Das große KI-Update mit Pip Klöckner (#727)

00:00:00: Ich fasse nämlich kurz unser Stammgast Investor, Analyst, Podcaster, OMR, Bühnspeaker, Longtime

00:00:07: Friend, Philipp Pipp Klöckner.

00:00:09: Wir haben wieder zu Gast und wir haben über AI Storylines gesprochen.

00:00:14: Zwischen Aufnahme und Ausstrahlung liegen jetzt ungefähr 5-6 Tage und genau in dieser

00:00:18: Zeit gab es übrigens ein paar Neuerungen bei Aleph Alpha.

00:00:21: Nur wer sich darüber wundert, dass wir da nicht ganz tagesaktuell waren.

00:00:25: Und weil ich mich hier so kurz gefasst habe, bitte nutzt doch die freigewordene Zeit, folgt

00:00:30: unserem YouTube-Kanal, da steckt meine Kollegin Julia sehr viel Liebe rein und natürlich

00:00:34: freuen wir uns auch über positives Engagement auf allen Podcast-Plattformen.

00:00:38: Hi Pipp.

00:00:40: Moin moin, freue mich sehr, hier zu sein.

00:00:53: So, wir wollen entsprechend meiner Vorrede auch eine AI Folge machen.

00:00:57: Das bietet sich an, wir haben das eigentlich noch nie so ausführlich gesprochen, obwohl

00:01:01: das jetzt mittlerweile echt ein Kompetenzfeld von dir ist und ich habe mir gedacht, wie

00:01:05: macht man das am besten.

00:01:06: Das ist was uns irgendwie differenzierend unseren Hörern und Hörern anbietet.

00:01:12: Und da ist mir heute Morgen beim Joggen die Idee gekommen, als ich einen Podcast gehört

00:01:16: habe von Bill Simmons, der Sprach mit verschiedenen Gästen über jetzt den nächsten startende

00:01:21: NFL-Saison, also Football in den USA.

00:01:23: Ein Riesenfeld, ganz viele Teams, ganz viele verschiedene Sachen, die da passieren.

00:01:27: Wie macht man das einigermaßen hörbar, wie macht man dann den Überblick?

00:01:30: Und der hat dann die besten NFL-Season-Storylines diskutiert.

00:01:36: Und ich finde Storylines einfach eine gute Idee.

00:01:38: Wir reden jetzt über die spannendsten AI-Storylines.

00:01:41: Nach meiner Einschätzung, ich schmeiß sie darüber, wir versuchen selber Storylines

00:01:44: zu finden und dann mal gucken, also für Einsteiger, wer jetzt auch sagt, das ganze AI geht mir

00:01:48: richtig auf den Sack und ist auch irgendwie kompliziert.

00:01:51: Und was war sich, was da für Modelle unterwegs sind?

00:01:52: Vielleicht habt ihr ja Spaß, Storylines zu verfolgen, einfach nur, wenn sich Dinge weiter

00:01:56: entwickeln, die interessant sind zu beobachten.

00:01:59: Als Erste Mal vielleicht die bekannteste AI-Familie, heißt OpenAI, der bekannteste AI-Mensch, heißt

00:02:06: Sam Ordman, die ganz große Storyline hinter den beiden.

00:02:10: Wie schätzt du die ein?

00:02:11: Ich glaube, was man zuletzt sehr gut gemerkt hat, ist, dass, also anscheinend Sam Ordman

00:02:18: immer mehr seine Mitstreiter zu verlieren.

00:02:19: Also es ist mal gestartet, als eine Firma mit elf Co-Foundern, inzwischen sind noch zwei

00:02:24: davon übrig.

00:02:25: Also ich meine, die Company ist jetzt schon ein paar Jahre alt auch, aber so ein erheblicher

00:02:28: Turn im obersten Level, insbesondere die Security and Safety Leute oder Alignment, nennt man das

00:02:33: ja.

00:02:34: Also wie kann man die Werte der AI mit den menschlichen Höhlen und humanen Werten gleichschalten?

00:02:39: Das nennt man Alignment, da sind viele Leute gegangen.

00:02:41: Und das heißt, er wird so mehr und mehr zum Alleinhärscher der Firma gefühlt, was natürlich

00:02:47: auch problematisch ist, wenn man überlegt, wie wichtig diese Firma oder wie mächtig diese

00:02:52: Firma werden könnte, weil das erklärte Ziel ist ja nicht irgendwie, ein Milliarden oder

00:02:57: Billion Dollar Company zu werden, sondern AGI zu entwickeln.

00:03:01: Und alles andere soll sich diesen Ziel unterordnen.

00:03:03: Was vielleicht auch so ein bisschen erklärt, warum es für Open AI gar nicht so wichtig

00:03:07: ist, wie viel Umsatz sie machen, obwohl sie, glaube ich, auch wirtschaftlich sehr erfolgreich

00:03:11: sind, aber im Moment ist es, glaube ich, eher ein Abfallprodukt.

00:03:14: Wenn du dir sicher bist, dass du irgendwann AGI, also AGI, eine zur Sicherheit für alle,

00:03:20: die jetzt denken, das ist irgendwie, ich weiß nicht, AGI1 oder so.

00:03:25: Genau.

00:03:26: Es ist official generic intelligence.

00:03:29: General intelligence, genau.

00:03:30: Also eine irgendwie breitfähige Intelligenz, die menschliche Kräfte übertrifft oder menschliche

00:03:36: Fähigkeiten.

00:03:37: Beziehungsweise Open AI definiert es, glaube ich, so, dass es eine künstliche Intelligenz

00:03:43: ist, der du sozusagen eine Aufgabe und Task geben kann, dass sie selber Wirtschaftsleistung

00:03:47: erwirtschaften kann.

00:03:48: Also dass ihr selber ein Geschäftsmodell aufbaut oder selber eine Software baut oder so weiter.

00:03:52: Das ist ihre Definition.

00:03:53: Und wenn man überlegt, dass das das Ziel ist, dann macht es eigentlich relativ Sinn, auf

00:03:57: dem Weg jetzt viel an Monetarisierung zu denken.

00:04:00: Weil du baust ja dann eigentlich erklärtermaßen eine Software, die neue Geschäftsmodelle bauen

00:04:05: kann.

00:04:06: Theoretisch.

00:04:07: Die eigene Software bauen kann, die eigene Märkte erschließen kann, die selber Marketing

00:04:10: machen kann wahrscheinlich.

00:04:11: Der ich mehr oder weniger sagen kann, findet mal einen Weg, irgendwie in Bangladesch Geld

00:04:14: zu verdienen oder irgendwie sowieso.

00:04:17: Und dann ist eigentlich alles andere, was du machst, während du das Traction.

00:04:21: Und Sam Ordman scheint davon überzeugt zu sein, dass das möglich ist, AGI zu finden.

00:04:27: Es gibt dann Leute, die sagen, es ist zumindest mit dem sozusagen LLM-Approach oder mit diesen

00:04:33: Transformatorenmodellen.

00:04:34: Das wird nicht der Weg dahin sein.

00:04:36: Das wird sich in Zukunft zeigen.

00:04:37: Aber ich glaube, man kann sehr gut nachvollziehen, dass die Modelle zunehmend fähiger werden

00:04:42: und teilweise menschliche Fähigkeiten auch schon schlagen.

00:04:45: Und deswegen besorgt mich bei Open Eye hauptsächlich, glaube ich, die Macht, die da jetzt in einer

00:04:51: Person vereint ist.

00:04:53: Amüsst du dann auf das Geschäftsmodell, was du gerade beschrieben hast, bulisch?

00:04:56: Also glaubst du, oder sagen wir noch mal ganz konkret gefragt ist, gibt es für dich den

00:05:00: lustigen Zufall.

00:05:01: Ich bin vor einigen Tagen angeschrieben worden von einem Bekannten, der hat mir geschrieben,

00:05:05: hi mein Lieber, wir haben als nächstes Investment eine Open Eye Allocation.

00:05:09: Sag mal, ob du dabei sein willst, Eckdaten, Bewertungen, wäre jetzt, glaube ich, so etwas

00:05:14: über 100 Milliarden Dollar.

00:05:15: Entsprechend Preis vor Aktie glaube ich, 190 Dollar.

00:05:19: Und man müsste dann irgendwie so ein SPV 50.000 Euro einlegen.

00:05:23: Ich habe die jetzt gar nicht, aber manche, wenn ich es hätte, dann müsste ich die eine

00:05:25: so ein Management-Fee und dann gibt es 20 Tickets, die man ziehen kann.

00:05:31: So, jetzt sind wir bei 10 Millionen sein.

00:05:34: Und der Capital Corp, ich weiß, wäre in drei, vier Wochen.

00:05:40: Sollte ich es machen?

00:05:42: Also es ist keine Anlageberatung.

00:05:44: Ich glaube, du hast weiterhin Totalausfallrisiko, obwohl du totalausfallrisiko hast, glaub ich,

00:05:49: nicht bei Open Eye, aber ich glaube, dass du unter den Werten von 100 Milliarden teoretisch

00:05:53: fallen könntest, haltest du nicht für sehr wahrscheinlich.

00:05:55: Also ich versuche nicht so schwarz-weiß zu denken, sondern in Szenarien eigentlich.

00:05:58: Es gibt glaube ich kaum einen Szenario, wo du 100 Prozent des Werts verlieren würdest.

00:06:02: Auch einfach, weil die Firma so nah mit Microsoft verknüpft ist inzwischen.

00:06:06: Ich glaube, es gibt ein Szenario, wo sie eine, entweder wirklich so eine Art AGI oder eine

00:06:12: sehr, sehr fege Anwendung entwickeln.

00:06:15: Ich glaube, prinzipiell in die gesamte Klasse von Foundation Models oder LLMs diese großen

00:06:21: Modelle zu investieren, wenn du sagen würdest du verteilen, ist dein Geld gleichmäßig unter

00:06:25: allen Unternehmen, die daran forschen.

00:06:26: Also auch ein Mistral, auch ein Entropic, auch ein Alpha oder so weiter.

00:06:30: Dann würde ich sagen, das ist wahrscheinlich keine guteren Dieter, die ich erwartet.

00:06:35: Aber ich glaube, Open Eye ist so weit vorne im Rennen, nicht uneinholbar, aber sehr weit

00:06:39: vorne, dass es einst der Unternehmen sein kann, dass irgendwann mal eine sehr fege Intelligenz

00:06:44: entwickelt.

00:06:45: Aber es muss ja auch Geld verdienen.

00:06:46: Ich meine, bei allem Entwickeln und Intelligenz und so, irgendwie brauchst du ja Ummerz und

00:06:52: dann ein paar weniger Kosten, dann musst du ein gutes Ergebnis machen.

00:06:55: Bei 100 Milliarden Bewertungen muss das Ergebnis ja dann auch nochmal mehrere Milliarden

00:06:59: sein.

00:07:00: Genau, also, ah, sie machen inzwischen gerade 4 Milliarden, zwischen 3 und 4 Milliarden

00:07:03: Umsatz schon im Jahr, also das machen sie jetzt schon.

00:07:06: Und das andere ist, wie gesagt, wenn du schaffst so ein Modell zu bauen, was von sich aus geschärzt

00:07:11: Modelle entwickeln kann und dann auch Software entwickeln oder das größte Teil selbstständig

00:07:16: hinbekommt, dann ergibt sich die Monetarisierung ja auch irgendwie von alleine bis hin.

00:07:22: Also nicht, dass ich blau optimistisch bin, aber ich glaube, es ist ein mögliches

00:07:24: Szenario, dass man so weit kommt.

00:07:26: Und wenn nicht, wird man wahrscheinlich immer noch eines der fähigsten large language Models

00:07:30: haben, dass man eben per API anderen zur Verfügung steht.

00:07:33: Und damit verdienen sie jetzt schon Run Rate irgendwie 4 Milliarden.

00:07:36: Und wenn man sich das bottom up dann mal anschaut, wurden ja jetzt ungefähr 10 bis 13 Milliarden

00:07:42: investiert in den OpenAI und damit hat man eigentlich annual recurring revenue in Höhe

00:07:46: von 4 Milliarden geschafft.

00:07:48: Das ist absolut vergleichbar mit anderen Zarsfirmen.

00:07:50: Also dass du das dreifache des Umsatzes investierst, um den Revenue Stream aufzubauen, ist, glaube

00:07:57: ich, ein relativ kapital effizienter Weg, neue Firma zu bauen.

00:08:00: Deswegen, ich glaube nicht, dass alle Firmen so healthy Unit Economics am Ende haben werden,

00:08:04: aber ich glaube, das ob mehr eine der ist, die relativ gut daraus kommt.

00:08:08: Also hast du gesagt, wenn das auf das Angebot, das mir da vorliegt, wenn das Geld da wäre,

00:08:14: why not?

00:08:15: Ich würde nicht 100 Prozent irgendwie deines Gelds darauf hätten oder so, aber als vielleicht

00:08:20: auch so eine Art Versicherung dagegen, dass OpenAI irgendwie so ein Joggernaut wird, der

00:08:24: ein Großteil der Software-Entwicklung in Zukunft irgendwie so ein bisschen dominiert oder zumindest

00:08:29: einen wichtigen Bestandteil mit einem Foundation-Model dazu.

