Kann ich mit KI in 90 Tagen 250.000 $ verdienen?

„Unsere größte Angst ist nicht, dass wir unzulänglich sind. Unsere größte Angst ist, dass wir über alle Maßen mächtig sind. Es ist unser Licht, nicht unsere Dunkelheit, das uns am meisten Angst macht. Wir fragen uns: „Wer bin ich, um brillant, großartig, talentiert, fabelhaft zu sein?“ Wer wäre man eigentlich nicht? Du bist ein Kind Gottes. Deine Kleinlichkeit ist der Welt nicht nützt. Es ist nichts Erleuchtetes daran, sich zu verkleinern, damit sich andere Menschen um dich herum nicht unsicher fühlen. Wir alle sollen glänzen, genau wie Kinder. Wir wurden geboren, um die Herrlichkeit Gottes, die in uns ist, offenbar zu machen. Es ist nicht nur in einigen von uns; es ist in jedem. Und wenn wir unser eigenes Licht leuchten lassen, geben wir anderen Menschen unbewusst die Erlaubnis, dasselbe zu tun. Wenn wir von unserer eigenen Angst befreit sind, befreit unsere Anwesenheit automatisch andere.“

— Marianne Williamson, Eine Rückkehr zur Liebe

Ich werde nicht der Erste sein, der etwas versucht, was einst unmöglich schien.

Das Technologiezeitalter hat bereits Gründer und Unternehmen hervorgebracht, die in sechs Monaten 100 Millionen US-Dollar oder mehr verdient haben. Wenn ein Einzelgründer in etwa sechs Monaten ein Unternehmen im Wert von 250 Millionen US-Dollar aufbauen kann, ist eine Herausforderung von 250.000 US-Dollar möglicherweise nicht einmal groß genug.

Die öffentliche Herausforderung beträgt 250.000 US-Dollar. Privat strebe ich eine Million Dollar an.

Es geht nicht darum, eine zufällige Vorhersage zu treffen. Es geht darum, ein Ziel zu setzen, das groß genug ist, um einen echten Test dessen zu erzwingen, was diese Tools – und eine Person, die sie anleitet – jetzt leisten können.

Vielleicht sollten wir uns alle mehr anstrengen, als wir denken, dass wir es können.

Aber der tiefere Punkt ist, dass eine Person, die etwas Außergewöhnliches tut, es für alle anderen vorstellbar macht. Es zeigt, dass sich die Grenze verschoben hat.

Ich möchte ein Licht darauf werfen, was jetzt mehr Menschen mit diesen Tools tun können. Nicht, weil jeder den gleichen Weg einschlägt, sondern weil jeder lernen kann, Systeme aufzubauen, zu testen, zu steuern und zu verbessern, für die früher eine ganze Organisation erforderlich war.

Ich werde es herausfinden – und sehen, wie viel eine Person jetzt tatsächlich leisten kann.

Vor ein paar Tagen bin ich auf eine Firma namens Polsia gestoßen.

Was meine Aufmerksamkeit erregte, war nicht nur, was es gebaut hatte, sondern auch, wie schnell es es anscheinend gebaut hatte.

Gründer Ben Cera gründete das Unternehmen Ende 2025. Innerhalb von etwa sechs Monaten hatte er 30 Millionen US-Dollar bei einer Bewertung von 250 Millionen US-Dollar eingesammelt und gab öffentlich bekannt, dass sich das Unternehmen einem Jahresumsatz von etwa 10 Millionen US-Dollar nähert.

Das ist außergewöhnlich.

Was mich aber am meisten interessierte, war das Produkt.

Von außen betrachtet schien Polsia nicht auf einem unmöglichen technologischen Durchbruch zu basieren. Ein großer Teil des Werts schien darin zu liegen, Fähigkeiten zu nutzen, die zunehmend in Systemen wie Claude vorhanden sind, und sie für Menschen nutzbar zu machen, die Terminals, APIs, Agenten, Software-Infrastruktur oder das Zusammenspiel aller technischen Teile nicht verstehen wollen.

Es wäre unfair, es lediglich als Claude-Deckblatt zu bezeichnen.

Es ist an sich schon wertvoll, komplizierte Technologie benutzerfreundlich zu machen.

