Was ist Superintelligenz, Pip Klöckner? (#893)

Wer uns hier in den letzten Jahren regelmäßig ab und zu hört, der kennt vermutlich den Philipp Pip Glöckner. Und zwar nicht nur von uns, wo er regelmäßig als Stammgast auftaucht, sondern auch aus dem Doppelgänger-Podcast seiner Podcast-Heimat. Ich habe den Pip kennengelernt vor rund 15 Jahren. Damals war er noch SEO- oder Online-Marketing-Experte, aber er hat damals schon diese ganze Disziplin sehr Machine-Learning-artig verstanden und entwickelt und aufgefasst. Insofern war der Weg dann zu KI später nicht so weit und mittlerweile ist er dann einfach wirklich KI-Experte geworden. Hat sich da extrem tief eingearbeitet, ist auch investiert bei Anthropic, bei OpenAI und hält seit einigen Jahren bei uns beim OMR Festival regelmäßig, seit Jahren schon eine Präsentation zum State of KI sozusagen. Und das Ding ist regelmäßig komplett voll, egal welche Bühne, der ganze Saal ist voll. Die Menschen wollen da sein Chart- und Slide-Gewitter sehen. 170 Slides mit Fakten und Updates. Und ich bekomme auch mit, er ist das ganze restliche Jahr über viel unterwegs mit der Präsentation quer durch Deutschland auf den verschiedensten Bühnen. Und bei uns wird er also demnächst wieder eine neue Version launchen. Also auf dem diesjährigen OMR Festival ist er ganz konkret am Start am 5. Mai um 12:10 Uhr auf der HBO Max Stage. Und im Vorgriff darauf haben wir jetzt gesprochen, im Wesentlichen über KI, über die Frage natürlich nach der KI-Blase, über Chancen und Risiken, über mögliche Energieengpässe rund um KI und ob er an Superintelligenz glaubt und was das eigentlich sein soll. Also rein ins große KI-Update mit Pip Glöckner.

Auf geht's!

Let's go! Go, go, go!

Herzlich willkommen beim OMR Podcast mit Philipp Westermeyer.

Wer selbst gerade gründet oder eine kleinere Firma übernommen hat oder Ähnliches, der kennt möglicherweise das Problem: Ein klassisches Geschäftskonto heißt oft Filialtermine, Papierkram und lästige Wartezeiten. Dann gibt's im Arbeitsalltag meistens getrennte Tools für Banking, für Rechnungen und für Buchhaltung, und das alles kostet einfach sehr viel Zeit und ist meistens nicht optimal aufeinander abgestimmt. Und genau hier kommt unser heutiger Partner Qonto ins Spiel. Qonto mit Q am Anfang macht euch das Leben deutlich leichter. Ihr könnt ein Geschäftskonto mit deutscher IBAN in nur 10 Minuten online eröffnen, und zwar komplett ohne jeden Papierkram. Und den Einstieg gibt's bereits ab 0€. Außerdem, und besonders praktisch, das Banking, die Rechnungen, die Buchhaltung, das Ausgabenmanagement kann man dann in einer App machen, nämlich in der Qonto-App. Es gibt außerdem Firmenkarten mit bis zu 360 € Cashback pro Jahr, einen persönlichen Kundenservice und über 2000 Integrationen, unter anderem für Lexware oder für DATEV. Das System von Kontist wächst dann einfach mit euch mit, vom Start für Selbstständige bis zum Team mit über 250 Mitarbeitenden. Wer einmal wissen möchte, wie gut das Ganze in der Praxis funktioniert, der ist eingeladen, bei OMR Reviews unsere Bewertungen dazu durchzulesen. Die sind komplett neutral, wir würden unsere Bewertungen natürlich niemals anfassen, und dennoch wird, glaube ich, klar, dass Kontist ein sehr, sehr gutes Job macht. Alle Infos zu Qonto unter qonto.de.

Philipp, hi!

Hi Philipp!

Wir haben ja schon in den letzten Jahren auch immer mal wieder hier so Konzeptfolgen gemacht, die erfolgreichsten deutschen Unternehmer aller Zeiten, erinnere ich mich, oder die wertvollsten Firmen Deutschlands und was wir alles besprochen haben hier so, also wirklich jetzt bewusst sehr thematisch. Und jetzt die Idee, heute einmal wirklich über KI thematisch zu sprechen, so alle KI-Themen einmal strukturiert durch. Du hast dich in den letzten Jahren ja auch richtig KI-stark entwickelt und bist da extrem tief drin. Wer regelmäßig Doppelgänger-Podcast hört von euch, der weiß das. Du hast in den letzten Jahren bei uns auf dem Festival immer so einen KI- oder State-of-KI-Vortrag gemacht, glaube seit 3 Jahren jetzt.

Genau.

Und jedes Mal brutal voll und Gott sei Dank auch, so Gott will, In diesem Jahr wieder. Also es dauert noch ein paar Tage, wenn der Podcast raus ist, dann gibt es das Festival. Da gibt es auch dich wieder da zu sehen. Und als kleiner Vorgriff darauf ein bisschen so jetzt einmal, wir werden ja KI natürlich am Festival wieder großes Thema haben, unter anderem mit dem Peter Steinberger von OpenAI jetzt und Nick Turley wird wiederkommen. Also viel los rund um KI und zur Vorbereitung und zum Einstieg und für alle, die es bislang noch nicht so strukturiert einmal durchgehört haben. Ja, also womit fangen wir an? Vielleicht so als Einstieg, seit wir das letzte Mal hier gesprochen haben, Anfang des Jahres, zur Jahresauftaktsfolge, gab es irgendwas in der KI-Welt, was dich besonders überrascht hat, was besonders nennenswert wäre jetzt alleine von Januar bis heute?

Von Januar bis heute, also ich glaube, die aktuelle Entwicklung in dem Wettrennen von Anthropic und OpenAI ist, glaube ich, das Spannendste. Also man hat Anthropic immer so als relativ klaren Zweiten. Gesehen und jetzt kommen die Platten erstaunlich nah, also sind direkt im Rückspiegel von OpenAI. Beim B2B-Umsatz gewinnen sie sogar deutlich mehr Marktanteile und da hätte man wahrscheinlich vor einem halben Jahr oder einem Jahr noch nicht drauf gewettet.

Man muss dazu sagen, fällt mir gerade ein, du bist auch noch vielleicht ganz passend zum Podcast mittelbar zumindest bei OpenAI investiert.

Und beim Entropic und bei anderen auch. Also Secondary Vehicles und so, genau mit Kleintickets.

Okay, also in allen aber fast.

Also in Xe eigentlich, obwohl doch in SpaceX ist ja jetzt auch eins. Also ich habe ein kleines Ticket an SpaceX. Wirklich? Da bin ich ja wahrscheinlich, Google-Anteile habe ich auch. Also ich bin konfliktet, aber bei allen gleichzeitig.

Wenn du sagst, ein kleines Ticket in SpaceX, dann sind das so, reden wir dann 30.000, 40.000 Euro oder so was?

Ja, so in dem Dreh, fünfstellig.

Okay, na gut, also du sagst irgendwie, dass jetzt Entropic so stark aufholt, das kann man in den letzten Wochen ja hier und da auch mal hören und Leute sagen, viele Experten und Wenn man so rumläuft und auch bei uns in der Firma, dann sehe ich auf einmal Leute, die haben so einen extra Screen und was macht denn der da? Dann haben da Leute jetzt irgendwie so Claude laufen. Also das ist scheinbar wirklich jetzt ein Ding. Also bei uns in der eigenen Firma, habe ich vor kurzem gesehen, hat da jemand so ein, also das scheint jetzt irgendwie Claude im Business-Umfeld, also oder ist ja von Anthropic, das ist so das große, das Ding, was sich gerade durchsetzt.

Genau, man muss den Markt, es gibt eigentlich halt nicht einen KI-Markt, sondern man kann sich so eine Matrix vorstellen vielleicht zwischen wo es so B2B Enterprise gibt, dann Professional Use, also du zahlst dafür und nutzt es aber selber, und Free-for-All-Use, also der typische Google-Nutzer zum Beispiel. Und der Enterprise-B2B-Use-Case scheint sehr stark zu Claude zu gehen. Dann Professional Use, das ist wahrscheinlich so ein, ich würde sagen, tendiert auch schon zu Claude, aber es gibt natürlich auch Leute, die für OpenAI zahlen oder für Groq sogar. Und der Free-for-all-Markt ist eigentlich, wenn man ehrlich ist, bei Google. Also OpenAI sagt ja, sie haben 900 Millionen Nutzer, aber da in den Google-Suchergebnissen ja eigentlich schon KI fest drin ist, in den AI-Overviews oder AI-Mode, haben die, wenn man es genau nimmt, halt 2 Milliarden plus Nutzer. Das heißt, und ich glaube, deswegen zieht OpenAI sich gerade auch so ein bisschen zurück und versucht mehr auf den B2B-Markt zu gehen. Es hat verschiedene Gründe. Einerseits ist der attraktiver, weil die Revenue Expansion besser ist, weil die Kundentreue größer ist im B2B-Markt wahrscheinlich. Und andererseits glaube ich, ist ihnen vielleicht auch bewusst geworden, dass sie den Free-Consumer-Market an Google verlieren könnten. Also sie haben gerade ihre E-Commerce-Bestrebungen quasi eingestellt oder stark zurückgerudert. Das Werbegeschäft scheint nicht richtig gut anzulaufen bisher. Sam Altman hat früher auch immer gesagt, so Werbung wäre so sein Last Resort. Also wenn er nicht anders monetarisieren kann, dann würde er über Werbung nachdenken. Jetzt haben sie damit angefangen. Perplexity hat aber gerade gezeigt, dass sie Werbung einstellen, weil es nicht funktioniert hat bei Perplexity. Und die ist ja schon ein Jahr probiert haben. Und deswegen glaube ich, shiften jetzt alle sehr stark zum B2B-Markt, weil das der erfolgsversprechende zu sein scheint. Unternehmen können besser bemessen, ob sie Geld verdienen mit KI oder nicht oder ob sie Kosten sparen.

Genau. Und generell muss man sagen, wir reden jetzt ja über den Teil der KI, der so mit den Sprachmodellen zu tun hat. Es gibt ja auch noch eine KI, die sozusagen auf andere Modelle aufsetzt quasi oder sozusagen eher in der haptischen Welt stattfindet. Das wird ja auch noch als KI bezeichnet, einfach nur so, um das einmal so zu strukturieren, oder?

Genau, also KI oder Machine Learning ist so der Dachbegriff und darunter gibt es verschiedene Ansätze. Und der zuletzt jetzt sehr erfolgreiche und skalierbare waren die Transformer-Modelle oder LLMs, die Language Models. Der Vorteil ist, die kann man mit frei verfügbaren digitalen Daten oder Daten, die man sich zusammensucht, sehr, sehr schnell trainieren, aber es ist auch relativ aufwendig und sie verbrauchen viel Energie und haben hohe Kosten. Beim Training. Und dann gibt es aber zum Beispiel sogenannte World Models. Daran forscht zum Beispiel der Ex-Meta-Chef Yann LeCun jetzt oder Fei-Fei Li, eine berühmte Forscherin aus den USA, aus Kalifornien, und ein paar andere auch. Und da geht es eher darum, zum Beispiel Physik zu verstehen. Also dass, wenn ich ein Video sehe, ich eher interpoliere, was zwischen— also ich nehme das hier, dieses Wasserglas in die Hand, und wenn es jetzt in der nächsten Szene da unten steht, ist es runtergefallen, habe ich es abgestellt. Also das so ein bisschen zu antizipieren, also die echte Welt verstehen, könnte man sagen. Es hat zwei Vorteile. Also für Robotik ist das natürlich unheimlich wichtig, kann man sich vorstellen, World Models. Aber man hofft auch, dass man quasi so visuell so ein bisschen wie ein Mensch schneller und effizienter lernen kann als durch LLMs. Also diese LLMs brauchen irgendwie 20.000 Bilder, um zu verstehen, was der Unterschied zwischen einer Katze und einem Hund ist oder so. Ein menschliches Baby kann das nach 4, 5 Mal betrachten und man fragt sich, wie kann das sein, dass ein Mensch das so hocheffizient kann? Und da geht man davon aus, dass World Models eventuell auch quasi dazu führen könnten, dass man zumindest gewisse Sachen wie Physik viel einfacher trainieren kann.

