hat,

00:09:53: weil die sind einfach auch noch nicht so weit gewesen, dass sie das irgendwie hätten gestatten können,

00:09:57: dass da irgendeine Software irgendein Auto steuert.

00:09:59: Das würde ich jetzt mal fast so sagen, den Stand auch, den wir jetzt in Deutschland gerade haben,

00:10:03: weil da ganz viele Fragen nicht geklärt sind.

00:10:05: Und das hat er dann auch später im Jahr, quasi, ich glaube sogar fast einen Monat später nur,

00:10:12: zum Anlass genommen das Ganze unter dem Namen OpenPilot,

00:10:16: nicht mehr ",1" oder ",2" oder sowas zu veröffentlichen, sondern er ist dann hingegangen und hat seine Software unter dem Namen OpenPilot auf Open-Source-Basis veröffentlicht,

00:10:27: damit da so viele Menschen wie möglich irgendwie von profitieren können und das für sich einbinden können.

00:10:33: Da hat er dann im Anschluss aber auch, ich habe übrigens Medienkompetenz mäßig jetzt hier auch auf Wikipedia zurückgegriffen,

00:10:40: weil ich das in komprimierter Form alles wiedergeben möchte. Also bitte nicht jetzt hier

00:10:45: Compliance anrufen und sagen, dass ich da abgekupfert habe oder mich eines anderen

00:10:49: Werkes bedient habe. Das kommt alles von der Wikipedia-Seite von Jakoma AI bzw. von Geocodes.

00:10:55: Ja, die haben nochmal einen zweiten Aufschlag versucht und zwar das erste Produkt dieses Jahr,

00:11:00: "Koma One". Und jetzt haben sie, nachdem sie es auch nochmal als Open Pilot veröffentlicht haben,

00:11:05: ein Produkt auf den Markt geschmissen. Das war im Januar 2020, also vor gut drei Jahren,

00:11:10: das für knapp 1000 Dollar in der Lage ist, dein Auto trotzdem nach wie vor so zu steuern. Und

00:11:16: zwar haben die sich dann auch wieder so ein bisschen, naja, in einer gewissen, ja, wie soll

00:11:21: man sagen, nicht Grauzone, aber in einer gewissen Richtung orientiert, dass sie gesagt haben,

00:11:25: naja, du kannst das Produkt kaufen, kostet 1000 Euro, ist eine Dashcam, ist eine sehr teure Dashcam

00:11:30: dann. Die packst du dir vorne in dein Auto. Aber du kannst natürlich ganz einfach Open Pilot kaufen

00:11:35: oder beziehungsweise runterladen, kosten muss, und kannst es sehr einfach auf das Device von

00:11:40: uns drauf spielen, welches ja super geeignet dafür ist, aus komischer Art und Weise. Ja,

00:11:45: und dann hat es tatsächlich ab 2016 für ganz, ganz viele US-Markt-Pkws oder Pkws aus dem US-Markt

00:11:54: Selbststeuerfähigkeiten zur breiten Masse gebracht. Ich finde das immer wieder beeindruckend,

00:11:59: wie gerade so ein Typ, der mit Playstation 3 Hacking und mit iPhone Hacking immer wieder

00:12:03: so eine Grenze gesucht hat, die er überstreiten kann zur Legalität. Ich weiß nicht, wie das jetzt

00:12:08: bewertet wird, was die da 2020 gemacht haben. Jetzt, wo es natürlich auch noch viele andere

00:12:13: Autohersteller gibt, die ähnliche Sachen machen, wo dann auch Spurwechsel automatisiert funktioniert

00:12:17: plötzlich und die das dürfen. Jetzt sind sie dann, glaube ich, noch ein bisschen näher auf

00:12:22: dem legalen Weg, dass sie so etwas anbieten können, was dann der breiten Masse zur Verfügung

00:12:29: gestellt werden können mit diesem kleinen Software-Hack, der nicht ganz

00:12:33: offen legal ist, sondern eher so Hinweise gibt. Ihr habt die Hardware, da ist ein

00:12:36: Dashcam-Software drauf, ihr könnt damit Videos aufnehmen für 1000 Euro, aber

00:12:40: zufälligerweise OpenPilot könnt ihr drauf packen, könnt ihr dann alles

00:12:44: verwenden. Das finde ich ganz interessant und in diesem Interview, wo das

00:12:49: als Infos auch übermittelt worden ist, hat er auch ein paar Aussagen dazu

00:12:52: getroffen, die uns jetzt vielleicht zu dem Thema mit den Server-Farm und mit der

00:12:55: mit der Rechenleistung und so weiter zusammenhängen, wie der da zurückführt. Und zwar hat er darüber

00:13:00: erzählt, wie die Comma AI oder diese Open Pilot trainieren. Und zwar trainieren die nicht aus

00:13:09: Real-Life-Daten, wie es zum Beispiel Tesla tut oder unter anderem Tesla tut, ich weiß natürlich

00:13:14: nicht, was die alles machen, aber wie es auch ChatGPT tut, die gehen auch auf öffentliche,

00:13:20: auf Real-Daten, auf Real-Menschen, auf echte Anfragen von echten Menschen zu und speichern

00:13:25: das analysieren lassen, verwenden das wieder, sondern die gehen hin und suchen Verkehrssituationen

00:13:30: raus, generieren die, simulieren die und haben dann ganz, ganz viele parallele VMs, so habe

00:13:34: ich mir das jetzt mal vorgestellt, auf Serverfarm laufen und lassen ihre eigene Software auf

00:13:38: Simulationen laufen und da lernen.