Sogar der Name war Teil des Witzes. Polsia ist „AI slop“ rückwärts geschrieben. Cera griff diese Ästhetik auf und baute einen Instagram-Account rund um bewusst absurde, KI-generierte Videos auf. Einige erreichten Dutzende Millionen Aufrufe. Ein Link zu Polsia in der Bio verwandelte diese Aufmerksamkeit in Traffic.

Aber genau das war die Lektion.

Sie müssen nicht unbedingt die zugrunde liegende Technologie erfinden. Sie müssen verstehen, was es möglich macht, und es in etwas Nützliches umwandeln.

Das führte mich zu einer etwas unangenehmen Frage.

Worauf genau warte ich?

Ich habe viel Zeit damit verbracht, KI zu studieren.

Forschung.

Automatisierung.

Vibe-Codierung.

Agenten.

Websites.

Datenbanken.

Geschäftsmodelle.

Ich habe auch darüber nachgedacht, irgendwann ein praktisches KI-Schulungsunternehmen für erfahrene Führungskräfte und Unternehmer zu gründen.

Aber bevor ich jemandem beibringe, wie man diese Tools kommerziell nutzt, möchte ich sehen, wie weit ich sie selbst bringen kann.

Nicht durch Zuschauen bei Demonstrationen.

Durch Bauen.

Also habe ich mir eine Herausforderung gestellt.

250.000 $ in 90 Tagen

Mein Ziel ist es, mithilfe von KI in Kombination mit der Geschäftserfahrung, die ich bereits habe, in den nächsten 90 Tagen neue Einnahmen in Höhe von 250.000 US-Dollar zu erzielen.

Ich weiß nicht, ob ich dort ankomme.

Das macht das Experiment interessant.

Und ich werde etwas anderes tun, was vor ein paar Jahren fast absurd geklungen hätte.

Ich werde an mehreren Projekten gleichzeitig arbeiten und gleichzeitig mein bestehendes Unternehmen weiterführen.

Das könnte am Ende das wichtigere Experiment sein.

Programmieren habe ich tatsächlich schon vor sehr langer Zeit gelernt

Es gibt einen Hintergrund, der es wert ist, erklärt zu werden.

Ich bin kein Software-Ingenieur, aber mir ist das Programmieren auch nicht ganz fremd.

Ich habe BASIC gelernt, als ich 13 war.

Später, in den 1980er Jahren, schrieb ich ein Optionspreisprogramm in BASIC für Windows.

Und dann hörte ich im Wesentlichen auf.

Den größten Teil der drei Jahrzehnte lang habe ich nicht ernsthaft programmiert.

Die Technologie hat sich weiterentwickelt.

Die Softwareentwicklung ging weiter.

Das Internet ist passiert.

Cloud Computing ist passiert.

Moderne Datenbanken sind entstanden.

Git ist passiert.

APIs sind aufgetreten.

JavaScript-Frameworks sind aufgetreten.

Alles rund um die Softwareentwicklung ist enorm anspruchsvoller geworden.

Ich habe hier und da ein wenig Python gelernt, aber vor diesem Experiment hätte ich mich nicht hinsetzen und selbst ein ernsthaftes Python-Projekt erstellen können.

Wenn ich also sage, dass ich einen technischen Hintergrund habe, meine ich das auch.

Ich verstehe Logik.

Ich verstehe Systeme.

Ich verstehe, was Software leisten kann.

Aber die moderne Softwareentwicklung war an mir vorbeigegangen.

Und dann tat die KI etwas Unerwartetes.

Es hat mich wieder reingebracht.

Außer, dass ich nicht wirklich Programmierer werde

Das ist eines der seltsamsten Dinge, die ich entdeckt habe.

Ich lerne immer mehr über Softwareentwicklung und überlasse dabei der KI, fast den gesamten Code zu schreiben.

Das klingt widersprüchlich.

Ist es nicht.

Denn meine Aufgabe besteht zunehmend nicht darin, den Code einzugeben.

Meine Aufgabe ist es zu verstehen, was das System tun soll.

Wie die Komponenten verbunden werden sollen.

Wo die Daten gespeichert werden sollen.

Wie sich die Anwendung verhalten soll.

Was der Benutzer erleben soll.

Was passiert, wenn etwas fehlschlägt?

Wie Sicherheit funktionieren sollte.