Was mir auch schon aufgefallen ist in diesem Kontext, was mich überrascht hat, ist, dass man am Ende auch gar nicht so richtig erklären kann, wie jetzt LLMs zu ihren Resultaten kommen. Also es ist halt irgendwie, also vom Prinzip her klar, aber man kann trotzdem jetzt nicht eins zu eins sagen, wie die das genau gemacht haben. Also da ist noch Unschärfe drin sozusagen.

Ja, also wir nähern uns irgendwo dem Punkt, wo wir selber nicht so richtig verstehen eigentlich, was die KI da gemacht hat. Fairerweise. Wahrscheinlich ist die Forschung, was die Funktionsweise unseres Hirns angeht, auch noch nicht abgeschlossen. Also wenn Leute mal sagen, das ist nur stochastisch oder statistisch so ein Papagei, da muss man sich schon mal fragen, also was machen jetzt Menschen so viel anders? Also wir erinnern uns auch nur superschnell oder machen Pattern Matching. Wir halluzinieren auch, wir lügen mit Absicht teilweise. Ich glaube, so viel anders ist es gar nicht. Wir können halt so Gedankenketten aufbauen. Da kommen die Modelle jetzt mehr und mehr hin. Aber das führt dann auch dazu, dass manchmal fragen wir uns, weil es einfach Sachen gibt, wo man denkt, das können sie nicht gelernt haben. Das ist auch kein Wissen, sondern es ist ein neues Anwendungsgebiet. Also sie entwickeln so ein bisschen einfache Abstraktionsfähigkeit. Aber nee, so perfekt erklären kann man das schon lange nicht mehr.

Obwohl man insofern weiß, wie man das programmieren muss. Dann drückt man irgendwann auf Start, so stelle ich mir das vor, und dann weiß man trotzdem nicht, was da genau hinter diesen ganzen selbst eingegebenen Codezeilen passiert.

Das ist vielleicht ganz wichtig, weil wenn man jetzt zweieinhalb Jahre zurückspult, da haben noch Leute gesagt, das kann schlechten SEO-Text schreiben, ansonsten ist das aber irgendwie Nur starrer Stack, wie gesagt. Und ich glaube, die Leute, die damals sehr skeptisch waren, müssen schon zugeben, dass sich das viel krasser entwickelt hat, als man gedacht hätte. Also ich kenne wenig Leute, die jetzt sagen würden, ich habe KI überschätzt oder so. Die meisten haben es letztlich, glaube ich, unterschätzt und werden überrascht, wie viel Fähigkeit man jetzt in 2, 3 Jahren hinzugewonnen hat.

Lass uns mal direkt mit dem ersten großen Themenblock einsteigen und dann müssen wir ein paar durcharbeiten. Also erstmal Arbeitsmarkt. Das ist ja auch, was viele umtreibt. Gehst denn du auch davon aus, hat man hier im Podcast in den letzten Wochen mal solche und mal solche Meinungen gehört, dass wirklich größere Mengen von Menschen in den westlichen Gesellschaften aufgrund von KI arbeitslos werden?

Also ich gehe davon aus, dass es den Arbeitsmarkt beeinflusst. Ich glaube einerseits, dass das immer langsamer geht, als wir glauben. Also selbst wenn wir jetzt sagen, ja, dadurch gehen Jobs verloren, dann glaube ich, das wird eher über einen Zeitraum von 10, 15 Jahren passieren. Was man schon sagen muss, ist, dass, ich habe das neulich mal die Bullshit-Ökonomie genannt, also wenn dein Output irgendwelche digitalen Güter sind, also du baust Reports, Excel-Tabellen, E-Mails, Content, sowas, dann ist dein Job wahrscheinlich schon relativ gefährdet. Ich glaube, die aktuelle Studie sagt, dass so ungefähr 2,5% der US-Ökonomie könnten schon übernommen werden von KI heute. Das ist noch relativ wenig und ist auch schwer zu sagen, was das jetzt genau heißt. Aber ich glaube, wie gesagt, wenn dein Output digital ist und Content im weitesten Sinne, dann ist das wahrscheinlich schon, oder Consulting zum Beispiel, dann wird das nach und nach ersetzbarer. Kann aber auch heißen, dass wir sogar kurzfristig mehr Jobs haben. Also zum Beispiel, wenn man an Softwareentwicklung denkt, wir werden wahrscheinlich weniger Leute haben, die Code schreiben, aber mehr Leute, die Software bauen. Also weil ein Produktmanager oder Produktmanagerin oder jemand, der es noch nie gemacht hat, kann ja quasi Apps bauen oder eigene Applikationen oder Webseiten noch einfacher bauen als vorher. Das heißt, man kann durchaus auch Hypothesen haben, dass manche Berufe quasi mehr Aktive haben, nur dass sie anders arbeiten. Aber ich würde davon ausgehen, dass zum Beispiel, also Callcenter Agents ist glaube ich ein gutes Beispiel, Übersetzer, vielleicht auch Teile des Consultings. Also es gibt glaube ich, wenn du jetzt KI- und Datenconsulting machst, da wird es wahrscheinlich mehr Arbeit geben denn je. Es gibt aber vielleicht so Post-Merger-Integrations oder irgendwie Prozesse strukturieren, wo es vielleicht auch schon weniger Arbeit gibt in Zukunft.

Aber wir reden jetzt nicht von Massenarbeitslosigkeit.

Also das sehe ich in absehbarer Zeit nicht. Also nicht auf Sicht von 5 bis 10 Jahren, auf Sicht von 20 Jahren oder so kann das schon gut sein.

Und da müsste ja wirklich dann diese Robotiksache mit reinkommen, dann müsste das ja wirklich gut funktionieren. Da sind wir ja jetzt auch noch nicht so weit. Also ich meine so Robotik und KI, dieses Feld ist ja noch deutlich zurück im Vergleich zu dem LLM oder den Transformer-Modellen.

Also die Frage ist halt auch immer, was ist der Transmissionsmechanismus? Also wie schaffst du es, dass Unternehmen auch lernen, diese Technologie anzuwenden? Wenn du überlegst, wie lange die Digitalisierung gebraucht hat, also dass die meisten Unternehmen jetzt noch nicht wirklich, wirklich digitalisiert sind, gehe ich davon aus, dass es auch da langsamer geht. Was es aber auch geben wird, ist so eine Art Parallelökonomie, also dass die Start-ups oder Einzelunternehmen, die werden schon hyperproduktiv arbeiten. Also es wird so einzelne Leute geben, die ein Unternehmen haben, was heute 40 Leute bräuchte noch, die das ganz allein machen mit einem Orchester von Agenten. Das wird in den nächsten 2, 3 Jahren definitiv so sein. Junge Start-ups werden auch so AI-first bauen, das heißt, die werden auch deutlich weniger Leute einstellen. Und die Frage ist, wie schnell können die quasi Marktanteile von den großen Firmen gewinnen? Dass die großen Firmen sich jetzt so schnell transformieren, dass sie in den nächsten 3 Jahren 30% der Mitarbeiter entlassen können, daran glaube ich nicht. Ehrlich gesagt. Also da fehlen die Mitarbeiter quasi, die die KI einsetzen. Es ist ein kulturelles Problem. Das hat man bei Digitalisierung gut gesehen. Ich gehe davon aus, dass es ein bisschen schneller geht als bei der Digitalisierung. Aber trotzdem gibt es so Beharrungskräfte in der klassischen Industrie, in der Verwaltung und so weiter, die dafür sorgen, dass es glaube ich nicht so schnell geht, wie man glaubt.

Im OMR-Podcast spreche ich ja bekanntlich jede Woche mit Menschen, die ganz offensichtlich etwas bewegen möchten. Und alle von denen treffen Entscheidungen, gehen Risiken ein und treiben ihr Business häufig mit sehr, sehr viel Herzblut voran. Und natürlich passieren dabei auch mal Fehler. Die entscheidende Frage ist deshalb gar nicht, wie man jedes Risiko vermeidet, sondern ob man einen Partner an seiner Seite hat, der das eigene Business wirklich versteht. Und genau dafür gibt es die Business-Versicherung von unserem Partner Hiscox. Hiscox ist seit 1901 als Spezialversicherer tätig. Entsprechend haben die extrem viel Expertise und die fließt heute in moderne Business-Versicherungen für Unternehmen, für Gründer oder für Freelancer. Bei Hiscox arbeiten Expertinnen und Experten aus unterschiedlichsten Branchen, die die jeweils individuellen Risiken sehr genau verstehen und deswegen auch gut herleiten können, worauf es bei eurem Geschäft ganz genau ankommt. Sollte euch mal ein Kunde einen Fehler vorwerfen, steht Hiscox an eurer Seite, verteidigt eure Interessen und begleitet euch im Zweifel auch vor Gericht ohne Mehrkosten. Also quasi die Rechtsschutzversicherung ist schon inklusive. Also kein Wunder, dass der Schadensservice mit 4,7 von 5 Punkten bewertet wird. Mit der Hiscox Business Versicherung kann man sich also rein auf sein eigenes Wachstum konzentrieren. Alle Infos und online abschließen kann man unter hiscox.de/omr. Natürlich auch unter dem Link bei uns in den Shownotes.

Okay, dann nächster Themenblock: Bewertung und AI-Bubble. Also Sag mal dazu deine Einschätzung. Gibt es eine AI-Bubble? Sind diese hohen Bewertungen in einigen Fällen vielleicht nicht doch überzogen oder in welchen wären das?

Also es gibt definitiv so eine Art Hype, bestimmt auch eine Bubble, einfach weil ich glaube, dass die Technologie, die Bewertung, die Erwartungen schneller voranschreiten als der tatsächliche Einsatz. Also es gibt so eine Implementation- oder Adoption-Gap, was so ein bisschen ist, was ich gerade beschrieben habe, dass die Unternehmen gar nicht so schnell hinterherkommen. Wie sie sinnvoll KI einsetzen. Deswegen baut man jetzt zum Beispiel Joint Venture mit Private-Equity-Unternehmen. Ist so gerade die News der letzten Woche, dass sowohl Anthropic als auch OpenAI mit den größten Private-Equity-Firmen so Joint Ventures bauen. Ich nehme an, weil man glaubt, dass die Private-Equity-Unternehmen quasi als Erster bereit wären, Unternehmen mit KI zu transformieren und gezielt vielleicht auch aufzukaufen, um sie mit KI zu transformieren. Ist ja ein großer Trend auch gerade. Und deswegen hat OpenAI, soll angeblich sogar so eine Mindestrendite von 17,5% versprochen haben dem Private-Equity-Partner, was relativ viel wäre, das quasi zu versprechen, einfach um die Technologie quasi in den Markt zu drücken. Also die Challenge ist nicht, dass KI nicht gut genug ist als Technologie, die kann schon relativ viel, aber Unternehmen dazu zu bringen, sie wirklich einzusetzen, das ist schwer. OpenAI hat gerade gesagt, dass sie ihre Mitarbeiter bis Ende des Jahres verdoppeln wollen fast. Ich nehme an, das werden hauptsächlich so Forward-Deployed Engineers sein.

Also das Palantir-Modell.

Genau das Palantir-Modell, dass man eigentlich Entwickler und Produktmanager, Projektmanager zum Kunden schickt, damit die die KI beim Kunden einsetzen, weil man weiß, die Kunden kriegen es selber nicht hin, mal stark vereinfacht. Aber zu den Bewertungen, ich glaube, also wir reden über Bewertungen einmal ganz kurz.

OpenAI, ich glaube aktuell so 700 bis 800 Milliarden.

840 Milliarden.

Genau, der Investor weiß es. Das ist jetzt ja schon einer der wertvollsten Firmen der Welt.