00:13:40: So, und das ist quasi das Gleiche wie, ich habe Entscheidungsbäume in diesen neuralen

00:13:46: Netzen und entscheide selber als Mensch dann, wenn ich was sehe und sehe das Ergebnis dann

00:13:51: unten dran, dass ich dann immer positiv drücke oder negativ und anhand dieser Antworten und

00:13:54: der Vorauswahl und dieser ganzen verschiedenen Faktoren kann das System dann den besten Weg

00:13:59: ermitteln und kann für die Zukunft so die sogenannte Learning machen. So, und das machen

00:14:04: jetzt andere Autos und andere Software mit realen Daten und die machen es halt aber einfach in

00:14:11: Simulation. Das heißt, die können tatsächlich fünf bis zehn Millionen Autos von mir aus

00:14:16: gleichzeitig in die gleiche Verkehrssituation führen und können die Software anhand dieser

00:14:21: Ergebnisse und vielleicht kleine Änderungen von Parametern, die aktiv beigesteuert werden,

00:14:26: daran lernen lassen. Dann fährt ein Auto auf eine Kreuzung zu, das erste Auto hat grün, fährt um die

00:14:30: Ecke, das nächste Auto hat orange, fährt um die Ecke und das nächste Auto hat rot und fährt um die

00:14:35: Ecke. Die wissen genau, welche Parameter verändert wurden und wissen genau, wie die Maschine darauf

00:14:39: reagieren soll in der Situation. Und das ist unterschiedliche Ansatzformen des Ganzen,

00:14:46: unterschiedliche Herangehensweise und ich bin echt gespannt, wie sich das im Vergleich zu dem,

00:14:50: was Tesla zum Beispiel macht, in Zukunft weiterentwickeln wird. Also was da ein Zug gewährt,

00:14:55: weil Tesla, und das ist nochmal so eine weitere Information, die ich natürlich dazu recherchiert

00:15:00: habe, Tesla nicht wert war, die Firma von Girlcods zu kaufen, als es da ein Angebot gab von seiner

00:15:07: Seite. Die machen das halt einfach generell alles anders. Ich bin gespannt, welche Art und Weise da

00:15:13: die Zukunft sein wird. Ja, das finde ich auch sehr spannend. Also ich habe zum Beispiel auch gehört,

00:15:20: dass Tesla mit jedem Fahrzeug, das es verkauft, auch wenn es nicht autonom fährt, dass sie trotzdem

00:15:30: mit jedem Auto Karten und Situationen und einfach Daten, ganz, ganz viele Daten sammeln. Und dadurch

00:15:38: Tesla natürlich, ich weiß nicht, wie der Stand jetzt ist, weil ich da nicht so in dem Game drin

00:15:43: bin, aber Tesla war wohl eine ganze Zeit lang deswegen so datentechnisch einfach ganz, ganz

00:15:48: weit vorne, was diese ganze autonome Fahren-Geschichte angeht, weil sie sich in der Art einfach schon

00:15:55: mal sehr viel Zeug, sag ich mal, gesichert haben, was sie dann analysieren können.

00:16:00: Ich glaube auch, dass es gar keinen Zeitpunkt in der Menschheitsgeschichte gab, wo mehr Autos mit

00:16:07: Lidar-Scannern oder Radarscannern und Kameras und so weiter durch die Gegend fahren. Also mein Golf

00:16:13: zum Beispiel hat auch einen Radar vorne, wo auch die vorausfahrenden Autos mit erkannt und gescannt

00:16:19: werden. Aber das, was da in Teslas drin ist, und wir haben jetzt wirklich jede Menge Teslas

00:16:23: weltweit rumfahren, was die für Sensoren drin haben, die die Umgebung allein nur beobachten

00:16:27: und messen und aufnehmen. Ich glaube, da lassen sich wirklich sehr, sehr detaillierte Karten und

00:16:32: auch Situationen mit erfassen und aufnehmen. Und auch das kann ja gut genutzt werden mit Sicherheit.

00:16:39: Und ich glaube auch, dass wenn das System weitergeht und auch die Rechenpower, da bin ich

00:16:42: wieder bei dem Thema, die Rechenpower stärker wird, die ganzen erfassten Daten viel effizienter und

00:16:47: effektiver ausgewertet werden können, dass wir damit Sicherheit viele Sachen zu erwarten haben.

00:16:51: Vor allem, wenn dann noch mehr Firmen, mehr Unternehmen, mehr Autohersteller den gleichen

00:16:55: Zug mit aufspringen und dieser Switch gemacht wird, dass alle darauf gehen und vielleicht sich

00:16:59: sogar auch mal zusammenschließen, wie es bei anderen Karten zum Beispiel ist, wo sich bei

00:17:04: hier Karten zum Beispiel viele Autohersteller zusammen oder Car-Entertainment-Systemhersteller,

00:17:09: Navigationssystemhersteller, wie die sich zusammentun, um gemeinsame Karten zu entwickeln,

00:17:14: damit man wirklich eine gute Datenbasis hat. Und wenn das vielleicht auch mal irgendwann mit AI

00:17:19: oder KI und was auch immer für Systemen auch mal der Fall sein wird, können wir das mit Sicherheit

00:17:25: zu einer Bereicherung unserer Gesellschaft führen. Da bin ich ziemlich überzeugt davon,

00:17:32: dass das klappen kann. Aber das Auto-Thema soll jetzt natürlich auch nicht alle langweilen.