Wie die Datenbank aufgebaut sein sollte.

Wie die Anwendung bereitgestellt werden soll.

Wie verschiedene Dienste kommunizieren sollten.

Und wie man erkennt, wenn die KI das Falsche gebaut hat.

Mit anderen Worten, ich nähere mich zunehmend einem Softwarearchitekten an.

Und ich denke, dass dies eine der größten Veränderungen sein könnte, die KI für die Softwareentwicklung mit sich bringt.

Die wertvolle Fähigkeit wird möglicherweise immer weniger:

Können Sie jede Codezeile persönlich schreiben?

Aber:

Können Sie ein gutes System entwerfen und die KI gut genug steuern, um es aufzubauen?

Das erfordert eine andere Art von Kompetenz.

Sie müssen noch Software verstehen.

Möglicherweise mehr, als den Leuten bewusst ist.

Aber Sie müssen möglicherweise nicht mehr jeden mechanischen Teil der Herstellung persönlich ausführen.

Ich werde später noch viel mehr darüber schreiben, weil es eine der wichtigsten Lektionen aus dieser gesamten Übung war.

Das erste Experiment: DarinOliver.com

Eines der ersten Dinge, die ich getan habe, war die Erstellung der Website, die Sie gerade lesen.

DarinOliver.com war teilweise eine Übung darin, mir selbst die moderne KI-gestützte Softwareentwicklung beizubringen.

Ich wollte eine mehrsprachige Veröffentlichungsplattform, auf der ich über Wirtschaft, Entscheidungsfindung, Technologie und das, was ich gelernt habe, schreiben kann.

Also habe ich es gebaut.

Ich habe Astro verwendet.

Ich habe mehrere Sprachen hinzugefügt.

Ich habe einen Sprachkommentar hinzugefügt.

Ich habe die Artikelarchitektur erstellt.

Ich habe die Infrastruktur angeschlossen.

Ich habe es bereitgestellt.

Die erste Version dauerte ungefähr 24 Stunden.

Und hier ist der Teil, der mich immer noch überrascht.

Es hat sofort sehr gut funktioniert.

Das war kein kaputter Prototyp, der kaum geladen wurde.

Die bereitgestellte Site.

Die Architektur hat funktioniert.

Das mehrsprachige System hat funktioniert.

Das Veröffentlichungssystem hat funktioniert.

Und ich hatte in ungefähr einem Tag etwas gebaut, von dem ich vor nicht allzu langer Zeit erwartet hätte, dass es einen Entwickler, wochenlanges Hin und Her, Spezifikationen, Überarbeitungen, Tests und wahrscheinlich ein sinnvolles Budget erfordern würde.

Natürlich habe ich es weiter verbessert.

Aber das Erstaunliche war, wie gut bereits das erste Ergebnis war.

Das veränderte meine Wahrnehmung dessen, was möglich geworden war.

KI ist unglaublich gut im Codieren geworden

Es gibt noch etwas anderes, das Menschen, die diese Systeme nicht jeden Tag nutzen, möglicherweise nicht zu schätzen wissen.

Die Verbesserungsrate ist außergewöhnlich.

Noch vor einem Jahr konnten KI-Codierungstools sehr nützlich sein, aber sie machten auch viele Fehler.

Sie würden Architektur falsch verstehen.

Zerbrich Dinge.

Bibliotheken erfinden.

Kontext aus den Augen verlieren.

Schaffe ein Problem und löse gleichzeitig ein anderes.

Heute ist die Erfahrung dramatisch anders.

Die aktuellen Systeme sind erstaunlich fähige Programmierer.

Sie machen immer noch Fehler.

Natürlich tun sie das.

Aber geben Sie einem starken Modell ein gut strukturiertes Problem, genügend Kontext und klare Anweisungen, und es kann bemerkenswert schnell eine enorme Menge hochwertiger Software produzieren.

Und seine Fähigkeit zum Debuggen ist möglicherweise noch beeindruckender.

Etwas geht kaputt.

Sie zeigen ihm den Fehler.

Es verfolgt das Problem.

Inspiziert den umgebenden Code.

Findet die Abhängigkeit oder den Architekturkonflikt.

Behebt das Problem.

Führt die Tests aus.

Findet etwas anderes.

Behebt auch das.