00:08:33: Und wenn man das Gewährte ist, ist das aber auch schon so krass hoch 100, also über 100

00:08:36: Milliarden.

00:08:37: Klar, dann kommen die vielleicht nochmal auf 200 Milliarden, hätte ich das Geld verdoppelt.

00:08:39: Aber also viel mehr Absatzsäte.

00:08:44: Schauen wir mal, wenn ich noch 2-mal, sagen wir verdoppeln noch 2-mal hier einen Umsatz.

00:08:48: Wir sagen mehr und mehr Firmen bauen Applikationen basierend auf AI und OpenAI schafft es weiterhin

00:08:55: ein führendes Model zu bauen.

00:08:57: Wenn Sie sich nochmal verdoppeln, sind Sie bei 7, 8 Milliarden Umsatz.

00:09:00: Wenn Sie sich nochmal verdoppeln, sind Sie bei irgendwie 15 Milliarden Umsatz.

00:09:03: Ich glaube, eine 10-mal Umsatzbewertung wäre jetzt nicht untypisch für eine Firma, die

00:09:07: noch so schnell wächst, kann man sogar über mehr reden.

00:09:09: Dann hättest du schon 150, 200 Milliarden zusammen.

00:09:13: Okay, also ist das fine.

00:09:14: Also wir beobachten die Storyline OpenAI mal ein bisschen weiter.

00:09:17: Sam OpenAI auch.

00:09:18: Also wie lange halten das die letzten Verbleibenden 2 Co-Gründer noch mit ihm aus?

00:09:23: Hätte ich dieses Investment machen sollen oder nicht?

00:09:26: Also die Storyline steht.

00:09:27: Für alle, die Lust haben, AI aus der Ferne zu verfolgen, hier wäre die erste Storyline-Angebot.

00:09:33: Nehmen wir mal als zweites Storyline, die ich auch interessant finde.

00:09:39: Und zwar gibt es ja gerade rund um Meta oder Facebook ganz viele so Open Source Modelle.

00:09:44: Das ist ja schon mal deren Approach.

00:09:46: Irgendwie die ganzen Modelle da gerade sind, Markt reinzugeben.

00:09:48: Und dann gibt es halt die Commercial-Modelle.

00:09:50: Und ich finde, das hängt ein bisschen mit dem OpenAI zusammen.

00:09:53: Weil wenn diese Open Source Modelle sich durchsetzen sollten, dann braucht ihr ja keiner mehr Open

00:09:56: AI, weil dann warum soll ich Geld bezahlen, wenn ich das Open Source umsonst bekomme?

00:10:00: Ist das eine Storyline, die du auch verfolgst?

00:10:02: Genau, das ist im Prinzip die absolute Gegentease gegen das OpenAI Investment.

00:10:07: Nämlich das, du sagst, dass man mit noch so viel Geld und man kann sagen, Meta verfügt

00:10:12: letztlich über genauso viel oder mehr Geld wie ein Sam Open and Open AI und Microsoft

00:10:16: zusammenraisen können.

00:10:17: Microsoft ist schon noch deutlich größer als Meta, aber so vom Cashflow können die

00:10:22: beide verfügen, die beide über unheimlich große Mittel.

00:10:25: Es geht eher darum, wie viel ihre Shareholder ihnen erlauben zu investieren.

00:10:28: Und ich glaube, Facebook-Strategie ist eben, dass sie einerseits ein bisschen spät dran

00:10:33: sind bei dem ganzen Rennen.

00:10:35: Und andererseits ist man, glaube ich, sehr getrieben von, dass man gemerkt hat, man hat

00:10:40: sich damals in dieser Falle befunden, wo man sehr stark von den Betreibern der mobilen

00:10:45: Endgeräte, der mobilen Operating Systems, also Android und iOS-Apple abhängig war.

00:10:51: Das hat ja das Werbegeschäft von Meta eine Zeit lang mal stark sozusagen gefährdet.

00:10:55: Meta hat sich ganz gut durch neue Tools und schlaure Targeting-Mechanismen da eigentlich

00:11:01: so ein Rausmanifriert am Ende.

00:11:02: Aber ist, glaube ich, so eine traumatische Erfahrung, die sie haben.

00:11:06: Sie möchten nie wieder abhängig von irgendeiner Art von Plattformen sein, selber, glaube ich.

00:11:10: Und deswegen bauen sie jetzt eine Plattform, die alle nutzen, von der theoretisch alle profitieren.

00:11:15: Ich glaube in der Hoffnung, dass am Ende dann ein Ökosystem entsteht, was wenige Abhängigkeiten

00:11:21: haben, was ein bisschen mehr Waffengleichheit hat und wo am Ende natürlich Leute auch wieder

00:11:25: Geld für Werbung ausgeben und davon würde spätestens dann Meta auch indirekt profitieren.

00:11:29: Und du sagst doch gar nicht, dass die Open Source-Mittel davon sind.

00:11:31: Genau, das sieht man auch relativ klar.

00:11:33: Die stehen den kommerziellen Modellen.

00:11:34: Es ist nicht erkennbar, dass die den irgendwie nachstehen.

00:11:37: Am Ende ist eigentlich so, dass jeweils jüngste oder ja, früh, wie sagt man, das jüngste

00:11:42: Modell, was rauskommt, schlägt in der Regel alle älteren Modellen.

00:11:44: Das ist ein sehr, da kann man jetzt auch eine eigene Storyline eigentlich, dass jedes neue

00:11:48: Modell frisst eigentlich alle vorherigen Kinder sozusagen, der EI.

00:11:51: Also wenn Mistral, was auch ein französisches Open Source-Projekt ist, ein neues rausbringt,

00:11:56: ist das in der Regel zumindest in gewissen Disziplinen besser als alle anderen auch

00:11:59: kommerziellen vorher.

00:12:00: Das letzte Facebook-Modell, Lama 3.1, hat viele Open Source-unkommunizielle Modelle

00:12:07: geschlagen.

00:12:08: Das heißt, es scheint keine Rolle zu spielen, ob man Open Source oder Commercial.

00:12:11: Das so hört dann, jetzt haben wir starke These, aber dann sind ja die Menschen, die

00:12:15: jetzt für diese vier Milliarden Umsatz bei Open AI sorgen, irgendwie dumm, weil die könnten

00:12:20: ja das gleiche Produkt oder was Ähnliches schon mal irgendwie auch sonst bekommen, dann

00:12:24: müssten ja kein Geld ausgeben.

00:12:25: Genau, das ist eine große Gefahr.

00:12:27: Das am Ende kann es natürlich sagen, ich kann das deutlich günstiger beziehen oder

00:12:33: ein Open Source-Model auf meinem eigenen Server sogar installieren und günstig ausführen.

00:12:36: Das ist für alle Betreiber von kommerziellen Modellen das größte.

00:12:40: Deswegen meine ich, es ist die krasse Anti-Tese dagegen.

00:12:43: Es gab einen israelischen VC von Aleph, heißt die Firma Mike Eisenberg, der LLMs, der Foundation-Models,

00:12:51: das fastest depreciating asset on earth genannt.

00:12:54: Du baust quasi das State of the Art Modell, was alle anderen schlägt und zwei Wochen

00:12:59: später kommt irgendwie, jetzt gerade hat Microsoft ein neues kleines Modell, 4.3.5

00:13:03: heißt es, glaube ich, gebaut und schlägt wieder alle anderen kleineren Modelle auf einmal.

00:13:07: Und damit es, es gibt ja keinen Grund, warum du jetzt das zweit schnellste oder zweit beste

00:13:10: oder zweit günstigste Modell nehmen soll, dann natürlich nimmst du in Zweifel das Beste,

00:13:14: was du haben kannst oder das günstigste.

00:13:15: Und was vorher mit Milliarden aufgebaut wurde, ist dann innerhalb von einem Tag eigentlich

00:13:20: fast wertlos, weil man natürlich immer den neuesten Schritt haben will eigentlich,

00:13:24: dass man hat seine Applikation sehr stark auf ein Modell angepasst, aber das ist der

00:13:29: Grund, warum ich nicht in die breite Klasse der Modelle investieren würde.

00:13:32: Also einfach Geld streuen, ich investiere in jedes Foundation-Model, ich glaube, das

00:13:35: wäre eine schlechte Strategie, weil viele am Ende untergehen werden dabei und irgendwann

00:13:39: aus dem Rennen aussteigen.

00:13:40: Im Moment ist noch, im Moment ist noch unmöglich zu sagen, wer der Gewinner ist.

00:13:44: Also Mistralbau-Supermodelle, Entropic-Cloat hat Superperformance, Meter hat Super Open

00:13:50: Source Modelle, Google Gemini versucht mitzuhalten, Microsoft hat eigene Modelle, wie gesagt,

00:13:56: habe ich versorgen, OpenAI sowieso.

00:13:59: Und gefühlt ist es so, dass jede Woche ein neues Modell rauskommt, was alle anderen in

00:14:05: gewissen Disziplinen schlägt.

00:14:06: Okay, also es ist noch gar nicht klar, wie das Rennen ausgeht, ob Open Source oder Commercial,

00:14:13: aber wenn Open Source gewinnt, dann ist auf jeden Fall, könnte es ein Problem sein.

00:14:17: Man sieht jetzt ja auch, es gibt schon Open Source Modelle, trotzdem hat OpenAI 4 Milliarden

00:14:21: Umsatz, also irgendwer macht es ja trotzdem paid, aber man könnte in der perfekten Welt

00:14:27: gelb es dann eigentlich kein Umsatz bei den Commercial-Modellen.

00:14:31: Ja, also irgendwo muss es gerechnet werden, also die Rechenzentren haben am Ende wieder

00:14:35: Umsatz, aber die Modelle selber, ob das, ich bin mir nicht sicher, ob die Modelle selber

00:14:40: am Ende sozusagen ein sehr kräftiges Wertschöpfungslehr sein, also wo du irgendwie 30% EBIT

00:14:45: Demage hast, indem du deinen Modell vermietest, irgendwo, das halte ich eher unwahrscheinlich.

00:14:50: Seine Jemandschaft wirklich ein sehr exklusiven Durchbruch.

00:14:53: Die Open Source Modelle haben natürlich den Vorteil im Zweifel, dass sie viel Distribution

00:14:56: erfahren dadurch und viel Nutzerdaten nochmal sammeln, wenn sie von vielen genutzt werden.

00:15:00: Und die Community, das ist ja der ganze Sinn von Open Source, dass man sich gegenseitig

00:15:03: so ein bisschen stärkt.

00:15:05: Warum bis heute viel Internetinfrastruktur Open Source ist irgendwie der Apache Server

00:15:09: und gewisse Datenbank Technologien, gewisse Server-Ability Technologien und so, sind bis

00:15:16: heute Open Source und fahren gut damit.

00:15:18: Und das könnte Open Source natürlich nochmal helfen, dass man eine größere Community baut.

00:15:23: Okay, also verfolgen wir mal das mal ein bisschen weiter.

00:15:25: Könnte es eigentlich auch so sein, dass Meta irgendwann sagt, jetzt wo alle unsere Modelle

00:15:31: hier verwenden, jetzt drehen wir das zurück und jetzt sagen wir, jetzt sind die da nicht

00:15:34: mehr Open Source?

00:15:35: So ein Baden Switch, nennt man das ja im Englischen.

00:15:37: Baden Switch?

00:15:38: Angeln und oder?

00:15:39: Genau, anlocken und dann sozusagen den Schalter umlegen.

00:15:43: Das ist eine relativ gängige Strategie, dass man erstmal versucht Verbreitung oder Adoption

00:15:48: zu finden, indem man es kostenlos anbietet.

00:15:50: Und dann baut man so Haken und Ösen ein auf einmal.

00:15:52: Ich halte es für eher unwahrscheinlich, weil der Markt glaube ich so kompetitiv ist, dass

00:15:58: niemand sich das leisten kann.

00:15:59: Also Meta hat keine großen Vorteile so, sie haben relativ spät gestartet und dass sie

00:16:04: freie Anbieten ist, so ihr Edge den aufzugeben, wäre glaube ich relativ gefährlich.

00:16:10: Dann nächste Storyline, jetzt mal ganz plump, aber kommt dieses ganze Geld, was da jetzt

00:16:16: reingepumpt wird, eigentlich jemals wieder zurück, frag ich mich so als Fun Fact, weil

00:16:22: ich meine, zweifel, da sehe ich auch eine Welt, wo einfach Menschen oder Firmen sehr

00:16:26: viele Milliarden in etwas gepumpt haben, das einfach weg ist.

00:16:29: Ja, gab es ja schon immer mal.

00:16:34: Ist das vorstellbar oder glaubst du, dass sich diese ganzen Investments irgendwann mal

00:16:35: lohnen können?

00:16:36: Ja, also auch da würde ich in Szenarien denken und ich glaube die Frage ist nicht ob, sondern

00:16:41: wann.

00:16:42: Ich glaube man kann schon sagen, dass wir uns gerade in einer hart blaasen oder blasenförmigen

00:16:47: Bewegung oder so am Höhepunkt des Gardener Hype Cycles befinden, das ist sicherlich

00:16:51: richtig, bis vor kurzem die Begeisterung für AI maximal war.