Ja, müsste so in den Top Top 10 oder Top 15 der Unternehmen sein damit. Also das kann man differenziert sehen. Also wenn man jetzt auf 2 Dinge schaut, könnte man sagen, das ist total gerechtfertigt. Also das wäre so ein 20-, 30-fach Sales Multiple, ne. OpenAI macht 25 Milliarden Umsatz Runrate, das ist die letzte Information von Februar, glaube ich. Das kann man sagen, warum sollen die nicht das 30-Fache, also 750 Millionen wert sein? Das sieht man bei anderen börsengelisteten Softwareunternehmen, die nicht so schnell wachsen, irgendwie bei einem Cloudflare oder Palantir sogar noch deutlich mehr. Also wir reden jetzt ja nicht von KGV aufs Ergebnis, Vom Umsatz, ne? Aber selbst da gibt es, wie gesagt, börsengelistete Unternehmen, und so die Preisfindung der Börse ist ja heilig. Und wenn die, also Cloudflare ist glaube ich, der hat viele andere Vorteile noch, aber wächst eigentlich viel langsamer. Und wenn man jetzt sagt, so schnell wie OpenAI gerade wächst, die verdoppeln, verdreifachen sich jetzt, und Tropic genauso, warum sollst du denen nicht ein 30-faches Umsatzmultiple geben? Das ist eigentlich fair, wenn man jetzt nur auf Umsatz schaut. Ich komme gleich drauf, warum das vielleicht nicht stimmen kann. Das andere ist, wenn man jetzt schaut, Wenn es zum Beispiel um die Burn Rate geht, wie viel Geld die dabei verbrannt haben, auch da schaut man zum Beispiel auf Unternehmen wie Palantir, Databricks oder Snowflake. Die haben beim IPO alle dreimal so viel Geld gebraucht, wie sie Umsatz haben. Also wenn sie bis zum IPO 3 Milliarden geraised hatten aus Venture Capital, dann haben sie es damit ungefähr auf eine Milliarde Umsatz geschafft. So, das gleiche Verhältnis würdest du ungefähr bei Intropic und OpenAI jetzt auch finden. Also die haben für die 25 Milliarden, haben sie vielleicht in der Vergangenheit 75 Milliarden verbrannt. Und auch das hättest du sozusagen in anderen Start-ups vorher gesehen, und die sind sozusagen dann sehr erfolgreich an die Börse gegangen. Die 2 wahrscheinlichen Probleme, die es gibt, und warum das dann vielleicht doch so ein bisschen überhyped ist, ist das eine die Umsatzqualität, also dass das eben nicht so eine Rohmarge— sagen, die Rohmarge ist in allen Unternehmen eigentlich wichtig, aber gerade bei Softwareunternehmen, man versucht immer so zwischen 80 und bis zu 90% zu landen. Das heißt, die Erstellung der Software kostet 20 Cent und ich verkaufe sie für 1 Euro weiter, einfach gesagt. Dann habe ich eine 80% Rohmarge auf meinen Umsatz. Und die ist beim Weiterverkaufen von Tokens, also bei dem, was diese KI-Firmen machen, die haben ja so eine Art Veredelungsprozess auf Tokens. Die kaufen bei AWS oder in ihrer eigenen Cloud irgendwo Tokens ein, die aus diesen GPUs von Nvidia rauskommen, und kaufen sie dem Kunden teurer weiter, wenn sie durch so ein LLM gelaufen sind vorher. So kann man sich so ein bisschen vorstellen. Das heißt aber, ein Token ist am Ende ein Tokens sind kleine Ketten aus Buchstaben, also so 4 bis 5 Buchstaben, so ungefähr so lang wie ein Wort. Und daraus werden diese Antworten gebaut, diese KI-Antworten. Also ich packe Tokens rein, also Wortketten, die Frage, der Prompt, und raus kommen auch wieder Tokens, also Antworten. Und inzwischen kann man halt komplette strukturierte Projekte aus diesen Tokens zusammenbauen. Aber am Ende sind das immer diese Wortketten, die vorgeschlagen werden von den Modellen.

Also um eine Anfrage zu absolvieren, braucht man halt schon Hunderte von Tokens oder Tausende von Tokens.

Ja, mindestens Hunderte. Also wenn ich jetzt einen komplexen Task, und Das ist auch eine Sache, die sich verändert hat. Das werde ich in meiner Keynote auch zeigen. Vor eineinhalb Jahren konnte man so, wenn man da Claude Sonnet 3.6 oder was das damals war, eine Aufgabe gegeben hat, einen Bug fixen oder einen kurzen Code erstellen, konnte das so 30 Sekunden bis 1 Minute 30 unabhängig arbeiten. Inzwischen kann Claude durch die Orchestrierung verschiedener Agenten 12 Stunden und mehr durcharbeiten. Also du gibst ihm eine Aufgabe. Und dann baut, arbeitet das selbstständig wie ein Projektmanager mit ganz vielen Praktikanten und baut selber ein Projekt, ein Stück Software und so weiter über 12 Stunden. Und dabei generiert es dann Millionen von Tokens zum Beispiel. Aber um nochmal auf die Revenue-Qualität zurückzukommen, also diese Rohmarge ist wahrscheinlich bestenfalls so 40, 50% im Moment. Das heißt, um 1 Euro Umsatz zu machen, müssen die Firmen selber 50, 60 Cent quasi an Cloud-Kosten bezahlen. Da geht man jetzt davon aus, dass das irgendwann besser wird in der Zukunft. Das ist aber auch fraglich, weil man natürlich in einer krassen Konkurrenzsituation ist. Das heißt, man kann den Preis nicht so einfach setzen. Das viel größere Problem ist aber, der Tokenverkauf an sich ist quasi profitabel. Das heißt, würden diese Unternehmen heute aufhören zu forschen, also keine neuen Modelle mehr trainieren, dann würden sie alle profitabel sein, würden Milliarden, also von den 25 Milliarden Umsatz würden dann 7, 8 Milliarden vielleicht als Gewinn übrig bleiben oder zumindest als Rohertrag. Dadurch, dass um in diesem Tokenverkaufsbusiness drin zu bleiben, sie aber immer das beste Modell haben müssen, also in diesem Wettrennen um das beste Modell auch drin bleiben müssen, und der ist halt fast ruinös.

Aber das heißt, sie verbrennen die Kohle jetzt gar nicht so sehr bei den Kundenanfragen, sondern sie verbrennen die Kohle bei ihrem eigenen Modelltraining.

Genau, also die Tokens, die sie zum Beispiel über die eigene API verkaufen, Also die, die daran verdienen sie Geld. Es gibt dann so einzelne Projekte, wenn du als kostenloser Nutzer dahin gehst, wenn du dich nicht einloggst bei ChatGPT.

Also wenn du dich einloggst, also wenn du nicht bezahlst.

Genau, wenn du nicht bezahlst, so, dann zahlen sie da natürlich drauf. Aber zum Beispiel in den B2B-Verträgen haben sie überall einen ordentlichen Deckungsbeitrag. Also da drucken sie quasi Geld. Ich vergleiche das mal so, das ist wie eine Goldmine, wo du reingehen musst und du kannst Geld raus, Gold rausholen. Aber das Eintrittsticket zu der Goldmine, also das beste LLM zu haben am Markt oder eins der 3 Besten. Dahin zu kommen wird immer teurer, weil du halt irgendwie zig Milliarden an Forschungsaufwendungen, also R&D, brauchst, um dir quasi eine Position in dem Markt zu erkaufen jedes Jahr. Und die Aufwendung, um das beste Modell zu haben, das zeige ich auch im Vortrag, steigt so ungefähr 4- bis 5-mal jedes Jahr. Also du brauchst 5-mal so viel Rechenleistung, um einfach nur ein Modell zu bauen, was wieder quasi Champions League spielt.

Und die Rechenleistung wird nicht so schnell günstiger.

Die Rechner werden nicht günstiger, sondern teurer. Also die werden effizienter, aber auch teurer. Sie, also pro Watt, man geht hauptsächlich inzwischen davon aus, dass Energie der begrenzende Faktor ist. Deswegen schaut man jetzt auf die Leistung pro Watt sehr stark, und die, die steigt schon. Also die Technik holt auf, aber trotzdem brauchst du 4, 5 Mal die gleiche Rechenleistung, und deswegen steigen halt diese Investitionsausgaben der Firmen auch so massiv. Also die geben ja dieses Jahr höchstwahrscheinlich um die, also nur die 6 größten Firmen, das sind die 3 Cloud-Hoster, also Amazon, Microsoft, Google, dann Meta und Oracle und CoreWeave, das sind so 2 KI-spezialisierte, oder Oracle hat ein Software-Business, aber ist auch ein Cloud-Hosting-Business. Die geben 700 Milliarden aus für Investitionen in neue KI-Rechenzentren dieses Jahr. Das ist mehr als der Marshallplan, also der Wiederaufbau Europas, Apollo-Programm, Manhattan-Projekt zusammen. Selbst alle inflationsadjustiert und alles in heutigem Geld geben die quasi in diesem Jahr, und nächstes Jahr wird es wahrscheinlich noch mehr sein, mehr aus als diese historischen Investitionsprogramme.

Aber am Ende bei all dem ist ja die Frage, wird es dann jemals ein Geschäftsmodell geben können für die KI-Firmen, die jetzt nicht separat eins haben, wo sie dann KI quasi einfach nur noch reinlegen, Google oder vielleicht Meta oder so? Also kann auch eine Eine reine KI-Firma wie jetzt Anthropic oder OpenAI, können die dann jemals profitabel arbeiten?

Ja, also die große Gefahr ist, dass die Modelle einfach komplett commoditized werden, also dass die so allverfügbar werden. Da ist, ich glaube, das wahrscheinlichste Szenario, dass sie immer relativ schnell in China kopiert werden. Also das heißt, du baust das beste Modell, investierst 300 Milliarden, um 2028 das beste Modell zu erforschen. Und mit einem Verzug von 2, 3 Monaten destilliert jemand in China das Modell. Also es ist so eine Möglichkeit, basierend auf sehr guten Modellen kann man ein 98% so gutes Modell, aber deutlich günstiger und schneller bauen. Und warum sollte mein Kunde dann nicht das Modell nehmen, was viel günstiger ist? Also dann dauerhaften Vorsprung. Das ist dieses tödliche oder ruinöse Wettrennen oder Wettrüsten in Forschung, dass die einzige Hoffnung ist, dass halt irgendjemand dann zuerst sogenannte AGI oder Superintelligenz erreicht und dann die Software sich von selber schreibt und man alle Geschäfte Modelle der Welt irgendwie relativ schnell übernehmen kann oder so. Ansonsten wird es schwer, irgendwann das Geld wieder reinzubekommen, weil du stehst halt ständig im absoluten Wettbewerb. Dagegen würde sprechen, wenn man schafft, dass Modelle so eine Art Geschmack haben. Also dass du, so wie die heute vielleicht bei Telefonunternehmen, hast du vielleicht eine Affinität zu einer gewissen Brand oder so, dir gefällt die Markensprache besser. So kann das natürlich auch bei Modellen sein, aber ob du ob du dafür dann deutlich höheren Preis bereit bist zu zahlen, ist die Frage.

Also am Ende, es kann schon sein, dass irgendwann mal, wenn so eine Art Ebene erreicht ist, wo jetzt der größte Hype durch ist und man sich das ein bisschen nüchterner anguckt und vielleicht die Wachstumsraten ein bisschen abflachen, dass man dann feststellt, ja okay, so geht es nicht weiter. Und auch wenn alle Pfandlingtöpfe, alle Möglichkeiten an arabischen Staatsfonds oder sonst wem, der das alles bislang mitfinanziert hat, wenn die einfach mal irgendwann erschöpft sind, Also da sind wir eigentlich heute.