00:17:37: Vielleicht gehen wir noch mal zu dem Thema zurück, was wir im Bereich Development haben. Wenn wir

00:17:43: jetzt noch mal über GitHub Co-Pilot sprechen, da gibt es, glaube ich, auch noch ein paar neuere

00:17:47: Infos. Ich habe da jetzt noch mal einen kurzen Artikel darüber gelesen, was da die Unterschiede

00:17:52: sind. Wir haben es letztes Mal so ein bisschen als Behauptung in dem Raum stehen lassen zu dem Thema,

00:17:56: ja, vielleicht noch mal als kurzen Recap, du hast es gerade schon mal gesagt, aber GitHub Copilot ist

00:18:01: die Form von, ich sage jetzt wirklich so ganz platt, Chat-GPT. Man gibt irgendwas ins System rein und

00:18:08: bekommt dann eine ausgearbeitete, interpretierte Form von dem wieder raus. Also wir sind hier nicht

00:18:12: auf dem visuellen Weg, wo wir Bilder generieren oder Bilder erzeugen lassen. Wir sind hier auch

00:18:16: nicht auf der Chat-Ebene, wo wir irgendwie ein Gespräch mit jemandem führen an und für sich.

00:18:23: Wir sind hier aber auch nicht auf irgendeinem Audio-Track, wo irgendwelche Musik erzeugt wird,

00:18:27: was es auch mittlerweile gibt, sondern wir sind hier auf dem Weg, dass Programmcode erzeugt wird,

00:18:31: nicht mehr und nicht weniger. Und das auch wieder von einem Hersteller, der unter dem

00:18:36: Dach von Microsoft arbeitet. Und da haben wir uns beim letzten Gespräch mit Philipp schon mal

00:18:42: darüber unterhalten, wie wohl die Datenbasis dazu aussieht.

00:18:45: Woher kriegen die diese ganzen Informationen? Woher weiß das System, wie

00:18:49: eine ganz besondere Passage in Code funktioniert? Wenn ich sage, wie du es

00:18:55: gerade erwähnt hast, zeige mir mal eine API für irgendwas, woher nimmt das System

00:18:59: das Wissen? In welcher Sprache, welchen Code, welchen Zweck, welche Analyse

00:19:03: dahinter? Was ist jetzt wirklich das Beste? Was schlage ich demjenigen davor? Wo

00:19:06: kommt das ganze Wissen her? Und da haben wir ja schon die Vermutung

00:19:10: aufgestellt, dass das aus dem Code, der auf GitHub liegt, kommt das Ganze. Und auch da

00:19:17: haben wir natürlich jetzt nicht innerhalb des Codes wie auf einem

00:19:21: Kunstwerk obendrauf fest so eine Unterschrift, die wieder auftauchen kann.

00:19:25: So Copyrights lassen sich, glaube ich, aus Programmcode relativ einfach

00:19:29: rausretuschieren oder einfach, naja, Kommentare einfach weggelassen.

00:19:33: Dann hat man das schon nicht mehr drin. Und dann habe ich jetzt den

00:19:38: Artikel gelesen, wo GitHub selber eingestanden hat oder gesagt hat, naja, also implizit eingestanden

00:19:44: hat, dass es aus all diesen Open Repositories, die verfügbar gestellt werden, also Public

00:19:49: Repositories auf GitHub, werden alle mit einbezogen da rein. Ich glaube, da findet natürlich eine Art

00:19:53: von Bewertung statt, aber die haben eine riesen Datenbasis. Damit haben die das Modell wieder

00:20:00: diese Bäume aufgebaut und haben dann festgestellt, was der beste Weg wohl wäre, weil es die Mehrheit

00:20:04: der Menschen gemacht haben aus Grund XY. Und die haben selber dann implizit das eingestanden,

00:20:10: dass es so ist, indem sie gesagt haben, naja, die Professional-Version für Unternehmen,

00:20:14: also entweder Professional oder Enterprise, glaube ich, heißt das, die sorgen dafür,

00:20:19: dass das, was du eingibst in dem GitHub Copilot, nicht mit reinfließt in die Engine, dass der

00:20:26: Code, auf den zugegriffen wird, vielleicht auch nur unternehmensintern stattfindet,

00:20:29: dass es nicht irgendwie Wald- und Wiesencode von irgendwo anders hinzugezogen wird dafür,

00:20:35: weil da könnte es ja tatsächlich zu Copyright-Problemen kommen. Wenn jetzt ein Unternehmen

00:20:41: hergeht und für ein richtig teures Produkt diese Technologie verwendet und dann hat man

00:20:46: ein Open-Source-Projekt, was unter der Lizenz läuft, dass es nicht für kommerzielle Zecke

00:20:50: verwendet werden kann, dann müsste GitHub-Copilot ja entweder so geaudited sein oder so schlau sein,

00:20:55: zu erkennen, welcher Code, welche Codepassage jetzt wieder erkennbar ist. Das wäre jetzt

00:21:02: ein Negativfall. Oder einfach vorher die Lizenz heraus erkennen aus dem Dokument, wo es dann drin

00:21:07: ist. Gesetzt im Falle, dass es in jedem Code-File oben im Header drinsteht, wer den geschrieben hat

00:21:14: und welche Lizenz das hat. Wir wissen alle, dass das nicht immer der Fall ist. Aber da müsste die

00:21:18: Engine dann schon hingehen können und wirklich eindeutig erkennen können, unter welcher Lizenz

00:21:22: ... diese Codezeilen hier stehen und dann bitte ...