00:16:56: Jetzt relativiert sich gerade so ein bisschen, es gab kritische Stimmen von Goldman Sachs,

00:17:00: von Mackenzie, von Elliott Management, von Paul Singer, dem Hedge Fund, von einem Sequoia

00:17:08: Partner, der vorgerechnet hat quasi, dass wenn man nur überlegt wieviel Chips Nvidia

00:17:12: verkauft, das werden so ungefähr 150 Milliarden im Jahr sein, wenn man davon ausgeht, dass

00:17:17: diese Chips zu betreiben kostet ungefähr nochmal das gleiche, das heißt dann sind

00:17:20: wir bei 300 Milliarden und wer damit Geld verdienen will, braucht eigentlich eine 50

00:17:23: Prozent Rohmage, dann werden wir bei 600 Milliarden und wenn, entweder nur weiter diese Chips

00:17:31: verkaufen will, dann braucht man halt 600 Milliarden an Umsatz, der dem gegenübersteht,

00:17:38: der das irgendwie wieder amortisiert, was allein an Chips produziert wird.

00:17:41: Und wenn wir gerade vorgerechnet haben, natürlich haben wir im Moment keine 600 Milliarden

00:17:45: AI Umsatz, natürlich wird das gerade nicht kommen, aber wenn die Weiterentwicklung der

00:17:50: Modelle so voranschreitet und wenn viele kleine Start-ups oder auch große Software für mehr

00:17:55: und mehr Anwendungsfälle dafür entwickeln und es schaffen Menschen dazu zu bringen,

00:17:59: das auch zu benutzen und erfolgreich zu benutzen und produktiv zu benutzen, dann glaube ich,

00:18:04: wird man über kurz oder lang schon ein Großteil dieser Investments, also nicht nur die Investments

00:18:09: amortisieren, sondern deutlich mehr daraus sollen.

00:18:12: Ich würde es ein bisschen vielleicht mit der Internetblase vergleichen.

00:18:15: Zweifels Ohne waren wir 2000, in den 2000er Jahren, 99, 2000 in der Blase auch und da

00:18:20: waren hunderte von Firmen, so ein Cisco oder Juniper Networks und wie sie alle heißen,

00:18:26: massiv überbewertet.

00:18:27: Aber heute 20 Jahre, 25 Jahre später ist das Internet, wenn du die Nestec anschaust,

00:18:32: sind glaube ich 80 Prozent der Unternehmen, sind im weitesten Sinne Internet-Technologie-Unternehmen

00:18:37: und die, die allein der Nestec 100 ist, glaube ich, 22 Billionen US-Dollar wert, also 22.000

00:18:44: Milliarden an Börsen wert wurde quasi mit dem Internet geschaffen, könnte man sagen,

00:18:48: oder mit Software.

00:18:49: Und ich glaube, in Zukunft wird jedes Software irgendwie AI-Beinhalten oder Machine Learning.

00:18:54: Von daher glaube ich, dass man irgendwann, sagen, Trillion Dollar oder Billion Dollar-Märkte

00:18:59: auf Deutsch schaffen wird damit.

00:19:01: Ich glaube aber, dass das allmählicher passieren wird, einfach weil wir bei der Adoption gar

00:19:06: nicht so schnell sind, also bis Menschen Anwendungsfälle entwickeln und dass sich dann verbreitet

00:19:09: in vielen Unternehmen genutzt wird und wirklich Produktivitätsfortschritte bringt.

00:19:12: Das wird glaube ich noch dauern.

00:19:15: Ich glaube, zwei konkrete Fälle sind, wo es relativ früh eintreten wird.

00:19:18: Eine ist Programmierung.

00:19:19: Diese Co-Piloten, die beim Programmieren helfen, das ist einfach, weil Programmiersprache

00:19:24: sehr eindimensional ist.

00:19:26: Also diese Modelle schätzen oder raten ja, was das nächste Wort ist statistisch.

00:19:29: Und wenn du was programmierst, dann gibt es gar nicht so viel, also der Vektor, wieviel

00:19:35: verschiedene Worte können jetzt auf das Wort folgen, ist relativ klein.

00:19:39: In natürlicher Sprache gibt es vielleicht eine hohe Variation an Worten, die auf das

00:19:43: nächste Wort folgen können.

00:19:44: Bei Programmierung ist das nächste Zeichen relativ mit einer hohen Wahrscheinlichkeit

00:19:48: zu erraten.

00:19:49: Deswegen ist es, glaube ich, sehr früh bei juristischer Sprache, zum Beispiel auch so.

00:19:53: Dadurch, dass diese Hochformel sind, diese Schriftzätze, die Anwälte schreiben, in aller

00:19:56: Regel zumindest, ist das glaube ich einfacher und da wird man wahrscheinlich relativ früh

00:19:59: schon viele Anwendungsfälle sehen.

00:20:01: Und das andere, wo ich glaube ich kurzfristig sehr optimistisch bin, wo man viel Wert schaffen

00:20:09: kann, ist Robotik.

00:20:10: Also es werden jetzt viele dieser menschlichen Robotern, Tesla baut diesen Optimus, es gibt

00:20:14: diese Firma Figure 1, nee, Figure AI, die jetzt gerade 0/2 Modell, die zweite Generation

00:20:19: vorgestellt haben, die mit BMW kooperieren.

00:20:21: Es gibt auch der Ganzenwahl, es gibt im Korea und Japan noch Robotik.

00:20:24: Aber das ist nicht mehr Sprachbarse, oder?

00:20:25: Die Lernfähigkeit basiert auf LLMs, soweit ich das verstanden habe.

00:20:30: Weiterhin.

00:20:31: Und gibt es eigentlich einen generellen AI-Welt, die nicht LLM basiert oder getrieben ist?

00:20:38: Das ist also, Maschinenlearning ist deutlich größer als LLMs, glaube ich, aber für Robotik

00:20:43: wird quasi letztlich auch Transformer-Technologie benutzt.

00:20:48: Und das ist gut, also warum baut man diese Roboter wie Menschen, weil sie quasi eine

00:20:53: Menschen zuschauen können bei der Arbeit und davon lernen.

00:20:55: Also die können einfach lernen, den Menschen zu imitieren und damit kannst du ihnen fast

00:20:59: jeden Tags geben, denen ein Mensch auch kann.

00:21:01: Und das ist auch alles Sprachmodell basiert?

00:21:05: Nach meinem Verständnis basiert das unter anderem auch auch.

00:21:07: Ich hätte das Gefühl, viele von den Sachen, das hatte mir Fokus meiner erzählt, dass

00:21:10: es bei Tesla auch so deswegen attraktiv ist, weil die in den ganzen Autos, die sie so rumfahren

00:21:16: haben, so Kameras drin haben und man kann dann sozusagen in den Verkehr auch dieses Self-Driving

00:21:22: ist ja auch eine AI, eine Idee.

00:21:24: Und die können halt Self-Driving ganz gut abbilden, weil halt über die ganzen Kameras

00:21:29: kann man halt sehr viel lernen über die Bilder und dann können die dann irgendwann selber

00:21:33: fahren, weil der LRF auch so groß ist.

00:21:36: Aber da habe ich zumindest das Verständnis gehabt, es hat doch nichts mit einem LM zu tun,

00:21:40: das ist halt wirklich einfach Bilderkennung.

00:21:42: Genau, das ist trotzdem Maschinenlearning, aber es ist kein LLM in dem Fall.

00:21:46: Genau.

00:21:47: Und das, also und jetzt das andere Beispiel, wo ich das...

00:21:50: Bei den Nachhalt von der Testnet-Technologie, also wenn du nur Kameras hast, ist das Gegenkonzept

00:21:55: ja leider, wo du so eine Art Leserradar hast, was dann Gegenstände erkennen und messen

00:22:02: kann, die Entfernung zu Gegenständen.

00:22:04: Das Problem ist, wenn von einem Tesla zum Beispiel ein umgekippter LKW liegt.

00:22:07: Wenn du es vorher aus Daten gelernt hast, hat es natürlich noch nie einen umgekippten

00:22:13: LKW gesehen.

00:22:14: Das ist extrem wahrscheinlich, das ist unwahrscheinlich.

00:22:16: Es hat halt 10.000 mal ein Stoppzeichen gesehen, weil wir das im Winter jetzt angeklickt haben,

00:22:20: das ist ein Stoppzeichen, so, das war einfach zu lernen.

00:22:22: Aber wenn irgendwas unvorhergesehen war, was passiert, sagen wir mal eine Boeing landet

00:22:25: auf einer Autobahn oder eine LKW kippt um oder jemand, ich mache einen Graffiti, was

00:22:32: blauer Himmel aufzieht auf einer Autobahnbrücke, dann könnte es sein, dass das Auto, weil

00:22:35: es nur Kameras hat und weil so eine Division der Kamera kannst du täuschen, ein Leider

00:22:39: kann halt erkennen, das ist ein fester Gegenstand, ich halte mal sicherheitshalbe an.

00:22:42: So, das ist so ein bisschen die Schwäche der Kamera.

00:22:43: Ich will nicht, es kann sein, dass man trotzdem...

00:22:45: Aber ist es interessant, aber auch das ist dann nicht LLM basiert oder das ist leider...

00:22:48: Das kann er werden, so weit ich weiß nie.

00:22:50: Also, jedenfalls, ich wollte noch kurz als extra Note hinzufügen, dass ich ein anderes

00:22:56: Feld aufhör kurz, was ich mir kennengelernt habe, ich habe einen echt krassen Artikel

00:22:58: gelesen, sehr lang, aber sehr interessant, über ein bisschen Parmalucky, der Gründer

00:23:04: von Anruyel, so einer großen Defense-Tech, Drohnen und sonstigen Militärsachenfirma,

00:23:11: also hat auch mit dieses Oculus erfunden, ein Mark Zuckerberg verkauft, ein riesender

00:23:16: Teil, bei mir in WhatsApp vielleicht hast du auch Bock, in dein Düssel reinzupacken,

00:23:21: also ich finde ihn wirklich lesen zu werden, weil der Typ ist echt krass und da war auch

00:23:25: die Rede von seinen ganzen Militärfahrzeugen, die er gerade alle baut, dass die alle auch

00:23:29: auf Open AI zurückgreifen und die Drohnen und so und da dachte ich mir, das können

00:23:32: ja dann keine Sprachmodelle sein, das muss ja dann die andere Art von Intelligenz sein,

00:23:36: die da...

00:23:37: Also, ich bin leihoffensichtlich, aber ich dachte mir so, Drohnsprachmodelle, eher nicht.

00:23:42: Ich glaube, du kannst mit Sprachmodellen auch sozusagen Input aus verschiedenen, also

00:23:47: die Modelle sind ja alle multimodal, also du kannst ein Bild reintun und kriegst ein

00:23:51: Text draußen, ich kann ein Bild reintun und fragen, was sehe ich da, oder was siehst

00:23:54: du da und dann sagt mir, dass das...

00:23:55: Und deswegen kannst du mit dem LLM theoretisch auch die Umgebung von der Drohne interpretieren

00:23:59: lassen, ich glaube, dass du dadurch, dass die multimodal sind, also auch mit Videobildern

00:24:03: oder verschiedenen anderen sozusagen Sensorikdaten gefüttert werden können, müssten multimodale

00:24:08: Modelle das tatsächlich können.

00:24:09: Das lustigste, mit der der Palma Lucky fährt selber eine Fregatte, der hat sich als Privatboot

00:24:13: so eine alte Militärfregatte, es gibt so ein Bloomberg, so ein Bloomberg Interview,

00:24:18: ich glaube mit Emily Chang gibt es auf YouTube, da fährt er sie so ein bisschen in seine Fregatte

00:24:21: durch die Gegend.

00:24:22: Also, der Chief ist ohnehin in dem Artikelstudent drin, er hat sich einen Chip implantieren

00:24:27: lassen in seinen Gehirnen, mit dem seine Mitarbeiter/Mitarbeiter direkt in seinem Gehirn

00:24:31: quasi nachten hinterlassen können.

00:24:33: Oh, das wusst ihr noch nicht, ich glaube, das ist weird.

00:24:35: Da sind extrem viele sehr, sehr weirde Sachen bei dem, aber der Typ ist sehr interessant.

00:24:43: Ich glaube, es hat auch verrückte Thesen, man denkt okay, wirklich jetzt, aber ich finde

00:24:49: diesen Artikel geschrieben in Tablet Media, ich sage dir vorallem gar nichts, es ist so

00:24:53: eine jüdische Publikation, die da, wenn wir es lange nicht bekennen, machen sehr lange

00:25:01: Artikel, dann liest man wahrscheinlich irgendwie 20 Minuten lang.

00:25:04: Aber ich werde es in meine WhatsApp reinpacken, ich schickst dir auch nochmal gleich zu,

00:25:08: wir packen sie in die Show Notes.

00:25:09: Also, wenn man ein paar Malakie nicht kennt, es lohnt sich, den mal irgendwie an den

00:25:13: Titel kennenzulernen.

00:25:14: Ist wahrscheinlich, steht da auch drin, neben Ilan Musk, der beste Ingenieur, den es wohl

00:25:20: eigentlich gibt gerade.

00:25:21: Man kann ja ganz kurz die Grundthese der Firma ektan, also der ist quasi baut ein modernes

00:25:25: Rüstungsunternehmen nach Silicon Valley Logik.

