KI Barcamp @ MACHN 2026

Date: 2026-06-04

Location: Leipziger Baumwollspinnerei, Spinnereistraße 7, 04179 Leipzig, Germany

Das KI Barcamp beim MACHN26 ist ein offenes, partizipatives Veranstaltungsformat rund um das Thema KI. Ganz ohne festes Programm im klassischen Sinne.

Barcamp — 2026-06-04

  • HKL Session — HKL Ingenieure
  • KI in die Produktion. Jetzt frage ich zurück. — KOMOS
  • Wie arbeiten wir als Team mit KI zusammen? — Futorg.com
    Wissensarbeit verändert sich rapide. Die Verbreitung von KI-Systemen setzt besonders dem White-Collar-Sektor zu.
    Diese Session beschäftigt sich mit der Frage, welche Änderungen Organisationen bevorstehen und wie sich Teamwork unter Einsatz von KI verändert.
  • Kognitive Schulden — Mario Melle
    Künstliche Intelligenz definiert unsere Arbeitswelt und unseren Alltag neu. Mit jedem Update werden KI-Anwendungen leistungsfähiger, effizienter, bequemer – aber: Was passiert mit uns als Anwender? Was passiert mit unserer kognitiven Leistungsfähigkeit?
  • Drestl-Session — Alexander Drestl
  • Warum Unternehmen ihre KI-Erwähnungen im Blick behalten sollten & wie diese beeinflusst werden können — Christin Herrlich, Jenpix GmbH
    Anfang Mai verbreitete die KI Fehlinformationen über unsere Firma, die sich geschäftsschädigend auswirken hätten können. Wir geben Einblick, wie wir das binnen 24h beheben konnten.
  • Intro
  • Vom Selber-Macher zum Entscheider – Wie KI uns pushed — Matthias Kittner
    KI übernimmt zunehmend operative und wiederholbare Aufgaben. Dadurch verschiebt sich unsere Arbeit immer stärker von der Ausführung hin zu Entscheidungen, Priorisierung, Kontrolle und Koordination.

    Zweifellos werden wir produktiver, aber zu welchem Preis?

    Gemeinsam diskutieren wir, wie sich Wissen
  • Wasserzeichen, Wackeltermine, Wirklichkeit – KI-Kennzeichnung nach dem Digital Omnibus — Tilman Herbrich
    Die politische Einigung zum Digital Omnibus on AI fiel in der Nacht zum 7. Mai 2026. Die Zeitschiene für die Transparenzpflichten verschiebt sich teilweise, jedoch nicht vollständig. Gleichzeitig nehmen die Leitlinien zur Implementierung der KI-Kennzeichnungspflichten der EU-Kommission ihren Lauf. W
  • Aufbereitung und Verarbeitung großer Datenmengen — Robert Sieber
    Dokumentation (Dokumente, strukturierte, halbstrukturierte Daten, Zeichnungen, Fotos, dynamische Informationen) Umfang 500 bis 5000 Seiten pro Systemumgebung. 100erte Umgebungen

    Probleme bei Verarbeitung durch LLM: Trennung Systeme, Halluzinationen, wichtig und unwichtig, inkomplette Ergebnisse.
  • KI in der Business Verhandlung — Yve Kirsch
    KI rechnet perfekte Kompromisse aus. Aber echte kreative Deals? Fehlanzeige. Ein ehrlicher Blick auf die Praxis: Wo KI in B2B-Verhandlungen glänzt und wo sie völlig blind ist.
    Workshop und Erfahrungsaustausch zum Einsatz von KI in der Geschäftsverhandlung.
  • Gesture music instrument — Konstantin Gubaev
    Demonstration of the principle of kinetic wearable instruments: people wear devices and make rhythmic movements. The music engine at laptop listens to signals and outputs music instantly
  • Von „die KI“ zu konkretem Verständnis — Markus Gärtner
    Wir sprechen zu oft von „der KI“. Um gemeinsam denken zu können, müssen wir ein gemeinsames Verständnis finden. Insbesondere um KI-Systeme bauen zu können. Diese ist eine kurze Einführung für mehr Verständnis. Fragen willkommen!
  • Martin Rütter Methode? — Antonia Rost
    Wie kriegen wir unsere Kunden dazu KI richtig zu nutzen? Meist gehen die Menschen mit dem Voice Agenten wie mit einer IVR um und nutzen Schlagwörter, anstatt ganze Sätze. Dann sind sie frustriert und wollen mit einem Menschen sprechen. Auch wdh Aufforderungen in ganzen Sätzen zu reden werden ignorie
  • Spec Driven Development - BMAD — Enrico Hofmann
    Spec-Driven Development mit BMad: Strukturierte Specs steuern KI-Agenten vom Konzept bis zum Code – planbar, nachvollziehbar, reproduzierbar. Praxisbeispiel: die Plattform decidio.
  • Von der Recherche zur Präsentation in Minuten (NotebookLM, auch für Anfänger) — Torsten, ai-community-leipzig.de
    In der Session recherchieren wir ein neues vom Auditorium live benanntes Thema mit einem RAG (NotebookLM) und erstellen basierend auf dem Rechercheergebnis direkt eine Präsentation und einen Podcast.