00:21:24: ... nicht eins zu eins das irgendwo vorschlagen.

00:21:26: Haben wir irgendeine komplexe Operation in einem Code ...

00:21:31: ... und das ist vielleicht nur eine von zehn Vorkommnissen ...

00:21:33: ... und jetzt fragt jemand genau danach und die Engine ...

00:21:35: ... geht hin und sagt, naja, ich habe zehn Beispiele ...

00:21:37: ... gefunden, die ähneln sich alle sehr stark, ich habe ...

00:21:39: ... jetzt nochmal mein Wissen darauf angewendet, dann ...

00:21:41: ... wirst du, gehe ich mal schwer von aus, eine von ...

00:21:44: ... diesen Lösungen vorgeschlagen kriegen oder eine ...

00:21:46: ... Kombination daraus vorgeschlagen kriegen, die ...

00:21:48: ... vielleicht auch wiedererkennbar ist. Ist jetzt ...

00:21:49: nur von mir so eine Idee, wie das passieren kann. Es kann natürlich auch im Hintergrund sein,

00:21:55: dass sie sagen, wenn wir da nicht mindestens eine Million Beispiele haben, können wir das

00:21:59: nicht anbieten, weil das nicht ein Learning ist sozusagen. Deswegen verstehe ich auch nicht

00:22:06: wirklich, wie das mit GitHub Copilot funktionieren kann in der Enterprise-Variante, dass sie nur

00:22:09: vorhandene Codebase verwenden können, um dir gleiche Sachen vorzuschlagen. Das werden wir

00:22:14: ... wir wahrscheinlich in Zukunft erst noch sehen, ...

00:22:15: ... welchen Erfolg das ...

00:22:16: ... irgendwie hat, aber ...

00:22:18: ... ich würde da gerne mal wissen, ...

00:22:20: ... also du hast gesagt, du würdest es gerne mal ...

00:22:22: ... ausprobieren und du wolltest es mal verwenden ...

00:22:24: ... für repetitive Arbeiten vielleicht.

00:22:26: Da fällt mir jetzt spontan Refactoring ein.

00:22:28: Das sind ja Sachen, nach denen wir nach Pattern vorgehen.

00:22:31: Das wäre was, glaube ich, was du mal ausprobieren würdest, oder?

00:22:35: Ja, also tatsächlich habe ich da zwei Gedanken zu ...

00:22:40: ... zu der Geschichte.

00:22:42: Also einmal ...

00:22:44: Ich habe ja so ein kleines privates Projekt, wo ich so ein bisschen mit Daten rumhantiere.

00:22:51: Ich scrape mir Daten von Seiten und verarbeite die und packe die in mein Datenbankmodell

00:22:58: und so, um da auf Auswertung fahren zu lassen.

00:23:00: Damit habe ich ein bisschen rumprobiert und habe dabei festgestellt, dass es halt auch

00:23:06: sehr viel adaptiert.

00:23:07: Also GitHub Copilot benutze ich dabei.

00:23:10: Ich habe ausgestellt, dass ich Code, also man kann das in seinem GitHub Account einstellen,

00:23:15: weil man muss sich ja da mit GitHub anmelden und gegebenenfalls auch bezahlen.

00:23:19: Das hatten wir ja letztes Mal schon.

00:23:21: Und dort kann man dann einstellen, ob man Code aus der Public-Code-Basis quasi übernehmen

00:23:27: möchte und ob man seinen Code einspeisen möchte, um das Produkt zu verbessern.

00:23:31: Und das habe ich, meine ich, beides sogar deaktiviert.

00:23:36: Und trotzdem hat es meinen Code adaptiert.

00:23:42: Also ich habe das komplette Datenbank-Modell mit GitHub Copilot zusammen erstellt, habe

00:23:48: meine Code-Basis, ich bin ja in der Datenbank-Entwicklung, das heißt, da ist jetzt bei weitem nicht so

00:23:54: viel Input, sage ich mal, drin wie in JavaScript oder Python oder sowas.

00:23:58: Das heißt, ich habe dann einfach damit gearbeitet, was er sich schon gedacht hat, habe dann meine

00:24:04: Bestandteile, Benennung von Variablen, die Formatierung und so, habe ich dann damit

00:24:11: einfließen lassen und er übernimmt das tatsächlich sehr schnell. Also die Adaption erfolgt sehr schnell.

00:24:16: Und als zweiten Gedanken zu dem Enterprise-Ding mache ich mir da dann tatsächlich auch in Richtung

00:24:25: Refactoring, weil wenn man refactored hat, hat man ja vielleicht eine Code-Basis, die nicht so ideal

00:24:29: Das sehe ich zum Beispiel sehr oft. Also wir haben dann so 20, 25 Jahre alte Anwendungen,

00:24:34: die damals nicht halb so groß gedacht waren, wie das, was jetzt daraus geworden ist. Und dann sieht

00:24:42: der Code halt nicht so ideal aus und man möchte den dann vielleicht umändern auf neue Konzepte,

00:24:47: auf neue Formatvorschläge, auf neue Programmierweisen. Und die Frage, die ich mir dann

00:24:54: stelle ist, wenn ich das zum Beispiel mit GitHub CodePilot zusammen mache, analysiert der dann die

00:24:59: alte Code-Basis und nimmt das dann, so wie er meinen Code ja auch adaptiert hat in meinem

