AAA belegt
Arthur kann die Arbeit leisten
Konzept, Spezifikation, Interface, Umsetzung, Tests, tägliche Nutzung, Release-Gates und benannte Verantwortung.
Human in the Middle
Entscheiden, was automatisiert werden sollte; und was nicht.
Praxisnahe Lehre, Training und KI-Governance-Beratung für Organisationen, die KI nutzen wollen, ohne Urteilskraft oder Verantwortung abzugeben.
Human in the Middle ist mein KI-Framework. Es beschreibt, wie ich über KI-geprägte Arbeit nachdenke: was automatisiert werden sollte, was in menschlicher Verantwortung bleiben muss, wo Review hingehört und wie Systeme Urteilskraft, Verantwortung und Kontrolle bewahren können, statt sie hinter Automatisierung zu verbergen.
Human in the Middle ist das Framework. HITM Labs ist die Lehrpraxis. Arthur's AI Lab ist die Videoebene: kurze Tutorials, praktische Walkthroughs und Beispiele, durch die zukünftige Auftraggeber meinen Lehrstil kennenlernen können, bevor sie einen Workshop oder Kurs buchen.
Ich lehre, was ich praktiziere. Meine Tutorials und Labs entstehen aus aktueller Produktarbeit: realen Spezifikationen, Interfaces, Umsetzungsentscheidungen, Fehlern, Korrekturen und Release-Entscheidungen.
Praxis hinter der Lehre
Ich lehre aus Arbeit, die im Alltag bestehen muss
Code:Emotion liefert Produktdenken, Interface-Handwerk und Systemurteil. Augmented Arthur: Applications ist der Ort, an dem diese Disziplin in nativer Software auf KI-gestützte Umsetzung trifft — Software, die Arthur nutzt, testet und für die Veröffentlichung vorbereitet.
Diese Arbeit gibt der Lehre eine lebendige Quelle: nicht nur, was ein Tool verspricht, sondern wo es scheiterte, was geprüft werden musste, warum eine Grenze wichtig war und welche Entscheidungen in menschlicher Verantwortung blieben.
Die Labs belegen
Arthur kann die Arbeit vermitteln
Klare Erklärungen, strukturierte Übungen, moderierte Entscheidungen und Methoden, die andere anwenden können.
Das Entscheidungsproblem
Der KI-Druck kommt, bevor Organisationen wissen, wie sie ihn beurteilen sollen
Ein Vorstand verlangt einen KI-Plan. Ein Anbieter verspricht Automatisierung. Ein Team experimentiert bereits. Die schwierige Frage ist selten, ob KI etwas erzeugen kann. Entscheidend ist, ob die Organisation prüfen, steuern und vertreten kann, was danach geschieht.
- Was sollte automatisiert, assistiert oder vollständig menschlich bleiben?
- Wo muss ein Mensch prüfen, freigeben, stoppen oder rückgängig machen?
- Wer verantwortet das Ergebnis, wenn KI daran beteiligt war?
- Welche Evidenz rechtfertigt ein Go, Ändern oder Nicht-automatisieren?
Lehre ist der Einstieg
Die Methode verstehen, indem man sie bei der Arbeit sieht
Die Lehre ist bewusst greifbar. Sie nutzt reale Beispiele, transparente Experimente und unfertige Werkzeuge, deren Fortschritt ehrlich gezeigt wird, statt sie als fertige Software auszugeben.
Work in Progress
HITM Blueprint Studio
Eine geführte Umgebung, um Ownership, Freigaben, Risiken und die Grenze zwischen menschlicher und maschineller Arbeit abzubilden.
Work in Progress
Agentic Office
Ein spielerisches Lehrwerkzeug, das agentische Workflows, Delegation und menschliche Checkpoints verständlicher macht.
Work in Progress
Whetstone
Eine öffentliche Philosophie-Demo, um Behauptungen zu prüfen, Urteilskraft zu schärfen und selbstsicheren, aber schwachen KI-Output zu erkennen.
