Picture yourself uploading a 50-page annual report, with two columns of text and a stack of financial tables, to a chatbot and asking one question: what was last year's revenue? In the bad case, the model makes up a number or insists the document never says. The
by Tom Buchholz, Oct 12, 2026
A Bain partner on where AI has already changed consulting work, which roles it creates, and what he now expects from applicants.
by Carl Erhard, Sep 18, 2026
A company with years of consistent service records can forecast failures; one without cannot. Curated reality is the scarce asset now.
by Sven von Bismarck, Sep 18, 2026
New York Fed data shows firms adopting AI and rarely cutting staff. What they report instead is retraining and redistributed tasks.
by Sven von Bismarck, Sep 18, 2026
AI drafts 95 percent of an S-1 in minutes, says Goldman's chief executive. The work juniors learned from is the work being automated first.
by Sven von Bismarck, Sep 18, 2026
A support center study found a 34 percent gain for novices and almost none for experienced staff. The bottom rung of the ladder is being pulled up.
by Sven von Bismarck, Sep 18, 2026
BCG finds 5 percent of companies generating value from AI at scale. Judgment, not speed, is what separates them from the other 60 percent.
by Sven von Bismarck, Sep 18, 2026
The same subject written twice, once with experience in the room and once without. Both are well structured; only one of them is worth much.
by Sven von Bismarck, Sep 18, 2026
Most firms in Deloitte's survey expect few of their generative AI experiments to scale soon. The gap between trying AI and using it is organizational.
by Sven von Bismarck, Sep 18, 2026
A committee approves a model because it leads a leaderboard. Nobody in the room asked who decided what that leaderboard measures.
by Sven von Bismarck, Sep 18, 2026
A plan that arrives fully modelled makes dissent expensive. AI changes the order of decisions inside a company before it changes its output.
by Sven von Bismarck, Sep 18, 2026
What an AI consulting project consists of: recognizing fragmentation, building an ontology, and deciding which calls you are willing to delegate.
by Carl Erhard, Sep 18, 2026
Five methods for planning a working week with a language model, from multi-dimensional prioritization to using the model as a critic.
by Carl Erhard, Sep 18, 2026
A system prompt built in layers, from success criteria to role, context and verification, with every step shown as working text.
by Carl Erhard, Sep 18, 2026
National authorities have enforced Article 4 of the AI Act since August 2026, in a lighter form. The penalty is indirect, which is why the duty is easy to underestimate.
by Carl Erhard, Sep 18, 2026
Habits for checking what a model gives you: classify the claim, compare models, make the model attack its answer, verify every citation.
by Carl Erhard, Sep 18, 2026
A team at the MIT Media Lab recorded brain activity in 54 people writing essays. The group using ChatGPT showed the weakest connectivity of the three.
by Carl Erhard, Sep 18, 2026
A model rarely says it has no good answer. Prompt literacy is the discipline of asking in a way that makes a weak answer visible.
by Carl Erhard, Sep 18, 2026
A field study of a service robot in a campus store found that perceived usefulness and the robot's way of speaking shaped acceptance. That transfers to prompting.
by Carl Erhard, Sep 18, 2026
An AI researcher on what her students' best prompts had in common: tool choice, context down to the detail, and treating output as a draft.
by Carl Erhard, Sep 18, 2026
A five-second generated video clip can use 950 watt-hours. What AI infrastructure consumes, who owns it, and what it adds up to per person.
by Carl Erhard, Sep 18, 2026
An experiment with 758 BCG consultants showed a 25 percent speed gain. When in the work you reach for the model decides whether you get it.
by Carl Erhard, Sep 18, 2026
Bain's consultants have built more than 19,000 custom GPTs, and in the UK the firm says it will hire 25 percent more graduates, not fewer.
by Carl Erhard, Sep 18, 2026
Telefonagent's managing director on a system that answers missed calls for property managers, where the data sits, and what convinces callers.
by Nikolaus Fischer, Sep 17, 2026
Raters preferred a 1.3-billion-parameter model over one with 175 billion. Alignment, RLHF, and why no answer comes out neutral.