00:25:03: Projekt, nimmt er das dann und gewöhnt sich, sag mal in Anführungszeichen, diese schlechte

00:25:07: Programmierweise an und schlägt mir dann nur in Anführungszeichen wieder schlechte Sachen vor,

00:25:12: obwohl wertend, also es soll gar nicht so wertend sein, aber ihr wisst, was ich meine. Wenn der

00:25:16: Code halt nicht dem entspricht, was ich eigentlich haben möchte, dann definiere ich das gerade als

00:25:20: schlecht. Und das frage ich mich dann zum Beispiel. Also das habe ich jetzt nicht ausprobiert. Ich

00:25:26: Ich habe keine Legacy-Software damit geöffnet, weil wenn, dann habe ich ja meistens eher

00:25:31: Kundenprojekte und ich möchte nicht unbedingt den Kundencode in GitHub-Corp.it einspeisen.

00:25:37: Das mache ich lieber erst mal nur mit meinen Privatprojekten.

00:25:39: Aber das finde ich noch ein sehr interessanter Ansatz oder Ansatzpunkt vielmehr, der da

00:25:45: ja doch sehr spannend auch sein könnte, wie er das jetzt dann adaptiert.

00:25:49: Und ich glaube, Code muss nicht 25 Jahre alt sein, um schlecht zu sein.

00:25:53: Die Gefahr besteht natürlich bei allem, was wir im Netz haben.

00:25:56: Und ob das jetzt, das wäre jetzt die Adaption von dem, was wir eingangs hatten mit dem Chat-GPT.

00:26:03: Es gibt Trolle und es gibt vielleicht in dem Umfeld jetzt unabsichtliche Trolle.

00:26:07: Also ich erinnere mich natürlich an die GitHub-Zeit zurück, wo es nur Public Repositories gab

00:26:11: in den kostenlosen Accounts.

00:26:12: Da hat natürlich jeder, Hintz und Kunz, sein Privatprojekt oder sein Versuch, seine 25.

00:26:18: ... To-Do-Liste, die man so programmiert, ...

00:26:20: ... als Public Repository hochgeladen, ...

00:26:22: ... die natürlich nicht entdeckt wurde, ...

00:26:23: ... nicht gesehen wurde, weil, wieso auch?

00:26:26: Aber da gibt es natürlich jede Menge Schrott ...

00:26:29: ... auch im Netz, bin ich fest von überzeugt.

00:26:31: Und wenn das jetzt nicht der aktive Troll ist, ...

00:26:32: ... der versucht, einen Chat-GPT-Engine ...

00:26:34: ... negativ zu beeinflussen, ...

00:26:35: ... müsste ja auch GitHub da auch entscheiden, ...

00:26:39: ... aus welchen Repositories ...

00:26:40: ... die tatsächlich Wissen rausziehen ...

00:26:42: ... oder diese Erkenntnisse über den guten Code rausziehen.

00:26:45: Weil, wie ich es gerade gesagt habe, ...

00:26:47: jeder, der irgendwie eine Programmiersprache heutzutage lernt, kriegt 25 Tutorials für

00:26:51: To-Do-Listen-Apps, die alle unterschiedlich gut sind. Er programmiert die alle für sich nach,

00:26:56: vielleicht noch etwas schludriger, unorganisiert und vielleicht einfach generell nicht ganz so

00:27:00: optimiert. Das heißt, etwas, was schon nicht so super toll ist als Tutorial, also nicht bis zum

00:27:05: Ende gedacht, nicht produktiv, wie wir es jetzt sagen würden, nicht für ein produktives System

00:27:09: geeignet. Davon gibt es dann ganz, ganz viele, die sich ganz, ganz doll ähneln und die alle

00:27:15: den gleichen Zweck machen und ich würde das Ergebnis von GitHub Copilot mal mit ChatGPT und

00:27:20: Co vergleichen lassen, wenn ich denen sage, die sollen mir eine kleine To-Do-Liste, eine To-Do-Liste-App

00:27:25: zum Beispiel erzeugen. Wie kann ich diese Ergebnisse vergleichen? Eine Engine, die nur auf Textbasis

00:27:30: geht, eine Engine, die nur auf Codebasis geht, eine Engine, die nur auf Wissen zugreift, welches in

00:27:35: Code Repositories, in den eigenen Code Repositories liegt oder eine andere Engine, die ganz viele

00:27:39: Tutorials im Netz und Webseiten durchscrapt. Das wären nochmal so Versuche, die könnten wir

00:27:45: auf jeden Fall mal angehen oder sollte mal jemand angehen, vielleicht einer

00:27:48: unserer fleißigen Hörer kann da mal ein Thema draus machen.

00:27:50: Wie lassen sich die Ergebnisse vergleichen und was könnten da für

00:27:54: Schwierigkeiten noch auf die zukommen? Soll ich mich wirklich jetzt darauf,

00:27:58: außer der entstehenden Faulheit, wenn ich dieses Thema mehr machen lasse,

00:28:02: worauf sollte ich da achten oder was haben wir dazu erwarten in Zukunft?

