Was ist Superintelligenz, Pip Klöckner? (#893)

00:00:00: Wer uns hier in den letzten Jahren regelmäßig ab und zu hört, der kennt vermutlich den Philipp Pipp Glockner.

00:00:05: Und zwar nicht nur von uns wo er regelmäßig als Chomgrast auftaucht sondern auch aus dem Doppelgänger Podcast seiner Podcast Heimat!

00:00:12: Ich habe den PIP kennengelernt vor rund fünfzehn Jahren.

00:00:14: damals war ja noch SEO oder Online Marketing Experte aber er hat damals schon diese ganze Disziplin sehr machine learningartig verstanden und entwickelt und aufgefasst.

00:00:25: Insofern war der Weg dann zu... KI später nicht so weit.

00:00:28: Und mittlerweile ist er dann einfach wirklich KI-Experte geworden, hat es extrem tief eingearbeitet und ist auch investiert bei Entropic by OpenAI und hält seit einigen Jahren beim OMR Festival regelmäßig seit Jahren schon eine Präsentation zum State of KI sozusagen.

00:00:45: Das Ding ist regelmäßig komplett voll egal welche Bühne der ganze Saal ist voll.

00:00:49: die Menschen wollen da sein Chart und Slide Gewitter sehen.

00:00:52: Hundertsiebzig Slides mit Fakten und Updates.

00:00:55: Und ich bekomme auch mit, er ist das ganze restliche Jahr über viel unterwegs.

00:00:58: Mit der Präsentation quer durch Deutschland und den verschiedensten Bühnen!

00:01:01: Und bei uns bitte also demnächst wieder eine neue Version-Launchen.

00:01:03: Also auf dem diesjährigen OMR Festival Ist da ganz konkret am Start.

00:01:07: Am fünften Mai um zwölf Uhr zehn Auf der HBO Max Stage Und im Vorgriff darauf haben wir jetzt gesprochen Im Wesentlichen Über KI Frage natürlich nach der KI-Blase über Chancen und Risiken, über mögliche Energieengpässe rund um KI.

00:01:23: Und ob er an Superintelligenz glaubt und was das eigentlich sein soll?

00:01:27: Also rein ins große KI Update mit Pip Klöckner!

00:01:30: Auf geht's!

00:01:55: Sehr thematisch.

00:01:56: Und jetzt die Idee heute einmal wirklich über KI, thematische zu sprechen so alle KI-Themen einmal strukturiert durch.

00:02:05: Du hast dich in den letzten Jahren ja auch richtig KI stark entwickelt und bist da extrem tief drin.

00:02:10: Wer regelmäßig Doppelgänger podcast hört von euch der weiß das.

00:02:14: Du warst im letzten Jahr bei uns auf dem Festival immer so ein KI oder State of KI Vortrag gemacht glaubt seit drei Jahren jetzt?

00:02:20: Genau!

00:02:22: Und jedes mal brutal voll Und Gott sei Dank auch so, wie Gott will in diesem Jahr wieder.

00:02:28: Also es dauert noch ein paar Tage wenn der Podcast raus ist.

00:02:30: dann gibt's das Festival da gibt's auch dich wieder dort zu sehen.

00:02:32: und als kleiner Vorgriff darauf und bisschen so jetzt einmal wir werden ja KI natürlich im festival wieder große thema haben unter anderem mit dem Peter Steinberger von Open AI jetzt und Nick Turley wird wieder kommen.

00:02:46: also viel los rund um KI.

00:02:47: und zur vorbereitung und zum Einstieg und für alle die es bisher noch nicht so strukturiert einmal durchgehört haben Ja, also wohin tun wir an?

00:02:56: vielleicht so als einstieg.

00:02:58: seit wir das letzte mal hier gesprochen haben Anfang des Jahres zum jahres auftragsfolge Gab es irgendwas in der AI welt was sich besonders überrascht hat was besonders nennenswert wäre.

00:03:06: jetzt alleine von januar bis heute

00:03:09: Von Januar bis heute, also ich glaube die aktuelle Entwicklung in dem Wettrennen von Entropic und OpenAI ist, glaube ich der spannendste.

00:03:16: Also man hat Entropic immer so als relativ klar ins Weiten gesehen und jetzt kommen sie erstaunlich nahe, also sind direkt im Rückspiegel vom OpenAI.

00:03:24: beim BtoB-Umsatz gewinnt sie sogar deutlich mehr Marktanteile und da hätte man wahrscheinlich vor einem oder ein Jahr noch nicht draufgewettet.

00:03:32: Man muss dazu sagen habt mir gerade einen, du bist auch noch vielleicht ganz passend zum Podcast mittelbar zumindest bei OpenAI investiert ne?

00:03:38: Und beim Entropic und bei anderen auch.

00:03:41: Also secondary vehicles, genau mit kleinen Tickets.

00:03:45: Okay okay also in allen aber fast?

00:03:47: Also in XE eigentlich.

00:03:48: Obwohl doch in Space, das ist ja jetzt auch eins noch... Also ich habe ein kleines Ticket an SpaceX.

00:03:51: Ja wirklich?

00:03:52: Dann bin ich wahrscheinlich Google Anteil, hab' ich auch.

00:03:55: Ich bin konfliktet aber bei allen gleich.

00:03:58: Wenn man sagt ein kleises Ticket im SpaceX dann sind das so, reden wir dann dreißigvierzigtausend Euro sowas

00:04:02: Ja, so ein Dreh.

00:04:04: Fünfstellig.

00:04:05: Na gut also du sagst irgendwie dass jetzt Entropic so stark aufholt.

00:04:08: das kann man in den letzten Wochen ja hier und da auch mal hören und sagen viele Experten.

00:04:12: wenn man so rumläuft und bei uns in der Firma dann sehe ich einfach Leute die haben so einen Extrascreen was macht denn ihr da?

00:04:19: Dann haben da Leute jetzt irgendwie so Claude laufen.

00:04:21: Also es ist scheinbar wirklich jetzt ein Ding.

00:04:23: Bei uns in einer eigenen Firma habe ich vor kurzem gesehen hat er jemanden Das scheint es im Business umfällt, also ist ja von Entropic das Ding was ich gerade durchsetzt.

00:04:33: Man muss den Markt... Es gibt nicht einen KI-Markt sondern man kann sich so eine Matrix vorstellen vielleicht zwischen wo es so BtoB Enterprise gibt dann Professional News also du zahlst dafür und nutzt das aber selber und Free for All News Also der typische Google Nutzer zum Beispiel Und der Enterprise b to be Use Case scheint sehr stark zu Claude zu gehen.

00:04:56: Dann Professional use, das ist wahrscheinlich so ein... Ich würde sagen tendiert auch schon zu Claud.

00:05:01: aber es gibt natürlich Leute die für OpenAI zahlen oder für Grox sogar und der Free for All Markt ist eigentlich wenn man ehrlich ist bei Google.

00:05:11: Also OpenAI sagt dass ihr im neunhundert 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 zwei Milliarden plus Nutzer.

00:05:23: Das heißt... Und ich glaube deswegen zieht Open Air eisig gerade auch so ein bisschen zurück und versucht mehr auf den BtoB-Markt zu gehen.

00:05:27: Es hat verschiedene Gründe.

00:05:28: einerseits ist er attraktiv weil die Revenue Expansion besser ist, weil die Kunden treuiger größer ist im BTOB Mark wahrscheinlich.

00:05:35: Und andererseits glaub' ich ist ihnen vielleicht doch bewusst geworden dass sie den Free Consumer Market an Google verlieren könnten.

00:05:42: Sie haben grad ihre Ecommerce Bestrebungen quasi eingestellt oder stark zurückgerudert.

00:05:48: Das Werbegeschäft scheint nicht richtig gut anzulaufen bisher.

00:05:51: Sam Ordmann hat früher auch immer gesagt, so ein Last Resort.

00:05:55: Also wenn er nicht anders monetarisieren kann dann würde er eine Werbung nachdenken.

00:05:59: Jetzt haben sie damit angefangen.

00:06:00: Perplexity hat aber gerade gezeigt dass Sie Werbung einstellen weil es nicht funktioniert.

00:06:03: halt bei perplexity und die ist ja schon ein Jahr lang probiert haben.

00:06:08: Und deswegen glaube ich schiften jetzt alle sehr stark zum BtoB-Markt weil das der Erfolgsversprechende zu sein scheint und daneben können besser bemessen, ob sie Geld verdienen mit KI oder nicht.

00:06:17: Oder ob die Kosten sparen.

00:06:20: Genau.

00:06:21: Und generell muss man sagen wir reden jetzt über den Teil der KI, der so mit den Sprachmodellen zu tun hat.

00:06:27: Es gibt ja auch noch eine KI, die sozusagen auf andere Modelle aufsetzt quasi in der haptischen Welt stattfindet.

00:06:34: Also das würde ich auch als KI bezeichnen einfach nur um das zu strukturieren.

00:06:39: Genau, also KI oder Machine Learning ist so der Dachbegriff und darunter gibt es verschiedene Ansätze.

00:06:44: Und der zuletzt jetzt sagen sehr erfolgreicher und skalierbarer waren die Transformermodelle oder LLMs, die Language Models.

00:06:51: Der Vorteil ist, die kann man mit frei verfügbaren digitalen Daten oder Daten, die man sich zusammensucht, sehr schnell trainieren aber auch relativ aufwendig.

00:07:01: Sie verbrauchen viel Energie und haben hohe Kosten beim Training.

00:07:06: Dann gibt es z.B.

00:07:07: so genannte Worldmodels, daran forscht zum Beispiel der Ex-Meterchef Jan LeCurne Erz oder Pfeifei Li eine sagen berühmte Forscherin aus den USA, aus Kalifornien und ein paar andere auch.

00:07:17: Und da geht's eher darum zum Beispiel Physik zu verstehen also dass wenn ich einen Video sehe ich eher interpoliere was zwischen... Also ich nehme das hier dieses Wasserglas in die Hand In der nächsten Szene da unten steht, ist es runtergefallen und habe ich's abgestellt.

00:07:32: Also das ein bisschen zu antizipieren also die echte Welt verstehen könnte man sagen.

00:07:35: Es hat zwei Vorteile.

00:07:36: also für Robotik ist es natürlich unheimlich wichtig kann man sich vorstellen Worldmodels.

00:07:40: aber man hofft auch dass man quasi so visuell so ein bisschen wie Mensch schneller und effizienter lernen können als durch LLMs.

00:07:48: Diese LLM brauchen irgendwie zwanzigtausend Bilder um zu verstehen was der Unterschied zwischen der Katze und dem Hund ist.

00:07:52: oder so Ein menschliches Baby kann das nach vier, fünf Mal betrachten und man fragt sich wie kann es sein dass ein Mensch das so hoch effizient kann.

00:08:00: Und da geht man davon aus als World Models eventuell auch quasi dazu führen könnten, dass man zumindest gewisse Sachen wie Physik viel einfacher trainieren kann.

00:08:07: Was mir auch schon aufgefallen ist in diesem... Kontext was mir überrascht hat ist, dass man am Ende auch gar nicht so richtig erklären kann wie jetzt LLMs zu ihren Resultaten kommen.

00:08:16: Also es ist halt irgendwie also vom Prinzip erklär aber man kann trotzdem jetzt nicht eins zu eins sagen wie wir das genau gemacht haben.

00:08:24: Da ist noch Unschärfe drin sozusagen.