Also wo das Geld geschöpft ist, würde ich sagen, sind wir heute. Also OpenAI hat zuletzt eine 110-Milliarden-Runde gemacht. Da haben eigentlich schon nur noch Amazon, Nvidia, Softbank investiert. Also Amazon, Nvidia haben starkes Interesse daran. Also Amazon hat sich damit quasi einen Vertrag erkauft mit OpenAI, hat 50 Milliarden investiert. Davon sind aber nur 15 geflossen. Der Rest ist so conditional zu Milestones. Nvidia kann in jedes Startup investieren, weil sie das Geld sofort wieder als Chip, sozusagen als Umsatz zurückbekommen. Das heißt, die kann man eigentlich nicht als rationalen Investor, also es ist aus ihrer Sicht rational, aber es ist nicht vergleichbar mit einem Venture Capitalisten oder so. Das Gleiche gilt vielleicht für Softbank, also dass sie nicht 100% rational ist, weil der Eigentümer, der Masa Son, ein bisschen crazy ist, also mal ganz positiv formuliert. Aber du wirst jetzt schon nicht sozusagen die Standard-VCs mehr in der Runde sehen oder so. Und deswegen ist der nächste Schritt oder der letzte, der dann bleibt, auch die Kassen der Staatsfonds aus dem Golf sind langsam erschöpft, weil die eigene Megaprojekte haben und so. Das heißt, man geht jetzt an die Börse. Also alle diese Firmen werden dieses Jahr, sofern die Börse nicht vorher irgendwie in sehr raue Gewässer kommt, planen die alle dieses Jahr an die Börse zu gehen. SpaceX Ende des ersten Halbjahres höchstwahrscheinlich, da ist ja xAI mit drin, und dann werden OpenAI und Anthropic wahrscheinlich folgen dieses Jahr. Allein auch schon, weil sie nicht wollen, dass eventuell die Enttäuschung der Geschäftszahlen von einem den nächsten dann den IPO verdirbt. Also die wollen, wenn dann wahrscheinlich alle so schnell wie möglich rauskommen. Weil wenn man jetzt durch SpaceX zum Beispiel Transparenz über die Zahlen von xAI bekäme, dann könnte das denen ihren IPO verderben.

Aber lass mich mal raten, wenn das in die Börse geht und du kannst verkaufen, würdest du am liebsten wahrscheinlich so schnell wie möglich verkaufen.

Ich würde wahrscheinlich in dem Fall einen Teil meines Geldes mitnehmen.

Nur einen Teil?

Ja, ich meine, gleichzeitig haben die Firmen halt schon die Chance, die bedeutendsten Unternehmen der Welt zu werden.

Aber dann werden sie Superintelligence schaffen, was immer das ist.

Bei aller Skepsis, die haben ja diese wahnsinnigen Umsätze. Prognosen, die sie machen. Ich glaube, OpenAI möchte 2030 284 Milliarden Umsatz, ist mehr als Meta oder fast so viel wie Google heute macht, machen innerhalb der nächsten 5 Jahre. Aber bisher haben die ihre Prognosen immer getroffen und übererfüllt, ne. Also man kann ja nicht sagen, dass sie bisher enttäuschend waren oder so. Die verbrennen viel Geld, aber wie gesagt, sie generieren auch so schnell Milliardenumsätze, wie es noch kein anderes Unternehmen zuvor gemacht hat. Also es ist schon auch eine Chance. Ich glaube, es ist mit vielen Risiken behaftet. Es ist insgesamt ein problematischer Markt, weil, guck mal nach den Churnraten.

Also ich meine, es ist jetzt ein riesiger Hype. Also wenn man sich jetzt mal dieses Wachstum genauer anguckt, dann würde man ja unterscheiden zwischen, da würde man so auch, wie das früher im E-Commerce auch war, du kennst es wahrscheinlich besser als jeder andere, auf Kohorten gucken und sagen, okay, wie lange bleiben denn so Kohorten dabei und kommen die wieder oder churnen die durch? Und das würde man ja hier auch schnell machen. Also hast du das mal so ein bisschen versucht zu verstehen? Ist jetzt sozusagen, wächst jetzt eine OpenAI oder eine Anthropic eigentlich, weil halt ständig neue Kunden reinkommen und die halt die Welt AI quasi gerade hypet und die haben so wenig Probleme, Kunden zu gewinnen, aber entscheidend ist ja hinten, du musst die Kunden halten.

Ja, also ich will jetzt nicht schon zu viel von meinem Vortrag spoilern, aber du stellst die richtigen Fragen. Also was man schon sehen kann, ist, dass diese Kohorten, die man in so einer typischen Abbildung zeigt, jedes Jahr besser werden. Also sagen wir mal, 2022 haben von den B2B-Kunden zum Beispiel 50, 60% relativ schnell wieder aufgehört, das zu nutzen. Die haben damit experimentiert, wussten nicht, was sie damit anfangen können, oder es war nicht zuverlässig genug. Sie haben aufgehört. Heute sind das so 70, 60%, die verbleiben. Also es gibt immer noch viele, die sofort churnen im ersten Monat oder im ersten Quartal, und danach sieht man aber schon diese typische Smiling-Retention-Curve, nennt man das. Also Retention ist das Gegenteil von Churn, wie lange bleiben Leute da, und die soll smilen, weil es vollkommen normal ist, dass viele Leute am Anfang sofort kündigen wieder. Und Smiling meint, dass rechts sozusagen der rechte Mundwinkel dann auch hochgeht, weil die, die dabei bleiben, jedes Jahr mehr Geld ausgeben. So kommt man zu dieser smilenden oder lächelnden Kurve quasi. Und das sieht man schon relativ gut, dass das passiert. Also die, die dabei bleiben nach der Testphase, die kaufen dann mehr und mehr Tokens. Macht ja auch Sinn, ist nachvollziehbar. Gleichzeitig sieht man, dass jedes Jahr die Kurve weiter oben startet sozusagen. Also es verlassen gar nicht mehr so viele das. Bei Konsumenten würde ich sagen, da gibt es noch relativ viel Untreue. Also einerseits kann man sagen, ChatGPT hat so ein bisschen die Konsumentenmarke. Das ist das Google, das Zewa oder Tempo. Also Leute sagen Chatty, wenn sie KI meinen. Den Vorteil haben sie, aber das zeigen auch so verschiedene Events, so wie dieser Nano-Banana-Moment, als Google ein besonders gutes Image-Modell gebaut hat, oder die Studio Ghibli, was OpenAI damals mal gebaut hat. Da wechseln dann so 10 Millionen und mehr Nutzer von einem Tag auf den anderen ihr präferiertes Modell zum Beispiel. Das heißt, da ist es so ein bisschen zu früh abzusehen, wer das eigentlich gewinnen wird. Deswegen kann man entweder sich so ein bisschen die Unit Economics anschauen, da landet man am Ende wahrscheinlich bei Google, weil die das beste Werbemodell dahinter haben und am längsten das durchsubventionieren könnten, zumindest im Vergleich zu OpenAI. Genau, also einerseits hat man Illoyalität, im B2B-Markt sieht es aber schon aus, als bekäme man so fast idealtypische Retention-Kurven auch, die so vergleichbar mit Softwarelösungen sind.

Also wenn man das alles so hört, dann ist das jetzt irgendwie, da ist schon Bubble drin, aber es ist jetzt nicht komplett Bubble. Und es ist auch so, dass wenn dann irgendwie jetzt mal eine von diesen Firmen sagen würde, okay, wir kriegen keine Finanzierung mehr zusammen, es klappt nicht, wir kriegen Probleme, dann würde es jetzt ja die echte Welt wahrscheinlich nicht so brutal verschieben wie eine Finanzkrise oder wie einen Dotcom-Crash, wo alles auch Anlegergelder waren, wo das sozusagen börsennotierte Firmen waren. Jetzt würde, wenn man jetzt einmal eine, nehmen wir mal eine Anthropic aus dem Markt einfach raussaugen würde, Da hätten jetzt ein paar Staatsfonds und ein paar Investoren ihre Kohle verloren und dann würde wahrscheinlich die Welt relativ normal weitergehen.

Ja, also ich glaube, Intropic, auf die würde ich jetzt nicht setzen, dass sie als Erstes sozusagen die Hufe hochreißen. Aber auch da, it depends. Also wo du vollkommen recht hast, ich glaube, die Gesamtexposure ist nicht so schlimm wie bei der Dotcom-Bubble zum Beispiel. Damals haben Unternehmen keinen Umsatz oder keinen Gewinn gemacht, kaum Umsatz, wurden irgendwie mit Pageviews bewertet und so weiter. Und da muss man schon sagen, dass heute Die Geschäftsmodelle der Hauptakteure, also Google, Facebook, Amazon, Microsoft, die haben ja alle Kerngeschäfte, die sie unheimlich solide machen, wo Cashflow rauskommt. Das heißt, die werden nicht pleitegehen, die werden auch nie 90% ihres Wertes verlieren, sondern die können vielleicht mal 20, 30, vielleicht sogar 40% Rückschlag haben. Aber irgendwann würde man sagen, wer möchte nicht ein Amazon mit 40% Discount own? Also dann würden sich wieder Käufer finden. Das heißt, die sind nicht so bedroht, einfach weil es vernünftige Geschäftsmodelle gibt. Auch die Frontier Labs, also OpenAI, Anthropic machen eigentlich, wenn man diese R&D-Ausgaben da rausrechnen würde, haben die auch ein solides Geschäftsmodell. Es hat nur dieses Problem, dass sie immer sehr viel forschen müssen, um da drin zu bleiben. Ich glaube, es gibt auch Player, die relativ viel Exposure haben, so ein Oracle oder CoreWeave, die hoch verschuldet sind. Wenn da die Datacenter mal nur 50% ausgelastet werden in Zukunft, dann würden die wahrscheinlich so an die Grenzen ihrer Existenz stoßen. Für die wäre schon gefährlich. Und also normalerweise würde ich deswegen sagen, es wird nicht so wild wie GFC, also Financial Crisis, oder Dotcom-Bubble. Aber man hat jetzt so die Effekte, dass es mehr und mehr des Restes der Industrie da reinzieht. Also das gibt's so eine Private-Credit-Bubble. Also die sind natürlich alle fremdkapitalfinanziert, also mit Schulden finanziert, diese Datacenter. Das heißt, sollten die irgendwann mal unausgelastet bleiben, dann würden auch Private-Credit-Funds, die so ein bisschen die Bankfunktion übernommen hat, muss man sich vorstellen wie Private-Equity-Unternehmen, die, weil Geld verleihen für Banken durch die Eigenkapitalrestriktionen, die wir nach der Financial Crisis ihnen auferlegt haben, haben Private-Equity-Unternehmen quasi die Funktion übernommen. Die sammeln auch Geld von Anlegern ein und investieren, oder ja, investierst dann zum Beispiel so mittelbar über Schulden in die Datacenter. Und das könnte dann schon wieder theoretisch Pensionskassen, Versicherungen und so, und unser alles Erspartes so ein bisschen mit in Mitleidenschaft ziehen.

Aber es ist also schon alles dann sehr mittelbar, nicht mehr so unmittelbar, ne?

Ja, also ich glaube nicht, dass du irgendwie ja vergleichbare Verluste wie 2008 oder 2000 haben wirst. Das halte ich zumindest für sehr unwahrscheinlich.

Ich habe heute meine Kollegin Kaja, unsere Head of People, hier mit im Studio, und zwar aus folgendem Grund: Wir haben gerade zum dritten Mal über die Recruiting-Plattform Instaffo jemanden eingestellt, und zwar diesmal unsere Product Lead Johanna. Also man hört schon, Instaffo ist nicht nur Partner hier im Podcast, sondern die helfen uns beim Recruiting wirklich weiter, oder Kaya?

Absolut. Wir haben bei OMR ja eine recht starke Employer Brand. Trotzdem ist Instaffo eine riesige Hilfe im Recruiting. Und da ist halt echt cool, dass wir vorab keine Kosten haben, schnell Stellen veröffentlichen und innerhalb weniger Tage mit super gut passenden Talenten sprechen können.

Aber ihr hört es selbst. Wenn ihr also gerade Stellen offen habt, macht es doch gerne so wie wir auch. Bei Instaffo sehen nur Talente eure Stelle, die auch wirklich darauf passen, und ihr müsst erst bezahlen, wenn auch wirklich jemand eingestellt wird. Als OMR-Hörerin, Hörer spart man außerdem 500 € auf die erste Einstellung. Einfach auf instavo.com/OMR gehen, da gibt's noch eine kurze Demo und man kann sich registrieren. Also instavo.com/OMR.

Lass mal noch mal ein bisschen über Energie sprechen, das kam schon ein paar Mal durch. Da guckst du intensiv hin. Als wir Anfang des Jahres gesprochen haben, da hast du so eine Zahl rausgehauen. Ich glaube, allein die Nvidia Jahresproduktion an Chips, um die sozusagen in Einsatz zu bringen oder zu nutzen, müsste man 6 oder 7 Atomkraftwerke haben oder dafür nutzen.

Genau.

Das klingt jetzt erstmal dann schon gigantisch. Wie viele Atomkraftwerke hatte mal Deutschland in seiner Blütezeit?