00:28:06: Das interessiert mich echt. Ich habe noch keines dieser Systeme ernsthaft

00:28:09: ausprobiert. Ich habe JGPT mal verwendet für ein internes Projekt, was

00:28:15: wir im Unternehmen haben, mal beschreiben zu lassen. Und da habe ich wohl die richtigen drei,

00:28:20: vier Keywords in dieser Fragestellung verwendet, um dazu wirklich eine super gut passende

00:28:25: Produktbeschreibung zu finden. Und ich glaube, das Ergebnis habe ich das letzte Mal auch schon

00:28:28: angebracht. Das war meine einzige Versuche in diesem Bereich jetzt. Und während der Feiertage

00:28:34: hatte ich mein Laptop auch mal aufgeklappt und hatte gesehen, dass es da irgendwie wieder ein

00:28:39: weiteres neues Bilderzeugungswerkzeug gab. Ich komme gerade nicht auf den Namen, aber es war

00:28:45: nicht DALI, das ist ja ein Online-System, da kann man nicht darauf zugreifen, also das kriegt man

00:28:49: nicht lokal. Ich habe da eine Software runtergeladen, die sich selber im Anschluss, glaube ich,

00:28:55: irgendwie sieben oder zehn Gigabyte dieses Modell runtergeladen hat. Da konnte ich dann Begriffe

00:29:00: reingeben wie, was habe ich denn gesagt, Mädchen schaukelt auf Wiese, weil meine Tochter gerade

00:29:07: ... da war, da wollte ich das natürlich auch mal zeigen.

00:29:08: "Mädchen schaukelt auf Wiese und ein blauer Vogel ist da."

00:29:12: Sowas in der Art, das auf Englisch ein bisschen ...

00:29:15: ... weniger abstrakt formuliert, wie ich es gerade gesagt habe.

00:29:17: So einfach ein kurzer Satz, wo das beschrieben war.

00:29:20: Weil meine Tochter verlangt von mir und meiner Frau immer, ...

00:29:23: ... dass wir ein Mädchen auf einer Schaukel malen.

00:29:26: Da habe ich mir gedacht, ich mache mir das Leben doch einfacher, ...

00:29:28: ... wie ein Entwickler halt auch denkt.

00:29:29: Und habe das vom System mal generieren lassen.

00:29:32: Und wie lustig das ist, wenn man dann sagt, ...

00:29:35: ... ach ja, die hat noch einen roten Hut auf ...

00:29:36: man ändert das und plötzlich ist das gleiche Bild generiert und die hat einfach einen Hut auf. Und

00:29:40: das habe ich mal ausprobiert. Das Ergebnis dahinter war, ich habe nur kurze Zeit dafür

00:29:43: gehabt, das zu machen, so ein Bild generieren. Das hat, glaube ich, 30 Sekunden gedauert. Lokal

00:29:49: auf so einem M1 Pro Chip war das. Und das Bild hätte man wahrscheinlich noch mit Begrifflichkeiten

00:29:56: wie 3D oder weiß ich nicht, was noch verändern können. Das sah so aus, als hätte es meine

00:30:02: Tochter selber gemalt. Nein, also es war schon ein Bild, wo eine schaukelnde Landschaft und

00:30:08: Mädchen drauf war. Diese Komponenten jetzt wären auch noch glaubwürdig gewesen, aber spätestens

00:30:13: als der blaue Vogel einfach als Aufkleber obendrauf war. Also es war kein echter Vogel,

00:30:17: sondern es war ein Vogel, der war so groß wie die Schaukel. Der ähnelte sehr dem Schüttervogel.

00:30:20: Der war schlecht ausgeschnitten und der war einfach nur draufgeklebt. So, und das liegt

00:30:25: natürlich daran, dass meine Begriffe, die ich da eingegeben habe, nicht präzise genug waren.

00:30:30: Aber als ich das gesehen habe, als ich den Laptop zugeklaut habe, habe ich gesagt, jetzt kann ich in Ruhe Weihnachten feiern,

00:30:35: weil die Technologie überholt mich jetzt nicht in der Zeit, wo ich hier feiere und nicht am Computer sitze.

00:30:41: Da war ich jetzt nicht so begeistert von.

00:30:43: Aber ich glaube, das liegt nur daran, dass man die Ergebnisse online, vor allem von DALI, so feiert,

00:30:48: dass man da so krasse Sachen rausgenerieren kann, dass man sagen kann,

00:30:51: hier, mach mir bitte einen lachenden Hasen mit einem Lutscher in der Hand

00:30:54: und danach gibt man einem das Ganze bitte in 3D und es ist wirklich das gleiche Bild, nur in 3D gerendert irgendwie.

00:31:00: Und dann kann man mit einzelnen Begriffen dieses gleiche Bild noch mal weiter verändern,

00:31:04: wo man dann eindeutig sieht, dass es nicht ein vorhandenes Bild ist, was da bei Google

00:31:07: gefunden wurde, sondern wirklich ein generiertes Bild, was diese Eigenschaften auffasst, die

00:31:11: ich da eingeschrieben habe.

00:31:12: Insofern war das schon ganz interessant und vor allem, weil ich wusste, dass das auf einem

00:31:16: kleinen Laptop funktioniert, was dann einfach in Zukunft vielleicht noch ganz anders aussehen

00:31:22: wird.

00:31:23: Aber da bin ich auf jeden Fall gespannt.