by Tom Buchholz, Sep 16, 2026
Push a model past a perfect fit on its training data and test error starts falling again. Double descent, and what it did to learning theory.
by Tom Buchholz, Sep 16, 2026
Phi-3 Mini runs on a laptop and beats models twice its size on Microsoft's own table. Why model size stopped being the first question.
by Emil Ohligs, Sep 16, 2026
The OWASP list for LLM applications, read from a finance desk: prompt injection, training-data leakage, and a supply chain of someone else's code.
by Emil Ohligs, Sep 16, 2026
A language model puts a probability on every possible next word, picks one, and runs the calculation again. Everything else follows from that loop.
by Emil Ohligs, Sep 16, 2026
Banks were scoring credit risk with models in the 1980s. A history of machine learning in finance, and why explainability came first.
by Emil Ohligs, Sep 16, 2026
An analyst on what an investment banking internship looks like with AI in it, which tasks it took over, and what the job still demands.
by Emil Ohligs, Sep 16, 2026
A KKR managing director on where AI lands in a private equity firm, what the deal market looks like, and how to get noticed when applying.
by Emil Ohligs, Sep 16, 2026
Two generations ago an analyst catalogued figures by hand. What moved to the machine each time, and where responsibility went instead.
by Emil Ohligs & Sven von Bismarck, Sep 16, 2026
GPT-4-class capability fell from 20 dollars per million tokens to about 40 cents, and invoices went up anyway. Inference is the part that runs daily.
by Emil Ohligs, Sep 16, 2026
Google researchers asked 53 practitioners about their data. Ninety-two percent had watched a data problem surface much later in a live system.
by Emil Ohligs, Sep 16, 2026
Credit scoring is named as high-risk in the AI Act itself. What the law demands of a lender, and which rulebooks apply at the same time.
by Emil Ohligs, Sep 16, 2026
Self-attention weighs every token at once, a convolution slides across pixels. Why one system writes a summary and another spots a tumor.
by Emil Ohligs, Sep 16, 2026
One prompt cannot be creative, skeptical and precise at once. Splitting the work across defined agents is a process decision, not a tooling one.
by Emil Ohligs, Sep 16, 2026
Correct the labels in ImageNet and ResNet-18 overtakes ResNet-50. Benchmarks are treated as ground truth and almost never audited.
by Emil Ohligs, Sep 16, 2026
Anfang August 2026 passiert etwas, das viele Unternehmen noch nicht auf dem Radar haben: Die nationalen Marktüberwachungsbehörden beginnen mit der Durchsetzung von Artikel 4 der EU-KI-Verordnung. Die Verordnung nennt den 2. August, das Q&A der Kommission den Folgetag. Die Pflicht selbst ist nicht neu, sie gilt
by Carl Erhard, Jul 07, 2026
GPT-4 hat mehr Parameter als die Menschheit Bücher geschrieben hat. Laut klassischer Statistik müsste ein solches Modell bei neuen Daten katastrophal versagen. Stattdessen funktioniert es außergewöhnlich gut. Dieser Artikel erklärt, warum. Das zerbrochene Gesetz: Wenn das Lehrbuch schweigt Stell dir vor, du baust ein Haus mit hundertmal mehr Säulen,
by Tom Buchholz, Jul 07, 2026
Companies who blindly jump on the hype train, and deploy AI solely through machines, fail to gain value from their investment. Others integrate at the root of a skilled, up to date workforce, and see increasing returns. 95% Forty billion dollars in corporate AI spending has produced little measurable profit.