Manchmal schaue ich einfach zu, wie es funktioniert, und denke:

Das ist eine Maschine.

Eine absolute Maschine.

Und das Wichtigste ist, dass diese Verbesserung unglaublich schnell erfolgt.

Selbst die Werkzeuge, die Ben Cera zur Verfügung standen, als er Polsia Ende letzten Jahres gründete, waren nicht so leistungsfähig wie das, was wir heute haben.

Das bedeutet, dass sich die Chance unter uns bewegt, während wir versuchen, sie zu verstehen.

Die Leute schauen sich an, was vor sechs oder zwölf Monaten möglich war, und gehen davon aus, dass dies definiert, was KI jetzt tun kann.

Das ist nicht der Fall.

Das ist einer der Gründe, warum ich bei diesem Experiment eine gewisse Dringlichkeit verspüre.

Dann habe ich TallyPop gebaut

Nach DarinOliver.com wollte ich etwas technisch anspruchsvolleres.

Eine Veröffentlichungsseite ist eine Sache.

Ich wollte eine tatsächliche Anwendung mit persistenten Daten erstellen.

Ich habe das Problem zu Hause gefunden.

Mein Sohn hatte Probleme mit dem Einmaleins.

Also habe ich beschlossen, etwas für ihn zu bauen.

Daaus wurde TallyPop.app.

Ursprünglich handelte es sich lediglich um einen Antrag für ein Kind.

Dann dachte ich:

Andere Eltern müssen dieses Problem haben.

Dann:

Lehrer könnten dies nützlich finden.

Dann:

Dies könnte tatsächlich ein kommerzielles Produkt sein.

In etwa 48 Stunden habe ich die Anwendung erstellt und bereitgestellt.

Es gab eine Datenbank.

Benutzerstatusverfolgung.

Feedbackschleifen, die darauf ausgelegt sind, auf die Leistung eines Kindes zu reagieren.

Mehrere Sprachen.

Eine funktionierende Webanwendung.

Und ich musste Technologien erlernen, die ich persönlich noch nie zuvor genutzt hatte.

Supabase.

Vercel.

GitHub.

Wolkenflare.

Claude.

Codex läuft über das Terminal auf meinem MacBook.

Ich habe GitHub in meinem Leben noch nie richtig genutzt.

Jetzt habe ich darüber eine datenbankgestützte Anwendung bereitgestellt.

Auch hier hat die KI den überwiegenden Teil des Codes geschrieben.

Aber ich habe gelernt, was alles bewirkt.

Ich musste die Architektur verstehen.

Ich musste verstehen, warum die Datenbank auf diese Weise verbunden war.

Ich musste Authentifizierung verstehen.

Bereitstellung.

Umgebungsvariablen.

Zweige.

Fehler.

Berechtigungen.

Und wenn etwas kaputt ging, musste ich genug lernen, um zu erkennen, ob die vorgeschlagene Lösung sinnvoll war.

Das meine ich, wenn ich sage, dass ich Softwarearchitekt werde.

TallyPop ist jetzt live.

Ich habe vor, einige weitere Funktionen hinzuzufügen und es dann den Lehrern hier in Belgien vorzustellen.

Und das bringt das nächste Problem mit sich.

Weil KI das Bauen erheblich einfacher gemacht hat.

Es hat die Notwendigkeit, Kunden zu gewinnen, nicht beseitigt.

Unterdessen läuft Simply Alpha weiter

Ich mache das alles, während ich weiterhin Simply Alpha Capital, LLC leite, mein iGaming-Beratungsunternehmen.

Mein Team nutzt KI bereits in großem Umfang im gesamten Unternehmen.

Wir arbeiten auch an einem separaten Projekt im iGaming-Bereich, das derzeit im Verborgenen läuft.

Ich denke, dieses Projekt könnte irgendwann sehr wertvoll werden.

Aber es zählt nicht für diese Herausforderung.

Das gilt auch für die normalen Einnahmen von Simply Alpha.

Ich möchte, dass die Regeln sauber sind.

Die 250.000 US-Dollar müssen aus den neuen Projekten stammen, die ich im Rahmen dieses Experiments öffentlich entwickle.

Simply Alpha macht weiter.

Unsere Kunden machen weiter.

Unsere bestehende Arbeit wird fortgesetzt.