00:08:26: Ja also wir nähern uns irgendwo den Punkt wo wir selber nicht so wirklich verstehen eigentlich was die Ikaida gemacht hat.

00:08:32: Fähreweise wahrscheinlich ist die Forschung was die Funktionsweise unseres Films angeht auch noch nicht abgeschlossen.

00:08:38: Wenn Leute immer sagen, das ist doch statisch ein Papagei.

00:08:43: Da muss man sich fragen also was machen jetzt Menschen so viel anders?

00:08:46: Also wir erinnern uns auch nur super schnell oder machen Patternmatching.

00:08:49: Wir hallucinieren auf, wir lügen mit Absicht teilweise.

00:08:52: Ich glaube so viel Anders ist es gar nicht.

00:08:54: Wir können halt Gedankenketten aufbauen.

00:08:56: da kommen die Modelle jetzt mehr und 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.

00:09:03: Das ist auch kein Wissen sondern ein neues Anwendungsgebiet.

00:09:05: also Sie entwickeln so'n bisschen einfache Abstraktionsfähigkeit.

00:09:09: Aber wenn die so perfekt erklären kann schon lange nicht mehr.

00:09:12: Obwohl man ein bisschen weiß wie man das programmieren muss und dann drückt man immer noch auf Start zu stellen mir das vor und dann weiß man trotzdem nicht was da genau in diesen ganzen selbst eingebenen Code-Zeit passiert.

00:09:22: Und das vielleicht ganz wichtig ne?

00:09:24: Weil wenn man jetzt zweieinhalb Jahre zurückspielt Spult haben noch Leute gesagt, das kann schlechten SEO-Text schreiben.

00:09:29: Ansonsten ist es aber irgendwie nur Stachastik 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.

00:09:41: also ich kenne wenig leute die jetzt sagen würde ich habe KI überschätzt oder so.

00:09:45: die meisten haben letztlich glaube ich unterschätzten werden überrascht wieviel Fähigkeit man in zwei drei jahren hinzugewonnen hat.

00:09:53: Lassen wir das erste große Template einsteigen und ein paar durcharbeiten.

00:09:56: also erst mal Arbeitsmarkt, dass ist ja doch was viele umtreibt.

00:10:00: Gehst du auch davon aus?

00:10:01: hat man hier im Podcast in den letzten Wochen mal solche Meinungen gehört, dass wirklich größere Mengen von Menschen... ...in den westlichen Gesellschaften aufgrund von KI arbeitslos werden?

00:10:12: Also ich gehe davon aus, dass den Arbeitsmarkt beeinflusst.

00:10:15: Ich glaube einerseits dass es immer langsamer geht als wir glauben.

00:10:20: Wenn wir jetzt sagen, ja dadurch gehen Jobs verloren dann glaube ich das wird eher über einen Zeitraum von zehn, fünfzehn Jahren passieren.

00:10:27: Was man schon sagen muss ist dass, ich habe das neulich mal die Bullshit-Economie genannt.

00:10:30: 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.

00:10:41: Ich glaub die aktuelle Studie sagt es so ungefähr zweieinhalb Prozent der US Ökonomiekont könnten schon übernommen werden Von KI.

00:10:47: heute bis noch relativ wenig und schwer zu sagen, was das jetzt genau heißt.

00:10:52: Aber ich glaube wie gesagt wenn ein Output digital ist und Content im weitesten Sinne dann ist es wahrscheinlich schon oder Consulting zum Beispiel Dann wird das nach und nach ersetzbarer kann aber auch heißen dass wir sogar kurzfristig mehr Jobs haben.

00:11:06: also zb Wenn man an Softwareentwicklung denkt Wir werden wahrscheinlich weniger Leute haben die Code schreiben aber mehr Leute software bauen.

00:11:14: Also weil eine Produktmanagerin oder jemand der es noch nie gemacht hat kann ja quasi Apps bauen oder eigene Applikationen oder Webseiten noch einfacher bauen als vorher.

00:11:22: Das heißt, man kann durchaus auch Hypothesen haben dass manche Berüfe quasi mehr aktive haben nur das sie anders arbeiten.

00:11:29: aber ich würde davon ausgehen dass zum Beispiel also Call Center Agents ist glaube ich ein gutes Beispiel Übersetzer vielleicht auch Teile des Consultings.

00:11:38: Also es gibt glaube ich wenn jetzt KI und Datenkonsulting machst da wird's wahrscheinlich mehr Arbeit geben denn je.

00:11:44: es gibt aber Post-Merger-Integrations oder irgendwie Prozesse strukturieren, wo es vielleicht doch schon weniger Arbeit gibt in Zukunft.

00:11:54: Aber wir reden jetzt nicht von Massenarbeitslosigkeiten?

00:11:57: Also das sehe ich im absehbarer Zeit nicht.

00:11:59: Also nicht auf Sicht von fünf bis zehn Jahren, aufsicht von zwanzig Jahren oder so kann da schon gut sein.

00:12:05: Und dann

00:12:05: müsste dann diese Robotik ... Sache mit reinkommen, man müsste das ja wirklich gut funktionieren.

00:12:11: Da sind wir jetzt auch noch nicht soweit.

00:12:12: also ich meine so Robotik und KI als dieses Feld ist ja noch deutlich... zurück im Vergleich zu dem lm oder das transform.

00:12:20: Also die frage ist auch immer was ist der transmissionsmechanismus?

00:12:24: also wie schafft es das unternehmen auch lernen diese technologie anzuwenden?

00:12:27: wenn du überlegst wie lange die digitalisierung gebraucht hat, dass die meisten unternehmen jetzt noch nicht wirklich wirklich digitalisiert sind gehe ich davon aus dass auch da langsamer geht.

00:12:36: was aber auch geben wird ist so eine parallel ökonomie also dass die start-ups oder einzeln unternehmen Die werden schon hyperproduktiv arbeiten.

00:12:44: Es wird so einzelne Leute geben, die ein Unternehmen haben was heute für sich Leute bräuchte noch... ...die das ganz allein machen mit einem Orchester von Agenten.

00:12:52: Das wird in den nächsten zwei drei Jahren definitiv sein.

00:12:55: Junge Startups wären auch AI Firstbauer und das heißt die werden auch deutlich weniger Leute einstellen.. ..und die Frage ist wie schnell können die quasi Marktanteile von den großen Firmen gewinnen?

00:13:05: Dass die großen Firme sich jetzt so schnell transformieren dass sie in den nächsten drei Jahren, dreißig Prozent der Mitarbeiter entlassen können.

00:13:11: Daran glaube ich nicht, ehrlich gesagt.

00:13:13: Also es fehlen die Mitarbeiter quasi, die die KI einsetzen.

00:13:17: Es ist ein kulturelles Problem als hat man bei Digitalisierung gut gesehen.

00:13:21: Ich gehe davon aus dass ein bisschen schneller geht als bei der Digitalisierung aber trotzdem gibt's so Behaarungskräfte in der klassischen Industrie und Verwaltung

00:13:29: usw.,

00:13:30: die dafür sorgen das es glaub ich nicht so schnell geht wie man glaubt.

00:13:33: Okay dann nächster Themenblock Bewertungen und AI Bubble.

00:13:37: also Sag mal dazu deine Einschätzung, gibt es eine AI-Bubble?

00:13:43: Sind diese hohen Bewertungen in einigen Fällen vielleicht nicht doch überzogen oder in welchen wären das.

00:13:48: Also es gibt definitiv so eine Art Hype bestimmt auch ne Bubble einfach weil ich glaube dass die Technologie die Bewertung die Erwartungen schneller voranschreiten als der tatsächliche Einsatz.

00:13:59: also es gibt so einen Implementation oder Adoption Gap was ein bisschen ist was ich gerade beschrieben habe dass die Unternehmen gar nicht so schnell hinterher kommen wie sie sinnvoll KI einsetzen.

00:14:06: Deswegen baut man jetzt zum Beispiel Joint Venture mit Private Equity Unternehmen, das ist sogar die News der letzten Woche, dass sowohl Entropik als auch OpenAI mit den größten Private Equity Firmen so Joint Ventures bauen.

00:14:18: 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 zutransformieren.

00:14:29: Das ist ja ein großer Trend.

00:14:31: gerade hat.

00:14:34: OpenAI soll angeblich sogar so eine Mindestrentite von siebzehn halb Prozent versprochen haben, dem Private Equity Partner.

00:14:39: Was relativ viel wäre das quasi zu versprechen?

00:14:42: Einfach um die Technologie in den Markt zu drücken.

00:14:45: Also der Challenge ist nicht dass KI nicht gut genug ist als Technologie.

00:14:48: Die kann schon relativ viel aber Unternehmen dazu zu bringen sie wirklich einzusetzen.

00:14:52: Das Schwer.

00:14:52: OpenAI hat gerade gesagt, dass ihr ihre Mitarbeiter bis Ende des Jahres verdoppeln wollen.

00:14:56: fast.

00:14:57: ich nehme und es werden hauptsächlich so forward deployed engineers sein also das

00:15:00: Palantinmodell

00:15:01: Genau das Patentier-Modell, dass man eigentlich Entwickler und Produktmanager, Projektmanager zum Kunden schickt.

00:15:07: Damit die die KI beim Kunden einsetzen weil man weiß die Kunden kriegen selber nicht hin mal stark vereinfacht.

00:15:12: Aber zu ihm Bewertung?

00:15:15: Ich glaube also... Wir

00:15:16: reden über Bewertungen aber ganz kurz Open Eye.

00:15:18: Ich glaube aktuell so sieben oder bis achthundert Milliarden.

00:15:20: Achtundvierzig Milliarden.

00:15:21: Ja genau in der Investorweise ist es jetzt schon ein der wertvollsten Filme der Welt ja.

00:15:27: Das müsste so in den Top.

00:15:29: Ten oder Top-Fünfzehn der Unternehmen sein damit.

00:15:34: Also es kann man differenziert sehen, also wenn man jetzt auf zwei Dinge schaut könnte man sagen das ist total gerechtfertigt.

00:15:38: Das wäre so ein zwanzig dreißigfach Salesmultiple, ob mir einen macht, umzwanzig Milliarden Umsatz Run Rate, die letzte Information von Februar glaube ich Können man sagen, warum sollen die nicht das dreißigfache, also siebenhundfünfzig Millionen Wert sein?

00:15:52: Das sieht man bei anderen Börsengelisteten Software-Unternehmen.

00:15:54: Die nicht so schnell wachsen irgendwie beim Cloudflare oder Palantir sogar noch deutlich mehr.

00:15:59: Aber

00:15:59: ich rede jetzt ja nicht von KGV auf das Ergebnis nach dem

00:16:02: Umsatz.

00:16:02: Aber selbst da gibt es wie gesagt börsengelistete Unternehmen und die Preisfindung der Börse ist ja heilig.

00:16:08: Also Cloudflares glaube ich hat viele andere Vorteile noch aber wächst eigentlich viel langsamer.

00:16:12: Und wenn man sagt zu schnell wie OpenAI gerade wächst, die verdoppeln verdreifachen sich jetzt an Shopping genauso Warum sollst du dir nicht ein dreißigfaches Umsatzmultipel geben?

00:16:20: Das ist eigentlich fair, wenn man jetzt nur auf Umsatz schaut.

00:16:22: Ich komme gleich drauf, warum das vielleicht nicht stimmt kann.

00:16:25: Das andere ist, wenn es zum Beispiel um die Burn Rate geht wie viel Geld die dabei verbrannt haben.

00:16:31: auch da schaut man z.B.