by Carl Erhard, Jun 19, 2026
Wer die KI-Branche in den vergangenen Jahren beobachtet hat, kennt das Muster: Ein neues Modell erscheint, die Pressemitteilung nennt eine Zahl und diese ist größer als die des Vorgängers. Milliarden Parameter wurden zur Währung des Fortschritts. GPT-4, Gemini Ultra, Claude Opus sind aufgebaut nach der Logik, dass mehr
by Emil Ohligs, Jun 18, 2026
Die Finanzindustrie entdeckt Künstliche Intelligenz nicht, sie kehrt zu ihr zurück. Während KI in der öffentlichen Wahrnehmung als Phänomen der letzten Jahre gilt, arbeiten Risikoabteilungen, Handelsdesks und Kreditinstitute seit Jahrzehnten mit lernenden Systemen. Der Unterschied zwischen einem Kreditscoring-Modell der 1990er Jahre und einem modernen Sprachmodell ist real aber er
by Emil Ohligs, Jun 08, 2026
Künstliche Intelligenz wirkt auf den ersten Blick wie ein neutrales Werkzeug. Eine Nutzerin stellt eine Frage, das System verarbeitet die Eingabe und gibt eine Antwort aus. Doch diese Antwort entsteht nicht in einem wertfreien Raum. Moderne KI-Systeme werden nicht nur darauf trainiert, sprachlich plausible Texte zu erzeugen. Sie werden
by Tom Buchholz, Jun 07, 2026
Was sich aus Bains öffentlicher KI-Strategie über die Zukunft junger Berater:innen ableiten lässt, und warum das jeden Berufseinsteiger betrifft. Bain & Company, eine der drei größten Strategieberatungen weltweit, redet nicht nur über KI. Sie haben ihre mittlerweile über 17.000 Mitarbeitenden mit KI-Tools ausgestattet, über 19.000
by Carl Erhard, May 31, 2026
Agent template: This template aims to assist you in writing a Masterprompt. Masterprompts (a.k.a systemprompts) can be pasted into the “Instructions” tab of a Project from the AI provider of our choice. When we then pose a question/problem in the chat of that Project, the masterprompt leads
by Carl Erhard, May 22, 2026
Was uns ein Experiment an der Oregon State University über gutes Prompting verrät Am 9. April 2026 fand an der WU Wien mit Ladies that Lead unser erster Prompt Engineering Workshop statt. Im Vorfeld hatte ich die Gelegenheit, erneut mit Prof. Inhwa Kim zu sprechen — der Forscherin, deren Arbeit zu
by Carl Erhard, May 08, 2026
Stellen Sie sich vor, Sie beantragen einen Kredit. Sie haben ein geregeltes Einkommen, keine offenen Schulden etc. Trotzdem kommt die Absage — automatisch, innerhalb von Sekunden. Kein Sachbearbeiter, keine Begründung, keine Möglichkeit nachzufragen. Irgendwo in einem Rechenzentrum hat ein Algorithmus entschieden, dass Sie kein geeigneter Kreditnehmer sind. Was genau zu dieser
by Emil Ohligs, May 02, 2026
Was echte Palantir-Consulting-Projekte über die Zukunft deines Einstiegsjobs verraten — und warum ein gut gebauter Masterprompt dieselbe Arbeit im Kleinen ist. Ezekiel Akinsanya studierte vier Jahre in Princeton mit einem klaren Ziel: McKinsey. Consulting-Club gegründet, Sommer-Praktika absolviert, Cases gedrillt. Im Frühjahr 2026 schloss er ab — und entschied
by Carl Erhard, Apr 26, 2026
Günstiger pro Token, teurer insgesamt. Das ist die Paradoxie, mit der KI-Verantwortliche im Finanzsektor gerade konfrontiert sind. Die Kosten pro Verarbeitungseinheit sinken kontinuierlich, aber die Gesamtrechnung steigt. Das klingt widersprüchlich, ist aber erklärbar — und wer den Mechanismus dahinter versteht, trifft bessere Architekturentscheidungen. Was Inference überhaupt bedeutet Bevor es um
by Emil Ohligs, Apr 18, 2026
Wer ein KI-Modell auswählt, verlässt sich auf eine einfache Annahme: Das Modell mit der höchsten Accuracy auf dem Testset ist das beste Modell für den Produktionseinsatz. Eine Studie vom MIT zeigt, dass diese Annahme systematisch falsch sein kann — und zwar nicht aufgrund von Overfitting oder schlechter Architektur, sondern wegen