    Ich teile zudem meine Learnings mit NotebookLM in den letzten Jahren.
  • Obsidian als Wissensspeicher mit Agenten und Menschen teilen — Sebastian Hendrich
    Wie baue ich eine Governance auf um Obsidian und Agent Harness wie Claude, Hermes usw. Plus Menschen optimal zusammenarbeiten können. Prozesse und technische Möglichkeiten austauschen und aufbauen
  • Ownership of AI-Content — Lisa
    If I create something with AI and generate money with that (e.g a book) do I own that? Can somebody access this content? (More random characters to fill up the 180€:&:?:€:&/!:€:&:!)
  • Wissensmanagement mit KI — Nils Gargulla
    Manuell gepflegte Wikis veralten in dem Moment, in dem sie geschrieben werden. Mit agentischer KI-Infrastruktur (z. B. Claude Code) wird Wissen während der Arbeit miterzeugt — und damit wird Dokumentation vom lästigen Nebenjob zum Strukturkapital des Unternehmens.
  • Was haben KI und Asbest gemeinsam? — rAInhard
    Dieser KI Zug hat keine Bremsen, tragen uns unsere Beine überhaupt noch wenn wir mal aussteigen? Finden wir uns am Bahnhof noch zurecht? Können wir noch jemand nach dem Weg fragen?
  • Workflow Redesign — Frank Nussbaum
    Workflow Redesign ist eine der wesentlichen Grundlagen für alle erhofften Vorteile (Produktivität, Einsparungen, etc).
    Folgende Fragen zu Automatisierung:
    - wo probabilistische Automatisierung (KI)?
    - vs wo deterministische („geskripted“) Automatisierung?
    - Welche menschliche Checkpoints? (+wo liegt
  • Warum Unternehmen KI-Antworten über sich permanent im Blick behalten sollten - Ein Beispiel aus der Praxis — Christin Herrlich
    Anfang Mai ist uns wohl das schlimmste passiert, was einem Unternehmen in punkto KI-Antworten passieren kann: Die KI hat uns totgesagt. Nachdem einige Online-Medien über die Insolvenz einer befreundeten Agentur berichtet haben, an der wir Minderheitsbeteiligungen halten, interpretierte die KI plötzl
  • KI-Skills & Kompetenzen — Helge
    es geht um die Kompetenzen, die es für die zukünftige KI-basiete Arbeitswelt braucht. Welche Kenntnisse benötigen Arbeitnehmer oder Studierende der Zukunft? Ich freue mich auf den Austausch.
  • Mentoring bei Agentenarchitektur & Token-Optimierung — Thorben Kirbach
    Ich entwickle Nibble AI – eine App, die lokale Supermarktangebote scannt und daraus personalisierte einfache und preiswerte Rezepte erstellt. Ziel ist es, Nutzern in Zeiten steigender Preise mehr Gegenwert für ihr Geld zu bieten. Ich suche Menschen mit Erfahrung in AI-Agenten, Prompt-Architekturen u
  • (Kognitive und andere) Schulden => Erst aufräumen, dann KI. — Michael Schiller
    Sheldon Cooper: "Damit alles so bleibt wie es ist muss sich alles ändern."

    Und dafür müssen wir den Boden bereiten. Was Unternehmen lähmt, ist nicht zu wenig KI. Es ist zu viel im Kopf. Räume auf, bevor du multiplizierst.

    Ein kurzer Impuls über etwas KI, einen Hauch Digitalisierung und vor allem:
  • Smart Brillen / Ki Brillen — Janis Siese
    Meine Erfahrung mit Ki gestützten Brillen und wie sie meinen Alltag verbessern und auch eventuell den Alltag des Publikums verbessern können.
    Ein super interessantes Thema in dem ich selber jeden Tag dazu lerne und definitiv noch was dazu per Austausch
  • Vom KI-Chat zur agentischen KI — Carlos Dütthorn
    Wie kommen wir vom einfachen KI‑Chat zur echten, wirksamen Nutzung von agentischer KI im Arbeitsalltag?
    Unsere besonderen Rahmenbedingungen:
    👨🏻‍✈️Wir bewegen uns im Kontext der Microsoft‑Strategie rund um Copilot und hohen Anforderungen an IT‑Sicherheit.
    ⚡️Wir arbeiten mit und für Unternehmen der
  • Lokale KI: Intelligenz, die bei Ihnen bleibt — Mihail Miller
    Einblicke aus einem Forschungs- und Entwicklungsprojekt für lokale, cloudfreie KI-Verarbeitung von Meetings, Präsentationen und audiovisuellen Informationen. Kernidee ist ein Hardware-/Software-System, das AV-Signale lokal verarbeitet und daraus Transkriptionen, Übersetzungen, Analysen, Zusammenfass