00:25:27: Bisher läuft Rüstungsindustrie in USA so, dass die USA halt sagen, wir brauchen irgendwie

00:25:33: einen neuen F21 Jet oder eine neue Fregatte oder einen neuen Abrams Panzer.

00:25:39: Und jetzt Boeing oder Northrop Grumman oder so, baut uns den mal.

00:25:42: Ihr kriegt alles, was das kostet, plus 20% Gewinnmage.

00:25:45: Kostplus.

00:25:46: Genau, Kostplus Pricing nennt man das.

00:25:48: Und was paar Malakie oder Andrew Will halt bauen will, ist, dass sie quasi auf eigenes

00:25:52: Risiko Waffensystem entwickeln und die dann zu Marktpreisen oder dadurch kann natürlich

00:25:57: auch eine höhere Marge am Ende stehen, aber sie dann quasi verkaufen.

00:25:59: Sie gehen ins Risiko, machen selber R&D, bauen selber Prototypen und wenn es dann nachfragt,

00:26:06: sie bauen auch Waffen sozusagen, nach denen auch keiner gefragt hat mehr oder weniger,

00:26:09: hohes Risiko.

00:26:10: Aber das ist natürlich wichtig, wenn man überlegt, dass unsere Waffen zum Beispiel

00:26:13: die russische Raketen abwehren oder so, viel mehr Kosten als die Raketen, von denen sie

00:26:16: angehen oder die, die sie abwehren sollen, ist natürlich wichtig, irgendwie die Preistruktur

00:26:20: in der Rüstungsindustrie nach unten zu drücken.

00:26:22: Absolut.

00:26:23: Also der, also kein Zufall, das Peter Thiel hat über paar Malakie gesagt, der Typ kann

00:26:29: Amerika retten, genau mit der Logik, dass er halt in der Lage ist Waffen zu bauen, die

00:26:34: viel günstiger sind, die viel besser sind, der kostet ja auch neue Ideen, kommt also

00:26:37: auch alles in der Artikel drin, was der dafür Waffensystem überhaupt sich ausgedacht hat,

00:26:42: was die aber einmal alles so können.

00:26:43: Also wirklich eine riesige Disruption mit dem bisherigen militärischen Komplex.

00:26:48: Und übrigens dasselbe hat ja auch Elon Musk geschafft mit SpaceX, dass ja auch der Grundraum

00:26:52: von SpaceX so erfolgreich ist, weil der Raumfahrt war genauso, auch Cosplus und dann hat der gesagt

00:26:57: okay, ich baue jetzt mal die Raketen, wie ich Bock habe und wie ich glaube, finanziert

00:27:00: alles selber vor, eigenes Risiko und dann hat er die dann nachher irgendwie der NASA

00:27:04: und so dann angeboten und dann haben die gesagt, Mensch, das ist ja ganz geil hier und auch

00:27:08: viel günstiger, das nehmen wir jetzt.

00:27:09: Also und dann war da noch eine Marge eingebaut.

00:27:11: Also insofern, das ist so in vieler Hinsicht, ist der Primalakie auch so der Elon Musk für

00:27:17: der, der, der nächste, so wer kommt nach Elon Musk?

00:27:19: Ich hoffe nicht, ich hoffe nicht, ehrlich gesagt auch.

00:27:21: Ja, aber wenn man das, also der ist ja jung, ne?

00:27:23: Aber wenn man das so liest, so ein paar Sachen, die drin stehen, findet man dann auch schon gar

00:27:26: nicht schlecht.

00:27:27: Ein paar finden, denkt man auch so, um Gottes Willen auch verrückt oder auch total verrückt.

00:27:32: Aber na ja, also jetzt haben wir genug über Dinge gesprochen und Exkurs gemacht, es ist

00:27:37: kein AI, kein AI-Storyline, die Frage ist halt nur, finde ich vielleicht als Storyline,

00:27:43: kommt das ganze Geld hier zurück, so kommen wir drauf und dann vielleicht jetzt auch ein

00:27:46: bisschen zusätzliches Storyline, die mir gerade auffällt, ist das sind's am Ende alles Sprachmodelle

00:27:51: oder gibt's auch nochmal andere Formen, also Grundlagen für AI?

00:27:56: Ja, ich glaube, vielelei Sachen sind richtig.

00:28:01: Also einerseits haben diese Sprachmodelle, glaube ich, noch viel Potenzial, das sieht

00:28:04: man, dass das sogenannte Scaling noch funktioniert, das heißt, ich kann mehr Rechenpower, mehr

00:28:09: Input-Data raufschmeißen und die werden immer noch prozentual besser, relativ berechenbar

00:28:15: und deswegen macht man es im Moment auch so, man hat einen relativ klaren, kalkulierbaren

00:28:19: Fortschritt, wenn man noch mehr Rechenpower zusammenpackt oder noch mehr Daten akquiriert,

00:28:23: dann schaffen wir uns das Modell noch besser zu machen, auch die Hallizination geht mit

00:28:26: mehr Modellgröße oder mehr Input-Data in der Regel zurück.

00:28:29: Gleichzeitig versucht man aber auch andere Approaches, es gibt so Mamba-Modelle, was

00:28:34: die grundsätzlich anders funktionieren als Transpomater und Modelle, der Jan Lecombe

00:28:38: von META, der AI-Chef, sagt so, ist so eine der Leute, die sagen, mit generativer AI kommen

00:28:44: wir nur so und so weit und wir brauchen verschiedene Ansätze, das heißt, auch da wird weiter geforscht

00:28:48: werden.

00:28:49: Ich glaube, weil das Scaling so gut funktioniert, forschen wir zum Beispiel noch gar nicht gezielt,

00:28:54: wie kann ich Hallizination reduzieren, obwohl es auch da schon Fortschritte gibt, dass

00:28:58: man Modelle gegeneinander argumentieren lässt zum Beispiel und dadurch setzt sich dann tendenziell

00:29:01: öfter der richtige Fakt durch.

00:29:03: Von daher glaube ich, gibt es da, ist viel zu früh das irgendwie zu sagen, es gibt

00:29:10: da Leute, die auch sagen, wir kommen da nicht weiter oder mit dem, also wir erreichen jetzt

00:29:14: so einen Glasdeckel, das glaube ich tatsächlich nicht, das ist auch viel zu früh das noch

00:29:19: zu sagen.

00:29:20: Wir reden immer noch so über einen Dreijährigen eigentlich und die Fähigkeiten eines Dreijährigen

00:29:24: und wissen noch gar nicht, wie was, was der kann, wenn er erwachsen ist.

00:29:28: Nächste Storyline und zwar die ganz große Frage ist ja auch, ist das eigentlich alles

00:29:33: jetzt für die Gesellschaft, für die Welt am Ende positiv oder negativ, was da jetzt mit

00:29:39: der Eier auf uns zukommt?

00:29:40: Also da spielen ganz viele verschiedene Sachen rein, einen Extremszenario, was dann auch am

00:29:44: Anfang immer gelesen hat, ja dann irgendwann geht die Welt unter, weil die verschiedenen

00:29:49: Eiers aufeinander losgehen militärisch und sonst was und das ist das Ende der Welt und

00:29:53: dann gibt es natürlich die anderen, die sagen, also weiteres Wachstum, das braucht die Welt

00:29:57: ja, zwangsläufig irgendwie in der wir leben, kann nur daherkommen, du brauchst eine neue

00:30:02: große Applikation, eine neue Prototätsteigerung und das kommt daher und man kann das auch

00:30:08: alles gut kontrollieren und Weltkriegszenarien sind eQuatch und deswegen ist das auf jeden

00:30:13: Fall positiv.

00:30:14: Wo stehst du da?

00:30:15: Wie immer ist beides richtig.

00:30:17: Also ich glaube, also was die Gefahren angeht, also die größten Gefahren, die man sieht,

00:30:23: ist das Eier entwickelt irgendwie, ja also, wie sagt man, rottet die Menschheit aus oder

00:30:29: macht sich selbstständig und so weiter.

00:30:31: Ich glaube, das ist schon wichtig, dass man's im Hinterkopf hat und versucht sich dagegen

00:30:35: abzusichern, also irgendwie so eine tote Mannschaft oder angeblich trägt Sam Orton, ja in unserem

00:30:39: Rucksack, so eine Art Atomkoffer mit sich rum.

00:30:41: Ich glaube, es macht Sinn, sich darüber Sorgen zu machen, aber ich glaube, das viel direkte

00:30:45: Risiko ist eigentlich, was machen Menschen mit EI?

00:30:47: Also, dass das viel gefährlicher ist, dass jemand eben wirklich schlimme Deepfakes generiert

00:30:55: und damit irgendwie ein Bürgerkrieg provoziert, dass jemand eine Biowaffe entwickelt, damit

00:30:58: oder irgendwie eine Atomwaffe oder schmutzige Bombe damit schneller bauen, dass jeder

00:31:03: Mann eine schmutzige Bombe ohne weiteres bauen kann und so weiter, wobei dafür brauchen wir

00:31:07: Ruharans.

00:31:08: Das ist nicht ganz so einfach, aber sagen wir mal, dass jeder Mann eine Biowaffe auf einmal

00:31:09: bauen kann mit Apothekenmitteln, das sehe ich eigentlich als das größte Gefahr.

00:31:14: Und aber ich glaube, dessen ist man sich auch sehr bewusst.

00:31:16: Plus die Gefahr, dass die AI Menschen überredet.

00:31:19: Also, die Mira Murati, die CTO von OpenAI hat gesagt, dass sie sozusagen erheblichen Respekt

00:31:26: vor den Persuationsskills von AI hat, also dass sie Menschen quasi bequasselt und sie

00:31:30: überzeugen kann, dass von das irgendwas richtig oder falsch ist, mit einer schlüssigen Argumentation.

00:31:34: Das heißt, das glaube ich, das unmittelbare Risiko.

00:31:38: Man sollte sich über die anderen CNA ja trotzdem Sorgen machen, aber ich glaube, das ist was

00:31:43: wir irgendwie regulieren und begrenzen müssen oder sehr gut beobachten müssen.

00:31:45: Und dann trotzdem ist es glaube ich so, dass man das alles nicht als Argument nutzen darf,

00:31:51: um jetzt AI zu sehr zu beschränken oder gar ab den Fortschritt abzuscheiden.

00:31:54: Es gibt ja so diese Acceleration und Desecleration Hypothese in USA, da gibt es Leute, die sagen,

00:31:59: wir müssen das viel langsamer angehen.

00:32:01: Und es gibt Leute, die, wir müssen das noch mehr beschleunigen, weil es so wichtig ist

00:32:06: für die Menschheit.

00:32:07: Und deren Hypothese und der Folge ist also der Acceleristen.

00:32:11: Ich glaube, ich würde jetzt kein Blinff sagen, wie ich sage, es geht immer um eine Abwägung

00:32:17: der verschiedenen Interessen und ihr idealerweise sozusagen Cover-All your bases.

00:32:20: Aber ich glaube, warum man es nicht de-de-de-celerieren darf oder überregulieren darf, ist, weil was

00:32:25: AI höchstwahrscheinlich oder schon jetzt leisten kann, ist also ein enormer Geschwindigkeitsgewinn

00:32:31: in der Wissenschaft.

00:32:32: Und vor allen Dingen verteilt ist Bildung, Wissen und medizinische Fähigkeiten viel gleicher

00:32:38: auf der Welt.

00:32:39: Also es kann einfach, wenn du überlegst, das Smartphone hat irgendwie drei Milliarden Menschen

00:32:43: auf der Welt zu theoretischen White-Color-Workern gemacht, weil sie auf einmal mit dem Internet

00:32:46: agieren können.

00:32:47: Sie können für Leute in anderen Ländern arbeiten.

00:32:49: Sie können auf Wissen zugreifen, was sie vorhin nicht hatten.

00:32:51: Und die gleichen Fähigkeiten oder noch mächtigere Fähigkeiten von AI können wir sozusagen an

00:32:58: Milliarden von Menschen auch distribuieren.

00:33:00: Das heißt, in irgendeinem Dorf in Südostasien oder Afrika oder Südamerika oder sonst wo

00:33:06: kann jemand quasi der vorher Medizin Mann war, kann jetzt Arzt werden oder Medizin Frau war.

00:33:10: Also kann der Arzt sein.

00:33:12: Jemand anders kann der Lehrer sein.

00:33:13: Das alles kann sozusagen mit AI-Unterstützung sofort lernen oder viel schneller lernen

00:33:16: als vorher.

00:33:17: Und die AI-Unterstützung noch viel besser machen als früher.

00:33:19: Jeder kann für sich einen eigenen Tutor haben oder einen Arzt in seiner Hosentasche.

00:33:23: Und sagen medizinische Bildung oder Bildung insgesamt war noch nie so gleich verteilt eigentlich.

00:33:29: Wie heute schon, es wird noch viel, viel stärker voranschreiten.

00:33:32: Und ich glaube, diesen Aufhol-Effekt darf man diesen Menschen auf keinen Fall wieder

00:33:37: nehmen.

00:33:38: Auch nicht aus Angst vor, durchaus erheblichen Risiken, die es sicherlich gibt.

00:33:43: Weil der Fortschritt, wie viele weniger Menschen heute schon sterben müssen durch die Anwendung

00:33:48: von der AI-Bifilm.