00:31:24: Ja, wir haben vorhin schon über Anbieter gesprochen, die jetzt schon solche Sachen einsetzen. Das ist

00:31:31: auch eine Sache, die wir vermehrt jetzt glaube ich beobachten werden. Und zwar, wir haben natürlich

00:31:36: sowas wie, du hast Lens genannt, das ist bei mir auf die Software von Microsoft, auf die App von

00:31:45: Microsoft nochmal, hat mich da so ein bisschen daran erinnert, was ich vor ein paar Jahren,

00:31:48: das ist glaube ich auch schon fünf Jahre her, wie ich das verwendet habe. Und zwar geht man

00:31:51: dann hin und kann aus irgendeinem Winkel eine Wand fotografieren und dann werden die Informationen

00:31:56: davon aus diesem Bild erstmal perspektivisch angepasst. Das ist jetzt wahrscheinlich

00:32:00: heutzutage kein beeindruckendes Feature mehr, aber ich glaube, auch das passiert anhand von

00:32:06: Modellen, die da berechnet werden. Und anschließend wird natürlich auch diese verzerrte Schrift,

00:32:10: wenn das Handschrift auf so einer Folie zum Beispiel ist an der Wand, mit einem Overhead-Projektor oder

00:32:15: so. Dann wird diese Schrift und das Bild im Generellen perspektivisch so gebracht,

00:32:21: als würde man drauf gucken und danach wird auch noch der Text gelesen, der da drauf ist,

00:32:24: mittels so einer OCR-Technologie. Und das war schon ein Meilenstein für mich,

00:32:29: weil ich dann in der Lage war, Codesnippets von Folien an der Wand nicht nur abzufotografieren,

00:32:34: sondern zu Hause auch einfach in den OCR-Infos dann diesen Sourcecode rauszukopieren und bei

00:32:39: mir einfach mal auszuprobieren, ohne irgendwo nach den Originalfolien von dem Auto zu suchen,

00:32:48: sondern ich konnte den Code von Fotos dann einfach abgreifen. Das Gleiche macht Apple

00:32:51: jetzt auf iPhones auch. Seit, glaube ich, iOS 16 ist es so, dass man da, wenn man Fotos macht,

00:32:56: um das Text draufzuerkennen, so ein kleines Symbol kriegt, wo dann dieser Text freigestellt wird,

00:33:00: oder dass man lange draufdrückt und Text markieren kann von diesem Foto und das rausziehen kann. Oder

00:33:07: Was ich auch häufig verwendet habe, ist, ich habe immer, wenn ich irgendwelche ...

00:33:10: ... Gutscheincodes irgendwie per E-Mail kriege oder so was, dann speichere ich ...

00:33:13: ... mir nicht die E-Mail, sondern ich mache Screenshots von meinem Handy.

00:33:15: Das ist, glaube ich, total steinzeitlich, was ich da mache.

00:33:17: Aber ich mache ein Screenshot davon, dann landet das in meiner Fotomediathek.

00:33:21: Und wenn ich dann hinterher hingehe und brauche einen Gutschein für irgendwas, ...

00:33:25: ... dann tippe ich in das Suchfenster um Gutschein ein.

00:33:27: Oder das iPhone hat gelesen, dass auf diesen Screenshots überall das Wort ...

00:33:31: ... Gutschein herkam. Vielleicht gebe ich noch einen weiteren Begriff dazu ...

00:33:33: ... und dann habe ich quasi ein Screenshot von ...

00:33:37: ... dem Gutschein, den ich mir da entweder ...

00:33:38: ... irgendwo abfotografiert habe, so einen Flyer ...

00:33:40: ... oder vielleicht eine E-Mail, die ich ...

00:33:41: ... gescreenshotted habe oder was auch immer es ist.

00:33:44: Und solche Sachen, die helfen uns tatsächlich weiter ...

00:33:47: ... mit Google Lens, mit ...

00:33:50: ... Lens hieß das Produkt auch von Microsoft, ...

00:33:54: ... was sie dann in ihrer Produktpalette drin hatten ...

00:33:57: ... oder auch TikTok und Discord, das sind ja eher so ...

00:33:59: ... Unterhaltungsmedien, wo diese Sachen angewendet werden.

00:34:02: Ich glaube, schrittweise wird das Ganze adaptiert, wird unser Leben erleichtern oder in dem Fall

00:34:06: vielleicht auch entertainen.

00:34:07: Und irgendwann wird es dann auch vermute ich mal so sein, dass es einfach unser tägliches

00:34:13: Leben in jeder Situation verändern wird.

00:34:15: Ich bin schon gespannt, wenn das System auch für unsere ausgespielte Werbung über Alltag

00:34:19: täglich verwendet wird und anhand von den Sachen, die wir im Laden zu unserem Partner

00:34:23: sagen beim Einkaufen an der Kasse noch Sachen vorgeschlagen werden, die wir noch kaufen

00:34:26: könnten.

00:34:27: Das sind, glaube ich, diese Szenarien.

00:34:29: würde man nochmal nach Orwell ein neues Buch schreiben können. Oder vielleicht einfach per

00:34:35: ChatGPT einen neuen Roman von George Orwell schreiben lassen, einfach über diese Zukunft

00:34:41: von AI. Ja, das fand ich war ein sehr schönes Schlusswort. Also ich kann nur jedem empfehlen,

00:34:50: wenn euch das ein bisschen interessiert, auch gerade was halt so die Entwicklungswerkzeuge

00:34:55: angeht, spricht mal mit Chet GPT, was er für Code generieren würde, schaut euch das mal an oder

00:35:02: probiert ein bisschen GitHub Copilot aus. Ich glaube zwei oder drei Monate, ich bin mir gar nicht mehr

00:35:07: ganz sicher, sind kostenfrei. Die kann man das testen und er adaptiert und lernt wirklich sehr

00:35:12: schnell und jetzt vielleicht nicht den Unternehmenscode damit benutzen oder öffnen, aber ihr wirst schon