Das Stealth-Projekt geht weiter.

Und gleichzeitig baue ich diese neuen Systeme auf.

Das ist Teil dessen, was ich zu testen versuche.

Dann habe ich die KI auf Forschung umgestellt

Ein wesentlicher Teil unserer Arbeit bei Simply Alpha besteht darin, mit den Entwicklungen in den Bereichen iGaming, Gewinnspiele, Krypto, Prognosemärkte, Spieleentwicklung, Regulierung, Zahlungen, Marketing und verwandten Sektoren Schritt zu halten.

Es gibt eine enorme Menge an Informationen.

Gesetzgebung.

Rechtsstreitigkeiten.

Regulierungstätigkeit.

Unternehmen betreten und verlassen Märkte.

Zahlungsentwicklungen.

Produkteinführungen.

Marketingaktivität.

Transaktionen.

Teilnehmer.

Also begann ich, mit KI-Forschung zu experimentieren.

Die Ergebnisse waren außergewöhnlich.

Ich habe immer ausgefeiltere Rechercheaufforderungen erstellt und das System eine enorme Menge nützlicher Informationen sammeln, organisieren und zusammenfassen lassen.

Schließlich ließ ich Claude die Ausgabe in ein durchsuchbares HTML-Recherchedokument umwandeln.

Es war äußerst nützlich.

Aber mir wurde bald klar, dass ich einfach einen sehr ausgefeilten manuellen Prozess geschaffen hatte.

Ich musste es noch initiieren.

Ich musste es trotzdem ausführen.

Und wenn ich es nicht ausgeführt hätte, wäre nichts passiert.

Das führte mich zu Agenten.

Dieses Wochenende: SweepsMonitor.com

Mein nächstes Experiment ist SweepsMonitor.com.

Ich habe vor, dieses Wochenende die erste Version zu erstellen und sie, wenn alles wie erwartet läuft, am Montag oder Dienstag zum Laufen zu bringen.

Es wird sich speziell auf die Entwicklungen auf dem US-amerikanischen Markt für Gewinnspiele konzentrieren.

Aber die Seite selbst ist fast zweitrangig.

Was ich wirklich lernen möchte, ist, ob ich einen Agenten auf einem virtuellen privaten Server bereitstellen und dafür sorgen kann, dass das gesamte System kontinuierlich funktioniert.

Ein VPS ist im Wesentlichen ein Computer, der 24 Stunden am Tag woanders läuft.

Der Agent sollte in der Lage sein, automatisch aufzuwachen.

Forschung.

Identifizieren Sie wichtige Entwicklungen.

Analysiere sie.

Veröffentlichbares Material produzieren.

Und speisen Sie dieses Material in die Website ein.

Das heißt, ich werde testen, ob ich ein autonomes Veröffentlichungssystem erstellen kann.

Nicht theoretisch.

Ein echter.

Kann es kontinuierlich laufen?

Kann es Nachrichten von Lärm unterscheiden?

Kann es nützliche Inhalte generieren?

Kann es veröffentlicht werden?

Kann es weiterarbeiten, wenn ich etwas anderes mache?

Das ist es, was SweepsMonitor beweisen soll.

Dann möchte ich den Marketingagenten aufbauen

Sobald ich die Forschungs- und Veröffentlichungsarchitektur bewiesen habe, möchte ich mich mit der Verteilung befassen.

Ich habe beobachtet, wie Menschen KI-generierte Kurzvideos nutzen, um außergewöhnlich viel Traffic auf Plattformen wie Instagram zu erzeugen.

Was mich interessiert, ist nicht das Kopieren bestimmter Inhalte.

Es ist das Modell.

Generieren Sie kreative Variationen.

Testen Sie sie.

Beobachten Sie, was Aufmerksamkeit erregt.

Lernen.

Mehr produzieren.

Nutzen Sie diese Aufmerksamkeit, um Menschen an einen nützlichen Ort zu führen.

Sobald SweepsMonitor beweist, dass ich einen persistenten Agenten bereitstellen und verwalten kann, beabsichtige ich, einen Marketing-Agenten zu erstellen.