00:33:49: Aber wie ist das dann genau?

00:33:50: Also was macht dann die AI konkret?

00:33:53: Ich meine, ein Smartphone verstehe ich schon.

00:33:56: Aber da hätte man ja auch vorher dann einen YouTube-Video gucken können.

00:33:59: Das war jetzt nicht AI.

00:34:00: Wie man immer so etwas sieht.

00:34:01: fixt oder wie man irgendwas heilt oder behandelt oder so. Ein YouTube Video kann ja nicht den

00:34:04: Input bewerten, aber es gibt verschiedene Beispiele. Eines ist, es sterben ja irgendwie 10.000 Leute

00:34:11: jedes Jahr an Kunstfehlen zum Beispiel. Es gibt eine EI, die überwacht zum Beispiel OP-Sele,

00:34:15: ob alle Instrumente, die in den Patienten gewandert sind, auch wieder rausgewandert sind. So dass

00:34:18: keine Tupfer oder Scheren mehr im Bauch verblendet. Es passiert öfter als man denkt tatsächlich.

00:34:21: Aber es gibt eine EI, die zum Beispiel einfach schaut so, ist alles was ich gesehen habe, was

00:34:25: am Patienten benutzt wird, liegt das wieder auf dem Tablet. Das ist super einfach, gerettet aber

00:34:30: unheimlich viel Menschenleben. Du kannst zum anderen Standardprozeduren damit wahrscheinlich

00:34:34: gut überwachen oder Sicherheitsaspekte überwachen im OP. Dann es gibt dieses Match-Gemini-Modell

00:34:41: von Google, das quasi basiert auf dem Gemini-Modell, also Google's large language model, ist aber

00:34:45: trainiert auf unheimlich viel, sagen, Gesundheitsdaten und das erreicht jetzt eine sozusagen richtige

00:34:51: Antwortrate von 91,1%. Wenn das die letzten Daten sind, ich glaube es gibt es gar noch

00:34:57: aktuell, aber es ist mindestens bei 91%. Jetzt würdest du sagen, ich gehe ja nicht zum Arzt,

00:35:01: der nur 91% richtig liegt. Das Problem ist, dass menschliche Experten, also Fachärzte

00:35:06: bei 87% liegen. Das heißt, das Modell gibt jetzt bessere Antworten. Also man gibt dem

00:35:10: Röntgenbilder oder Aussagen des Patienten, also an einem Nese, was man den Patienten gefragt

00:35:14: hat und sagt, was ist das jetzt? Und das Modell sagt dann, das ist wahrscheinlich ein Non-Hodgkin

00:35:20: Lymphom, was der Patient hat und das sind die nächsten Schritte. Und dabei ist es besser

00:35:25: als menschliche Experten. So, und das könntest du theoretisch jemandem eben im Dschungel in

00:35:29: der Wüste oder sonstwo, wo man sich das vorstellt, wo es keine vernünftige medizinische Versorgung

00:35:34: im Moment gibt, zur Verfügung stellen und damit schon jetzt viele Menschen Leben retten.

00:35:39: Aber ich meine, also okay, das verstehe ich so, als die ganz basic Frage gibt es jetzt Krieg,

00:35:45: medizinische Versorgung, so versucht man zu bewerten, ob jetzt die Welt besser macht oder

00:35:50: nicht. Aber was ist denn sozusagen mit diesen epastrivialen Fragen, gibt es jetzt Protivitätszuwächse

00:35:56: versus hohe Arbeitslosigkeit? Ich glaube, da ist man immer gut beraten,

00:36:01: zu verstehen, dass die meisten Umbrüche sehr, sehr marginal passieren. Also wenn wir kennen

00:36:05: vielleicht aus den letzten 20 Jahren diesen Begriff des Mobile-Shifts noch, da wurden uns

00:36:09: immer erzählt durch Handys, sind irgendwie alle Webseiten mobile morgen oder jeder macht

00:36:12: nur noch Apps, sondern hat es am Ende 20 Jahre gedauert, bis ich das nach und nach so jedes

00:36:15: Jahr gab es irgendwie 1,5 Prozent mehr Mobile-Anteil am Webtraffic, trotzdem haben alle mal vom

00:36:21: großen Schiff geredet, aber es war ein sehr, sehr allmählicher Übergang, der bis heute

00:36:24: andauert. Und ich glaube, ähnlich wird die Adoption von AI auch laufen, also das Leute

00:36:31: ist relativ allmählich nutzen. Es sei denn es gelingt für ein guter, sagen, bestehende

00:36:37: Workflows mit einzuerbeiten, sodass Menschen gar nicht merken, dass die AI nutzen. Also

00:36:40: das ist gar nicht mehr aktive Arbeit von jemandem, der sagt, ich möchte das mit AI lösen,

00:36:45: sondern dass quasi in die Workflows, in dem Microsoft Word oder in dem Excel oder in

00:36:49: dem E-Mail-Programm oder in dem SAP-Programm eigentlich überall automatisch schon so ein

00:36:54: Art Vorschlagswesen aus AI eingebaut wird. Ich glaube, damit kannst du das alles beschleunigen,

00:37:00: aber trotzdem wird das alles natürlich viel gratueller passieren. Also es ist nicht so,

00:37:03: dass wir bis 2026 jetzt irgendwie 3 Trillionen zusätzliche Wirtschaftsleistung dadurch haben,

00:37:09: das glaube ich ehrlich gesagt nicht. Aber ich glaube, dass wir es graduell immer mehr

00:37:15: Produktivität schaffen wird. Was da wirklich von mir jetzt ernst zu nehmende, bekannte

00:37:19: Freunde sagen, also das ist ein riesen Problem, was sollen die Leute alle machen? Wir werden

00:37:23: demnächst da stehen und es wird ganz viele Leute geben, die keinen Job haben und das

00:37:26: wir dann zu sozialen Unfrieden führen, weil die AI einfach alles macht und niemand mehr

00:37:34: braucht. Ja, also ich glaube, es gibt so gesamtgesellschaftlich,

00:37:39: es ist kein so großes Problem, einfach falls sehr graduell passiert, aber es gibt glaube

00:37:43: ich Berufsgruppen, ich glaube Call Center Agent oder der First Level Support. Ist ein gutes

00:37:48: Beispiel oder sowas wie vielleicht Debitorenbuchhaltung oder so, wenn du einfach nur wirklich Rechnung

00:37:53: gehabt hast. Die Übersetzung, genau, absolut, wenn du überlegst früher bei so einer UN-Konferenz,

00:37:58: da setzt du irgendwie, vielleicht bei der UN-Konferenz, macht man vielleicht weiterhin das mit Menschen,

00:38:01: aber so bei, sagen wir mal, bei eurer Konferenz, glaube ich, übersetzt dir die große Bühne auch.

00:38:05: So weiß nicht, ob man sich den Menschen in Zukunft noch leisten muss oder ob das nicht

00:38:11: eine AI besser kann. Es gibt ja ganze Wettungsbüro und so was.

00:38:17: Genau, zum Beispiel auch da gerade so rechtliche Texte müssen ja oft für irgendwelche Aposteln

00:38:22: oder so übersetzt werden, das kann eine AI wahrscheinlich zuverlässiger und besser und

00:38:27: vor allem viel schneller. Also gibt es das der AI irgendwie eingescanned oder als EV

00:38:32: auf der Marte, dann kommt es drei Sekunden später vollkommen übersetzt wieder. Wenn

00:38:35: es zum Übersetzungsbüro gibt, ist Christus eine halbe Woche später wieder.

00:38:37: Wahnsinn, also nutzen wir im Büro ab und zu, das ist auch super einfach, einfach kurz reinwerfen,

00:38:43: ein Text und zack ist er fertig.

00:38:45: Das heißt, ich glaube, einzelne Berufsgruppen wird das sehr stark und sehr unmittelbar betreffen,

00:38:50: aber so dass es zu gesellschaftlichen Verwerfungen kommen, weil jetzt die Leute auf der Straße

00:38:52: geht, weil sie die Jobs verlieren, die Leute, die die Jobs verlieren, sind ja White-Colour-Worker.

00:38:58: Das heißt, man kann davon ausgehen, dass man die vielleicht auch wahrscheinlich ganz gut

00:39:02: umschulen kann. Kann man bei Blue-Colour-Worker natürlich auch, aber ich glaube, dass es da

00:39:06: vielleicht noch ein bisschen einfacher sein wird, die auch neuen Aufgabengebieten zuzuführen.

00:39:11: Also der Mensch, der früher vielleicht Übersetzerin geworden wäre, der bitte zum Zauber YouTube

00:39:17: Creator.

00:39:18: Ja, das ist so das Klischee. Das liegt natürlich nicht jedem und vielleicht sind Übersetzer

00:39:24: sogar introvertierte Leute.

00:39:26: Also ja, war das keine gestiegene Arbeitslosenquote dadurch?

00:39:31: Nein, eigentlich sollte, wenn die Gesamtproduktivität ansteigt, dadurch, dann sollte das Wirtschaftswachstum,

00:39:38: was dadurch ausgelöst, wird eigentlich eher sozusagen noch mehr Jobs kreieren, mehr Wachstum,

00:39:43: mehr Wohlstand oder auch damit mehr Jobs kreieren. Das hat man bei allen anderen technologischen

00:39:48: Innovationen ja auch gesehen, so wenn das die Dampfmaschinen oder Autor anschares.

00:39:52: Das Auto ist übrigens das Bett noch ein noch bessere Beispiel als das mit dem Dreijährigen.

00:39:56: Das erste Auto hatte irgendwie 0,75 PS, ist irgendwie 16 km/h gefahren und hat dabei noch

00:40:03: 15 Liter gebraucht oder so, so ein Daimler Motorenwagen oder so.

00:40:06: Wenn du überlegst, heute fährt das Ding halt, hat das 420 PS irgendwie, kann 350 km/h fahren,

00:40:11: wenn du willst, so als V1-Auto und verbraucht dabei noch weniger eventuell.

00:40:16: Und wir beurteilen das sehr so, diese ganze Technologie beurteilen wir sehr so auf dem

00:40:21: Level des ersten Motorenwagens von irgendwie 1994, 1999 oder wann ja gebaut wurde.

00:40:25: Aber es ist trotzdem eine sehr aber alslosen Frage, zum Beispiel geht ja seit jetzt auch

00:40:29: Jahren irgendwie immer um und die Frage ist, kommt das wirklich?

00:40:33: Und ich war wirklich vor kurzem überrascht als mir jemanden, den ich 5 vernünftigen

00:40:36: Typen halte, gesagt habe, also da macht er sich Sorgen.

00:40:39: Okay, okay, aber du zumindest nicht und sagst irgendwie, nee, das ist graduell die Umschulung,

00:40:45: es gibt ja eh genug offene Stellen und Leute, die dann was anderes machen würden und auch

00:40:50: gebraucht werden.

00:40:51: Ja, also aus dem Marketing kommt es immer super wichtig, wenn man sich so darstellt,

00:40:55: wie man die Daten anschaut, die so zu slicing und zu dicing.

00:40:58: Und deswegen, es gibt Jobs, die werden ganz wenig davon betroffen sein lange Zeit und

00:41:02: wo es super langsam geht und dann gibt's Jobs, die irgendwie gesagt Callsetter Agent oder

00:41:05: Übersetzer, da kann es halt sehr schnell sein, dass wahrscheinlich die Hälfte der Jobs

00:41:09: wegfallen, auch innerhalb von wenigen Jahren.

00:41:11: So, und beide ist richtig, aber der Gesamteffekt auf Arbeitsplätze ist glaube ich relativ allmählich.

00:41:18: Einfach weil die Adoption gar nicht so schnell funktioniert.

00:41:20: Das sieht man ja jetzt auch, dass eben EI nicht so schnell angewendet wird, wie wir uns einmal

00:41:25: vorgestellt haben.

00:41:26: Okay, also dann nächste Storyline, Deutschland oder Europa.

00:41:30: Was ist da unsere Rolle Europas?

00:41:35: Wird er irgendwo anders stattfinden?

00:41:38: Wir sind einfach nur die Nutzer des Ganzen oder können wir da selber mitspielen in irgendeiner

00:41:43: Form?

00:41:44: Also auch da Licht und Schatten, würde ich sagen.

00:41:46: Der Schatten ist sicherlich einerseits, dass ich herausstelle, dass diese Technologie

00:41:51: super kapitalintensiv ist.

00:41:52: Also es ist nicht was, was man einfach nur mit den schlausten Köpfen machen kann, sondern

00:41:55: man braucht einfach Rechenzeit und Rechenzeit generiert man mit Chips und dafür braucht

00:41:59: man Geld.

00:42:00: Also man kann die Rechenzeit mieten oder man kann sich Chips kaufen und sie selber sozusagen

00:42:02: produzieren die Rechenzeit, aber so oder so braucht man Milliarden in Zukunft um konkurrenzfähige

00:42:08: Modelle zu trainieren.

00:42:09: Das heißt, das kannst du nicht mal aus der Garage bauen, das nächste große EI-Star-Lub,

00:42:14: glaube ich.