Ich glaube so 14, 15, ist das richtig?

Also ich habe kein Gefühl, vielleicht ist das richtig.

Also 1 bis 2 Dutzend würde ich sagen, nicht viel mehr.

Und wenn man weiß, einen Atomkraftwerk zu bauen, das kostet Jahre oder Jahrzehnte.

Und ich meine, das ist so ein anderes Thema, was man sich, also selbst wenn man glaubt, Nvidia gelingt es jedes Jahr bessere Chips zu bauen und andere Unternehmen treiben sogar das Geld auf, um diese Chips zu kaufen, wo man schon mal Fragezeichen hinter machen muss. Also nächstes Jahr wären wir ja bei einer Billion, die man investieren müsste. Woher soll das Geld kommen, wenn die Funds alle sind? Und damit er wieder weiter produzieren kann, braucht man, wie du richtig sagst, Energie, aber auch der Rest der Supply Chain. Also ein Datacenter, das ist ja nicht so, dass du da Chips reinfährst und dann funktioniert das, sondern du brauchst Kühlung, du brauchst Energie, wie gesagt, du brauchst die Switches dazwischen, die Serverschränke, du brauchst Leute, die das Datacenter bauen, du brauchst Elektriker, die das Ding zusammenbauen.

Könnte es am Ende sein, dass wir einfach erleben, dass es so eine Art Ungleichzeitigkeit der technologischen Reife gibt zwischen auf der einen Seite der Software, so was die jetzt schon kann, und auf der anderen Seite, was die Hardware, die Energie kann. Ich meine, das ist jetzt ja, man braucht es im exakt selben Moment. Aber es heißt ja noch nicht, dass jetzt die technologischen Entwicklungen genauso gleich sind. Also es kann ja sein, dass wir erst die Software überhaupt erst richtig nutzen können in 10, 15 Jahren, wenn Möglichkeiten gefunden sind, Energie zu produzieren oder noch länger. Ich meine, man geht irgendwie davon aus, dass beide separaten, aber miteinander gekoppelten Themen sich gleich entwickeln, aber es muss ja gar nicht so sein.

Genau, und Energie ist halt, also dauert viel länger aufzubauen, also das kann nicht Schritt halten, weil man Energie eben nicht von heute auf morgen erzeugen kann, sondern es sind alles große Investitionsprojekte. Und alle Länder, mit Ausnahme von China würde ich sagen, haben ihre Netze und ihre Energieproduktion halt nicht auf Redundanz gebaut. Also China baut immer so irgendwie ein Viertel mehr, als sie brauchen, Deswegen können sie relativ gut Datacenter aufbauen. Die haben ein Problem, die Chips zu bekommen, aber sagen, sie haben immerhin die Energie dort. Aber in USA zum Beispiel ist das Grid komplett überlastet, also das Stromnetz. In Frankfurt habe ich gerade gelesen, gibt es eigentlich, du kannst kein Datacenter mehr um Frankfurt rumbauen, weil einfach die Energie nicht da ist. Es gibt nicht genug Kraftwerke, die in Frankfurt oder in der Region genug Strom erzeugen kann, dass du da das nächste Datacenter bauen könntest. Was dazu geführt hat, dass in den USA zumindest die neuen Datacenter jetzt immer mit so einer Insellösung gebaut werden. So Off-the-Grid-Energy-Production gibt es da. Das heißt, das klingt so technologisch, aber eigentlich heißt das nur, ich haue mir ein paar Gasturbinen neben das Datacenter und dann wird Erdgas verheizt, um Strom zu generieren. Also da stehen dann so 20, 30, 40 Turbinen. Die wurden ursprünglich mal als Notstromaggregate oder für Baustellen oder so gebaut. Und die befeuern dann die Datacenter mit Energie, was dazu geführt hat, dass so Aktien wie Siemens Energy oder GE Vernova oder Generac, also die das bauen, Caterpillar, dass deren Aktien total gelaufen sind.

Aber es kann ja auch kommende Überbrückungstechnologie sein. Also klingt jetzt nicht so, als wenn man das jetzt jahrelang machen könnte.

Die Turbinen sind bis 2029, 2030 glaube ich ausverkauft. Also weil Siemens baut jetzt nicht ein neues Turbinenwerk auf für dich. Das heißt, auch die sind eigentlich ausverkauft. Weswegen man jetzt so ein bisschen überlegt, in Weltraum zu gehen mit Solarpanelen zum Beispiel. Das ist im Moment nicht wirtschaftlich sinnvoll, aber in 5 Jahren und unter der Maßgabe, dass du auf der Erde vielleicht keine Energie mehr bekommst, könnte es vielleicht dann doch irgendwann sinnvoll werden. Aber ja, also Nuklearlösung, Fusionslösung, selbst wenn du diese Small Modular Reactors in Betracht ziehen würdest, das geht alles nicht schnell genug. Es dauert alles 5, bei großen Kraftwerken eher 10, 15 Jahre, haben die letzten gezeigt. Genau, genau, bis sie gebaut sind. Du kannst theoretisch Solar- relativ schnell ausbauen mit Batteriespeichern, Wind, so 2, 3 Jahre vielleicht maximal. Das hat China ja in der Vergangenheit massiv gemacht, deswegen haben sie jetzt auch einen Energieüberschuss und einen Kapazitätsüberschuss im Grid. Es könnte auch ein sehr großer Vorteil für China werden am Ende. Aber ja, kurzfristig kriegen wir es nicht gelöst. Also kurzfristig konkurriert KI dann mit anderen Industrielösungen, der Strom wird teurer werden und der Markt muss dann entscheiden, wo die nächste Kilowattstunde landet.

Gibt es ja auch schon so Diskussionen mit Sam Altman, der dann sagt, irgendwie auch die ganze Umweltverschmutzung, die dahinter steckt, wenn man also das ganze Gas da verheizt und so, das ist ja alles jetzt nicht irgendwie wahnsinnig ökologisch. Ich glaube, so zitatzusinnemäß irgendwie, also ja, ist es eigentlich unfair, dass man die KI anders betrachtet als den Menschen, in dem, was er an sozusagen ökologischem Schaden hinterlässt? Also warum sollte die KI was anderes sein aus seiner ist das irgendwie gleich wertvoll, so ungefähr.

Also er hat es so ein bisschen tone deaf formuliert. Was er damit meint, wenn ich mir anmaßen kann, das zu interpretieren, ist, glaube ich, dass die KI jetzt zu trainieren, also auf den gleichen Stand wie ein Mensch zu bekommen, tatsächlich unter der Maßgabe, dass du es aus Text lernen kannst und dass es einen Test dafür gibt, ist KI eigentlich immer besser als der Mensch. Also wenn du es testen kannst und wenn du es lernen kannst, dann kann KI es heute schon besser als der Mensch. Um dahin zu kommen, haben wir unheimlich viel Training und Energie gebraucht. Warum der Mensch effizienter ist, also warum unser Hirn das quasi viel schneller kann, ist, dass es durch Evolution halt über Tausende von Generationen wirklich ausgereifter ist. Also wir kommen quasi mit so einem kleinen Modell schon auf die Welt. Also wir haben so eine Hardware, so ein ROM oder BIOS oder wie auch immer man das nennen will. Also ein kleines Baby, so wenn es knallt, macht es den Kopf automatisch in die richtige Ecke, weg. So Reflexe zum Beispiel, die sind uns schon antrainiert. Müssen wir jetzt überlegen, ob man das auch in die Hardware stecken kann bei KIs. Versucht man natürlich. Aber das ist auch so ein bisschen dieser Ansatz von diesen World Models, dass ich überlege, wie kriege ich so gewisse Sachen hardwired rein wie beim Menschen, um dann, wenn diese World Models gelingen, werden die wahrscheinlich viel effizienter werden. Und was er quasi meint, ist, dass er so ein bisschen neidisch drauf ist, dass der Mensch quasi durch die Evolution, hat das Baby, wenn es auf die Welt kommt, schon so viel mitbekommen, dass es dann viel schneller lernt. Während das LLM-Modell, wenn man so möchte, immer wieder bei null anfängt.

Also wir hören jedenfalls raus, dieses Energiethema ist ein großes und es ist überhaupt in keinster Weise gelöst. Und es könnte auch am Ende sein, dass die ganze AI-Bubble an der Stelle irgendwie zum Stehen kommt oder zumindest irgendwie verzögert wird oder so.

Genau, die positive Hoffnung wäre, das sagt zum Beispiel die Weltenergiebehörde, dass KI irgendwann mehr Strom spart, als es selber verbraucht. Eins der ersten Projekte von Google DeepMind war zum Beispiel, die Kühlung der eigenen Datacenter so zu optimieren, dass man 40% Wasser oder Energie eingespart hat. Und im Moment sind die Industrien, die am meisten Energie verbrauchen, ja noch Produktion, Agrarwirtschaft und Transport. Und wenn du jetzt die Industrien optimierst mit KI, also du schaffst zum Beispiel Krankheiten bei Agrarprodukten auszumerzen, hast weniger, also im Moment bleibt irgendwie ein Drittel wahrscheinlich auf dem Feld liegen. Wenn du das reduzieren kannst, hast du den CO2-Footprint oder Energie-Footprint stark reduziert von Agrarprodukten. Du kannst in der Produktion durch Einsatz von Daten und KI unheimlich viel Strom sparen. Du kannst beim Transport— stell dir vor, das Auto fährt optimierte Routen. Flugzeuge können sozusagen in verschiedenen Höhen fliegen, die nicht alle den gleichen Windwiderstand haben. Das heißt, du kannst KI entscheiden lassen, ob du auf 8.800 Meter oder 10.100 Metern fliegst, und dann verbrauchst du 5, 10% weniger Kerosin. Also man hofft so, dass KI irgendwann uns wieder auch Energie zurückgibt, weil es alles andere optimiert. Optimiert, um mal positiv zu sein.

Okay, dann nächster Block haben wir auch gerade schon ein bisschen angesprochen, dieses Wettrennen China-USA. Das sind am Ende die beiden Länder, die das mit Abstand anführen, das ganze KI-Rennen. Kein anderer spielt irgendwie eine große Rolle. Die Frage ist, was macht Europa, was macht vielleicht irgendwie Middle East so? Und ich glaube, wenn man so in Silicon Valley zuhört, dann wird auch ganz viel politische Entscheidungen und ganz viel einfach mehr oder weniger argumentiert, muss jetzt so sein, damit wir eine Chance haben, mit China mitzuhalten, wir als westliche Welt, sonst werden wir abgehängt, wenn das nicht passiert, wenn jenes nicht passiert. Also es fließt so ein bisschen auch ein, so bis ganz konkret natürlich in Parteipolitik in USA, dass man sagt, okay, so mit der Gesetzgebung hier in Kalifornien, da sind wir nicht wettbewerbsfähig, wir brauchen halt hier eine ganz andere Art von Regulierung oder halt Deregulierung. Und das Argument ist immer, hey, man möchte sich nicht vorstellen, was ist, wenn die Welt quasi, wenn das führende AI-Lab oder die AI in China führend wäre.

Genau, also das war schon immer so ein bisschen das Argument. Also what if China does it? Das hat Facebook schon genutzt irgendwie, um zu erklären, warum man Instagram nicht regulieren kann oder Reels nicht regulieren darf, weil sonst TikTok gewinnt und so. Aber hier stimmt das natürlich schon, weil KI natürlich auch eine Kriegstechnologie ist. Also man kann damit natürlich autonome Drohnen, Roboter, und so weiter bauen und eine Überlegenheit auf dem Schlachtfeld gewinnen. Und die möchte man natürlich nicht den Chinesen zufallen lassen. Deswegen befindet man sich da in einer Art Wettrennen, Wettrüsten auch. Im Moment ist es so, dass China einfach nur sehr schnell nachbaut, was die großen Modellbetreiber in USA entwickelt haben. Aber es kann natürlich jederzeit ein Moment kommen, wo man so einen technologischen Durchbruch hat, wie World Models zum Beispiel, wo sie dann quasi Also sie sitzen immer in deinem Rückspiegel und auf einmal setzen sie den Blinker und haben die Technologie, die sie daran vorbeiführt.

Und die Energie.