Das Ziel besteht darin, ein System zu schaffen, das in der Lage ist, Ideen zu identifizieren, die es wert sind, gefördert zu werden, kurze Videokonzepte zu entwickeln, Skripte und kreative Assets zu erstellen, Beiträge vorzubereiten und Traffic von Plattformen wie Instagram in eines der von mir entwickelten Unternehmen zu lenken.

Ich gehe davon aus, dass dieses System für Agentic Radar besonders nützlich sein wird, was ich in einem späteren Artikel erläutern werde.

Und das bringt die Architektur einer kompletten kommerziellen Maschine näher:

Forschung → Analyse → Produkt → Inhalt → Veröffentlichung → Vertrieb → Verkehr → Kunde

Wenn ich diese Teile zusammenfügen kann, beginnt eine Person über Fähigkeiten zu verfügen, für die früher ein ganzes Team erforderlich war.

Das ist der Teil, den ich tiefgründig finde

Denken Sie darüber nach, was ich gleichzeitig mache.

Ich verwende Simply Alpha.

Mein Team entwickelt ein separates Stealth-iGaming-Projekt.

Ich führe DarinOliver.com fort.

Ich verbessere TallyPop.

Ich baue eine KI-Forschungsinfrastruktur auf.

Ich starte SweepsMonitor.

Ich setze einen autonomen Recherche- und Veröffentlichungsagenten ein.

Ich habe vor, einen Marketingagenten aufzubauen.

Und ich habe vor, Agentic Radar zu entwickeln.

Traditionell würde man sich diese Liste ansehen und sagen:

Das ist zu viel. Wählen Sie eine Sache aus.

Und historisch gesehen war das wahrscheinlich ein ausgezeichneter Rat.

Aber KI verändert die Einheitsökonomie menschlicher Anstrengung.

Ich muss nicht jede Codezeile persönlich schreiben.

Ich muss nicht jede Geschichte persönlich recherchieren.

Ich muss nicht jede Seite manuell übersetzen.

Ich muss nicht jeden ersten Entwurf persönlich erstellen.

Ich muss nicht jedes Softwareproblem persönlich debuggen.

Ich muss nicht jeden Marketinginhalt erstellen.

Und zunehmend muss ich nicht einmal jede Aufgabe persönlich initiieren.

Die Maschinen können arbeiten, während ich etwas anderes mache.

Das macht meine Aufmerksamkeit nicht unbegrenzt.

Mein Urteil bleibt begrenzt.

Meine Fähigkeit, Entscheidungen zu treffen, bleibt begrenzt.

Und Agenten können spektakuläre Fehler machen, wenn sie schlecht angeleitet werden.

Aber die Einschränkung ändert sich.

Die alte Frage war:

Wie viel Arbeit kann eine Person leisten?

Die aufkommende Frage ist:

Wie viele produktive Systeme kann eine Person intelligent steuern?

Das finde ich tiefgründig.

Fast übermenschliche Produktivität

Menschen beschreiben KI als Produktivitätswerkzeug.

Ich denke zunehmend, dass die Beschreibung zu kurz ist.

Produktivität bedeutet:

Früher habe ich vier Stunden gebraucht, um etwas zu erledigen, und jetzt nehme ich eine.

Das ist nützlich.

Aber was ich erlebe, fühlt sich anders an.

KI ermöglicht es mir, Dinge zu versuchen, die ich vorher überhaupt nicht versucht hätte.

TallyPop hätte früher bedeutet, Entwickler einzustellen, bevor ich wusste, ob jemand das wollte.

SweepsMonitor hätte möglicherweise Forscher, Autoren, Entwickler, Redakteure und jemanden benötigt, der den Markt den ganzen Tag überwacht.

Für eine ernsthafte Social-Media-Akquise sind möglicherweise Forscher, Drehbuchautoren, Designer, Videoeditoren und Marketingmitarbeiter erforderlich.

Jetzt kann eine Person zumindest versuchen, all diese Fähigkeiten zu orchestrieren.

Das fühlt sich fast übermenschlich an.

Nicht, weil die Person übermenschlich geworden ist.

Weil die Person plötzlich Maschinen hat.

Und je leistungsfähiger diese Maschinen werden, desto wichtiger verlagert sich die Rolle des Menschen in Richtung Architektur, Urteilsvermögen, Geschmack, Strategie und Richtung.

Das ist vielleicht die eigentliche Fähigkeit, die ich lerne.

