00:22:21 · Philipp Müller
Und man kann sich relativ irgendwie nach Adam Riese überlegen, wenn ich 10000 Aufgaben gebe und ich ich lass die ja nicht nur einmal da durchlaufen, sondern wie ich sag mal zwanzigmal da durchlaufen, kann auch immer deutlich deutlich mehr sein, ich sag mal 200000 solcher Runs, die ich halt schnell hochskalieren muss, dann wieder vielleicht schnell runterskalieren will und das ist nur, also ist gar nicht jetzt im im Betrieb, wo ich sage, hier pass auf, lieber Daniel, dein Code macht jetzt irgendeine Aufgabe, sondern ist einfach nur in im Posttraining von von Code, wo das eben extrem schnell auch skalieren kann, wo ich dann, ne, und die Rede ist ja von 100000000 eher Run Rate, das heißt irgendwie halt 112, also ketzerisch wahrscheinlich könntest Du wahrscheinlich ein oder 2 Monate sein, wo ich halt irgendwie so 8000000 Umsatz hatte, so nach dem Motto und das das das könnte jetzt wahrscheinlich auch können wahrscheinlich ein, 2 Researcher irgendwie erzeugen, die das einsetzen.
00:23:16 · Daniel Höpfner
[00:23:16] S2: Okay, und sind jetzt die Kunden, von denen nur die Labs oder die die Post Training machen? Oder ist das auch ein Service, den halt irgendwann typische Enterprise Kunden nutzen? Also ich hab also ich hab verstanden, vielleicht mach ich mal so rum. Wenn ich ein son den Dienst betreibe oder einen AI Dienst betreibe oder irgend ein Trainingsset zusammenlaufen lasse und ich möchte, dass sozusagen meine Agenten irgendwas machen können. Die sollen im Web browsen können, die sollen Sachen sortieren können, sollen über irgendwelche Tools auf Software zugreifen können. Brauche ich so kleine virtuelle Computer, die halt wie son wie sozusagen so Bubbles sozusagen im Wasser schwimmen und dann, wenn der Job getan ist, platzen die und sind auch weg. Und davon brauche ich halt nicht 10, sondern idealerweise Hunderte parallel. Richtig? Genau. Und das ist sozusagen diese Wurzelmaschine, die es da geht, die kann ich dort infrastrukturmäßig sozusagen hoch runterfahren.
00:24:18 · S0
Ad[00:24:18] S0: Werbung. Stell dir vor, Du hast deine Software 10 Jahre lang aufgebaut. Die Kunden lieben sie, das Business ist profitabel und trotzdem spürst Du, das nächste Kapitel soll jemand anderes schreiben. Nur an wen gibst Du dein Baby ab? An einen Finanz Finanzinvestor, der in 5 Jahren weiterverkauft? Lieber an die SaaS Group. Sie kauft SaaS Firmen und behält sie. Kein Weiterverkauf, sondern ein sicherer Hafen, der eure Marke pflegt und eigenständig weiterentwickelt. Zu 100 Prozent und ohne Exit Zeitplan. Über 25 Softwarefirmen sind schon dabei. Wenn das nach dir klingt, dann schau einfach mal auf Saas Punkt Group vorbei.
00:25:00 · S3, S0
Ad[00:25:00] S3: Ja, bevor wir weitermachen, ein kurzer Hinweis auf unseren Partner Peak. Sichtbarkeit für eure Brands hieß früher Platz 1 bei Google. Heute fragen aber immer mehr Leute ChatGPT, Claude oder Gemini, welches Produkt sie nehmen sollen. Und die KI nennt dann natürlich nur eine Handvoll Marken. Die Frage ist also, ist eure dabei? Ja, und ob und wie oft eure Marke in den Antworten der KI Suchen auftaucht, das zeigt euch Peak AI und nicht nur das, auch welche Quellen die KI nutzt und wo eure Wettbewerber vor euch stehen. Und dabei bleibt es nicht, der neue Peak Agent macht daraus konkrete Actions nach Methoden des hauseigenen Research Teams. Er optimiert Inhalte, priorisiert Aufgaben und unterstützt über die Ansprache von Publikationen, die Falsches über euch verbreiten. Knapp 4000 Unternehmen arbeiten schon mit Peak, darunter Adio, Squarespace, Hugo Boss oder Zalando. Für die Hörer von Startup Insider gibt's 30 Prozent Rabatt auf die ersten 3 Monate. Testen könnt ihr Peak vorher sogar kostenlos. Alles Weitere dazu findet ihr unter 3 Punkt Peak Punkt a I Slash Startup minus Insider minus Podcast. Noch mal die URL, 3 Punkt Peak Punkt a I Slash Startup minus Insider minus Podcast. Den Link findet ihr der Einfachheit halber natürlich wie immer in den Shownotes. [00:26:14] S0: Startup Insider.