Genau, und die Energie und entwickeln sich dann und die Produktionskapazitäten für Robotik zum Beispiel. Also Roboter werden zu 90% in China hergestellt werden, das ist gar keine Frage. Also wenn wir Glück haben, wird die Software für Roboter irgendwo hier erfunden und hergestellt, aber die Produktion von Robotern liegt jetzt schon 90% in China. Deswegen bin ich auch höchst skeptisch bei europäischen und selbst US-Robotikunternehmen, Also wenn man sieht, wie sich der Automarkt verschoben hat, warum sollte man glauben, dass wir ausgerechnet Roboter in Europa herstellen sollten? Die meisten Teile werden schon jetzt in China hergestellt. Das heißt, China hat ganz viele Vorteile. Man kann nur technologisch vorne bleiben, wenn man überhaupt dem Einhalt gebieten will. Und man möchte vor allem natürlich sicherstellen, dass man diese vermeintliche Superintelligenz eben als Erster entdeckt, weil man davon ausgeht, ob das stimmt oder nicht, dass es dann zu so einer Art exponentiellen Entwicklung kommt.

Glaubst du an dieses Thema Superintelligenz? Also gibt es so was? Ich hatte das ja schon in verschiedenen Podcasts hier diskutiert, unter anderem mit dem Guido Appenzeller von Andreessen Horowitz, der da die großen Karriereentscheidungen bei Andreessen Horowitz macht, also in die Infrastrukturmodelle zumindest. Und der sagt auch, das ist so ein Begriff, der wird so für alles Mögliche verwendet und keiner weiß ganz genau, was eigentlich sein soll, schon gar nicht, was da konkret passieren soll.

Ja, ich finde es fast ein bisschen irrelevant, weil was, also ganz egal, ob du wirklich super Ich definiere mal Superintelligenz jetzt als eine KI, die besser ist als alle Experten, und zwar eine KI, die besser ist als die schlauesten Menschen, sozusagen in jedem Fachgebiet schlauster als die besten Menschen und alle Menschen zusammen. Die Frage ist: Brauchst du diesen Status überhaupt? Weil auch jetzt hast du schon KI, die viele Berufe deutlich besser machen kann. Also wenn es zum Beispiel um Output von digitalen Dingen geht, ist KI schon jetzt besser als die Menschen. Massiv ökonomisch wertvolle KI wirst du lange vor Superintelligenz haben mit so Sparten- oder Expertenintelligenzen. Allein das wäre schon ausreichend, um unheimlich viel Wertschöpfung zu schaffen. Die Frage ist, ob du jetzt eine KI eben haben möchtest, die dann selber forscht, selber neue Technologien erforscht, sich selber weiterentwickelt. Das birgt dann schon fast mehr Gefahren eigentlich als Potenziale, glaube ich. Aber sofern man glaubt, dass jemand anders es erreichen könnte, also China in Klammern, musst du natürlich erst der Erste sein, der das schafft, weil man durch diese Exponentialität, ne, das vollkommen klar, dass der, der sozusagen den Scheitelpunkt, wo die exponentielle Entwicklung anfängt, zuerst erreicht, überholt natürlich jeden anderen. Das heißt, du kannst nur der Erste sein, wenn nicht bist du weg quasi vom Fenster. Und deswegen wollen die USA es nicht nur erreichen, sondern es auch China so schwer wie möglich machen durch die Restriktion von Chip-Exporten nach China zum Beispiel. Also China hat derzeit noch nicht so gute Chips wie die USA. Also die jüngste Generation von Nvidia-Chips darf da nicht exportiert werden. Das führt aber dazu, dass in China ganz viele neue Chip-Startups entstehen. Also da gibt es gerade so einen Börsenboom, wo so Firmen wie Moore Threads und ich glaube Meta heißt ein anderes auch, es gibt 4, 5 verschiedene, die gerade an die Börse gegangen sind, die alle neue KI-Chips bauen. Das heißt, auch da wird China mehr und mehr aufholen wahrscheinlich.

Gibt es eigentlich irgendeine Chance, dass Deutschland mal so ein Modell produziert, das irgendwie mithalten kann? Ich meine, witzigerweise, es gibt jetzt ja den Nick Turley, den Peter Steinberger, das sind ja so die Top-Leute bei OpenAI. Es gibt verschiedene andere bei den Firmen. Also die sprechen zumindest mal Deutsch, kommen aus Deutschland, aber irgendwie kommt ja kein Modell her. Also es ist wahrscheinlich auch aussichtslos, oder?

Ja, ich gehe davon aus, dass wenn du zu DeepMind oder nach Paris gehst oder in Silicon Valley, dass bestimmt 10% der Belegschaft, die an KI arbeiten, irgendwie Deutsch oder zumindest eine europäische Sprache sprechen. Das heißt, das Humankapital haben wir eigentlich. Was wir sicherlich schaffen könnten, ist das Gleiche, was die Chinesen machen. Also dass wir ein schnelles Kopieren oder als Open Source bereitstellen schaffen, basierend auf den Fortschritten, die man in den USA macht. Also so ein Fast-Follower-Approach, oder wo man sehr kostengünstig ähnliche Lösungen baut. Dass wir im Rennen um das Top-Top-Modell mitstinken können, ist glaube ich relativ unwahrscheinlich. Man könnte jetzt wieder sagen, wenn in Europa, also mal als Beispiel Yann LeCun, der ehemalige Meta, der jetzt selber AmiLabs gegründet hatte, um World Models zu erforschen, der wird unter anderem in Paris arbeiten. Der könnte jetzt das erste World Model, was funktioniert, erfinden. Das Problem, und dann könntest du sagen, damit könntest du alle LLMs eventuell ablösen. Dann würde der ja gewinnen, wenn du so möchtest. Aber natürlich wäre auch das so schnell kopierbar mit dem Geld, was die US-Unternehmen haben. Also ein Google DeepMind würde natürlich den Forschungsansatz schnell verfolgen und die gleiche Richtung laufen und könnte ihn wahrscheinlich einholen und überholen oder einfach Amilabs aufkaufen. Amilabs bin ich auch investiert, aber zum Beispiel nicht, weil ich daran glaube, dass der die nächste Billionenfirma bauen wird, sondern weil ich mir relativ sicher bin, dass in 2 Jahren aufgekauft wird von einem der Großen, sollte er einen Durchbruch haben. Das heißt, ich halte es leider relativ unwahrscheinlich, dass das in Europa gelingt.

Aber so fachliche LLMs, so für die, für B2B, für Maschinenbau, dass es also Spezial-LLMs gibt, die dann von deutschen Firmen gemacht werden?

Habe ich früher immer gedacht. Also ich war früher ein großer Fan davon zu glauben, dass spezialisierte LLMs besser funktionieren und dass das noch eine Chance wäre. Also mit Industriedaten oder so. Also wenn wir eigene Daten haben, die jemand anders nicht hat, da kann man sicherlich noch was machen. Aber ansonsten zeigt sich inzwischen, dass die breiten LLMs, also die riesigen großen breiten LLMs, besser sind als Experten in vielen Bereichen. Also wahrscheinlich wird es in Zukunft so sein, dass das normale ChatGPT besser als die hochspezialisierten Medizinmodelle sind. Klingt ein bisschen paradox, Paradox, aber es liegt daran, wie die Modelle gebaut sind, dass tatsächlich durch die Architektur der Parameter die großen Modelle nicht so viel schlechter sind als die spezialisierten. Kann sich noch mal ändern, auch muss man sehen, wie das landet, ist nicht so weit voneinander entfernt.

Aber ja, verfolgst du eigentlich, inwieweit jetzt KI aktuell schon in irgendwelchen Kriegen im Iran oder in Ukraine oder so eingesetzt wird?

Also man geht davon aus, dass in dem, wie soll man sagen, in dem Kommando in Venezuela, wo man Maduro entfernt hat, dass das mit einer Software, die Maven heißt, von Palantir, wohinter dann aber Claude steckt von Entropic, dass das so geplant wurde. Und auch die Bombardierung von Hunderten von Zielen im Iran soll auf jeden Fall so mit KI-Aufklärung und Entscheidungsfindung getroffen worden sein, was einer der Gründe ist, glaube ich, warum Entropic sich gerade versucht, da so ein bisschen aus der Verantwortung zu ziehen und sagt, dass es wichtig ist, dass ein Mensch das am Ende bedient und nicht der Eindruck entstehen würde, die KI hätte entschieden, wer oder was da jetzt bombardiert wird, weil man natürlich dann mit, also einerseits scheint das sozusagen die Firmenethik von Entropic zu verletzen, aber das wäre natürlich auch ein PR-GAU jetzt gerade, wo da vermeintlich zum Beispiel eine Mädchenschule bombardiert wurde, wenn das so stimmt. Dann möchte natürlich kein Unternehmen dafür allein verantwortlich sein. Deswegen möchte man, dass das Pentagon die Verantwortung übernimmt und es sowieso dann nur mit gewissen Restriktionen einsetzt, warum es da jetzt zu so einem Streit gekommen ist. Aber wenn man überlegt, was so in so einem Führungshauptquartier, oder wie man das nennt, ja, Kommando der Streitkräfte der USA, was da passiert, da werden ja hauptsächlich Daten in Realtime ausgewertet, ne. Also welches Flugzeug fliegt gerade wo, wer muss wo betankt werden, wer braucht welchen Nachschub gerade, welche Truppe macht gerade welchen Einsatz. Das ist ja so Realtime-Datenverarbeitung, und das kann KI natürlich viel schneller. Also die kann da, wo normalerweise Früher 10.000 Funker sich zusammengeschaltet hätten, jetzt mal ein bisschen doof gesagt, kann KI das halt in Realtime auswerten und Entscheidungen treffen und damit einerseits Leben schützen, aber natürlich auch noch gezielter und noch tödlicher zuschlagen. Also es ist eigentlich sozusagen einer der in Anführungsstrichen besten, nicht moralisch gesehen, aber vom sozusagen, wie passt die Technologie auf den Anwendungsfall, dann sind Entscheidungen auf dem Schlachtfeld. Total prädestiniert dafür, weil du bist ja überflutet mit Informationen. Also du hast eventuell, keine Ahnung, ganz verschiedene Truppenverbände aus Luft, See, Boden, irgendwie Geheimdienste, die du alle gleichzeitig koordinieren musst. Das kann KI viel, viel besser als Menschen natürlich.

Bekannter Partner bei uns, eGym Wallpass. In ganz vielen Gesprächen hier im OMR-Podcast bekomme ich das Gefühl, dass sich sehr viele Firmen Gedanken machen, wie sie gute Leute finden. Aber was ja genauso wichtig ist: Wie hält man die guten Leute eigentlich? Und da spielt mittlerweile Gesundheit eine wirklich große, große Rolle. Ich habe eine Zahl gesehen, die hängen geblieben ist, und zwar 88% der Angestellten sorgen sich, dass ihre aktuellen Arbeitsbedingungen langfristig ihre Gesundheit beeinflussen. Viele Firmen kommen dann mit einem One-Fits-All-Fitnessangebot um die Ecke. Aber das reicht natürlich nicht, um alle Angestellten sinnvoll anzusprechen. Denn die Bedürfnisse sind häufig sehr, sehr unterschiedlich. Die einen gehen lieber ins Gym, die anderen wollen Yoga machen, andere wollen lieber schwimmen, klettern oder einfach einen Ausgleich zum Arbeitsalltag haben. Und genau hier kommt unser Partner Wellpass ins Spiel. Das Firmenfitnessangebot von eGym ermöglicht den Zugang zu verschiedensten Bewegungsformen, egal ob Paddel, Yoga, Massagen oder, oder, oder. Das zeigt mir auch gleichzeitig schon, dass betriebliches Gesundheitsmanagement dann am besten funktioniert, wenn es strategisch gedacht wird und nicht einfach mit dem Gießkannenprinzip. Wie so ein moderner BGM-Ansatz, also betrieblicher Gesundheitsmanagement-Ansatz, aussehen könnte und wie Unternehmen dabei sinnvoll Wellpass integrieren könnten, damit es wirklich Wirkung erzeugt, das zeigt das neue Paper BGM Matchplan 2026. Und genau das kann man kostenlos, ihr habt es schon geahnt, runterladen. Den Link dazu gibt's bei uns im Linktree in den Shownotes.