00:16:32: auf Unternehmen wie Palantir, Databricks oder Snowflake.

00:16:35: Die haben beim IPO alle drei mal soviel Geld gebraucht wie sie Umsatz haben.

00:16:39: Also wenn sie bis zum IPO drei Milliarden geraisst hatten aus Venture Capital, dann haben Sie es damit ungefähr auf eine Milliarde Umsatz geschafft.

00:16:45: So das gleiche Verhältnis würdest du ungefähr bei Entshopping und Open AI jetzt auch finden.

00:16:48: also die haben für die twenty-fünf Milliarden haben sich vielleicht in der Vergangenheit seventy fünf Milliarden verbrannt Und auch das hättest du sagen in anderen Startups vorher gesehen und die sind sozusagen dann sehr erfolgreich an die Börse gegangen.

00:17:01: Die zwei wahrscheinlich Probleme die es gibt und warum das dann vielleicht doch so ein bisschen überhyped ist dass eine die die Umsatzqualität Also das ist eben nicht so eine Rohmage.

00:17:11: Die Rohmarge sind allen Unternehmen eigentlich wichtig, aber gerade bei Softwareunternehmen man versucht immer zwischen Achtzig und bis zu neunzig Prozent zu landen.

00:17:18: Das heißt die Erstellung der Software kostet zwanzig Cent und ich verkaufe sie für ein Euro weiter.

00:17:24: einfach gesagt dann habe ich nur achtzig Prozent Rohmager auf mein Umsatz Und die es beim Weiterverkaufen von Tokens.

00:17:30: also bei dem was diese KI-Für machen haben wir so eine Art Verelungsprozess auf Tokens.

00:17:34: 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 einen LLM gelaufen sind.

00:17:45: Vorher kann man sich das ein bisschen vorstellen.

00:17:47: Aber Token ist am Ende eine

00:17:49: kleine Kette aus Buchstaben?

00:17:50: Also so vier bis fünf Buchstaben ungefähr so lang wie in Wort und daraus werden diese Antworten gebaut, diese KI-Antworten.

00:17:56: also ich pack Tokens rein, also Wortketten, die Frage der Prompte und raus kommen auch wieder Tokens, also Antworten.

00:18:03: Inzwischen kann man halt... komplette strukturierte Projekte aus diesen Tokens zusammenbauen.

00:18:08: Bei meinem Ende sind das immer diese Wortketten, die vorgeschlagen werden von den Modellen.

00:18:13: Also um eine Anfrage zu absolvieren braucht man halt schon hunderte von Tokens und Tausenden.

00:18:17: Ja, mindestens Hunderte.

00:18:18: ja.

00:18:19: also wenn ich jetzt einen komplexen Task und es ist auch ne Sache die sich verändert hat, dass werde ich in meiner Keynote auch zeigen.

00:18:24: Vor ein anderthalb Jahren konnte man so Wenn man da Claude, Sonnet, drei Punkt sechs oder was das damals war eine Aufgabe gegeben hat.

00:18:31: Ein Backfixen oder einen kurzen Kot erstellen konnte das so dreißig Sekunden bis eine Minute und Dreißig unabhängig arbeiten.

00:18:38: Inzwischen kann Claude durch die Orchestrierung verschiedener Agenten zwölf Stunden und mehr durcharbeiten also gibst du ihm eine Aufgabe?

00:18:47: Und dann arbeitet das selbst, ständig wie ein Projektmanager mit ganz vielen Praktikanten.

00:18:52: Und baut selber ein Projektenstück Software und so weiter über zwölf Stunden und dabei generiert es dann Millionen von Tokens zum Beispiel.

00:19:00: Aber um nochmal auf die Revenue Qualität zurückzukommen... Also diese Rohmage ist wahrscheinlich bestenfalls zu vierzig-fünfzig Prozent im Moment.

00:19:09: Das heißt, um einen Euro Umsatz zu machen müssen die Firmen selber fünfzig.

00:19:18: Da geht man jetzt davon aus, dass das irgendwann besser wird in der Zukunft.

00:19:22: Das ist aber auch fraglich weil man natürlich in einer krassen Konkurrenzsituation ist,

00:19:24: d.h.,

00:19:25: man kann den Preis nicht so einfach setzen und das viel größere Problem ist.

00:19:28: aber der Tokenverkauf an sich ist quasi profitabel.

00:19:32: D.h.

00:19:33: würden diese Unternehmen heute aufhören zu forschen also keine neuen Modelle mehr trainieren dann würden sie alle profitabel sein.

00:19:39: Von den fünfundzwanzig Milliarden Umsatz würden dann sieben acht Milliarden vielleicht als Gewinn übrig bleiben oder zumindest als Rohertrag, dadurch das um in diesem Tokenverkaufs-Business drin zu bleiben, Sie aber immer das beste Modell haben müssen also im Wettrennen um das beste Model auch drinbleiben müssen und der ist halt fast ruinös.

00:19:57: Aber

00:19:58: dass Sie verbrennen die Kohle jetzt gar nicht bei den Kundenanfragen?

00:20:03: brennen die Kohle bei ihrem eigenen Modell-Training.

00:20:05: Genau,

00:20:06: also die Tokens, die sie zum Beispiel über die eigene API verkaufen... Daran verdienen Sie Geld!

00:20:13: Es gibt dann so einzelne Projekte wenn du als kostenloser Nutzer dahin gehst, ...wenn du dich nicht einlocks bei ChatGPT...

00:20:19: Also das ist nämlich einlocks, also wenn ich bezahl's?

00:20:21: Wenn du dich bezahlst so, dann zahlen sie da natürlich drauf.

00:20:24: Aber zum Beispiel in den BtoB-Verträgen haben sie überall einen ordentlichen Deckungsbeitrag.

00:20:30: Da drucken

00:20:30: Sie quasi Geld, ich vergleiche das mal so wie eine Goldmine wo du reingehen musst und sagen du kannst Geld raus, gold rausholen aber das Eintrittsticket zu der Goldmiene also das beste LLM zu haben am Markt oder eines der drei besten dahin zu kommen wird immer teurer weil du halt irgendwie zig Milliarden an Forschungaufwendungen also R&D brauchst um dir quasi eine Position in den Markt zu erkaufen jedes Jahr.

00:20:52: Und die Aufwendung, um das beste Modell zu haben – das zeige ich auch im Vortrag– ist steigt so ungefähr vier bis fünf Mal jedes Jahr, also du brauchst fünfmal so viel Rechenleistungen, um einfach nur ein Modell zubauen was wieder quasi Champions League spielen

00:21:05: wird.

00:21:05: Die Rechnei also wird nicht so schnell günstiger?

00:21:08: Die Recher werden nicht günstigere sondern teurer, sie werden effizienter aber auch teurer.

00:21:13: 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.

00:21:21: Und die steigt schon.

00:21:24: also die Technik holt auf aber trotzdem bräuchts vier mal fünfmal die gleiche Rechenleistungen und deswegen steigen halt diese Investitionsausgaben der Firmen auch so massiv.

00:21:31: Also die geben ja dieses Jahr höchstwahrscheinlich um sie.

00:21:34: also nur die sechs größten Firmen das sind die drei Cloud-Hoster also Amazon Microsoft Google dann Meta Und Oracle & CoreWeave, das sind so zwei KI-Spezialisierte.

00:21:44: oder Oracle hat ein Softwarebusiness aber es auch einen Cloudhosting Business.

00:21:49: Die geben siebenhundert Milliarden aus für Investitionen in neue KI Rechenzentrum dieses Jahr.

00:21:55: Das ist mehr als der Marshallplan also der Wiederaufbau Europas Apollo Programm Manhattan Projekt zusammen selbst alle Inflationsadjustiert und alles in heutigen Geld geben die quasi in diesem Jahr und nächstes Jahr wird's wahrscheinlich noch mehr sein mehr aus als diese historischen Investitionsprogramme.

00:22:11: 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.

00:22:19: Wo sie quasi quasi einfach noch reinlegen Google oder vielleicht Meta oder so.

00:22:24: Also kann auch eine reine KI-firma wie jetzt Entropic und Open AI können die dann jemeis frutabel arbeiten?

00:22:33: Ja also die große Gefahr ist dass die Modelle einfach komplett commoditized werden.

00:22:38: Also dass diese all verfügbar werden.

00:22:42: Da ist, ich glaube das wahrscheinlichste Szenario dass sie immer relativ schnell in China kopiert werden.

00:22:46: Also du baust das beste Modell hast investierst dreieinhalb Milliarden um zwei tausend achtundzwanzig das beste model zu erforschen und mit einem Verzug von zwei drei monaten distilliert jemand in china das modell.

00:22:58: also so eine möglichkeit basierend auf sehr guten modellen kann man ein acht neunzig prozentes gutes modell aber deutlich günstiger und schneller bauen.

00:23:06: Und warum sollte mein Kunde dann nicht das Modell nehmen, was viel günstiger ist?

00:23:09: Also da ein dauerhaften Vorsprung.

00:23:11: Das ist dieses tödliche oder ruinöse Wettrennen... ...oder Wettrüsten im Forschung.

00:23:18: Die einzige Hoffnung ist dass halt irgendjemand zuerst sogenannte AGI oder Superintelligenz erreicht und dann die Software sich von selber schreibt und man alle Geschäftsmodelle der Welt irgendwie relativ schnell übernehmen kann oder so.

00:23:29: Ansonsten wird es schwer irgendwann das Geld wieder reinzubekommen Stehst du halt ständig im absoluten Wettbewerb.

00:23:36: Dagegen würde sprechen, wenn man schafft das Modelle so eine Art Geschmack haben also dass du sowie die heute vielleicht bei Telefonunternehmen hast Du vielleicht eine Affinität zu einer gewissen Brand oder so.

00:23:47: Die gefällt die Markensprache besser.

00:23:50: So kann es natürlich auch beim Modellen sein aber ob du dafür dann deutlich höher in Preis bereit bist zu zahlen ist die Frage.

00:23:57: Also Am Ende kann es schon sein, dass irgendwann mal wenn so eine Art Eben erreicht ist wo jetzt der größte Hype durch ist und man sich das ein bisschen nicht an guckt.

00:24:05: Und vielleicht die Wachstumsraten ein bisschen abflachern.

00:24:08: Das man dann feststellt ja okay so geht's nicht weiter.

00:24:10: Auf jeden Fall alle Erfandling-Töpfe, alle Möglichkeiten... ...an arabischen Staatsfonds oder sonst wem der das alles bislang mit finanziert hat, wenn die einfach einmal in der Schöpf sind?

00:24:19: Ja also da sind wir eigentlich heute!

00:24:20: Also wo das Geld geschöpft ist würde ich sagen sind wir heute.

00:24:24: Die Open Air hat zuletzt ne Hundertzehn Milliarden Runde gemacht.

00:24:28: Da haben eigentlich schon nur noch Amazon Nvidia Softbank investiert, also Amazon Nvidia haben ein starkes Interesse daran.

00:24:34: Also Amazon hat sich damit quasi einen Vertrag erkauft mit Open AI, hat fünfzig Milliarden investiert davon sind aber nur fünfzehn geflossen.

00:24:41: der Rest ist so conditional zu Milestones.

00:24:46: kann in jedes Start-up investieren, weil sie das Geld sofort wieder als Chip sozusagen als Umsatz zurückbekommen.

00:24:50: Das heißt die kann man eigentlich nicht als rationalen Investor.