00:42:15: Und das ist für Europa tendenziell immer erst mal Nachteil, weil wir sagen weniger Zugang

00:42:19: zu Wagniskapital haben, weil wir sagen weniger Wagnisse uns leisten, weil die Menschen, die

00:42:25: das meiste Geld haben, noch nicht viel in Wagniskapital investieren.

00:42:28: Das ist ein strategischer Nachteil.

00:42:30: Die Regulierung macht es gerade schwerer, glaube ich, in Europa.

00:42:35: Klar ist EI was, was reguliert werden muss.

00:42:37: Also gerade da, wo es konkrete Risiken gibt, sollte man die Risiken regulieren.

00:42:41: Ob man jetzt so preemptiv vorauseilend das so stark regulieren sollte, bin ich es skeptisch.

00:42:46: Gab es erscheint heute oder gestern in der Boards The Journal so ein Op-Ed von Marc Sackabürg

00:42:51: und Daniel Ick, dem Spotify-Chef, die sich sehr stark aussprechen für weniger Regulierung,

00:42:57: gerade für Open-Source-Modelle in Europa, weil das wahrscheinlich der Innovation nicht

00:43:02: zu zuträglich ist, einfach weil Firmen im Zeifel vielleicht woanders anfangen.

00:43:06: Ein gutes Beispiel, zum Beispiel Black Forest Labs, da gab es…

00:43:10: Deutsche KI-Firmen, das ist für einen großen Vannier gekommen, ne?

00:43:12: Gab es letzte Woche oder in den letzten Wochen News, dass sie ein sehr, sehr konkurrenzfähiges

00:43:18: Bildgebungs-Programm entwickelt haben, Flux 1 heißt das.

00:43:23: Das schlägt mit Journey und Dali von OpenAI quasi die erste Version von einem gefühlten

00:43:30: Hinterhof-Labor, würde man denken.

00:43:32: Like First Lab und Freiburg und Breisgau, genau.

00:43:35: Und das schlägt aus dem Stand dieser Modelle.

00:43:38: Das ist verwunderlich, das zeigt wieder, wie wichtig Köpfe dann doch sind andererseits.

00:43:42: Also das tut mir wirklich gut ein Team.

00:43:43: Die haben vorher, muss man sagen, bei Mid Journey und bei Stable Diffusion, also bei

00:43:47: Bild und Video, AI-Modellen schon gearbeitet, also hatten die Erfahrungen, die es braucht,

00:43:52: genau.

00:43:53: Und ich habe auch das Gefühl, dass diese, also gleichzeitig wurde eine Runde announced,

00:43:57: dass sie, glaube ich, 31 Millionen US-Dollar von den Dreeson und so weiter Kursler bekommen

00:44:01: haben.

00:44:02: Um dieses Modell zu trainieren, müssen sie das Geld… hatten sie wahrscheinlich schon

00:44:05: vor Erzugang zu diesem Geld ansonsten, glaube ich, wahrscheinlich habe sie die Runde jetzt

00:44:08: etwas später angekündigt.

00:44:09: Aber die Firma ist jetzt in Delaware registriert.

00:44:13: Ich habe gestern auf die Webseite geschaut aus Interesse, weil ich mal schauen wollte,

00:44:18: wer da noch so Shareholder war.

00:44:19: Also weil ich mich vor allem gefragt habe, mit welchem Geld haben sie dieses Modell gebaut,

00:44:22: wenn sie angeblich da erst die Runde announced haben.

00:44:24: Aber das kann ich nicht rausgehen, weil es in Delaware sitzt.

00:44:28: Die Firma, das heißt Proformer, wir können auch sagen, das sind deutsche Entwickler oder

00:44:31: so.

00:44:32: Sie sitzen mit ihrer Firma oder ihre Leute sitzen in Freiburg, aber die Firma ist eine

00:44:38: Delaware Co., wenn ich es richtig gesehen habe.

00:44:41: Aber erst mal irgendwie fast egal ist, oder?

00:44:44: So lange die Leute hier sitzen, hier ihre Steuern zahlen, ist das erstmal für uns egal, wo

00:44:50: die Firma registriert ist.

00:44:51: Genau, die Frage ist, wo der Umsatz am Ende verbucht wird und wo die Arbeitsplätze geschaffen

00:44:53: werden.

00:44:54: Ich sehe das jetzt erst mal trotzdem als deutsche Firma.

00:44:58: Schon.

00:44:59: Was schade ist, dass die jetzt ausgerechnet mit XAI, also Elon Musk's AI Firma, kooperieren

00:45:06: und so ein bisschen das zügelose Bildgebungsmodell macht.

00:45:09: Das heißt, du kannst Dinge, die in allen anderen Modellen abgefangen werden.

00:45:13: Also, Generee, wir haben mal ein Bild von Donald Trump in einem 9/11 Flieger, der auf die Twin

00:45:19: Towers zu reißt oder Ronald McDonald mit einer Assault Rifle, also Sturmgewehr.

00:45:24: Also, was geht auf einmal?

00:45:26: Auch Copyrighted Material.

00:45:27: Also, ich kann irgendwie Star Wars Charaktere und so was nachbauen.

00:45:31: Und ich glaube, also, es passt natürlich sehr gut zu der Free Speech-Logik von Elon Musk,

00:45:36: dass man einfach alles machen kann mit dem Modell.

00:45:38: Es baut aber natürlich auch vielfältige Möglichkeiten für Desinformation.

00:45:42: Kannst du halt wieder so Fake Verhaftungen bauen und irgendwie versuchen, Bürgerkriege

00:45:46: anzuzetteln damit und spätestens bei den Copyrights, glaub ich.

00:45:51: Ausgrenen und Löschern.

00:45:52: Hier alles irgendwie, sagen wir mal, sauber reglementiert und ganz viel draufpropfen

00:45:57: am Ende auf Bürokratie.

00:45:59: Ausgrenen, da kommt in so eine Firma, die das dann alles umgeht.

00:46:01: Ist irgendwie auch schon frumisch.

00:46:02: Genau.

00:46:03: Aber es ist auf jeden Fall beeindruckend, dass es wieder beweisen hat.

00:46:06: Ich glaube, misstral beweist das auch sehr gut aus Frankreich, dass sie wirklich sehr

00:46:09: gute Open Source-Modelle bauen, die absolute State of the Art sind jedes Mal, wenn sie rauskommen.

00:46:14: Black Forest Labs hat es jetzt so bei Bildgebung bewiesen.

00:46:17: Das ist ein vollkommen neues Team.

00:46:19: Mit Erfahrung, aber ein neues Firma, ein neues Modell kann sowas mit überschaubareren Mitteln

00:46:25: schaffen.

00:46:26: Ich glaube, Aleph Alfa, ehrlich gesagt, was der lange so die deutsche KI-Offenung über

00:46:30: halte ich für relativ abgehängt.

00:46:32: Ich glaube, es wird am Ende eher so ein Exzenscher für die Implementierung von EI in Behörden

00:46:39: und so werden.

00:46:40: Also, dass die andere Modelle vielleicht auch ihr eigenes Modell, was mal noch nicht

00:46:44: konkurrenzfähig ist, wenn auch ein, was ich höre, an die Bedürfnisse von Behörden oder

00:46:50: Mittelständlern anpassen.

00:46:52: Also ein ganz sicheres belastbares, also Behörden brauchen ja auch dann ja auch.

00:46:56: Auch das ist wichtig.

00:46:57: Ich will eben gar nicht den Wert absprechen so.

00:46:59: Aber es ist eben dann näher dann sozusagen einer Implementierungsagentur, glaube ich,

00:47:04: als an echter Forschung.

00:47:06: Also pro forma betonen Sie immer, dass Sie noch weiter forschen und ein dediziertes

00:47:09: Forschungsbudget haben.

00:47:10: Aber ich glaube, im Rennen um, sagen, State of the Art oder führende Modelle haben Sie

00:47:15: eigentlich aufgehend.

00:47:16: Und auch im Rahmen dieser Finanzierungsrunde, die es da gab, haben Sie jetzt schon rausgestellt,

00:47:23: dass es ein paar Einschränkungen gab.

00:47:24: Also das 300 Millionen von den 500 Millionen, die es damals geben sollte, quasi in so einem

00:47:30: Vehikel sind, was tatsächlich von Lilo in Schwarz kontrolliert wird über verschiedene

00:47:33: Stiftungen und Gemeinnütze gegeben hat.

00:47:34: War eine große Diskussion vor einigen Wochen, ich glaube, im Manager Magazin bei euch auch,

00:47:37: in verschiedenen Orten wurde darüber gesprochen, ob die Finanzierung kleiner ist als angekündigt.

00:47:42: Am Ende ist es auch kein Verbrechen, da irgendwie mehr anzukündigen, als man am Ende bekommen

00:47:46: hat oder es hat keiner gezogen überhaupt anzukündigen.

00:47:49: Also da, ich fand die Diskussion interessant, aber es hat da so die Firma in so ein sehr

00:47:56: spezielles Licht gerückt, als wenn die was falsch waren würden.

00:47:58: Ich fand das jetzt nicht so schlimm.

00:48:00: Marketing versucht in der Welt auch irgendwie jeder.

00:48:02: Aber natürlich, wenn man sich auf die absoluten Summen guckt, einfach weniger Geld da.

00:48:07: Und das ist jetzt die ganze Diskussion, ob jetzt die Presse mit einem recht rechtmäßig

00:48:12: war oder ehrlich war.

00:48:15: Wenn man guckt, was dabei open AI für Summen reinfließen und dann kommt man hier nicht

00:48:21: auf die selben Summen.

00:48:22: Aber es ist auch schon am Ende wirklich so ein Money Game.

00:48:25: Also wenn die das Geld nicht haben, das kann man nicht auch so, du kannst das fehlende

00:48:29: Geld nicht ausdrecks nicht umgehen.

00:48:30: Es ist am Ende nicht so, dass man feststellen wird, es hat sogar geholfen wegen der Geld

00:48:34: zu haben.

00:48:35: Es hat auch auch mit anderen Ideen zu entwickeln.

00:48:38: Es hat viel besser geklappt.

00:48:39: Das siehst du nicht.

00:48:41: Wie du sagst, es ist ein Money Game.

00:48:44: Also open AI verbrennt immer noch oder in den Anfangsstrichen verbrennt.

00:48:47: Die Kosten übersteigen den Umsatz immer noch um 5 Milliarden West or Leibn, jedes Jahr.

00:48:52: Also du kannst sagen 500 Millionen oder 480 Millionen im Monat bringen die quasi durch.

00:48:58: Jeden Tag 12 Millionen.

00:48:59: Aber es muss doch sein.

00:49:00: Um erfolgreich zu sein, muss es sein.

00:49:02: Das kann ja ein Weg sein, aber ich meine der Herr Wirt oder der Herr Schwarz, die ihr da

00:49:06: irgendwie sozusagen unsere Bootstrapped Ansätze ganz lebendig verfolgt haben, sehr erfolgreich.

00:49:12: Die werden sagen, Gottes Willen, kein Geschäft kann niemals so erfolgreich werden.

00:49:15: Das geht glaube ich nicht.

00:49:16: Es ist eine kapitalintensive Technologie.

00:49:18: Und das liegt ein bisschen daran, dass man eben gar nicht so use case basiert arbeitet.

00:49:23: Eben nicht an konkreten Lösungen, die jetzt morgen Geld generieren, sondern diese Entwicklung

00:49:27: von Foundation Models oder large language Models ist halt schon noch so eine Art General

00:49:32: Purpose Grundlagen Technologie, was normalerweise an Universitäten oder mit Staatsmitteln geforscht

00:49:37: wird.

00:49:38: Und deswegen ist es halt einfach super kapitalintensiv und hat oft keine direkten Rückflüsse.

00:49:44: Man kann die Errungenschaften dann irgendwie per API Unternehmen zur Verfügung stehen und

00:49:49: dafür auch Geld nehmen offenbar und kann damit Rechenzentren gut auslasten und damit Geld

00:49:53: verdienen wie Microsoft und Amazon und Google das tun.

00:49:56: Aber es braucht erhebliche Investitionen, wo lange Zeit unklar ist, ob sie jemals Rückflüsse

00:50:05: dazu geben wird.

00:50:06: Aber ist es dann wirklich nötig, der auch dann first move-out sein oder kann man nicht

00:50:10: abwarten, was da jetzt OpenAI so alles rausfindet, die Verbrenne eine wahnsinnig coole, die

00:50:14: ganzen Serverleistungen, die dafür nötig sind, die sind ja auch Sancos, die sind ja nicht

00:50:21: so, dass die dann irgendwie jetzt mobilen hinstellen, die dann in Zukunft da sind.

00:50:25: Die sind einfach durchgerauscht und weg und man hat dann aber trotzdem Learnings und

00:50:28: diese Learnings können andere später sozusagen auch übernehmen, ohne diese riesigen Anlaufkosten

00:50:33: zu haben.

00:50:34: Weil ich erkläre, ich kenne nicht, dass man durch die Anlaufkosten, also es vor allen

00:50:37: Dingen Serverleistung ein Mode erschafft, dass das halt irgendwie, sagen wir mal bei Immobilien

00:50:44: versteht, dass man sagt, wir bauen jetzt hier seit Jahren riesige Häuser und deswegen können

00:50:48: jetzt hier viel mehr Menschen, wo das so anders und das kann man nicht mehr aufholen.

