“Selten verschafft mir etwas so viel positives Kribbeln wie das gemeinsame Tüfteln an Zukunftslösungen in unserem AI-Lab.”
Nach dem ersten AI-Lab war klar: Das war kein einmaliges Experiment. Wieder Allensbach. Wieder Bodensee. Und wieder dieses Gefühl, dass hier etwas entsteht, das man schwer in klassische Formate pressen kann.
Freitagabend angekommen, Laptops aufgeklappt und unsere Gruppe aus acht Informationssicherheits-Experten starteten direkt rein. Kein langes Warm-up, kein Rahmenprogramm. Stattdessen: Fokus. Austausch. Umsetzen.
Was dieses zweite AI-Lab besonders gemacht hat, war nicht nur das, was wir gebaut haben, sondern die Erkenntnis,wie weit wir in weniger als einem Jahr gekommen sind.
Neben vollen Jobs, zwischen Meetings und Alltag hältst du plötzlich einen 3D-gedruckten Leuchtturm in der Hand und weißt: Das ist erst der Anfang.
Im ersten Artikel nannten wir es immer „AI-Lab“, nicht „AI-Camp“
Wie funktioniert unser AI-Camp?
Jeder bringt eine Idee mit und bereitet eine Session vor. Dann setzen wir gemeinsam um. Und wer zwischendrin etwas Abkühlung nötig hat: der springt eben mal in den Bodensee. 😊
Session 1: Automatisierung mit n8n & MCP
Die Fragestellung:
Wie bauen wir KI-gestützte Workflows, die nicht nur funktionieren, sondern auch nachvollziehbar und kontrollierbar sind?
Unser Ziel:
Einen Agenten entwickeln, der über Telegram Anfragen entgegennimmt und automatisiert tagesaktuelle Crypto-Kurse liefert.
Key Learning:
Die Magie liegt nicht im Modell, sondern im Zusammenspiel.
n8n als Orchestrierungsschicht und ein MCP-Server als kontrollierte Schnittstelle machen aus einzelnen Komponenten ein System.
Warum das wichtig ist:
Wer KI sinnvoll einsetzen will, muss sie strukturieren können.
Gerade wenn es um produktive Anwendungen geht, entscheidet nicht das Modell über den Erfolg, sondern die Architektur dahinter.
Session 2: Von Text zu Realität – Blender, MCP und ein Leuchtturm
Die Fragestellung:
Was passiert, wenn wir generative KI mit klassischen Tools verbinden und sie über definierte Schnittstellen steuerbar machen?
Unser Ziel:
Ein Setup entwickeln, bei dem einfache Textbefehle ausreichen, um eine 3D-Szene zu erstellen, zu rendern und für den 3D-Druck vorzubereiten.
Key Learning:
Die Kombination aus LLM, MCP-Server und skriptbarer Software wie Blender hebt die Interaktion auf ein neues Level. Aus ein paar Prompts wird ein vollständiger Workflow.
Warum das wichtig ist:
Weil es zeigt, wie niedrig die Einstiegshürde geworden ist und wie schnell aus Ideen greifbare Ergebnisse werden. Innerhalb von drei Stunden vom Prompt zum gedruckten Objekt zu kommen, verändert die Art, wie wir über Entwicklung denken.
Persönlicher Moment:
Der Leuchtturm. Ein paar Befehle, etwas Konfiguration – und plötzlich steht ein physisches Objekt vor dir. Das war einer dieser Momente, die hängen bleiben.
Session 3: Von Spiel bis Verlag – echte Projekte mit AI
Die Fragestellung:
Wie sieht es aus, wenn KI nicht nur ausprobiert, sondern konsequent in Projekte integriert wird?
Unser Ziel:
Erfahrungen aus der Praxis verstehen: Spielentwicklung, Buch schreiben, Verlag gründen, alles mit Unterstützung von AI.
Key Learning:
KI ist kein Ersatz für Kreativität, sondern ein Beschleuniger für Umsetzung.
Die eigentliche Fähigkeit liegt darin, Ideen klar zu formulieren und iterativ zu verbessern.
Warum das wichtig ist:
Die Geschwindigkeit, mit der aus Ideen Produkte werden, nimmt drastisch zu. Das verändert nicht nur Entwicklung sondern ganze Geschäftsmodelle.
Session 4: RAG-Pipelines – mit eigenen Daten chatten
Die Fragestellung:
Wie machen wir große, eigene Datenbestände intelligent nutzbar?
Unser Ziel:
Eine RAG-Pipeline aufbauen: Dokumente analysieren, sinnvoll chunking betreiben, Embeddings erzeugen und in einer Vektordatenbank speichern – um anschließend damit zu interagieren.
Key Learning:
Die Qualität der Antworten hängt direkt von der Qualität der Vorbereitung ab. Chunking und Retrieval sind keine Nebensache, sie sind der Kern des Systems.
Warum das wichtig ist:
Wer mit eigenen Daten arbeitet, braucht Kontrolle. RAG ist der Schlüssel, um Wissen zugänglich zu machen, ohne es aus der Hand zu geben.
Session 5: Vibe Coding – Softwareentwicklung neu gedacht
Die Fragestellung:
Wie verändert sich Programmierung, wenn wir nicht mehr alles selbst schreiben, sondern mit KI gemeinsam entwickeln?
Unser Ziel:
Ein Spiel entwickeln – iterativ, prompt-basiert, ohne klassischen Entwicklungsprozess.
Key Learning:
“Vibe Coding” bedeutet: schnell ausprobieren, anpassen, weiterbauen. Der Fokus verschiebt sich von perfektem Code hin zu funktionierenden Lösungen.
Warum das wichtig ist:
Die Einstiegshürden sinken. Gleichzeitig steigt die Verantwortung, Systeme zu verstehen und bewusst zu gestalten.
Fazit: Kleine Schritte, große Wirkung
Was dieses Wochenende gezeigt hat, ist eigentlich simpel und gleichzeitig ziemlich kraftvoll:
Man muss kein Vollzeit-AI-Engineer sein, um in kurzer Zeit echte Fortschritte zu machen. Kontinuität schlägt Intensität. Kleine Schritte summieren sich.
Vor nicht einmal einem Jahr haben wir angefangen, uns ernsthaft mit dem Thema zu beschäftigen.
Heute bauen wir eigene Workflows, steuern komplexe Systeme und bringen Ideen innerhalb von Stunden in die Realität.
Und vielleicht ist genau das der Kern: Nicht warten, bis man “bereit” ist, sondern anfangen und gemeinsam lernen.
Du willst Teil dieser Community werden?
Schreib uns, vielleicht bist du beim nächsten Security-Segeln (26. Sept. – 3. Okt. 2026) oder beim nächsten AI-Lab dabei?
Die Plätze sind limitiert. Die Wirkung bleibt nachhaltig