00:24:52: also es ist aus ihrer Sicht rational aber es ist nicht vergleichbar mit einem Venture Capitalisten oder so.

00:24:58: Das Gleiche gilt vielleicht für SoftBank also dass er nicht hundertprozent rational ist.

00:25:02: Weil der Eichtyp oder der Massasson ein bisschen

00:25:05: crazy ist und ganz positiv formuliert?

00:25:09: Aber du wirst jetzt schon nicht sagen die Standard, wie siehst mehr in der Runde sehen oder so.

00:25:12: Und deswegen ist es der nächste Schritt oder der letzte, der dann bleibt.

00:25:15: auch die Kassen der Staatsfonds aus einem Golf sind langsam erschöpft bei den eigenen Megaprojekte haben und so.

00:25:21: Das heißt man geht ja jetzt an die Börse.

00:25:23: also alle diese Firmen werden dieses Jahr sofern die Bürse nicht vorher irgendwie sagen in sehr rauere Gewässer kommt planen die alle dieses Jahr an die Bürse zu gehen.

00:25:32: Space X Ende des ersten halben Jahres höchstwahrscheinlich da ist er xei mit drin und dann wären Open AI und Entropic wahrscheinlich folgen Dieses Jahr allein auch schon, weil sie nicht wollen, dass eventuell die Enttäuschung der Geschäftszahlen von einem den nächsten dann in ein IPO verdirbt.

00:25:46: Also die wollen wenn dann wahrscheinlich alles so schnell wie möglich rauskommen.

00:25:49: Weil wenn man jetzt durch SpaceX zum Beispiel Transparenz über die Zahlen von XAI bekäme, dann könnte das denen ihren IPO ja verderben.

00:25:59: Aber ich lass mich mal raten, wenn das an die Börse geht und du kannst es verkaufen würdest du am liebsten wahrscheinlich so schnell wirklich verkaufen?

00:26:05: Ich

00:26:05: würde wahrscheinlich in dem Fall einen Teil meines Geldes mitnehmen.

00:26:10: Ja, ich meine gleichzeitig haben die Firma schon die Chance.

00:26:12: Die bedeutendsten Unternehmen der Welt bei aller Skepsis.

00:26:18: Man muss immer die haben diese wahnsinnigen Umsatzprognosen, die sie machen.

00:26:22: Ich glaube ob mir ein möchte zwei tausend dreißig zweitachzig Milliarden Umsatz ist mehr als Meter oder fast so viel wie Google heute macht Machen innerhalb den nächsten fünf Jahre.

00:26:30: aber bisher Haben die ihre Prognosen immer getroffen und über überfüllt.

00:26:34: Man kann ja nicht sagen, dass sie bisher enttäuschend waren oder so, die verbrennen viel Geld aber wie gesagt sie generieren auch so schnell Milliardenumsetzer wie es noch kein anderes Unternehmen zuvor gemacht hat.

00:26:45: ist es schon auch eine Chance, ich glaube mit vielen Risiken behaftet.

00:26:48: Es ist insgesamt ein problematischer Markt weil... Guck

00:26:50: mal nach den Churnratten!

00:26:51: Also ich meine das ist jetzt auch ein riesiger Hype.

00:26:53: also wenn man sich jetzt mal das Wachstum genauer anguckt dann würde man ja unterscheiden zwischen wie das früher im IQ-Mass auf war du kennst wahrscheinlich besser als jede andere auf Kohorten gucken und sagen okay wie lange bleiben denn so Kohortens dabei?

00:27:06: Und kommen die wieder?

00:27:07: oder churn die durch?

00:27:09: Und das würde man ja hier auch schon einmal, also hast du das mal so ein bisschen versucht.

00:27:12: zu verstehen ist jetzt sozusagen.

00:27:13: Wechselst eine eine Open AI oder eine Entropic eigentlich weiter ständig neue Kunden reinkommen und die halt die Welt quasi gerade halbt und die haben so wenig Probleme Kunden zu gewinnen.

00:27:25: aber entscheidend ist da hinten muss ich Kunden halten.

00:27:28: Also ich werde es sich schon zu viel von meinem Vortrag spoilen, aber du stellst dir richtigen Fragen.

00:27:32: Also was man schon sehen kann is dass diese Koarten, die man in so einer typischen Abbildung zeigt ... jedes Jahr besser werden.

00:27:39: Also sagen wir mal, ... ... in den B-to-B-Kunden zum Beispiel ... ... haben etwa fünfzig-sechzig Prozent ... ... relativ schnell wieder Aufgehörtes zu nutzen.

00:27:46: Die haben damit experimentiert, wussten nicht was sie da mit anfangen können oder das war nicht zuverlässig genug... Sie haben aufgehört.

00:27:51: heute sind es so siebzig-sächzig Prozent die verbleiben.

00:27:54: also gibt immer noch viele die sofort schön im ersten Monat und im ersten Quartal.

00:27:58: Und danach sieht man aber schon diese typische Smiling.

00:28:01: Retention Curve nennt man das.

00:28:03: Also Retention ist das Gegenteil von Chern, wie lange bleiben Leute da?

00:28:06: Und die solls smilen weil es vollkommen normal ist dass viele Leute am Anfang sofort kündigen wieder und smiling meint das Recht sozusagen der rechte Mundwinkel dann auch hoch geht Weil die die dabei bleiben jedes mal ja mehr Geld ausgeben.

00:28:17: So kommt man zu dieser smilenden oder lächelnden Kurve quasi.

00:28:21: Das sieht man schon relativ gut.

00:28:23: Dass das passiert also die die beibleiben nach der Testphase Die geben, kaufen dann mehr und mehr Tokens.

00:28:28: Macht ja auch Sinn ist nachvollziehbar.

00:28:30: Gleichzeitig sieht man das jedes Jahr.

00:28:31: die Kurve weiter oben startet sozusagen also es verlassen gar nicht mehr so viele.

00:28:36: Das bei Konsumenten würde ich sagen da gibt's noch relativ viel Untreue.

00:28:40: Also einerseits kann man sagen ChatGPT hat so ein bisschen die Konsumentemarke das ist das Google das Zeba oder Tempo.

00:28:47: Also Leute sagen chatty wenn sie KI meinen Den Vorteil haben.

00:28:51: Sie aber zeigen auch so verschiedene events sowie dieser nano banana moment als google besonders gutes image modell gebaut hat oder die studio gibby was ob mehr eidermanns mal gebaut hat, da wechseln dann so zehn millionen und mehr nutzer von ein tag um anderen.

00:29:06: ihr präferiertes model zum beispiel das heißt.

00:29:08: Da ist es so ein bisschen zu früh abzusehen wer das eigentlich gewinnt wird.

00:29:11: deswegen kann man entweder sich so ein bischen junior economics anschauen.

00:29:15: da landet man Am Ende wahrscheinlich bei Google, weil die das beste Werbemodell dahinter haben und am längsten das durchsupfensionieren könnten.

00:29:22: Zumindest im Vergleich zu OpenAI.

00:29:26: Also einerseits hat man Illoialität.

00:29:28: Im BtoB-Markt sieht es aber schon aus als bekäme man so fast ideal typische Retention Kurven auch, die vergleichbar mit Softwarelösung sind.

00:29:35: Wenn ihr was alles hört dann ist das jetzt irgendwie... Da ist schon Bubble drin, aber es ist nicht komplett Bubble.

00:29:42: Und es ist auch so, dass wenn dann irgendwie jetzt mal eine von diesen Firmen sagen würde okay wir kriegen keine Finanzierung, sondern mehr zusammen.

00:29:48: Es klappt nicht.

00:29:51: Wir müssen, wir kriegen Probleme.

00:29:53: Dann würde das die echte Welt wahrscheinlich nicht so brutal verschieben wie in der Finanzkrise oder wie in den Dotcom Crash wo alles auch Anlegergelder waren, wo das sozusagen Börsenstiete Firmen waren.

00:30:05: Wenn man jetzt einmal nehmt einen Entropic aus dem Markt einfach raus saugen würde... paar Staatsfonds und ein paar Mestoren ihre Kohle verloren.

00:30:13: Und dann würde wahrscheinlich die Welt relativ normal weitergehen?

00:30:16: Ja, also ich glaube in Tropic würde ich jetzt nicht setzen, dass hier als erstes sozusagen die Hüfe hochreißen.

00:30:20: aber auch da it depends Also wo du vollkommen recht hast.

00:30:24: Ich glaub die Gesamtexposure ist nicht so schlimm wie bei der Dotcom Bubble zum Beispiel.

00:30:28: Damals haben Unternehmen keinen Umsatz oder kein Gewinn gemacht.

00:30:31: kaum Umsatz wurden irgendwie mit Pageviews bewertet usw.

00:30:35: Da muss man schon sagen das heute Die Geschäftsmodelle der Hauptakteure, also Google, Facebook, Amazon, Microsoft.

00:30:41: Die haben ja alle Kerngeschäfte die sie unheimlich solide machen wo Cashflow rauskommt das heißt... ...die werden nicht pleite gehen, die wären noch nie neunzig Prozent ihres Wertes verlieren sondern die können vielleicht mal zwanzig dreißig vielleicht sogar vierzehn Prozent Rückschlag haben.

00:30:53: aber irgendwann würde man sagen wer möchte denn nicht in Amazon mit einem vierzehnt Prozent Discount Own?

00:30:58: Also dann würden sich wieder Käufer finden.

00:31:00: das heißt diese sind nicht so bedroht einfach weil es vernünftige Geschäftsmedaille gibt.

00:31:04: auch die Frontierlabs Open AI Entropic machen eigentlich, wenn man diesen R&D Ausgaben daraus rechnen würde haben die auch ein solides Geschäftsmodell.

00:31:15: Es hat nur dieses Problem das sie immer sehr viel forschen müssen um da drin zu bleiben.

00:31:19: Ich glaube es gibt auch Player die relativ viele Exposure haben so einen Oracle oder Core Weave Die hochverschuldet sind.

00:31:25: Wenn da die Datacenter mal nur fünfzig Prozent ausgelastet werden in Zukunft dann würden die wahrscheinlich an die Grenzen ihrer Existenz stoßen.

00:31:33: für die wäre schon gefährlich.

00:31:35: Und also normalerweise würde ich deswegen sagen, es wird nicht so wild wie GFC, also Financial Crisis oder Dotcom-Bubble.

00:31:41: Aber man hat jetzt die Effekte dass das mehr und mehr des Restes der Industrie da reinzieht.

00:31:45: Also gibt's eine Private Credit Bubble.

00:31:48: Die sind natürlich alle Fremdkapital finanziert, mit Schulden finanzieren diese Data Center.

00:31:54: Das heißt sollten sie irgendwann mal unausgelastet bleiben dann würden auch Private Credit Funds, die ein bisschen die Bankfunktion übernommen haben.

00:32:01: muss man sich vorstellen wie Private Equity Unternehmen Geld verleihen für Banken durch die Eigenkapitalrestriktion, die wir nach der Financial Crisis ihn auferlegt haben.

00:32:10: Haben Private Equity-Unternehmen quasi die Funktion übernommen?

00:32:13: Die sammeln auch Geld von Anlegern ein und investieren oder investiert dann zum Beispiel so mittelbar überschuldet in die Datacenter Und das könnte dann schon wieder theoretisch Pensionskassenversicherung und unser alles erspart ist So ein bisschen mit im Mitleidschaft.

00:32:27: Aber es ist also schon alles sehr mittelwahne nicht mehr so unmittelbar.