Gibt's denn noch in der Businesswelt Use Cases, wo du sagst, ah, da habe ich es mal gesehen, da habe ich es mal gesehen. Man hört ja jetzt, dass also ganz viele Menschen diese Abos haben, jetzt zum Beispiel von OpenAI oder Anthropic, und im B2B-Kontext damit jetzt natürlich Code schreiben, also Software schreiben. Okay, das ist mir klar. Aber wo gibt es denn noch so Anwendungsfälle, über die du mal gestolpert bist? Ach okay, klasse, das macht ja Sinn, und da wird ja was effizienter, und da sind halt sozusagen Beschreib mal so ein paar Businessmodelle, die du gesehen hast.

Ja, also die besten Beispiele sind immer tatsächlich Generierung von Code und dann Customer Service, also die einfacheren Kundenanfragen. Was man sich aber nicht bewusst ist, dass wenn man sich jetzt die Hotline von einem, keine Ahnung, Vodafone, 1&1 oder Otto vorstellt, dass da ganz viele Kunden einfach nur fragen, ich habe mein Login vergessen oder ich will eine Retoure schicken oder ich habe das nicht bestellt oder so. Und das kann man sehr gut automatisiert abfangen, also die unteren 90% oder die einfachen 90% von Customer-Service-Anfragen kann man eigentlich gut mit Bots lösen. Die sind außerdem netter, sprechen besseres Deutsch, sind immer geduldig, können sich auf den Kunden einstellen. So, das funktioniert eigentlich sehr gut. Nicht 100%, aber so die einfachen 90% kann man da sehr gut lösen.

Da gibt es ein paar Pharma-Beispiele, wo in der Pharmaforschung, höre ich immer wieder so, ich war ja mal selber jetzt vor kurzem in Seattle bei Microsoft, also da wurden dann auch natürlich so uns da als, wir waren so eine 2-Mann-Reisegruppe, der Kollege Rink und ich, und wurden da rumgeführt und da wurde uns auch gezeigt, na ja, guck mal, hier im Pharmabereich gibt es, das war sofort greifbar, in der Forschung kannst du ganz viel, dann genau das Customer-Service-Thema, also Palua und Co., dann halt Code natürlich schreiben.

Wenn du Pharma sagst, man kann nicht alles, was so Wissenschaft ist, weil Wissenschaft funktioniert ja im Moment sehr viel wie so nach der Nadel im Heuhaufen suchen. Also man macht 10.000 Experimente und hofft, dass jetzt irgendwo da das neue Antibiotikum oder der neue Krebsimpfstoff rauskommt. Und das kann man mit KI natürlich super abkürzen, indem man so Teile simuliert oder so ein Educated Guessing macht, also besseres Raten. Kann man es zumindest effizienter und schneller machen. Gibt es gerade viele Beispiele von Materialforschung über Impfstoffe über Krebsforschung über, über neue Batterien kann man so verbauen, auch Energielösungen. Das sicherlich ein Use Case.

Procurement habe ich auch da in Michael gehört, also so Einkauf von großen Supermarktketten, also was die denn da für ihre Einkaufs, die genau wissen, okay, wir brauchen jetzt hier die großen Colaflaschen, weil Super Bowl so ungefähr, oder jetzt ist irgendwie warm draußen, jetzt brauchen wir irgendwie mehr Eis oder so.

Ist ja auch ein Realtime-Optimierungsproblem eigentlich, ne? Also das genau das, was du sagst, dass man weiß, irgendwie Länderspiel steht an, mal Bier aufstocken, oder es wird warm draußen, Eis kaufen und so weiter. Genau, das geht Procurement. HR, sowohl administrativer HR als auch Recruiting, gibt es viele Use Cases, die entstehen. Also wie kann ich eigentlich Kandidaten finden und ansprechen automatisch? Automatisiert. Aber auch ein bisschen makaber vielleicht, aber es gab eine Firma, die einfach viele Leute zu entlassen hat, und die hat so eine Art Severance-Bot gebaut. Also so ein— also stell dir vor, normalerweise hast du ja so einen Schlüssel von 1 zu 100 oder 1 zu 200, also wie viel HR-Mitarbeiter hast du für jeden Mitarbeiter, wo man sich krankmelden kann und so weiter. Und wenn jetzt ganz viele Leute entlassen werden, also lass uns sagen, du lässt 20% der Leute gehen, dann ist ja komplett Überforderung fürs HR-Team. Team, wenn man so möchte. Aber die einfachen Fragen, also wie viel Abfindung bekomme ich oder wie wird die Abfindung berechnet, oder sagen, welche Weiterbildungsangebote stehen mir zu, das kann halt, man kann natürlich sagen, das ist irgendwie unmenschlich oder entbehrt einer gewissen Wärme, das so zu machen. Aber das ist zum Beispiel ein super, also super in Anführungsstrichen super, aber es ist ein guter Use Case für KI, wie man sie einsetzen kann in administrativer HR.

Und wenn du jetzt auf die ganzen Risikothemen guckst, vor ein paar Jahren hat man noch diskutiert, dass jetzt KI kommt und sozusagen den Krieg gegen die Menschen anfängt. Das ist jetzt glaube ich erstmal nicht kurzfristig absehbar, dass da irgendwie jetzt Roboterarmeen loslaufen und solche ganzen Sachen. Oder das, was man auch mal hört, dass dann irgendwelche Anweisungen oder Herstellungsanweisungen für biologische oder chemische oder solche Bomben von KI gemacht werden. Hört man jetzt auch schon über Jahre, bislang nie was von gehört. Mag auch irgendwie an mir liegen, aber Gott sei Dank natürlich. Wo siehst du so Risikofelder vielleicht zum Schluss nochmal?

Ja, also ich glaube, die 2 unmittelbarsten Risiken sind einmal das, was du gesagt hast, also dass Menschen einfach KI nutzen, um maximalen Schaden anzurichten. Das wird natürlich versucht abzufangen, aber kann man sagen, dass die Open-Source-Modelle da jetzt wieder besonders einfach zu missbrauchen sind aus China und vielleicht auch nicht ausreichend versuchen davor zu schützen. Es gibt Leute, denen das damit regelmäßig gelingt, Anschläge zu planen, also zumindest so Überfälle mit Waffen. Gab es gerade eine aktuelle Auswertung, wo Modelle jemandem quasi geholfen haben, sich an jemandem zu rächen, indem man eventuell auch bewaffnete Anschläge macht. Das ist problematisch.

Aber das hätte es natürlich vorher auch schon gegeben.

Also ich meine, genau, aber es ist ganz auf Google gewisse Sachen natürlich googeln oder auf Reddit oder 4chan sowas rausfinden. Letztlich ist jeder ein Hacker. Also der nächste Feind irgendwie der Cybersecurity-Behörde oder des BSI in Deutschland ist vielleicht nicht Nordkorea oder Russland, sondern 10.000 Kids mit zu viel Zeit, die einfach einen KI-Bot versuchen, eine Schwachstelle finden zu lassen an irgendeiner Webseite. Das könnte sein. Und ansonsten ist ein großes Risiko, was ich sehe, Persuasive AI, also dass die KI lernt, Menschen zu überreden, etwas zu tun oder ihre Auffassung zu ändern, zu überdenken. Man kann Menschen einfach unheimlich gut mithilfe von KI manipulieren, einfach weil je mehr die KI dich kennt, desto einfacher ist es sogar noch für sie. Du selber verstehst nicht, wie die KI funktioniert. Du traust ihr immer mehr zu. Du glaubst, sie ist objektiv, weil sie KI ist, denkst du, sie kann nicht gegen dich sein, sondern sie ist objektiv. Leute geben der quasi so die positivsten Attribute. Sie ist immer neutral und so. Und gerade das macht sie so erfolgreich darin, dich zu manipulieren. Wenn jemand das so einsetzen möchte, kann er von irgendwie— der kann dir vielleicht nicht einreden, einen anderen Fußballverein zu lieben, aber deine politischen Dinge zu überdenken oder wirtschaftlich andere Entscheidungen zu treffen, ein anderes Auto zu fahren oder so, das könnte KI eigentlich ganz gut.

Und dann ist natürlich sehr viel Macht bei dem, der die KI sozusagen—

genau, also deswegen wollen wir definitiv kein Monopol oder vielleicht auch kein Oligopol. Die, wenn die Oligopolisten oder Oligarchen dann alle in die gleiche Richtung tendieren wie gerade in den USA, ist das wahrscheinlich eher ungünstig. Und deswegen brauchen wir zum Beispiel, was uns ja fehlt, ist so eine Art Beipackzettel zu den Modellen. Also das ist ja unter anderem, was in Kalifornien beschlossen werden sollte, dass man weiß, welche Trainingsdaten da drinstecken, weil nur dann kannst du einigermaßen einschätzen, was das Modell eigentlich macht und worauf die Entscheidung, die es dir gibt, basiert oder die Vorschläge. Das wissen wir im Moment, also du weißt ja weiß nicht, ob du ChatGPT oder Gemini nutzt oder Claude, aber du weißt ja nicht, auf was die trainiert worden sind. So bei GPT-3.5 wussten wir es noch ungefähr. Habe ich mal damals diese Folie gezeigt, wo man so sieht, da ist ein bisschen Wikipedia drin und ein paar Bücher und ein bisschen Reddit und so ein Common-Crawl-Korpus. Aber heute wissen wir nicht mehr, welche Daten da drin sind und welche. Also ob Elon Musk jetzt vielleicht einige Daten mit Absicht, aber die New York Times rausgestrichen hat vorher, weil die jetzt so links ist oder so, wissen wir alles nicht. Jetzt die Frage, kann Durchschnittsanwender das verstehen? Weiß ich nicht. Aber ich hätte trotzdem gerne Beipackzettel zu so einem Modell, wo so ein bisschen drinsteht, was ich zu erwarten habe, oder sagen, ob es irgendeinen Bias hat, ob es irgendeine Schlagseite hat, worauf es optimiert wurde und so weiter.

Jetzt als Allerletztes vielleicht noch mal, weil das ja so ein bisschen das Neueste, große Buzzword ist, das ist Agentic. Also haben wir jetzt ja auch schon hier hoffentlich irgendwie einen gewoben in das Gespräch. Agenten, tut sich da was Neues? Was ist Open Claw? Also ich meine, das ist ja vielleicht das Agententhema, was jetzt irgendwie richtig durchgezündet hat, wo das ganze Silicon Valley wochenlang drüber sprach oder noch drüber spricht. Peter Steinberger dahinter, der österreichische Unternehmer, der jetzt zu OpenAI gehört und erfreulicherweise zu uns kommt. Was ist da los?

Ja, ich würde sagen, das OpenCLaw kann man am besten als so eine Zäsur beschreiben, die quasi dieses Adoption Gap so ein bisschen geschlossen hat. Also alles, was das kann, war vorher auch schon möglich, aber OpenCLaw hat es einfach geschafft, quasi das so zu orchestrieren und zu bauen, dass es Leute, die mit Softwareentwicklung Erfahrung haben, aber selbst welche ohne, das nutzen konnten. Also sie konnten die Möglichkeiten der Technologie erstmals einsetzen, um KI autonome Tasks machen zu lassen, irgendwie den E-Mail-Eingang aufzuräumen oder irgendwelche Routinen auf dem Rechner zu performen. Also es war auch der Übergang von, ich kriege nur noch einen Textoutput, zu, ich lasse was auch mein Rechner für mich machen. Also ich habe so eine Art Assistenten oder Copiloten. Wie gesagt, das wäre vorher auch alles möglich gewesen, aber Peter Steinberger hat es irgendwie geschafft, quasi so zusammenzubauen, dass es für Durchschnittsmenschen nutzbar wurde. Oder weiß nicht, ob Durchschnittsmenschen, also technisch interessierte Menschen nutzbar wurde. Ich habe es tatsächlich selber nicht genutzt. Ich würde es auch ehrlich, also ich würde es, wenn dann im Labor machen, also nicht mit meinem echten Rechner. Ich glaube auch, dass es, wenn man nicht selber technisch versiert ist, relativ riskant ist, das zu machen. Wobei es ja jetzt so in eine bessere, also in eine sicherere Umgebung kommt. Nvidia baut ja zum Beispiel selber jetzt weitere Iterationen davon und so weiter, um das sicherer zu machen. Und ich nehme an, dass in der Obhut von OpenAI es auch noch sicherer wird. Aber das ist jetzt nicht typischerweise ein Use Case, den ich machen lassen würde. Aber ich glaube, es zeigt, wie schnell das auch kippen kann, dass manchmal sind wir halt nur ein Interface davon entfernt, dass 20% der Bevölkerung sowas nutzen. Ganz so viel waren es jetzt da nicht. Am Ende ist es glaube ich immer noch 0,3% der Menschen, die jemals was mit KI gebaut haben. Das zeigt auch, wie viel Platz quasi nach oben noch ist. Aber wir brauchen halt viele Leute, die einfach Produkte auch wieder verstehen und Produkte bauen basierend auf der Technologie, die dann Menschen einfach einsetzen, also die Sinn ergeben für in Anführungsstrichen normale Menschen.