00:50:51: Okay, aber Serverleistung ist ja weg.

00:50:54: Genau, man könnte differenzieren sozusagen, die Server stehen noch da, aber das, dass

00:50:58: man an OPEX oder sagen Betriebskosten reingesteckt hat, das ist auf jeden Fall weg und ist dann

00:51:02: auch wertlos, wenn das nächste Modell gebaut wird.

00:51:04: Ist das alles Untergang des Gelds?

00:51:05: Genau, aber man braucht einfach diese Phase überhaupt.

00:51:08: Genau, und du baust gar nicht so sehr auf die vorherigen Models auf, sondern eigentlich

00:51:12: fängst du jedes Mal so ein bisschen von alleine, also na klar, lernst du aus der Vergangenheit,

00:51:16: aber sagen du, du baust jedes Mal so ein bisschen von Null an.

00:51:18: Plus, es gibt immer die Gefahr, dass noch mal eine ganz neue Technologie, wie diese Mamba-Modelle

00:51:22: oder andere kommen und vielleicht kriegt damit jemand vom Start weg nochmal deutlich bessere

00:51:26: Ergebnisse her oder schafft es dieses Reasoning hinzubekommen, also dass die Modelle scheinbar

00:51:30: so denken können, wie ein Mensch oder Schlussfolgeung treffen und dann kannst du die ganzen LLMs

00:51:35: von heute auf morgen wegschmeißen, theoretisch, wenn das jemand schafft.

00:51:37: Das heißt, ich würde sagen, auch da würde ich wieder ins Szenario denken.

00:51:41: Es gibt ein Szenario, wo wir nichts Besseres finden als LLMs für eine gewisse Zeit, dann

00:51:45: ist glaube ich das Scaling über LLMs weiterhin sehr erfolgreich und dann werden die bisherigen

00:51:49: Player, die jetzt schon weit voran gekommen sind, wahrscheinlich so im Driver-Seat bleiben.

00:51:54: Es gibt aber durchaus ein Risiko dafür, dass eben eine neue Technologie entdeckt wird,

00:51:58: so wie die Transformer 2017 erst sagen, erfunden wurden.

00:52:00: Und wenn damit dann jemand bessere Ergebnisse erreicht, müssen alle anderen sich umstellen

00:52:06: und fangen bei Null an wirklich.

00:52:07: Die haben dann vielleicht trotzdem mehr Geld und mehr Personal und das hilft die natürlich

00:52:11: schon, aber deine These ist schon richtig.

00:52:13: So ein bisschen, also ich finde es vollkommen unklar heute zu sagen, wer da dieses Rennen

00:52:18: gewinnt.

00:52:19: Also auch in Alfalfa könnte jetzt allen, sagen wir mal, Diskussionen zum Trotz dann auch

00:52:25: durchkommen.

00:52:26: Ich hielt das fair.

00:52:27: Also in Szenarien sprechen, hielt ich das für ein eher unwahrscheinlich Szenario, einfach

00:52:30: sagen, weil Geld wahrscheinlich Personal fehlt.

00:52:33: Ich glaube, es gibt viel Personalfluxation auch bei Alfalfa.

00:52:36: Das heißt, das hilft natürlich alles nicht, weil am Ende braucht es schon noch Geld und

00:52:39: das beste Personal.

00:52:40: Aber die Summen, die man braucht, um Personal einzukaufen, sind ja viel geringer als jetzt

00:52:47: die Summen, die da eine Rolle spielen.

00:52:49: Also das ist ja eher Geld, das man braucht, um in Server zu stecken.

00:52:53: Die Rechenleistung ist wahrscheinlich so 80 Prozent der gesamten Kosten.

00:52:55: Genau, genau.

00:52:56: Und die haben wir jetzt ja, wie man es auch drehen und wenn ein paar Hundert Millionen

00:52:59: sind da ja schon unterwegs und damit kann man ja schon ein paar ganz gute Leute heranholen.

00:53:03: Serverfrage ist halt...

00:53:05: Also rein theoretisch, wenn ihr so ein Durchbruch gelingt, also ein komplett neues Modell und

00:53:12: Verfahren entwickeln, dann wäre das möglicher.

00:53:15: Ansonsten viel mehr aus Deutschland haben wir noch nicht so gehört oder aus Europa auch

00:53:18: nicht.

00:53:19: Wie gesagt, mit Stral aus Frankreich, das glaube ich sehr erfolgreich, auch deutlich

00:53:24: besser als gedacht hätte.

00:53:25: Aber ansonsten ist an Foundation Models, jetzt gibt es glaube ich nicht so viele, die

00:53:32: wirklich State of the Arts sind, also irgendwie den Top 10 in den Vergleichs, Benchmarks mitspielen.

00:53:37: Auf der anderen Seite, also die SAPs und so, die es ja hier auch gibt, die bauen jetzt überall

00:53:41: alle, dann AI in ihre bestehenden Dienste ein.

00:53:45: Das ist ja schon dann irgendwie auch da und ich würde auch sagen, wenn man das so hört,

00:53:49: was die so kommunizieren, auch vielleicht ein Denken gemacht.

00:53:52: Genau.

00:53:53: Also ich glaube, jede große Software-Campagne, die irgendwie mehr als 10 Milliarden Umsatz

00:53:57: macht wird, wie gesagt, ich glaube, das Software und AI nicht mehr zu trennen.

00:54:02: Heute reden wir so über Software ohne AI und Software mit AI oder über AI.

00:54:05: So wie es mit Marketing und Online Marketing.

00:54:08: Ja, so ein bisschen, oder?

00:54:10: Ja, ich glaube in 10 Jahren wird man selbstverständlich davon ausgehen, dass Software immer etwas Maschinenlearning

00:54:16: zumindest beinhaltet.

00:54:17: Letzte Storyline, so Inhalte und Content.

00:54:22: Ist es so, dass wir demnächst alle, wie das in Hollywood manche befürchten, so Filme

00:54:26: gucken, die komplett von irgendwelchen AI's sich ausgedacht wurden, hören wir Musik,

00:54:32: die irgendwie gar nicht mehr Menschen gemacht haben, sondern die ein AI gemacht hat, konsumieren

00:54:38: wir Medien durch Perplexity, die dann aus anderen Medien vielleicht was Sammeln ziehen,

00:54:42: sagen wir so ein paar Worte zu diesem ganz großen Thema.

00:54:45: Also ich glaube auch das graduell stimmt das schon.

00:54:48: Also es gibt jetzt, ich glaube in Deutschland gibt es gerade einen, den ersten AI-Titel,

00:54:51: der in die Top 10 eingezogen ist, von Budapro, glaube ich.

00:54:56: Ich glaube, dass Filme unterstützt werden auf jeden Fall mit AI.

00:54:59: Das passiert sicherlich schon jetzt.

00:55:01: Also das irgendwie große Schlacht-Szenen oder so, wie man die aus Herder Ringe kennt,

00:55:06: oder irgendwie am Computer selber renderst, das macht keinen Sinn.

00:55:08: Sondern du sagst halt, du kannst dann generative AI sagen, stellen wir 5.000 Orks in, dann

00:55:12: ist das irgendwie in 14 Sekunden da und da haben früher wahrscheinlich richtig viele

00:55:16: Leute dran gearbeitet, so eine große Schlacht zu animieren.

00:55:19: Das heißt, da wird auf jeden Fall, ich glaube, da hast du die Produktivitätsfortschritte

00:55:24: schon jetzt, dass jetzt die gesamte Storyline für ein Film AI entwickelt wird, dass du

00:55:29: als Autopilot läuft.

00:55:30: Ich kann mir vorstellen, dass es so eine Art Bee Movie Genre geben wird, sagen wir, wo

00:55:34: wir wirklich so ein bisschen trashiger sind und vielleicht gibt es dafür eben Markt,

00:55:38: dass Leute es besonders cool finden, weil es eben komplette AI generiert ist.

00:55:41: Ich glaube, die aufwendigen großen Produktionen und Sequels, also die großen Franchises,

00:55:45: wo du quasi IP hinter hast, also die großen Marken, wenn du das möchtest, Marvel und

00:55:50: so, die werden sicherlich unterstützt werden durch AI, aber die werden jetzt nicht komplett

00:55:52: von AI geführt werden.

00:55:54: Einfach weil die Markenführung auch so was ist, dass wie meine Charaktere über Jahrzehnte

00:55:57: entwickelt und so weiter, das überlässt man wahrscheinlich lieber Menschen.

00:56:01: Ich sehe bei Musik und Text, also geschriebenen Texts, News, glaube ich schon so eine Content-Inflation,

00:56:10: die kommen wird, dass es zunehmend schwerer wird zu unterscheiden, was ist eigentlich

00:56:14: so ein echter Content und was ist AI generiert, was die ganzen Neger jetzt im Vorfeld der US-Wahl

00:56:22: die ganzen Negativen Effekte von Fake News wieder haben, dadurch das unter anderem durch

00:56:26: so was wie Flux, das Flux-Modell von Black Forest Labs zu falscher Bilder erstellen kannst,

00:56:31: auch irgendwie falsche News generieren kannst, dass du Menschen massenhaft anschreiben kannst.

00:56:35: Es gab jetzt News, das in Twitter aber auch Meternetzwerken so riesige Kampagnen von

00:56:41: russischen Bots, russischen Anderländer, Iran und so weiter unterwegs sind, die quasi

00:56:46: per AI Menschen versuchen zu überzeugen von irgendwelchen falschen News und das auch

00:56:51: dazu führt, dass wir, also nicht nur dass wir die Falschen nicht erkennen können,

00:56:54: sondern wir misstrauen auch echten News.

00:56:56: Also wenn du dich an den Tag kennst, wo es einen Attentat von Donald Trump gab, da haben

00:57:02: wir viele Leute gemutmaßt, ist das überhaupt echt, so weil die Bilder eigentlich zu gut

00:57:05: umwahrt zu seinen Anführungsstrichen aushand, irgendwie wie also die Hand rausstreckt aus

00:57:09: zu meinem angeschossenen Ohr und Leute sagen, die eigentlich, die man eigentlich als Medienkompetent

00:57:15: einordnen würden, fragen sich so, wurde das nicht vielleicht mit AI gemacht, ist das

00:57:18: überhaupt echt und so weiter.

00:57:20: Also ich glaube, dass wir einen riesen Misstrauen gegenüber der Authentizität von so Content-Pieces

00:57:26: bekommen werden, sowohl was Video als auch was Bild, als auch was Audio angeht, glaube

00:57:30: ich.

00:57:31: Glaubst du, dass dieses Perplexity, was ja auch eine der, sagen wir, AI-Firmen ist, von

00:57:34: dem man sehr viel hört, dass die eine Rolle spielen werden in Zukunft?

00:57:37: Also was die machen ist ja am Ende jetzt schon die Suchen aus bestehenden Medien, inhaltete

00:57:46: zusammen und beantworten auch Fragen nach Nachrichten und nach irgendwelchen, ja, wirklich

00:57:53: Content-Inhalten und man so will eine Art von Neuart von Suchmaschine.

00:57:57: Ja, ich würde vermuten, dass Perplexity gute Retention-Werte hat, also dass Menschen,

00:58:02: die Anfang Perplexity zu nutzen, sagen wir mal, die es mehr als einen Tag genutzt haben,

00:58:08: dass die dann oft dabei bleiben, weil es, glaube ich, sehr überzeugend ist als Produkt, also

00:58:11: ich benutze es selber auch für Recherchen und damit greift es Google wahrscheinlich

00:58:17: im Nachkommensbereich irgendwie Marktanteil ab.

00:58:20: Aber einerseits kann ich sagen, ich halte das Produkt jetzt schon für deutlich besser

00:58:24: als Google tatsächlich, wenn es um Recherche geht und gleichzeitig bin ich mir 100% sicher,

00:58:29: dass sie in fünf Jahren niemals mehr als 10% Marktanteil im Suchmarkt haben werden.

00:58:34: Einfach weil...

00:58:35: Aber was, 10% wäre schon gigantisch?

00:58:36: Genau, das wären 20 Milliarden Umsatz im Jahr, das ist noch nicht von schlechten Eltern.

00:58:41: Aber diese Habits zu verändern, gerade für was, was so ein Begriff geworden ist wie Google,

00:58:46: was in den Betriebssystemen teilweise und den Browsern auch so tief verankert ist, dass

00:58:49: es gar nicht so einfach ist.

00:58:50: Also man muss erstmal aktiv jedes Mal per Plexity aufrufen, wenn man was recherchieren

00:58:55: will und so weiter.

00:58:56: Das heißt, es ist gar nicht so einfach diese Habits zu brechen, weil Google seinen Monopol

00:59:00: einfach auch sehr stark befestigt hat.

00:59:02: Deswegen glaube ich, es wird langsam, also wird es ja allmählich gehen auch dort.

00:59:06: Ich bin mir auch relativ sicher, dass per Plexity eine der Firmen sein wird, die in fünf bis

00:59:12: zehn Jahren noch da ist.

00:59:13: Ist das gut für Medienverlage, Medienhäuser, die jetzt jetzt schon so Deal zu machen, ich

00:59:19: habe ja mit dem Rainer Esser von der Zeit drüber gesprochen, vor Kurzem oder auch auf

00:59:23: the Record mit Leuten hier aus dem Spiegelverlag, glaube ich.