00:32:30: ne

00:32:31: Ja ich glaube nicht dass du irgendwie Ja, vergleichbare Verluste wie zwei tausend acht oder zweitausend haben wir es.

00:32:37: das hatte ich zumindest sehr unwahrscheinlich.

00:32:40: Lass mal ein bisschen Energie sprechen.

00:32:42: Das kam schon einmal durch da guckst du intensiv hin als wir Anfang des Jahres gesprochen haben Da hast du so eine zahl rausgehauen.

00:32:48: Ich glaube allein die nvidia jahresproduktion an ships um diese sagen In einsatz zu bringen oder zu nutzen müsste man sechs oder sieben atomkraftwerke Haben oder dafür darf benutzen

00:33:02: Genau.

00:33:02: Ich finde

00:33:02: das mal dann schon gigantisch.

00:33:05: Ja.

00:33:06: Wie viele

00:33:07: Atomkraftwerke hatte Mal Deutschland in seiner blüht Zeit?

00:33:11: Ich glaube es war vierzehn und fünfzehn, ist richtig.

00:33:13: also...

00:33:14: Also ich habe keine Gefühle, vielleicht ist es richtig.

00:33:16: Also

00:33:17: ein bis zwei Dutzend würde ich sagen nicht viel mehr.

00:33:19: Und wenn man weiß den Atomstoff zu bauen, dass kostet Jahre oder Jahrzehnte das... Also

00:33:26: ja.

00:33:26: Das ist so ein anderes Thema was man sich... selbst wenn man glaubt entweder gelingt es jedes Jahr bessere chips zu bauen und andere unternehmen Treiben sogar das geld auf um diese ships zu kaufen sagen was mal wo man schon mal fragezeichen hintermachen muss.

00:33:39: also Nächstes jahr werden wir bei einer billion Die man investieren müsste.

00:33:45: Woher soll das Geld kommen.

00:33:46: wenn die fans alle alle sind Und damit entweder weiter produzieren kann braucht man wie du richtig sagst energie aber auch der rest der supply chain also ein data center.

00:33:54: Das ist ja nicht so dass du da schipps rein fährst und dann funktioniert das sondern du brauchst Kühlung, du brauchst Energie wie gesagt.

00:34:01: Du brauchst die Switches dazwischen, die Server Schränke.

00:34:04: Du braucht Leute, die das Datacenter bauen und du brauchest Elektriker, die zusammen die Server... Könnte

00:34:08: 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 sowas die jetzt schon kann und auf der anderen Seite was die Hardware, die Energie kann.

00:34:21: Ich meine man braucht es im exakt selben Moment!

00:34:26: Aber es heißt ja noch nicht, dass jetzt die technologischen Entwicklungen genauso gleich sind.

00:34:30: Also das kann ja sein, dass wir erst die Software überhaupt erst richtig nutzen können in zehn, fünfzehn Jahren wenn Möglichkeiten gefunden sind Energie zu produzieren oder noch länger.

00:34:40: ich meine man geht irgendwie davon aus, dass beide separaten aber gekoppelten Themen sich gleich entwickeln.

00:34:46: Aber was muss da gar nicht so sein?

00:34:47: Genau und Energie ist halt also dauert viel länger aufzubauen.

00:34:51: Das kann nicht Schritt halten weil man Energie eben nicht von heute auf morgen erzeugen kann, sondern es sind alles Großinvestitionsprojekte und alle Länder mit Ausnahme von China würde ich sagen haben ihre Netze und ihre Energieproduktion halt nicht auf Redundanz gebaut.

00:35:06: Also China baut immer so irgendwie ein Viertel mehr als sie brauchen.

00:35:09: deswegen können Sie relativ gut Data Center aufbauen.

00:35:12: die haben Probleme in die Chips zu bekommen aber sagen sie haben immerhin die Energie dort.

00:35:16: Aber in den USA zum Beispiel ist das Grid komplett überlastet, also das Stromnetz.

00:35:21: In Frankfurt habe ich gerade gelesen gibt es eigentlich – du kannst kein Data Center mehr um Frankfurt rumbauen weil einfach die Energie nicht da ist.

00:35:26: Es gibt nicht genug Kraftwerke die in Frankfurt oder in der Region genug Strom erzeugen kann dass du da das nächste Data Center bauen könntest.

00:35:35: was dazu geführt hat, dass in den USA zumindest die neuen Data Center jetzt immer mit so einer Insellösung gebaut werden, so Off the Grid Energy Production gibt's.

00:35:44: ja Das klingt so technologisch, aber eigentlich heißt das nur ich haue mir ein paar Gas-Tubieren neben dem Data Center und dann wird Erdgas verheizt um Strom zu generieren.

00:35:55: Also es stehen dann so zwanzig dreißig vierzig Turbinen.

00:35:58: die wurden ursprünglich mal als Notstromarge gehabt oder für Baustellen oder so gebaut Und die befeuern dann die Data Center mit Energie.

00:36:06: Was dazu geführt hat, dass so Aktien wie Siemens Energy oder G-Evanova... ...oder Generac, also die das Bound Caterpillar,... ...dass deren Aktien total gelaufen sind?

00:36:15: Das

00:36:16: kann jetzt auch kommende Bebrückungstechnologie sein ist.

00:36:20: Also klickt es nicht so als wenn man das jetzt jahrelang machen könnte!

00:36:22: Die Turbinsympfels

00:36:22: ausverkauft bis im Jahr twohntausend neun und zweihnt zweitens dreißig glaube ich.

00:36:27: Also weil Siemens baut jetzt nicht ein neues Turbinwerk auf für dich, d. h., auch diese sind eigentlich ausverkofft Weswegen man jetzt so ein bisschen überlegt, in den Weltraum zu gehen mit Solarpanelen zum Beispiel?

00:36:39: Das ist im Moment nicht wirtschaftlich sinnvoll.

00:36:42: Aber in fünf Jahren und unter der Maßgabe dass du auf der Erde vielleicht keine Energie mehr bekommst, könnte es vielleicht dann doch irgendwann sinnvoll werden.

00:36:49: aber ja also Nuklearlösung, Fusionslösungen selbst wenn du dieses Small Modular Reactors in Betracht ziehen würdest.

00:36:56: Das geht alles nicht schnell genug, es dauert alles fünf bei großen Kraftwerken.

00:36:59: Er hat zehn, fünfzehn Jahre haben die letzten gezeigt genau bis sie gebaut sind.

00:37:03: du kannst theoretisch Solare relativ schnell ausbauen mit Batteriespeichern Wind so zwei drei Jahre vielleicht maximal.

00:37:13: das hat China ja in der Vergangenheit massiv gemacht.

00:37:15: deswegen haben Sie jetzt auch ein Energieüberschuss und einen Kapazitätsüberschluss im Grid.

00:37:20: Es könnte noch ein sehr großer Vorteil für China werden.

00:37:22: am Ende Aber kurzfristig kriegen wir es nicht gelöst.

00:37:24: also kurzfristigt Konkurriert KI dann mit anderen Industrie-Lösungen.

00:37:29: Der Strom wird teurer werden und der Markt muss dann entscheiden, wo die nächste Kilowattstunde landet.

00:37:35: Gibt es ja auch schon so Diskussionen mit dem Ordner, der dann sagt irgendwie auf den ganzen Umweltverschmutzung dahinter steckt?

00:37:41: Wenn man das ganze Gas da verheizt und sowas ist ja alles jetzt nicht irgendwie wahnsinnig ökologisch?

00:37:47: Ich

00:37:47: glaube so zitat sinngemäß irgendwie.

00:37:49: also Ja, ist es eigentlich unfair, dass man die KI anders betrachtet als den Menschen in dem was er an sozusagen ökologischem Schaden terlässt.

00:37:58: Also warum sollte die KI etwas anderes sein?

00:38:00: Aus seiner Sicht ist das irgendwie gleich wertvoll so ungefähr.

00:38:05: Er hat es ein bisschen tone deaf formuliert... Was er damit meint.

00:38:10: wenn ich mir anmaßen kann, dass es interpretieren ist glaube ich, dass die KI jetzt zu trainieren also auf den gleichen Stand wie einen Mensch zu bekommen tatsächlich unter der Maßgabe, dass du es aus Text lernen kannst und das ein Test dafür gibt ist KI eigentlich immer besser als der Mensch.

00:38:22: Also wenn du es testen kannst und wenn du's lernen kannst dann kann KI es heute schon besser als dein Mensch.

00:38:27: um dahin zu kommen haben wir halt unheimlich viel Training und Energie gebraucht.

00:38:31: warum der Mensch effizienter ist also warum unser Hören das quasi viel schneller kann ist dass es durch Evolution halt über tausende von Generation wirklich ausgereifter ist.

00:38:41: also wir kommen quasi mit so einem kleinen Modell auf die Welt Robben oder Bios oder wie auch immer man das nennen will.

00:38:49: also ein kleines baby so wenn es knallt macht den kopf automatisch in die richtige ecke.

00:38:53: Weg so reflexes zum beispiel die sind uns schon an trainiert, müssen wir jetzt überlegen ob man das auch in die hardware stecken kann.

00:38:59: bei kis versucht man natürlich.

00:39:01: aber Das ist auch so ein bisschen diese ansatz von diesen world models dass ich überlege wie kriege ich so gewisse sache Sachen hardwired rein wie beim menschen um?

00:39:09: dann Wenn diese Worldmodels gelingen, werden die wahrscheinlich viel effizienter werden.

00:39:12: Und was er quasi meint ist dass es ein bisschen neidisch drauf ist... ...dass der Mensch gerade durch die Evolution hat das Baby wenn's auf die Welt kommt schon soviel mitbekommen.. ..das is dann viel schneller lernt während das LLM-Modell wenn man so möchte immer wieder bei Null anfängt.

00:39:26: Also wir hören jedenfalls raus dieses Energiethema ist ein großes und es ist überhaupt ein känsterweise gelöst.

00:39:30: und es könnte auch am Ende sein Ja, die ganze AI-Bubble an der Stelle irgendwie zu stehen kommt oder zumindest irgendwie verzögert wird.

00:39:40: Genau!

00:39:41: Die positive Hoffnung wäre das sagt zum Beispiel die Weltenergiebehörde dass KI irgendwann mehr Strom spart als es selber verbraucht.

00:39:48: also eins der ersten Projekte von Google DeepMind war z. B., die Kühlung der eigenen Data Center so zu optimieren, dass man vierzig Prozent Wasser oder Energie eingespart hat.

00:39:59: und im Moment sind die Industrien ja meist energieverbrauchen Produktion, Agrarwirtschaft und Transport.

00:40:08: Und wenn du jetzt die Industrie optimierst mit KI also du schaffst zum Beispiel Krankheiten bei bei Agrarprodukten auszumerzen hast weniger.

00:40:17: also im Moment bleibt irgendwie ein Drittel wahrscheinlich auf dem Feld liegen.

00:40:20: Wenn du das reduzieren kannst hast du den CO-Footprint oder Energiefootprint stark reduziert von Agrarpprodukten.

00:40:26: Du kannst in der Produktion durch Einsatz von Daten und KI unheimlich viel Strom sparen.

00:40:31: Du kannst beim Transport Stell dir vor, das Autofahrt optimierte Routen und Flugzeuge können in verschiedenen Höhen fliegen die nicht alle den gleichen Windwiderstand haben.

00:40:39: Das heißt du kannst KI entscheiden lassen ob du auf acht tausend achthundert Meter oder zehntausend einhundert Metern fliegst und dann verbrauchst du fünf zehn Prozent weniger Kerosin.