by Emil Ohligs, Apr 11, 2026
Die KI-Branche debattiert Modellarchitekturen, Parametergrößen und Trainingsverfahren während das eigentliche Problem systematisch übersehen wird: die Qualität der Inputdaten. Wer schlechte Daten in ein leistungsstarkes Modell eingibt, bekommt schlechte Ergebnisse zurück. Das ist kein neues Prinzip. Unter dem Begriff Garbage In, Garbage Out ist es seit Jahrzehnten bekannt. Aber im
by Emil Ohligs, Apr 04, 2026
Wer die Daten hält, verschiebt die Macht Die Debatte über Künstliche Intelligenz wird meist technisch geführt: Modellgrößen, Rechenleistung, Algorithmen. Das greift zu kurz. In der Praxis entscheidet eine andere Frage über wirtschaftlichen und gesellschaftlichen Einfluss: Wer hat Zugang zu guten Daten – und wer nicht? „Gut“ meint hier nicht viel, sondern
by Sven von Bismarck, Mar 31, 2026
KI-Systeme sind produktiv, skalierbar — und angreifbar. Wer Large Language Models in Finanzprozessen einsetzt, schafft nicht nur Effizienz, sondern auch neue Angriffsflächen. Die OWASP hat die zehn kritischsten Schwachstellen klassifiziert. Was dahintersteckt und warum es für den Finanzsektor konkret relevant ist. Dieser Artikel ist Teil eines Workshops, die anderen Artikel
by Emil Ohligs, Mar 28, 2026
Nie war es leichter, perfekte Präsentationen zu bauen. Was passiert, wenn man dasselbe Thema zweimal schreiben lässt? Beide Versionen sind sauber strukturiert. Beide argumentieren klar. Beide könnten in einem professionellen Umfeld bestehen. Der Unterschied liegt nicht im Prompt. Er liegt im Kontext. Der erste Text ist das Ergebnis einer Zusammenarbeit
by Sven von Bismarck, Mar 21, 2026
Tutorial: Systemprompts für Agenten schreiben Dieser Artikel ist Teil eines Workshops, die anderen Artikel findet ihr hier. Prompt Engineering Je besser wir mit LLMs und Co. kommunizieren können, desto besseren Output kriegen wir zurück. Prompt Engineering beschreibt die Kunst unseren Input/Prompt zu detailieren, strukturieren und sprichwörtlich dem KI Modell
by Carl Erhard, Mar 14, 2026
Ein praktisches Framework für alle, die KI ernsthaft nutzen wollen — mit Fokus auf die häufigsten Fehler, und fertige Prompts für jeden Schritt KI-Systeme produzieren flüssige, strukturierte und oft überzeugend klingende Antworten. Das Problem ist nicht Zufall — es ist Plausibilität. Große Sprachmodelle sind darauf optimiert, kohärent zu klingen, nicht wahr
by Carl Erhard, Mar 07, 2026
Warum Bewertungsmaßstäbe mehr steuern als Modelle Die Diskussion über Künstliche Intelligenz folgt meist einem vertrauten Muster. Modelle werden verglichen, Leistungswerte diskutiert, Fortschritte quantifiziert. Wer besser abschneidet, gilt als überlegen. Wer schlechter abschneidet, als rückständig. Diese Logik ist verständlich. Sie ist anschlussfähig. Und sie ist trügerisch. Denn die entscheidende Frage lautet
by Sven von Bismarck, Feb 22, 2026
"Die erste Welle war Euphorie. Die zweite war Überforderung." Viele Prozesse stehen mitten im Wandel: Sie laufen schneller, Entscheidungen werden komplexer und die Spielregeln verändern sich leise – aber radikal. Hierbei wird Ki zunehmend immer wichtiger und beginnt massiven Einfluss zu haben, wodurch jedoch die Verantwortung komplett auf den
by Emil Ohligs & Sven von Bismarck, Feb 18, 2026
In diesem Workshop präsentieren wir euch fünf Methoden, mit denen ihr Aufgaben im Bereich Zeit- und Projektmanagement mit Hilfe von KI sowohl effektiver, als auch effizienter bewältigen könnt. Diese Methoden lassen sich anwenden auf Aufgaben sowohl im studentischen als auch beruflichen Umfeld. Dieser Artikel ist Teil eines Workshops, die anderen