Zusammenarbeit
Mit einer realen KI-Entscheidung beginnen. Darauf aufbauen.
Fokussierte Entscheidungssession
Bringen Sie einen realen KI-Anwendungsfall mit. Wir klären, was KI tun darf, was menschlich verantwortet bleibt und welche Review-Punkte zählen—damit Sie mit einer klaren Go-, Ändern- oder Nicht-automatisieren-Richtung weitergehen können.
HITM Labs
Applied- und Quest-Formate trainieren Teams mit realem Material, sichtbaren Checkpoints und wiederverwendbaren Workflows statt abstrakter Vorträge.
KI-Governance-Beratung
Ownership, Freigabe, Eskalation, Dokumentation und Adoption klären, bevor ein KI-gestützter Workflow schwer veränderbar wird.
HITM in Anwendung
Fallstudien vor Behauptungen
Aerial View, card&board und Spiegel des Universums zeigen HITM als Entwicklungspraxis: fertige, funktionierende Produkte, die mit KI gebaut wurden, während Produktabsicht, gestalterische Autorität, Review und Verantwortung menschlich geführt bleiben.
DONE, GLASSBOX und Panic Defense zeigen, wie HITM-Prinzipien ein Interface verändern: folgenreiche Aktionen werden sichtbar, Review geschieht im richtigen Moment und ein Mensch versteht, welche Verantwortung das System von ihm verlangt.
Die Belege befinden sich auf unterschiedlichen Reifestufen: Aerial View und card&board sind ausgelieferte Produkte in privater, täglicher Nutzung; Spiegel des Universums ist live. DONE, GLASSBOX und Panic Defense bleiben Design-Fallstudien; funktionsfähige Prototypen sind dort der nächste Schritt. Keines davon wird als Beleg validierter operativer Ergebnisse dargestellt.
Funktionierendes Produkt · täglich genutzt
card&board
Eine native macOS-App, die ich konzipiert, spezifiziert, gestaltet, getestet habe und heute täglich nutze—umgesetzt in SwiftUI mit Claude Code.
Fallstudie lesen
Funktionierendes Produkt · privat täglich genutzt
Aerial View
Eine native App zur Datei-Kuration, die eine Datei mehreren Projekten zuordnet, ohne das Original zu verschieben oder zu duplizieren.
Fallstudie lesen
Fertig & live
Spiegel des Universums
Das erste Produkt, das ich vollständig in einem KI-gestützten Entwicklungsprozess gebaut habe. KI läuft nicht im Produkt; sie half, Spezifikation, Architektur, Theme und Workflows baubar zu machen.
Fallstudie lesenLive-Site öffnen ↗
Fallstudie
GLASSBOX
Sichtbare Absicht, laufende Ausführung, Konsequenz-Gates, Audit und Reversibilität für automatisierte Arbeit.
Projekt ansehen →
Fallstudie
Panic Defense
Ein krisengerechter Flow, in dem Unterstützung, menschliche Wahl und ein sauberer Ausstieg wichtiger sind als Engagement.
Projekt ansehen →Der schwer kopierbare Vorteil
HITM wird von dreißig Jahren Designhandwerk getragen
Viele KI-Governance-Angebote enden bei Prinzipien, Richtlinien oder technischer Architektur. Code:Emotion ergänzt die fehlende Interface-Ebene: die tatsächlichen Screens, Zustände, Gates und Entscheidungspunkte, über die Menschen Kontrolle behalten.
Beide Praktiken bleiben eigenständige Geschwistermarken unter schmidtpabst.com. Sie verweisen aufeinander, weil Strategie und Design stärker werden, wenn Governance sichtbar und benutzbar wird.
Customer Discovery
Bringen Sie die KI-Entscheidung mit, die Sie noch nicht sicher treffen können.
Ich spreche derzeit mit Organisationen darüber, wo KI-Entscheidungen stocken, welche Anbieterbehauptungen schwer zu bewerten sind und wo Verantwortung unklar wird. Das ist ein Discovery-Gespräch, kein versteckter Software-Pitch.