Nicht wie man programmiert.

Wie man intelligente Systeme steuert, die für mich programmieren, recherchieren, veröffentlichen, analysieren und schließlich vermarkten.

Warum ich das mache, bevor ich es unterrichte

Eine offensichtliche Möglichkeit für mich, das, was ich lerne, zu Geld zu machen, wäre, es zu unterrichten.

Es gibt eine sehr große Gruppe erfahrener Führungskräfte und Unternehmer, die ihr Geschäft sehr gut verstehen, aber kaum über die Verwendung von ChatGPT zum Schreiben von E-Mails hinausgekommen sind.

Ich habe ernsthaft darüber nachgedacht, praktische KI-Bildungs- und Beratungsdienste für diese Gruppe zu schaffen.

Das werde ich wahrscheinlich.

Aber zuerst möchte ich sehen, wie weit ich diese Werkzeuge selbst bringen kann.

Ich möchte praktische Kompetenz in KI-gestützter Softwareentwicklung, Forschung, Datenbanken, Automatisierung, Agenten, Infrastruktur, Content-Produktion, Marketing, Kundenakquise und Monetarisierung.

Denn ein KI-System dazu zu bringen, etwas Beeindruckendes zu leisten, ist nicht dasselbe wie die Schaffung von wirtschaftlichem Wert.

Der Test ist, ob dich jemand bezahlt.

Deshalb mag ich die 90-Tage-Challenge.

Es erzwingt das Problem.

Was zählt

Die Regeln bleiben einfach.

Umsätze von Simply Alpha zählen nicht.

Umsätze aus dem separaten Stealth-iGaming-Projekt zählen nicht.

Die 250.000 US-Dollar müssen aus den neuen Projekten stammen, die im Rahmen dieses Experiments gebaut oder entwickelt wurden.

Im Moment bedeutet das:

• TallyPop.app
• SweepsMonitor.com
• Agentisches Radar
• Alles Neue, das direkt über DarinOliver.com erstellt wurde
• Alles andere, was ich in den nächsten 90 Tagen erfinde

Es geht nicht darum, bestehende Einnahmen in einen anderen Topf zu schieben und den Sieg zu erklären.

Es geht darum zu sehen, was ich von hier aus schaffen kann.

Das Experiment

Also werde ich in den nächsten 90 Tagen bauen.

Bereitstellen.

Forschung.

Veröffentlichen.

Markt.

Verkaufen.

Automatisieren.

Zerbrich Dinge.

Reparieren Sie sie.

Und zeige, was passiert.

Vielleicht verdiene ich 250.000 $.

Vielleicht nicht.

Aber zunehmend ist das Geld nicht einmal der interessanteste Teil der Herausforderung.

Die größere Frage ist:

Wie viel kann eine Person jetzt tatsächlich leisten?

Wie viele Unternehmen kann eine Person testen?

Wie viele Produkte kann eine Person bauen?

Wie viel Software kann eine Person leiten?

Wie viel Forschung kann eine Person betreuen?

Wie viele Inhalte kann eine Person veröffentlichen?

Wie viel Verteilung kann eine Person schaffen?

Wie viele autonome Systeme kann eine Person bedienen, während sie noch ein bestehendes Unternehmen führt?

Ich weiß es nicht.

Aber ich vermute, dass die Antwort deutlich mehr ist, als sich die meisten Menschen derzeit vorstellen.

Bisher:

SimplyAlpha.com – in Betrieb.

DarinOliver.com – aufgebaut und weitergeführt.

TallyPop.app – erstellt, live und fortlaufend.

KI-Forschungsinfrastruktur – im Gange.

SweepsMonitor.com – dieses Wochenende.

Autonomer Publishing-Agent – weiter.

Marketingagent – danach.

Agentic Radar – kommt.

Und ich habe vor, sie parallel laufen zu lassen.

Das könnte letztendlich die wahre Geschichte sein.

Nicht, dass KI eine Person schneller macht.

Diese KI ermöglicht es einer Person, zum Architekten einer Menge produktiver Aktivitäten zu werden, für die früher eine Organisation erforderlich war.

250.000 $.

90 Tage.

Während ich das Unternehmen leite, habe ich es bereits getan.

Mal sehen, was eine Person jetzt tun kann.