00:26:18 · Philipp Müller
[00:26:18] S1: Genau, also Sie sagen, Sie geben ein paar Kunden an. Aha. Da sind so Mistral, Cohere und Turing und so dabei. Also Mistral und Cohere, die ist immer eigenes, also auf jeden Fall, also Cohere macht ja viel viel Posttraining, weiß nicht, wie viel Pre Training sie wirklich machen. Mistral, Mistral macht auch viel Pre Training. Turing ist ein Anbieter von Post Training Environments insbesondere. Also das ist sozusagen erst mal, also diese Kohorte ist, ich sag mal Training und sagt aber auch so was wie NADN ist auch ein Kunde, mutmaßlich dann, halt, ich sag mal, vielleicht diese diese, also wenn ich das als also Service anbiete, muss ich irgendwo hosten und dass ich das irgendwie sehr dynamisch hoch und runter skalieren kann, je nachdem, wann Tasks dann anfangen. Ich kann dir selber jetzt nicht nicht genau sagen, also ich mein, viele viele viele virtualisierte Instanzen, da gibt's ja, es ging ja schon vor Daytona, ja? Also es kann irgendwie AWS auch. Mhm. Also sozusagen, ich ich ich ich würde schätzen, dass es was mit der mit der mit der Persistenz zu tun hat. Also wie Du eben auch sagtest, also für wie lang brauche ich das? Wie schnell muss ich in der Lage sein, davon viele zu bekommen, viele wieder loszuwerden und so weiter. Dass dass ich da sozusagen wie so, ich, es ist einfach ein Infrastrukturproblem, was ich mir vorstellen kann, dass das eben, sagen wir gerade für Reseacher spannend ist, wenn man das für sie löst, weil sie sich selber drum kümmern müssen. Und das vielleicht weniger ein problematischer Fall ist jetzt für, wenn ich wenn wenn wenn ich das sozusagen irgendwie im Enterprise Bereich anbiete, weil ich... Aber vielleicht auch nicht, ne? Also vielleicht ist es auch so, dass dass dass man da halt sagt, hey, ich hab irgendwie son Blas an Aufgaben, der muss jetzt erledigt werden, dafür spawne ich jetzt Container und danach bräuchte es nicht mehr und dann gehen die wieder weg. Ich hab einfach persistente Agents, die haben halt Infrastruktur, die haben halt irgendwie Computersystem und die gibt's halt. Die warten auf Arbeit, ja, oder die die die führen halt Arbeit aus. Ich verstehe so, dass dass da der Unterschied liegt und das also Training sehe ich's auf jeden Fall, wenn wenn ich, sag mal, mehr Workflows habe, die ich nur spawne für die Aufgabe, dann kann's, glaube ich, sehr interessant sein. Mhm.
00:28:23 · Daniel Höpfner, Philipp Müller
[00:28:23] S2: Sehr spannend. Und die sind jetzt so unglaublich schnell gewachsen. Krass. [00:28:28] S1: Okay. Ja, also eigentlich ist, glaube ich, vor Kurzem auch Series b, ne, 16000000 Series b, 1000000000 Bewertung. [00:28:37] S2: Ja. Na ja, wenn jemand so schnell auf 100000000 wächst, kann man das auch son bisschen verstehen, [00:28:41] S1: da ist Auf jeden Fall. [00:28:43] S2: Ist jetzt nicht so, dass ich sage, Macht ist ist völlig verrückt, ja? [00:28:47] S1: Ja. [00:28:49] S2: Und erst recht, wenn die halt irgendwie von so 1000000 oder 2000000 Anfang des Jahres kamen, ne? Also sind die halt wirklich krass hochgeschossen. Gut, also ein Subunternehmer tief nach der anderen. Jetzt kommen wir zu meinem Lieblingsthema. Wo das das darfst Du mir mal jetzt im Detail erklären. Der sogenannte Qwenputer. Wer wer ist Qwen und wer ist Puter? Also wir fangen mal hinten an. Das einmal, das ist der Computer und Qwen ist das chinesische Modell. Und Du hattest vor kurzem schon mal LinkedIn darüber geschrieben, aber das fand ich einfach zu faszinierend, dass... Also ich geb's so mit meinen Worten wieder so ganz einfach. Danach kannst Du mir mal erklären, wie's wirklich ist, dass sozusagen wir jetzt grade an dem Punkt sind, wo halt so die ganz großen Frontiermodelle, in dem Fall war's, glaub ich, von Open AI das Astra Modell, wurde sozusagen ein einfacheres Modell mit diesen Open Rates gegeben. Und der hat das entsprechend optimiert und manipuliert und jetzt läuft es halt deutlich besser. Und warum ist das