00:59:25: Die haben es alle im Blick und sind alle dabei so zu überlegen, geben sich Inhalte da rein,

00:59:31: machen sie denselben Fehler wie vor Jahren mit Google oder wie geht man damit um, was

00:59:35: wird es denn fehlen?

00:59:36: Ich glaube, man muss sich halt auf Inhalte fokussieren, die man nicht mit einem Paragraf

00:59:42: zusammenfassen kann.

00:59:44: Also wo irgendwie Meinung drin vorkommt.

00:59:46: Wenn natürlich irgendwie nur eine, also was das man typischerweise recherchiert, irgendein

00:59:51: Fakt oder so, der Traffic wird wahrscheinlich weggehen.

00:59:54: Der geht aber auch mit, der wäre auch mit Google weggegangen.

00:59:56: Also auch Google fasst ja Content schon zusammen und zieht ihn sozusagen ins eigene Produkt

01:00:00: rein.

01:00:01: Das ist so ein gesießter Tag in der Suche, obendraüber muss keiner auf die Seite gehen.

01:00:04: Genau, genau.

01:00:05: Also das wird sich weiter verschärfen und sagen Content, der einfach nur eine Frage

01:00:08: beantwortet, sagen, ein Faktum zurückgibt, der hat glaube ich eh keine Zukunft, dass

01:00:13: man da noch viele Besucher drauf erwartet.

01:00:15: Ich glaube schon, dass ein guter Journalismus vernünftige Hintergrundartikel, investigative

01:00:21: Recherchen und so weiter, Meinungspieces, dass die schon auch weiterhin eine Chance haben.

01:00:28: Okay, das heißt, Publicity, die jetzt machen, irgendwie gucken, was es denn man denen gibt,

01:00:34: bisschen abschätzen, was die leisten können, was nicht, aber die werden jetzt den Verlage

01:00:40: nicht noch mehr Geld wegnehmen.

01:00:42: Ich glaube, dass Verlage weiterhin sozusagen mit Rückgehenden umsetzen zu kämpfen haben.

01:00:48: Auch aufgrund von Google als von Publicity, weil ich sage, Publicity ist ja relativ klein,

01:00:55: so dass Cloud, ich glaube nicht, dass das spürbar ist für einen Verlag, was Publicity

01:00:59: jetzt wegnimmt.

01:01:00: Genau, genau.

01:01:01: Aber allein, dass was Google jedes Jahr mehr wegnimmt quasi, dadurch, dass sie immer weniger

01:01:05: Menschen verweisen an die Zielseiten, ich glaube, das ist viel spürbarer und deswegen

01:01:10: glaube ich, dass sie netto die Verlage weiterhin so ein rückgängiger Einnahmen haben werden.

01:01:15: Übrigens haben wir gerade Deep-L vergessen.

01:01:17: Habe ich im nächsten Podcast Aufnahme, also aus Deutschland kommt auch eine Firma, die

01:01:22: jetzt im AI Space schon mal ganz gut unterwegs ist.

01:01:25: Genau, und nach allem, was man weiß, ist so ein relativ führend wirklich im Übersetzungsbereich.

01:01:29: Gefahr ist da natürlich so ein bisschen, dass es komotetized wird und sozusagen ein Standardfeature

01:01:34: von jedem large language Modell wird, weil die einigermaßen gut übersetzen können in

01:01:38: der Regel.

01:01:39: Aber sie haben natürlich einen Vorteil, wenn sie einen sehr stark hochspezialisierten

01:01:43: Use Case haben und dann vielleicht auch klare Industrien an die sie sich richten, irgendwie

01:01:48: Verträge übersetzen oder juristische Schriften.

01:01:50: Und zumindest gelten sie so als einer der ja schon global relevantesten Player in dem

01:01:55: Feld?

01:01:56: Absolut, ja.

01:01:57: Habe ich sie noch, wie lange, 15 Jahre unterwegs oder so, glaube ich, eine relativ alte Firma,

01:02:01: die sozusagen lange vor den Transformatorenmodellen schon mit Machine Learning Übersetzungen gemacht

01:02:06: hat, wenn ich richtig liege.

01:02:07: Ja.

01:02:08: Okay, okay, also mir fallen keine weiteren Storylines.

01:02:12: Ich habe alle Storylines, die mir so im Kopf waren, mich dich jetzt irgendwie nachgefragt

01:02:16: oder haben ich einfach versucht mit dir durchzukauen.

01:02:18: Sind bei dir noch Sachen, die du besonders spannend findest, du dir gerne verfolgest,

01:02:23: was du das wünschst, das ist so wie eine Entwicklung, die man sollte mal im Blick haben, so eine

01:02:28: Storyline, die mir fehlt?

01:02:30: Ja, ich glaube, das waren schon die wichtigsten.

01:02:33: Ich finde, wie ich im OMR-Vortrag auch schon gesagt habe, so die Beschleunigung der Wissenschaftler.

01:02:38: Das ist schon mal wichtig.

01:02:39: Also bisher, wir Wissenschaftler so ein bisschen wie die Suche nach der Nadel im Heuhaufen

01:02:44: betreiben und dass man viel intellektuelle Vorarbeit tatsächlich machen lassen kann

01:02:49: von Foundation Models.

01:02:52: Also es gibt Beispiele so aus Google Deep Mind, die mit diesen Proteinstrukturen, die man besser

01:02:57: vorberechnen kann, das irgendwie neue Kristalline, ich glaube, das haben wir letztens mal beim

01:03:02: letzten Podcast auch schon so ein bisschen erklärt.

01:03:04: Aber das ist tatsächlich was, was ich noch für eigentlich unterschätzt halte.

01:03:08: Wie würdest du dir wünschen als AI-Referentenexperten, dass man ihn mal live in Hamburg im Mai beim

01:03:14: Festival erlebt?

01:03:15: Wo sagst du, wen folgst du?

01:03:19: Natürlich Sam Waldman mit einem guten Interview.

01:03:23: Wenn ihr das hier bekommen, wäre das natürlich beeindruckend.

01:03:26: Der muss ja auch so ein bisschen auf PR-Tour, vielleicht ist das sogar möglich.

01:03:30: Ja, wir versuchen es, auf jeden Fall.

01:03:32: Oder schickt ihr die CTO oder, keine Ahnung, wer dann noch üblich vom Wort, genau dran?

01:03:37: Ansonsten.

01:03:38: Ich finde den, ich vergesse mal, ob Schmidt-Huber, Prof.

01:03:48: Der war, der war.

01:03:49: Oder Schmidt-Bauer, ich vergesse mal.

01:03:50: Nein, Schmidt-Huber, ja.

01:03:51: Ich fand nicht gut, dass er den gehabt hat.

01:03:53: Den ist nicht mal super interessant, der ist ja alles so ein bisschen mit aus der Wiege

01:03:58: gehoben hat.

01:03:59: Ja.

01:04:00: Vorschreck, Prof.

01:04:01: Also genau.

01:04:02: Genau.

01:04:03: Vielleicht dem Estrallgründer auch.

01:04:06: Ja, Artumensch heißt ja.

01:04:09: Genau.

01:04:10: Oder die Leute von Black Forest Labs.

01:04:13: Kannst du eine EI-Elefantenrunde machen?

01:04:17: Versuchen wir, versuchen wir.

01:04:19: Wir werden sie auch kontaktieren, mal gucken.

01:04:22: Ich glaube auf jeden Fall, dass das Thema auch nächstes Jahr noch heiß sein wird.

01:04:25: Also es wird jetzt so ein bisschen sozusagen, wir befinden uns sozusagen auf dem Weg in

01:04:28: das Tal der Ernüchterung.

01:04:29: Das ist auch fair, so funktionieren Hypes und Trends halt.

01:04:33: Aber ich glaube am Ende wird mithilfe von Machine Learning und EI deutlich mehr Wert geschaffen

01:04:38: sein.

01:04:39: Der nächste große Trend ist dann die Fendstack.

01:04:41: Ich sehe es schon kommen.

01:04:42: Also ich habe das Antikel über Parmalaki gelesen, nachdem ich okay, das nächste was kommt,

01:04:45: wo alle rein investieren wollen, ist jetzt ja gezeigt.

01:04:48: Also die Firma, vor dem ich jetzt...

01:04:50: Ja, und die...

01:04:51: Ich würde es im Jahr werden oder sowas.

01:04:52: Ja.

01:04:53: Und es gibt jetzt hier auch in Deutschland Beispiele, also so komisches Klingeln.

01:04:57: Und dann gibt es ja auch die Argumentation, das wäre auch gut, weil nach einer gewissen

01:05:01: Logik, wenn dann alle viele Waffen haben, dann fängt da keiner mehr in den Krieg an.

01:05:03: Ist das vielleicht wirklich denn der nächste Hype?

01:05:07: Weiß ich noch nicht genau, wie das bei OEMR dann stattfinden soll, aber ist man da nicht

01:05:11: mehr EI oder SEO-Thema, sondern hat man auch immer die Fendstack-Theme.

01:05:15: Ja, kannst du eine neue Defense-Konferenz machen, eine extra Halle?

01:05:19: Also ihr habt jetzt noch eine Idee so, was ihr gerne machen möchte, die Fendstack.

01:05:23: Ja.

01:05:24: Ich meine, tu wie fair, ich glaube die Welt war lange nicht so unsicher wie gerade.

01:05:27: Ich glaube, drei, vier Kriege, die uns relativ direkt tangieren.

01:05:31: Du hast China, die sagen Rüstungskapazitäten haben, die theoretisch alle zwei Tage ein

01:05:37: neues Boot bauen können oder so.

01:05:39: Von daher, glaube ich, müssen wir uns da auch, wenn ich keinen großen Fan hat, weiß

01:05:45: nicht, ob es Fans von Rüstung gibt.

01:05:47: Ich bin auf jeden Fall kleiner.

01:05:48: Das ist so Pamalaki, der hat euch schon Spaß dran.

01:05:49: Ja, genau, der scheint es zu genießen.

01:05:50: Aber ich glaube, das ist...

01:05:51: Aber ehrlich gesagt auch im Artikel, er würde lieber weiter so Oculus 3D-Welten bauen.

01:05:58: Und er macht das als Service für sein Land.

01:06:01: Also insofern bin ich nicht ganz fair, weil das war wirklich ein Quot von ihm, wo er

01:06:05: sagt, irgendwie, es macht ihm jetzt, er macht es so gerne so, aber er würde lieber eigentlich,

01:06:10: und das wurde mir damals von Meta quasi weggekauft oder böswillig weggekauft, wie auch immer

01:06:15: lange Geschichte, er würde lieber an solchen Sachen weiter arbeiten und da so eine Gaming-Welt

01:06:19: entstehen lassen, wie im Raum von Oculus damals, als jetzt nämlich einen Dronen zu arbeiten,

01:06:25: aber er macht es.

01:06:26: Ja, vielleicht sollte man Krieger einfach in virtuellen Welten austragen.

01:06:29: Das wäre eine ganz gute Idee, dass man einfach irgendwie so eine Art Gaming-Olympiade macht

01:06:34: und wer dann gewinnt, kann gewinner sein.

01:06:37: Also gut, wir werden das schon wieder lang unterwegs.

01:06:43: Danke, dass du mal wieder da warst.

01:06:45: Ich glaube, das ist der dritte Auftritt dieses Jahr, vielleicht kriegen wir in den 24 Jahren

01:06:49: noch einen hin zum Jahresende, weil es kommt ja auf jeden Fall einer in den 25 Jahren anfangt,

01:06:54: zumindest wenn ich mir das wünschen dürfte.

01:06:56: Ich würde mich sehr freuen.

01:06:58: Und dann im Mai nächsten Jahres gibt es sicher auch wieder bei uns auf der Bühne, hoffentlich

01:07:04: wieder mit AI oder?

01:07:05: Also, was immer ich dann als am relevantesten einschätze, aber ich vermute schon, dass es

01:07:11: AI und wenn es den Absturz von AI dokumentieren ist, dann mache ich auch gerne das und korrigiere

01:07:15: mich.

01:07:16: Also, ich freue mich schon drauf.

01:07:18: Alles klar, ansonsten kann dich zwei wöchentlich hören beim Doppelgänger Podcast, man kann

01:07:23: deinen Nüsse da lesen.

01:07:24: Du bist jetzt im Herbst auch auf vielen Konferenzen unterwegs, hast du erzählt?

01:07:27: Mhm, genau.

01:07:28: Ich bin auf dem Logitech Summit bei Jonas auf einem Summit, wo man, glaube ich, auch als

01:07:37: externer Tickets buchen kann in Köln im Rahmen der DMX-Core auf ein paar Events.

01:07:42: Viel unterwegs.

01:07:43: Ich brauche vielleicht, soll ich es so eine Toursite machen?

01:07:45: Ja, genau so ein T-Shirt.

01:07:46: Typ von Tour.

01:07:47: Ja, aber wenn wir das Ticket-Dick machen, dann kenn ich doch.

01:07:51: Alles klar, vielen Dank.

01:07:53: Mach's gut, tschau tschau.

01:07:54: Dieser Podcast wird produziert von Portstars.

01:07:57: by OMR.

01:08:01: [Titelsong]