by Carl Erhard, Feb 14, 2026
Künstliche Intelligenz wird häufig als einheitliche Technologie wahrgenommen. In der Praxis basiert moderne KI jedoch auf grundlegend unterschiedlichen Architekturen, die jeweils für klar abgegrenzte Problemklassen optimiert sind. Ob ein System Texte analysiert, Bilder erkennt oder autonome Entscheidungen trifft, hängt nicht von einer allgemeinen „Intelligenz“ ab, sondern von der strukturellen Auslegung
by Emil Ohligs, Feb 07, 2026
Die entscheidende Verschiebung passiert vor der Entscheidung Künstliche Intelligenz wird weiterhin entlang einer vertrauten Linie diskutiert: schneller, günstiger, effizienter. Diese Perspektive ist bequem, weil sie anschlussfähig ist. Sie erklärt Investitionen, rechtfertigt Projekte, beruhigt Gremien. Sie verfehlt jedoch den eigentlichen Punkt. Die tiefgreifende Wirkung von KI liegt nicht im Output, sondern
by Sven von Bismarck, Jan 31, 2026
Generative KI hat sich schneller im Arbeitsalltag etabliert als jede vergleichbare Technologie zuvor. Texte, Analysen und Präsentationen entstehen heute in einem Bruchteil der Zeit, die noch vor wenigen Jahren nötig war. Die Zahlen wirken eindeutig: In einem groß angelegten Feldexperiment mit 758 Unternehmensberatern von Boston Consulting Group erledigten Teilnehmer mit
by Carl Erhard, Jan 24, 2026
Große Sprachmodelle werden häufig noch wie ein universelles Werkzeug behandelt: ein Prompt, eine Antwort, ein Ergebnis. Dieser Ansatz funktioniert für einfache Aufgaben erstaunlich gut, stößt aber schnell an Grenzen sobald Komplexität ins Spiel kommt. Genau hier setzt das Konzept von Agenten an. Agenten sind weniger eine neue technologische Fähigkeit als
by Emil Ohligs, Jan 17, 2026
Während generative KI für Millionen zum kognitiven Co-Piloten wird, könnten die ersten Verluste dieser wachsenden Abhängigkeit dort eintreten, wo wir sie am wenigsten bemerken: in unserer Aufmerksamkeit, unserer Originalität und unserer Fähigkeit, Informationen eigenständig zu bewerten. Der Tag, an dem Denken anfing optional zu werden Über den größten Teil
by Carl Erhard, Dec 04, 2025
KI kann viel – aber nicht alles Kaum eine Technologie hat sich so schnell verbreitet wie Künstliche Intelligenz. In kaum einem Jahr wurde mehr experimentiert, investiert und publiziert. Doch jenseits des Hypes zeichnet sich ein Muster ab: KI entfaltet ihren Wert erst dann, wenn sie in menschliche Denk-, Entscheidungs- und Organisationslogiken
by Sven von Bismarck, Nov 17, 2025
Disclaimer: In diesem Artikel versuche ich das Thema Large Language Models (LLMs) und ihre Funktionsweise kurz und möglichst intuitiv zu erklären. Hierbei dient das phänomenale Video vom Youtube Kanal "3Blue1Brown" als Hauptquelle. Generell kann ich diesen Kanal für mathematische Konzepte sehr empfehlen. Zu jeder Formel und jedem Theorem
by Emil Ohligs, Nov 06, 2025
Wenn alles schneller wird – was bleibt dann wertvoll? Wir leben in einer Zeit, in der sich alles beschleunigt: Kommunikation, Entscheidungen, Geschäftsmodelle. AI-Tools analysieren Daten, schreiben Berichte, erstellen Marktstudien – in Sekunden statt Tagen. Doch Geschwindigkeit allein schafft keinen Fortschritt. Im Gegenteil: Je mehr wir automatisieren, desto größer wird die Versuchung,
by Sven von Bismarck, Oct 31, 2025
Wir sprechen über die Cloud, als wäre sie ein Ort über den Dingen — leicht, abstrakt, irgendwo zwischen Himmel und Internet. In Wahrheit ist sie eine Sammlung aus Millionen physischen Servern, die in riesigen Hallen stehen — kühl, laut und energiehungrig. Jeder gespeicherte Chat, jedes Foto, jede KI-Anfrage wird hier verarbeitet.