00:35:18: einfach mal ein bisschen damit rum scribbeln, ein bisschen rumprobieren, vielleicht eine ganz kleine

00:35:22: App schreiben und einfach mal gucken, wie sich das anfühlt. Und bei GitHub Copilot zum Beispiel kann

00:35:28: ich auch empfehlen, Visual Studio Code gibt es ja diese Erweiterung, diese Plugins, die man sich

00:35:34: installieren kann und darunter ist ja GitHub Copilot selbst auch dabei. Und es gibt aber

00:35:38: noch ein GitHub Copilot Lab und dieses Lab, gerade wenn ihr JavaScript entwickelt oder irgendeine,

00:35:45: weiter verbreitetere Sprache als PL/SQL, also wahrscheinlich fast alles. Wenn ihr damit

00:35:52: programmiert, dann probiert das auch gerne mal aus, weil dort gibt es zum Beispiel auch so Features,

00:35:57: womit sie jetzt drum probieren, wo man zum Beispiel einen Bug fixen lassen kann automatisch

00:36:02: oder wo man seinen Code dokumentieren lassen kann automatisch und das umstrukturieren lassen kann

00:36:08: und umschreiben lassen kann und sogar refactoren oder so. Also ja, gerne ausprobieren. Und wie

00:36:14: wie es am Anfang auch angekündigt war. Wir hoffen, dass wir natürlich im weiteren Verlauf

00:36:19: dieses Jahres vielleicht jemanden hier ans Mikro bekommen, der uns noch ein bisschen mehr

00:36:23: Hintergrundwissen dazu gibt. Da waren sehr viele persönliche Meinungen dabei, sehr viele eigene

00:36:27: Interpretationen und vielleicht auch die ein oder andere Falschinformation, die wir so aufgefasst

00:36:32: haben oder die wir jetzt auch hiermit leider verbreitet haben. Wir hoffen, dass wir mit

00:36:35: einem Spezialisten noch mal darüber sprechen können, der mehr über den Background hat,

00:36:38: der vielleicht auch wirklich technisch mal was dazu erklären kann, was wir da gerade so

00:36:42: abstrahiert haben. Was wir hoffentlich auf jeden Fall geschafft haben, ist euer Interesse mal zu

00:36:47: wecken und die verschiedenen Begriffe und Technologien mal ein bisschen näher zu beleuchten,

00:36:51: wie Caro gerade gesagt hat. Entweder mal ausprobieren, so wie GitHub Copilot oder

00:36:54: ChatGPT oder comma.ai einfach mal nachlesen, Interviews und Videos angucken, wie die denn so

00:36:59: arbeiten. Ich glaube, als Denkanstoß sollte diese Folge oder diese Doppelfolge wirklich dienen. Und

00:37:05: ja, in diesem Sinne bedanke ich mich ganz herzlich bei dir, Caro, für diese tolle,

00:37:09: lange Folge jetzt als Auftakt ins neue Jahr. Und bedanke mich natürlich auch an alle Hörer,

00:37:16: oder bei allen Hörern, die uns auch dieses Jahr wieder treu bleiben und uns direkt in der ersten

00:37:20: Folge hier wieder anhören und hoffentlich auch den Rest des Jahres bei uns bleiben.

00:37:25: Und nochmal, um das Ganze von vorne aufzurollen, wenn ihr eine Person habt oder ein Thema habt,

00:37:36: auch, was euch total interessieren würde, wo ihr gerne vielleicht auch mal einen Deep Dive hören

00:37:41: wollen würdet, dann schreibt das gerne in die Kommentare oder lasst uns einen Kommentar auf

00:37:47: Twitter da oder Mastodon bin ich jetzt auch mittlerweile oder E-Mail. Ihr wisst, wie ihr

00:37:54: uns erreichen könnt. In den Show Notes findet ihr unsere Daten und ja, wir freuen uns von euch zu

00:38:00: hören. Sind wir schon so weit, um ein Hashtag ins Leben zu rufen? Sollen wir sagen #sagsweiter?

00:38:05: weil das ist eigentlich unser Motto, sowohl wenn ihr spannende Themen habt, wie Caro gerade gesagt

00:38:09: hat, aber auch wenn ihr einfach nur die Folge cool findet, teilt sie doch einfach, sprecht darüber.

00:38:13: Es hilft uns immens weiter, ihr müsst noch nicht mehr aktiv dazu beitragen, zu der Folge oder zu

00:38:17: Gästen oder was auch immer. Es reicht uns eigentlich oder es hilft uns schon wirklich

00:38:21: weiter, wenn ihr einfach, ja, Devs on Tape einfach mal, ja, einfach weiterverteilt. Erzählt auch mal

00:38:27: davon, ja, bestellt bei uns Merch, den wir nicht anbieten. Komisch, frag mal nach, was es gibt,

00:38:32: wenn es genügend Fragen kommt. Sagt einfach weiter, spread the word, wie auch immer ihr das

00:38:37: nennen wollt. Teilt es gerne. Wir sprechen natürlich trotzdem gerne zu euch, auch wenn

00:38:41: ihr nur ihr seid. Aber noch lieber sprechen wir natürlich noch zu noch mehr Technik und

00:38:48: Technologieinteressierten hören eigentlich. In diesem Sinne wünschen wir euch alle einen

00:38:54: schönen Start ins Jahr und viel Spaß mit den nächsten Folgen von Devs on Tape. Bis dann.

00:38:59: [Musik]