Episode
PM 2.0
- Podcast
- Think Different. Think AI.
- Published
- May 4, 2026
- Duration seconds
- 3867
- Processing state
not_requested- Canonical source
- https://think-ai.podigee.io/39-pm-2-0
Actions
POST https://stenobird.com/v1/public/podcasts/think-different-think-ai-7426047/episodes/pm-2-0/transcription-requests
Idempotently request low-priority transcript generation for this episode.GET https://stenobird.com/podcast/think-different-think-ai-7426047/pm-2-0.md
Read the agent-friendly Markdown representation of this episode resource.
Summary
Was macht eigentlich Warten mit uns, wenn nicht mehr wir selbst arbeiten, sondern ein Agent für uns? Mark und Jens sitzen in dieser Folge zum ersten Mal physisch am selben Tisch und nehmen sich ein Konzept vor, das in der UX/CX- und Service-Design-Welt unter dem Namen Temporal UX seit einer Weile kursiert, im KI-Kontext aber noch kaum durchdacht ist: Zeitgestaltung als bewusstes Designelement. Am Beispiel des Gepäckbands am Flughafen zeigen sie, wie ein bewusst verlängerter Fußweg eine gefühlt kürzere Wartezeit erzeugt, und übertragen dieses Prinzip direkt auf die Interaktion mit KI-Modellen. Ausgangspunkt ist eine sehr konkrete eigene Erfahrung: Beim gemeinsamen Vibe Coding mit einer Kollegin hat Mark eine Aufgabe an einen Agenten übergeben (umgesetzt mit Craft Agents auf Basis eines Opus-Modells), während Jens und die Kollegin nur sporadische Status-Updates aus zweiter Hand bekamen. Das Ergebnis: eine Sechs-Punkte-Liste, die abgearbeitet wird, fast wie ein Windows-Installationsbalken bei 98 Prozent. Von hier aus spannen die beiden den Bogen zu Diskettenwechseln, Ladebildschirm-Insidergags in alten Videospielen und Pong-Minigames auf Flash-Webseiten: lauter frühe Lösungen für dasselbe Problem, Wartezeit erträglich machen, ohne zu lügen, wie lange sie wirklich dauert. Ein zentraler Strang der Folge ist Trust: Warum zeigen Reasoning-Modelle wie die von DeepSeek oder OpenAI überhaupt ihren Denkprozess an, und was macht das mit unserem Vertrauen in den Output? Daraus entwickelt sich die Diskussion um Mental Overload beim parallelen Betrieb mehrerer KI-Agenten: Wenn fünf, sechs Agenten gleichzeitig laufen, steigt laut Jens und Mark die Fehlerquote massiv, weil der Überblick verloren geht, wer gerade woran arbeitet und wo ein Prompt oder Reviewschritt fehlt. Mark bringt sei…