00:40:48: also man hofft so dass KI irgendwann uns wieder auch Energie zurück gibt weil es alles andere optimiert um mal positiv zu sein.

00:40:54: Okay dann nächster Block haben wir auch gerade schon ein bisschen angesprochen dieses Wettrennen China-USA Länder, die das mit Abstand anführen.

00:41:07: Das ganze Karrieren, kein anderer spielt irgendwie eine große Rolle.

00:41:09: Die Frage ist was macht Europa?

00:41:11: Was macht vielleicht irgendwie Middle East so?

00:41:14: und ich glaube wenn man so in Silicon Valley zuhört dann wird auch ganz die politische Entscheidung und ganz viel einfach mehr oder weniger argumentiert muss jetzt so sein damit wir eine Chance haben mit China mitzuhalten wie als westliche Welt.

00:41:28: Sonst werden wir abgehängt, wenn das nicht passiert, wenn jedes nicht passiert.

00:41:30: also es riecht ein bisschen auch hin so bis ganz konkret natürlich in den Parteipolitik, in den USA.

00:41:36: Dass man sagt okay so mit der Gesetzgebung hier in Kalifornien da sind wir nicht wettbewerbsfähig Wir brauchen halt eine ganz andere Art von Regulierung oder hat D-Regulierung.

00:41:45: und das Argument ist immer hey, wir möchten sich nicht vorstellen was es ist wenn die Welt quasi wenn das führende iLab oder die iLab in China führen wäre.

00:41:53: Genau

00:41:55: also das war schon immer ein bisschen das Argumente What if China does it?

00:41:59: Das hat Facebook schon genutzt, irgendwie um zu erklären warum man Instagram nicht regulieren kann oder Reels nicht regulierend darf weil sonst TikTok gewinnt und so.

00:42:07: Aber hier stimmt das natürlich schon, weil KI natürlich auch eine Kriegstechnologie ist.

00:42:12: also man kann damit natürlich autonome Drohnen Roboter uns weiter bauen und eine Überlegenheit auf dem Schlachtfeld gewinnen und die möchte man natürlich nicht den Chinesen zufallen lassen.

00:42:24: deswegen befindet man sich da in der Art Wettrennwetteristen.

00:42:28: Auch im Moment ist es so, dass China einfach nur sehr schnell nachbaut was die großen Modellbetreiber in USA entwickelt haben.

00:42:34: Aber das kann natürlich jederzeit ein Moment kommen wo man einen technologischen Durchbruch hat wie Worldmodels zum Beispiel wo sie dann quasi sitzen immer an deinem Rückspiegel und auf einmal setzen sie den Blinker und haben die Technologie die sie daran vorbeiführt.

00:42:46: Und Energie?

00:42:47: Genau und die Energie und entwickeln sich dann.

00:42:49: und die Produktionskapazitäten für Robotics.

00:42:52: Roboter werden zu neunzig Prozent in China hergestellt, das ist gar keine Frage.

00:42:56: Also wenn wir Glück haben wird die Software für Roboter irgendwo hier erfunden und hergestellt aber die Produktion von Robottern liegt jetzt schon neunzig Prozent in china.

00:43:05: deswegen bin ich auch höchst skeptisch bei europäischen und selbst US-Robotik Unternehmen.

00:43:09: also wenn man sieht wie sich der Automarkt verschoben hat warum sollte man glauben dass wir ausgerechnet Roboter in Europa herstellen sollten?

00:43:17: Die meisten Teile werden schon jetzt.

00:43:19: China hat ganz viele Vorteile.

00:43:22: Man kann nur technologisch vorne bleiben, wenn man überhaupt dem Einhalt gebieten will und man möchte vor allem sicherstellen dass man diese vermeintliche Superintelligenz eben als Erster entdeckt weil man davon ausgeht ob das stimmt oder nicht, dass dann zu so einer Art exponentiellen Entwicklung kommt.

00:43:37: Glaubst

00:43:37: du in dieses Thema Superintelligenz?

00:43:38: Also gibt es sowas.

00:43:39: ich hatte ja schon verschiedene Podcast hier diskutiert unter anderem mit dem Guido Appenzeller von Anderson Horowitz der da die großen Karriere Entscheidungen bei Anderson Horwitz macht also in den Infrastrukturmodelle zumindest Und der sagt auch, das ist ein Begriff.

00:43:51: Der wird so für alles Mögliche verwendet und keiner weiß ganz genau was eigentlich sein soll schon gar nicht ... Was da konkret passieren soll?

00:43:58: Ja ich find's fast ein bisschen irrelevant weil was?

00:44:01: also ganz egal ob du wirklich sup- Also sup... Ich definiere immer eine Superintelligenz jetzt als ne KI die besser isst als alle Experten und zwar eine KI.

00:44:10: die bessere ist halt all die schlausten Menschen sozusagen in jedem Fachgebiet schlauster als die besten Menschen und alle Menschen zusammen.

00:44:15: So ähm die Frage ist brauchst du diesen diesen Status überhaupt, weil auch jetzt hast du schon KI die viele Berufe deutlich besser machen können.

00:44:24: Also wenn es zum Beispiel im Output von digitalen Dingen geht ist KI schon jetzt besser als die Menschen.

00:44:28: Das heißt massiv ökonomisch wertvolle KI.

00:44:31: wirst du lange vor Superintelligenz haben mit so sparten oder Expertenintelligenzen?

00:44:37: allein das wäre schon ausreichend um unheimliche Wertschöpfung zu schaffen.

00:44:42: Die Frage ist, ob du jetzt eine KI haben möchtest die dann selber forscht.

00:44:45: Selbe neue Technologien erforscht sich selbst weiterentwickelt.

00:44:50: das bürgt schon fast mehr gefahren als Potenziale glaube ich.

00:44:54: aber sofern man glaubt dass jemand anders erreichen könnte also China entklammern musst du natürlich der erste sein der das schafft weil man durch diese Exponentialität vollkommen klar den Scheitelpunkt, wo die exponentielle Entwicklung anfängt zuerst erreicht überholt natürlich jeden anderen.

00:45:13: Das heißt du kannst nur der erste sein wenn ich bist weg quasi vom Fenster.

00:45:18: und deswegen wollen die USA es nicht nur erreichen sondern auch China so schwer wie möglich machen durch die Restriktion von Chip-Exporten nach China zum Beispiel.

00:45:27: also China hat derzeit noch nicht so gute Ships für die USA.

00:45:31: also die jüngste Generation von Nvidia Ships darf dann nicht exportiert werden.

00:45:35: Das führt aber dazu, dass in China ganz viele neue Ship-Startups entstehen.

00:45:38: Also da gibt es gerade so einen Börsenboom wo so Firmen wie Moor Threads und ich glaube Meta heißt ein anderes auch.

00:45:45: Es gibt vier, fünf verschiedene die gerade an die Börse gegangen sind, die alle neue KI Ships bauen.

00:45:51: das heisst auch da wird China mehr und mehr aufhören wahrscheinlich.

00:45:54: Gibt's eigentlich irgendeine Chance, dass Deutschland also Modell produziert, dass man mithalten kann?

00:45:58: Ich meine witzigerweise es gibt jetzt ja den Nick Turley, den Peter Steinberger Jetzt top Leute bei Open AI, es gibt verschiedene andere bei den Firmen.

00:46:06: Also die sprechen zumindest mal Deutsch, kommen aus Deutschland aber irgendwie kommt hier kein Modell her.

00:46:10: also das ist wahrscheinlich auch ausschließlich los oder?

00:46:12: Ja

00:46:12: ich gehe davon aus dass wenn du zu deep mind oder nach Paris gehst oder in Silicon Valley ist bestimmt zehn Prozent der Belegschaft die an KI arbeiten irgendwie deutsch oder zumindest europäische Sprache sprechen.

00:46:22: Das heißt das humanen Kapital haben wir eigentlich.

00:46:25: Was wir sicherlich schaffen könnten, ist das gleiche was die Chinesen machen.

00:46:28: Also dass wir ein schnelles Kopieren oder als Open Source Bereitstellen schaffen basierend auf den Fortschritten die man in USA macht also fast follower approach oder wo man sehr kostengünstig ähnliche Lösungen baut.

00:46:42: Dass wir im Rennen um das Top-Top Modell sagen mitstinken können ist glaube ich relativ unwahrscheinlich.

00:46:48: Man könnte jetzt wieder sagen wenn In Europa, also Jan Lecaun, der ehemalige Meter, der selber AMI Labs gegründet hatte um Worldmodels zu erforschen.

00:46:58: Der wird sagen unter anderem in Paris arbeiten.

00:47:00: Der könnte jetzt das erste Worldmodel was funktioniert er finden und dann könntest du sagen damit kannst du alle LLMs eventuell ablösen.

00:47:08: Dann würde der ja gewinnen wenn du so möchtest.

00:47:11: aber natürlich wäre auch das so schnell kopierbar mit dem Geld was die US-Unternehmen haben.

00:47:14: Also Google DeepMind würde natürlich den Forschungsansatz schnell verfolgen Die gleiche Richtung laufen und könnt ihn wahrscheinlich einholen und überholen oder einfach amelaps aufkaufen.

00:47:24: Amelapse bin ich auch investiert aber zum beispiel nicht weil ich daran glaube dass der die nächste Billion firm abbauen wird sondern weil ich mir relativ sicher bin das in zwei jahren aufgekauft wird von einem der großen sollte er einen durchbruch haben.

00:47:35: Das heißt, ich halte es leider relativ unwahrscheinlich dass das in europa gelingt.

00:47:39: also

00:47:39: fachliche lm so für die Für BtoB, für Maschinenbau.

00:47:45: Dass es da so Spezial-LLMs gibt die dann von deutschen Filmen gemacht werden?

00:47:49: Habe ich früher mal gedacht dass ich war früher ein großer Fan davon zu glauben das spezialisierte LLMs besser funktionieren und dass das noch eine Chance wäre also mit Industriedaten oder sowas wenn wir eigene Daten haben die jemand anders nicht hat Da kann man sicherlich noch was machen.

00:48:02: aber ansonsten zeigt sich inzwischen dass die breiten LLM's also die riesigen großen Breitenlm Besser sind als Experten in vielen Bereichen.

00:48:13: Wahrscheinlich wird es in Zukunft so sein, dass das normale GDPT besser als die hochspezialisierten Medizinmodelle ist.

00:48:19: Das klingt ein bisschen paradox, aber es liegt daran wie die Modelle gebaut sind.

00:48:24: Tatsächlich durch die Architektur der Parameter, die großen Modellen nicht so viel schlechter sind als die Spezialisierenden.

00:48:29: Kann sich noch mal ändern auch?

00:48:30: Muss man sehen, wie das landet, ist nicht soweit voneinander entfernt.

00:48:34: Verfolgst du eigentlich inwieweit die KI aktuell schon in irgendwelchen Kriegen im Iran oder in Ukraine so eingesetzt wird?

00:48:40: Also man geht davon aus, dass in dem, wie soll man sagen, einem Kommando in Venezuela wo man Maduro entfernt hat.

00:48:48: Dass das mit einer Software die Maven heißt von Palantir, wohinter dann aber Klood steckt von Intropic, dass das so geplant wurde und auch die Bombardierung von Hunderten von Zielen.

00:48:59: im Iran soll auf jeden Fall KI-Aufklärung und Entscheidungsfindungen getroffen worden sein.