Aber ich meine, OpenCLaw wäre ja sowas eigentlich, ne?

Ja, genau, das beste Beispiel, was wir in der kurz jüngeren Vergangenheit gesehen haben.

Aber das ist noch so unausgereift, ist so ein frühes Stadium. Wenn du das dann auf deinen Rechner installierst und dann sagst, jetzt schick mal meine Geburtstagseinladung raus, dann kann es auch sein, dass es dein Postfach löscht oder dass es, keine Ahnung, irgendwie Leute einlädt, die du nicht einladen möchtest, oder Fairerweise kann einem, sagen wir mal, wenn man wirklich dummen Praktikanten einstellt, kann einem das auch alles passieren.

Also es ist immer noch schlauer als der durchschnittliche Mensch, glaube ich, dabei, aber es können natürlich Fehler passieren. Aber wir sind ja auch noch super früh. Also Technologie ist irgendwie 3 Jahre alt.

Gibt es noch irgendwas, das jetzt noch later, later dran ist, an einem neuen großen Hype? Und Buzzwords, die wir jetzt ausgelassen haben, als Open Claw. Moldbook gab es noch, hat Facebook übernommen. Das war so eine Ein Social Network für Agenten, habe ich gelesen.

Ja, ich glaube, es war eher so ein PR-Hype. Also ganz oft haben die Agenten, also man dachte, da unterhalten sich KIs miteinander. Ganz oft haben aber sozusagen die Programmierer oder Owner der KI gesagt, sag mal das oder benimm dich mal so. Und dann hat man sich gewundert, wenn sie sich so benommen haben. Das macht immer gute PR-Stories oder Pressestorys, wenn sich dann die Roboter angeblich untereinander unterhalten. Aber das ist jetzt für die weitere Entwicklung von KI, glaube ich, nicht Nicht so spannend. Ich glaube, das Spannendste sind, glaube ich, wirklich diese längeren Zeithorizonte gerade, also dass du KI einfach stundenlange, bald tagelange Projekte geben, also dass du dauernde Routinen machen kannst, so was wie ein Presseclipping oder so. Du kannst sagen, schick mir jeden Morgen alles, was du über meine Firma oder meinen Namen im Internet findest, schick mir das nach Hause. Früher hieß das Google Alert, kann man sagen, gab es auch, aber du kannst natürlich viel sofistizierter jetzt bauen, kannst irgendwie Medien ausschließen, Medien reinnehmen, kannst Social Media einschließen, YouTuber weiß ich, solche Tasks kannst du halt schon. Ich meine, früher haben Leute Geld dafür bezahlt, um Presseclipping zu bekommen. Ist aus heutiger Sicht Wahnsinn, dass da Leute einen Retainer bei einer PR-Agentur zahlen, um zu wissen, wo ihre Firma in der Presse erwähnt wurde und sagen, was das Sentiment war. Kannst du also das sozusagen bekommen, automatisiert ein Dashboard draufbauen, hat sich die Meinung gegenüber deiner Firma gerade basierend auf den letzten 5000 Reviews verbessert, verschlechtert, das zum Beispiel so ein AI-Use-Case, den so jeder selber bauen kann heutzutage.

Wo liest du eigentlich alles so nach? Also ich meine, du bist ja selber kein Entwickler, bist technisch interessiert und schon noch lange im ganzen Internet-Game drin, aber was liest du so? Sag mal so 3, 4 Top-Quellen für dein ganzes Wissen.

Ich lese Hunderte von Newslettern wahrscheinlich, paar KI-spezifische, paar breite Tech-Newsletter, aber auch die großen Wirtschaftszeitschriften irgendwie, Barron's, Financial Times, Wall Street Journal, Reuters, Bloomberg, dann natürlich immer mit Fokus auf gewisse Themen. Also ich abonniere dann die Leute, die immer darüber schreiben, oder gewisse Themen, wenn man die abonnieren kann.

Aber auf X?

Nee, tatsächlich hauptsächlich in meiner Inbox. Also ich glaube, wir haben vor 2, 3 Jahren oder so mal drüber gesprochen, dass ich glaube, so ein bisschen, dass Newsletters, würde ich heute auch nicht mehr so unterschreiben, weil damals war Newsletter so der am meisten ungefilterte Kanal noch. Also da kommt kein Algorithmus davor, der das sortiert. Da gibt es wenig Gatekeeper, die das irgendwie komplett von mir fernhalten können. Also ich kriege es chronologisch. Ich kann selber entscheiden, was ich lese. Ich kann Leuten folgen. Substack ist gerade der nächstbeste Konkurrent. Ich teste gerade so parallel Substack. Das könnte so das bessere X für schlaue Leute werden, wenn man so möchte. Also wenn man alle negativen Aspekte von X nicht haben möchte, aber trotzdem die Äußerungen der schlausten Leute.

Also ihr müsst natürlich Newsletter schreiben.

Ich meine, Substack geht gerade so ein bisschen vom Newsletter weg. Weg zu Content Pieces. Also kannst du zwischen einem Tweet, wenn man so möchte, also einem kleinen Post zu irgendwie Live-Podcast über längere Artikel alles lesen. Das hilft. Ansonsten lese ich oder lass mir Studien zusammenfassen, die es zum Thema KI gibt, höre Podcasts, wobei das zunehmend schwer wird, einfach so aus Zeitmangel. Also man kann ja nur so und so viel Podcasts hören. Ab und an YouTube, wenn ich Zeit habe. Aber ich würde sagen, das meiste Wissen destilliere ich, würde ich sagen, aus wirklich Hunderten von Newslettern.

Und da sind dann so 2, 3, die du immer liest? Die sind eigentlich immer gut, die muss ich immer gelesen haben?

Es ist gar nicht so. Das Interessante ist, was Newsletter noch viel zu schlecht machen, ist Branding. Also ich müsste jetzt nachgucken, wie die heißen. Es gibt einen guten, der heißt AI Supremacy zum Beispiel. Ist das SIEM? Ich weiß gar nicht, ich müsste wirklich gucken.

Wir können ein paar in die Shownotes packen.

Ich schicke 3, 4 rum, die ich in die Shownotes packen kann. Ansonsten mal Doppelgänger-Newsletter lesen, alles was ich Schlaues lese, packe ich da natürlich rein.

Aber nicht alles, oder? Auch nur Bruchteile?

Nee, ich fungiere so ein bisschen als Filter. Du hast ja vollkommen recht, ich bin selber kein Techie irgendwie. Ich habe seit Landzeilezeiten, 2010 oder so, da haben wir schon Machine Learning eingesetzt und ich verstehe, die Relevanz des Themas glaube ich schon immer. Aber am Ende filtere ich ja quasi für Leute, damit sie nicht alles lesen. Also mein Job ist so, ich habe das Internet gelesen, damit du es nicht lesen musst, so ein bisschen, damit wir jetzt hier das Gespräch haben können, du so, oder die Hörer so ein bisschen up to date sind. Genau, deswegen geht natürlich nicht alles in den Newsletter. Könnte man aber überlegen, ob es so ein Produkt gibt. Aber ich glaube, da geht Substack eigentlich hin, dass wenn du mir dort folgst, siehst du nach und nach eigentlich auch, was ich lese, und baust so ein Wissensnetzwerk oder so eine ja, so eine, so eine Circle auf. Ansonsten wäre es ganz spannend, immer so, wir wollten Doppelgänger veröffentlichen, was ich alles lese, aber ich habe dann nach der Hälfte aufgegeben oder so, weil es schon irgendwie bei, war ich schon bei 50, 60 Newsletter.

Ich habe auf jeden Fall gemerkt, ich werde mir jetzt immer die nächsten Tage mal irgendwann Substack-Profil anlegen.

Mach das mal, es funktioniert nicht mehr so wie, also ich hatte ehrlich gesagt, ich habe durch unseren gemeinsamen Freund Fabian Spielberger, schöne Grüße, der meinte so, probier das mal, das ist besser als X inzwischen. Und ich sag, Substack-Newsletter mache ich schon ganz viel, aber ich mache es über Outlook, also ich lese die E-Mail-Programm. Aber die App, also die gibt dir Push-Notifications zu Leuten und sortiert auch einfach, also findet auch Content, der zu dir passen könnte, dem du noch nicht folgst. Ich würde sagen, das bessere X.

Aber es ist ja auch paid in Teilen.

Also es gibt unpaid, paid, aber natürlich wollen alle auch Aufmerksamkeit haben. Das heißt, zumindest die guten Promo-Pieces machen die meisten Leute natürlich auch kostenlos. Die längeren Analysen muss man dann manchmal zahlen. Ja, aber wer auf dem Laufenden bleiben will, gerade bei KI, ich glaube, Substack ist der beste Tipp im Zweifel. Und da findet man dann also 2 Drittel der Newsletter, die ich lese, die jetzt nicht bei großen Corporate Publishing, also bei Zeitschriften sind oder so, die wirst du da wahrscheinlich finden, relativ schnell. Und wenn ich folgst du mir, dann findet man es glaube ich mehr oder weniger automatisch, weil der Algorithmus einem dann aussucht.

Wir sind ein bisschen über einer Stunde. Kompakter Teaser sozusagen für auch wahrscheinlich eine Stunde, Dreiviertelstunde Chartshow am 5. oder 6. Mai. Ich weiß gar nicht, schon klar, wann du auftreten wirst?

Ich glaube am ersten Tag, am ersten Tag glaube ich, am 5. Mai um 12 irgendwie so gegen Mittag kurz vorm Essen. Direkt im Anschluss oder bisschen überlappend mit Peter Steinberger glaube ich sogar. Also man muss dann von der großen Bühne ganz schnell rüberlaufen.

Okay, okay, okay. Gut, dann gibt es da noch mal dann sozusagen den bekannten von Pip bekannten PowerPoint.

So ein bisschen was von dem, was wir besprochen haben, und noch mal ganz viele Slides und auch neue Themen. Vielen Dank. Sehr gern.

Alles klar, bis spätestens dann vor Ort oder irgendwann über den Sommer würde ich sagen, mal wieder hier im Podcast. Gerne.

Alles klar, ciao ciao. Überall reden Menschen von KI, auch gerne hier im Podcast. Damit ihr auch mitsprechen könnt, gibt's jetzt von meinen Kollegen von OMR Education einen KI-Intensivkurs. In 6 Wochen wird man vom KI-Anwender zum KI-Enabler, insbesondere im Marketing. Man bekommt vermittelt, wie autonome Agentensysteme im Marketing eigenständig konzipiert, verknüpft und bei euch im Unternehmen verankert werden. Ihr seht, wie ihr die Effizienz eures Teams nachhaltig steigern könnt, und ihr könnt komplexe Marketing-Workflows anschließend automatisieren. Unser Kurs von OMR Education dauert ungefähr 6 Wochen und kombiniert Theorie und Praxis. Der zeitliche Aufwand liegt bei ungefähr 4 bis 5 Stunden pro Woche. Der Kurs richtet sich ganz konkret an Marketing-Leads, an Digitalstrateginnen und Strategen, an KI-interessierte Menschen mit mehreren Jahren Berufserfahrung, die selber KI-fest werden wollen und vor allen Dingen auch KI fest in ihre Prozesse integrieren möchten. Nach Abschluss des Kurses gibt es außerdem ein Zertifikat von uns, von OMR Education, Alle Infos und Anmeldungen dazu unter edu.omr.com/intensivkurs oder hier hinter dem Link bei uns in den Shownotes.

Dieser Podcast wird produziert von Podstars by OMR.