by Carl Erhard, Oct 26, 2025
Wie Empathie-Forschung verändert, wie wir mit KI sprechen sollten In einem Umfeld, das von Statistiken, Algorithmen und Datenmodellen geprägt ist, spricht sie über Empathie. Professorin Inhwa Kim forscht an der Schnittstelle von KI, Konsumentenpsychologie und Kommunikation — nicht aus einer rein technischen Perspektive, sondern mit dem Blick darauf, was Menschen
by Carl Erhard, Oct 19, 2025
KI-Telefonie & Immobilienbranche In diesem Interview spricht Jannek Drexl, Geschäftsführer des Wiener Startups Telefonagent, über den Einsatz von KI in der Telefonie, technologische Grundlagen, Datenschutz und die Zukunft von KI-basierten Sprachsystemen – insbesondere in der Immobilienbranche. Einstieg: KI-Telefonie & Immobilienbranche Frage: Wie würdest du Telefonagent in wenigen Sätzen
by Nikolaus Fischer, Oct 16, 2025
Ein neuer Begriff für eine alte Kunst "Prompt Literacy" – das klingt nach einem Fachbegriff aus der IT-Branche, ist aber im Kern eine uralte Fähigkeit: die Kunst, durch präzise und effektive Sprache gezielt Wirkung zu erzeugen. Und genau das ist auch das Ziel bei Kommunikation mit der KI.
by Carl Erhard, Oct 15, 2025
Wie KI Private Equity verändert: Hagen Raab über Chancen, Risiken und Karriere-Tipps für die nächste Generation in Private Equity.
by Emil Ohligs, Sep 29, 2025
„KI nimmt uns die Arbeit weg.“ Kaum ein Satz fällt in Gesprächen mit Führungskräften, Studierenden oder Unternehmern häufiger. Er ist verständlich, weil er ein diffuses Gefühl bündelt: die Angst, ersetzbar zu sein. Medien helfen nicht gerade, diese Angst zu sortieren. Schlagzeilen sind eindeutig, die Wirklichkeit selten. Und genau hier beginnt
by Sven von Bismarck, Sep 14, 2025
Ein Essay über Urteilskraft im KI‑Zeitalter – jenseits von Logos und Lebensläufen Die Regeln, nach denen wir Talent erkennen, sind ins Rutschen geraten. Wo früher Logo‑Karrieren, Noten und das Beherrschen von Routinen galten, beschleunigt Künstliche Intelligenz die Abarbeitung – und verschiebt den Wert auf etwas anderes: das Denken unter Unsicherheit.
by Sven von Bismarck, Sep 14, 2025
Kaum ein Thema wird derzeit so emotional diskutiert wie Künstliche Intelligenz. Für die einen ist sie das Untergangsszenario für ganze Berufsbilder – vom Anwalt bis zum Investmentbanker. Für die anderen ist sie ein Heilsversprechen, das alle Probleme löst. Beides greift zu kurz. Denn AI ist keine Bedrohung, die wir verhindern könnten
by Sven von Bismarck, Sep 14, 2025
Alle Antworten sind persönliche Einschätzungen des Gesprächspartners und dürfen nicht als offizielle Stellungnahme seines Arbeitgebers verstanden werden. Als Senior Partner bei Bain hat Axel Erhard eine besonders aufschlussreiche und analytische Perspektive, um einzuschätzen, was im Zeitalter von KI in den kommenden Jahren auf Unternehmen zukommen könnte – worauf wir uns freuen
by Carl Erhard, Sep 06, 2025