00:49:05: Was einer der Gründe ist, glaube ich, warum Entropics sich gerade versucht hat so ein bisschen aus der Verantwortung zu ziehen und sagt das 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 mit also einerseits scheint das sozusagen die Firmethik von Entropic zu verletzen aber das wäre natürlich auch im PRGAU vermeintlich zum Beispiel eine Mädchenschule bombardiert wurde, wenn das so stimmt.

00:49:32: Dann möchte natürlich kein Unternehmen dafür allein verantwortlich sein und deswegen möchte man dass das Pentagon die Verantwortung übernimmt und es sowieso dann nur mit gewissen Restriktionen einsetzt warum es da jetzt zu einem Streit gekommen ist.

00:49:44: aber wenn man überlegt was in so einem Führungshauptquartier oder wie man das nennt Kommando der Streitkräfte der USA, was da passiert?

00:49:53: Wenn ihr hauptsächlich Daten im Real-Time ausgewertet Welches Flugzeug fliegt gerade wo, wer muss, wie wir wohl betankt werden.

00:50:00: Wer braucht welchen Nachschub grade?

00:50:02: Welche Truppe macht grad welchen Einsatz?

00:50:04: Das ist ja so Real-Time Datenverarbeitung und das kann KI natürlich viel schneller.

00:50:08: also die können da wohl normalerweise so Frühjahr zehntausend Funker sich zusammengeschaltet hätten erst mal ein bisschen losgesagt.

00:50:15: Kann KI das halt in real time auswerten und Entscheidung treffen und damit einerseits Leben schützen aber natürlich auch noch gezielter und noch tödlicher Zuschlagen.

00:50:24: Also es eigentlich sozusagen einer der in Anfügen.

00:50:27: im Besten nicht moralisch gesehen, aber vom wie passt die Technologie auf einen Anwendungsfall?

00:50:33: Dann sind Entscheidungen auf dem Schlachtfeld total predestiniert dafür.

00:50:37: Weil du bist ja überflutet mit Informationen!

00:50:39: Du hast eventuell ganz verschiedene Truppenverbände aus Luft, See und Boden irgendwie Geheimdienste, die du alle gleichzeitig koordinieren musst.

00:50:50: Es kann KI viel besser als Menschen.

00:50:52: natürlich

00:50:53: Gibt's denn noch in der Business-Welt?

00:50:55: Use Cases, wo du sagst ah da hab ich es mal gesehen.

00:50:58: Man hört jetzt also ganz viele Menschen diese Abos haben für jetzt zum Beispiel von Open Air oder Entropic und im B to B Kontext damit ihr jetzt natürlich Code schreibt als Software schreiben okay das ist mir klar.

00:51:12: aber wo gibt´s denn noch so Anwendungsfälle über die man gesteupert wird?

00:51:15: Ach ok klasse!

00:51:16: Das macht ja Sinn und da wird ja was effizienter und da sind's halt sozusagen... beschreiben wir ein paar Businessmodeller die du gesehen hast.

00:51:22: Ja, also die besten Beispiele sind immer tatsächlich Generierung von Code und dann Customer Service.

00:51:28: Also die einfachen Kundenanfragen.

00:51:34: Was man sich glaube ich nicht bewusst ist dass wenn man sich jetzt die Hotline von einem, keine Ahnung wo davon eins und eins oder Otto vorstellt das da ganz viele Kunden einfach nur fragen Ich habe mein Lock in vergessen oder ich will eine Retour schicken Oder ich hab das nicht bestellt oder so.

00:51:47: Das kann man sehr gut automatisiert abfangen.

00:51:49: Die unteren neunzig Prozent oder die einfache Neunzig prozent Von customer service anfragen kann man eigentlich gut.

00:51:55: Mit bots lösen die sind aus dem netter sprechen besseres deutsch sind immer geduldig können sich auf den Kunden einstellen.

00:52:00: soll es funktioniert eigentlich sehr gut.

00:52:02: nicht hundert prozent aber so die einfachen neunzig Prozent kann man da sehr gut sein.

00:52:05: gibt's ein paar farmerbeispiele.

00:52:06: in der farmerforschung hör ich mal wieder so ich war ja selber jetzt kurz mit zertl bei microsoft also da Wurden auch natürlich uns da als zwei Mannreisegruppe der Kollege Rinker und ich.

00:52:19: Da wurden wir umgeführt, da wurde uns auch gezeigt naja guck mal hier im Pharma Bereich gibt's das war sofort greifbar.

00:52:24: in der Forschung kannst du ganz viel dann genau dass das Customer Service Thema also Palowa & Co.

00:52:30: Dann hat Code natürlich schreiben Wenn

00:52:33: du Pharma sagst man kann nicht alles was so Wissenschaft ist weil Wissenschaft funktioniert ja moment sehr viel wie nach der Nadel im Heuhaufen suchen.

00:52:40: Also man macht Zehntausendexperimente und hofft, dass jetzt irgendwo da das neue Antibiotikum oder der neue Krebsimpfstoff rauskommt.

00:52:45: Und das kann man mit KI natürlich super abkürzen indem man so Teile simuliert oder so ein educated Gassing macht also besseres Raten kann man es zumindest effizienter und schneller machen.

00:52:56: gibt's gerade viele Beispiele von Materialforschung über Impfstoffe über Krebsforschungen Neue Batterien kann man so verbauen auch Energielösung.

00:53:06: Das ist die kältlichen Newcase.

00:53:08: Frau Kürmann habe ich auch da in Michael mit den Initiativen gehört, also so Einkauf von großen Supermarkketten oder sowas, was sie denn dafür einkaufen.

00:53:13: Die genau wissen okay brauchen jetzt hier die großen Kohleflaschen weil das Super Bowl ungefähr aber es ist irgendwie warm draußen, jetzt braucht mal irgendwie mehr Eis oder so?

00:53:20: Ist ja auch ein realtime Optimierungsproblem eigentlich, ne?

00:53:23: Also das genaues was du sagst dass man weiß... irgendwie Länderspiel steht an, mal Bier aufstocken oder es wird warmen draußen Eis kaufen und so weiter genau.

00:53:34: Das geht Procurement HR sowohl administrativer HR als auch Recruiting gibt's viele Use Cases die entstehen.

00:53:42: also wie kann ich eigentlich Kandidaten finden und Ansprechen automatisiert?

00:53:47: Aber auch ein bisschen Markaber vielleicht.

00:53:49: aber es gab eine Firma die einfach viel Leute zu entlassen hat und die hat so eine Art Severin Spot gebaut.

00:53:56: Also stelle ich hervor, normalerweise hast du ja so ein Schlüssel von eins zu einhundert oder eins zu zweihundert.

00:54:00: Wie viel HR-Mitarbeiter hast du für jeden Mitarbeiter?

00:54:03: Wo man sich krank melden kann und so weiter... Und wenn jetzt ganz viele Leute entlassen werden, also sagen wir mal, dass zwanzig Prozent der Leute gehen, dann ist ja komplette Überforderung fürs HR Team, wenn man so möchte.

00:54:12: Aber die einfachen Fragen, wie wird die Abfindungen berechnet oder welche Weiterbildungsangebote stehen mir dazu?

00:54:20: Man kann natürlich sagen das ist irgendwie unmenschlich entbehrt einer gewissen Wärme, das so zu machen.

00:54:27: Aber es ist zum Beispiel super für KI wie man sie einsetzen kann in der administrativen HR.

00:54:38: Und wenn du jetzt auf die ganze Risikothemen guckst vor ein paar Jahren hat mir noch diskutiert dass jetzt KI kommt und Sozusagen den Krieg gegen die Menschen anfängt.

00:54:46: Das ist glaube ich erst mal nicht kurz vor sich absehbar, dass da irgendwie jetzt Roboterarmee loslaufen und solche ganzen Sachen oder das... Was man auch mehr hört ist dann irgendwelche Anweisungen oder Herstellungsanweisung für biologische oder chemische oder solche Bomben von KI gemacht werden Hört man jetzt auch schon über Jahre, bislang nie was von gehört.

00:55:08: Ich mag auch wie ... an mir liegen aber Gott sei Dank gerne natürlich!

00:55:14: Wo siehst du so Risikofälle?

00:55:15: vielleicht zum Schluss noch mal?

00:55:16: Ja also ich glaub die zwei unmittelbarsten Risiken sind einmal das was Du gesagt hast Also dass Menschen einfach KI nutzen um maximalen Schaden anzurichten.

00:55:23: Das würde natürlich versucht abzufangen.

00:55:24: 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?

00:55:35: Es gibt Leuten, die das damit regelmäßig gelingt, Anschläge zu planen.

00:55:39: Also zumindest so Überfälle mit Waffen.

00:55:41: gab es gerade eine aktuelle Auswertung wo Modelle jemandem quasi geholfen haben sich an jemandem zu rechnen in dem man eventuell auch sagen bewaffnete Anschläger macht.

00:55:51: Das ist problematisch.

00:55:52: Aber

00:55:52: das hätte ich natürlich vorher auch schon gegeben als ich meine...

00:55:56: Genau, aber das war für

00:55:56: den Anschlägen auf der Sonne?

00:55:57: Du kannst doch auf Google gewisse Sachen natürlich.

00:55:59: Google hat auf Reddit oder Fortune sowas rausfinden.

00:56:04: Letztlich ist jeder Ein Hacker, also der nächste Feind irgendwie der Cyber Security Behörde oder das BSI in Deutschland ist vielleicht nicht Nordkorea oder Russland sondern Zehntausend Kids mit so viel Zeit die einfach einen KI-Bot versuchen eine Schwachstelle finden zu lassen an irgendeiner Webseite.

00:56:24: Das könnte sein und ansonsten ist ein großes Risiko was ich sehe per Swayce of AI Also dass die KI lernt Menschen zu überreden, etwas zu tun oder ihre Auffassung zu ändern und zu überdenken.

00:56:40: Man kann Menschen einfach unheimlich gut mithilfe von KI manipulieren.

00:56:43: Einfach weil je mehr die KI dich kennt, desto einfacher ist es sogar noch für sie.

00:56:48: Du selber verstehst nicht wie die KI funktioniert.

00:56:52: Du traust dir immer mehr zu.

00:56:53: du glaubst sie ist objektiv, weil sie KI ist denkst du sie kann nicht gegen dich sein sondern sie ist Objektiv.

00:56:57: Leute geben der quasi so die positivsten Attribute, sie ist immer neutral und so.

00:57:03: Gerade das macht sie so erfolgreich darin dich zu manipulieren.

00:57:06: wenn jemand das einsetzen möchte kann er von irgendwie vielleicht nicht einreden anderen Fußballvereinen zu lieben aber deine politischen Dinge überdenken oder wirtschaftlich andere Entscheidungen zu treffen.

00:57:17: eine anderes Auto zu fahren könnte KI eigentlich ganz gut

00:57:20: Und dann ist natürlich sehr viel Macht bei dem der DKI sozusagen.

00:57:23: Genau, also deswegen wollen wir definitiv keinen Monopol oder vielleicht auch kein Oligopul, wenn die Oligo-Pulisten und Oligarchen in die gleiche Richtung tendieren wie gerade in den USA, ist das wahrscheinlich eher ungünstig.

00:57:38: Deswegen brauchen wir zum Beispiel was uns ja fehlt, so eine Art Bypackzettel zu den Modellen.

00:57:42: Also das ist ja unter anderem etwas in Kalifornien beschlossen werden sollte, dass man weiß welche Trainingsdaten da drin stecken Weil nur dann kannst du einigermaßen einschätzen, was das Modell eigentlich macht.

00:57:54: und worauf ist die Entscheidung, die es dir basiert oder die Vorschläge.

00:57:58: Das wissen wir mal.

00:57:59: Also du weißt ja nicht, ob du ChatGPT oder Gemini nutzt aber du weisst ja nicht auf was sie trainiert worden sind.

00:58:05: Bei GPT-Dreibung Fünf wussten wir es noch ungefähr.

00:58:08: Habe ich mal damals diese Folie gezeigt wo man so sieht da ist ein bisschen Wikipedia drin und paar Bücher und ein bisschen Reddit und so einen Common Crawl Corpus.

00:58:16: Aber heute wissen wir nicht mehr welche Daten da drin sind.

00:58:18: Also ob Elon Musk jetzt vielleicht einige Daten, aber die New York Times rausgestrichen hat vorher weil sie eben zu links ist oder so.

00:58:25: Wissen wir alles nicht.

00:58:26: und jetzt die Frage kann Durchsitzanwender das verstehen?

00:58:30: Weiß ich nicht!

00:58:30: Aber ich hätte trotzdem gerne einen By-Pack-Zettel zu einem Modell wo es ein bisschen drin steht was ich zu erwarten habe oder sagen ob's irgendein Bayes hat, ob es irgendeine Schlagseite hat worauf es optimiert wurde usw..

00:58:44: Als allerletztes vielleicht immer, weil das ein bisschen was Neues.

00:58:47: Das große Buzzer ist Agentic.

00:58:48: also haben wir jetzt ja auch schon hier hoffentlich irgendwie einen gewoben in dieses Gespräch.

00:58:54: Agenten tut sich da etwas Neues?

00:58:57: Was ist Open Claw?

00:58:59: Also ich meine dass der vielleicht das Agententhema was jetzt richtig durchgezündet hat wo das ganze Kevelli wochenlang drüber sprach oder noch drüber spricht Peter Steinberger dahinter der österreichische Unternehmer der jetzt zu Open AI gehört und freundlicherweise zu uns kommt.

00:59:16: Was da los?

00:59:17: Ja, ich würde sagen das OpenClaw kann man am besten als eine Zäsur beschreiben die quasi dieses Adoption-Gab so ein bisschen geschlossen hat.

00:59:25: also alles was es kann war vorher auch schon möglich aber OpenClaws einfach geschafft quasi das so zu orchestrieren und zu bauen.

00:59:33: dass ist Leute mit Softwareentwicklung Erfahrungen haben aber selbst welche ohne das Nutzen konnte.

00:59:39: sie konnten die Möglichkeit in der Technologie erstmals einsetzen um KI-autonomen TAS machen zu lassen, irgendwie den E-Mail-Eingang aufzuräumen oder irgendwelche Routinen auf dem Rechner zu performen.

00:59:50: Also es war auch der Übergang von.

00:59:53: ich kriege nur noch einen Text Output zu.

00:59:55: Ich lass was auf meinen Rechners für mich machen.

00:59:57: also ich habe so eine Art Assistenten oder Co-Piloten wie gesagt.

01:00:00: das wäre vorher alles möglich gewesen.

01:00:02: aber Peter Steinberg hat es als irgendwie geschafft quasi so zusammenzubauen dass es für Durchschnittsmenschen nutzbar wurde oder weiß nicht ob durchschnittes also technisch interessierte Menschen nutzbar wurde.

01:00:12: Ich habe es tatsächlich selber nicht genutzt.

01:00:15: Also ich würde es wendern im Labor machen, also nicht mit meinem echten Rechner.

01:00:19: Ich glaube auch dass ist wenn man nicht selber technisch versiert ist relativ riskant ist das zu machen wobei es ja jetzt so eine sichere Umgebung kommt.

01:00:28: entweder baut zum Beispiel selbst weitere Iterationen davon und so weiter um das sicherer zu machen und ich nehme an dass in der Abput von Open AI's noch sicher wird aber das jetzt nicht typischerweise Newcase den ich machen lassen würde.

01:00:43: Aber ich glaube, es zeigt wie schnell das auch kippen kann dass manchmal sind wir halt nur ein Interface davon entfernt, dass zwanzig Prozent der Bevölkerung sowas nutzen.

01:00:53: ganz so viel waren sie jetzt da nicht.

01:00:55: am Ende ist es glaube ich immer noch null Komma.

01:00:56: drei Prozent der Menschen die jemals was mit KI gebaut haben zeigt auf wieviel Platz quasi nach oben noch ist.

01:01:03: 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 Sinne ergeben für in Anfangsstrich normale Menschen.

01:01:14: Aber ich glaube, wäre ja sowas eigentlich.

01:01:16: Ja genau!

01:01:17: Das beste Beispiel was wir in der jüngeren Vergangenheit

01:01:20: gesehen haben.

01:01:20: Wenn du das so umausgereift ist so ein Frühstadium wenn du es dann auf deinen Errechner installierst und dann sagst jetzt schick mal meine Geburtstagseinladung raus Dann könntest du auch sagen, dass dein Postfach löscht oder dass das keine Ahnung irgendwie Leute einlädt die du nicht einladen möchtest.

01:01:33: oder

01:01:34: Fähreweise kann man wirklich dumm Praktikanten einstellen können bis auch alles passieren.

01:01:38: also es ist immer noch schlauer als der durchschnittliche Mensch glaub' ich dabei.

01:01:42: aber es können natürlich Fehler Passieren.

01:01:45: Aber wir sind ja auch noch super früh, also die Technologie ist irgendwie drei Jahre alt.

01:01:49: Und gibt

01:01:49: es noch immer so... jetzt noch later-later?

01:01:52: Also dran ist da neun großen Hype und Buzzwords, sie wird ausgelassen als Openclaw.

01:01:58: Es gab Moldbook, gab's noch, hat Facebook benannt.

01:02:00: Das war eine solche Network für Agenten habe ich gelesen.

01:02:03: Ja, ich

01:02:03: glaube das war eher ein PR-Hype.

01:02:04: Also ganz oft haben die Agenten, man dachte da unterhalten sich Kais miteinander.

01:02:09: Ganz oft haben aber sozusagen Programmierer oder Ohne der KI gesagt, sag mal das oder benimm dich mal so.

01:02:14: und dann hat man sich gewundert wenn sie es so genommen haben.

01:02:17: Das macht immer gute PR-Stories oder Presse-Storys, wenn sich die Roboter angeblich untereinander unterhalten aber ist jetzt für die weitere Entwicklung von KI nicht so spannend.

01:02:28: Ich glaube das Spannste sind diese längeren Zeithorizonte gerade also dass du KI stundenlange bald tagelange Projekte geben Dauernde Routinen machen ganz sowas wie Presse Clipping oder so.

01:02:41: Du kannst sagen, schick mir jeden Morgen alles was du über meine Firma oder meinen Namen im Internet findest, schickt mich jetzt nach Hause.

01:02:48: Früher ist das Google Alert kann man sagen, gab es auch.

01:02:50: aber du kannst natürlich viel so festizierter jetzt bauen, kannst irgendwie Medien ausschließen, Medien reinnehmen, kannst Social Media einschließen.

01:02:58: YouTube pass weiß ich Solche Taske kannst du halt schon, ich meine früh haben Leute Geld dafür bezahlt um Presse Clipping zu bekommen.

01:03:04: Aus heutiger Sicht Wahnsinn dass da Leute ein Retainer bei einer PR-Agentur zahlen um zu wissen wo ihre Firma in der Presse erwähnt wurde und sagen was das Sentiment war kann sehr... Also das sozusagen bekommen automatisierten Dashboard drauf bauen?

01:03:17: hat sich die Meinung gegenüber deiner Firma gerade basierend auf den letzten fünf tausend Reviews verbessert?

01:03:22: verschlechtert Das zum Beispiel ein AI Use Case den so jeder selber bauen kann?

01:03:27: heutzutage?

01:03:28: Wo liest du eigentlich alles so nach?

01:03:30: Also ich meine, du bist ja selber kein Entwickler.

01:03:32: Bist technisch interessiert und schon noch lange im Internet Game drin.

01:03:36: aber was liest Du so?

01:03:37: Sag mal so drei vier Topquellen für dein ganzes Wissen.

01:03:40: Ich lese hunderte von Newsletter Newsletter wahrscheinlich paar KI spezifische paar Breite Tech newsletter auch die großen Wirtschaftszeitschriften irgendwie Barren's Financial Times What's the Journal Reuters Bloomberg dann natürlich immer mit Fokus auf gewisse Themen.

01:04:00: Also ich abonniere da die Leute, die immer darüber schreiben oder gewisse themen wenn man die abonnieren kann.

01:04:04: Auf X?

01:04:06: Nee tatsächlich hauptsächlich in meiner inbox.

01:04:09: also ich glaube wir haben vor zwei drei jahren oder so mal drüber gesprochen dass ich glaube ein bisschen das Newslet würde ich heute auch nicht mehr unterschreiben.

01:04:15: aber damals war Newsletter der am meisten ungefilterter Kanal noch.

01:04:18: Da kommt kein Algorithmus davor der das sortiert und da gibt es wenig Gatekeeper die das irgendwie komplett von mir fernhalten können.

01:04:25: also ich krieg's chronologisch entscheiden, was ich lese.

01:04:29: Ich kann Leuten folgen.

01:04:31: Substack ist grad der nächste beste Konkurrenz.

01:04:33: Ich teste grade so parallel Substacks.

01:04:36: Das könnte das bessere X für schlaue Leute werden wenn man so möchte.

01:04:39: Also wenn man alle negativen Aspekte von X nicht haben möchte aber trotzdem die Äußerung der Schlausten-Leute...

01:04:45: Also ihr müsst ja den Nischler schreiben.

01:04:46: Aber Substacked geht

01:04:47: gerade so ein bisschen vom Newsletter weg zu Content Pieces.

01:04:49: also kannst du zwischen einem Tweet, wenn man es so möchte einen kleinen Post zu irgendwie live Podcast über längere Artikel alles lesen, das hilft.

01:05:02: Ansonsten lese ich oder lass mir Studien zusammenfassen die es zum Thema KI gibt höhere Podcast wobei das zunehmend schwer wird einfach so aus Zeitmangel.

01:05:12: also man kann ja nur in so und so viel Podcast hören ab und an YouTube wenn ich Zeit habe aber ich würde sagen dann das meiste Wissen distillier ich würd' ich sagen aus wirklich hundert von Newslettern

01:05:27: Zwei, drei immer liest.

01:05:29: Das sind eigentlich immer gute, muss ich immer gelesen haben?

01:05:33: Es ist gar nichts... das Interessante ist was Newsletter noch vier zu schlecht machen is Branding.

01:05:39: also ich müsste jetzt nachgucken wie die heißen.

01:05:41: es gibt einen guten der heißt AI Supremacy zum Beispiel.

01:05:47: Ist das Sie mir sag'?

01:05:48: ich weiß gar nicht.

01:05:49: Ich müsste wirklich gucken Wir

01:05:51: können ja ein paar in den Schoen auspacken.

01:05:52: Ich schick drei, vier rum die ich nicht schoens packe Ansonsten mal doppelgängige Newsletter lesen.

01:05:56: alles Was ich schlaues lese, packe ich da natürlich.

01:05:58: Aber nicht alles, oder?

01:05:59: Nur auch nur Wursteile, ne?

01:06:02: Nee, sagen... Ich fungier so ein bisschen als Filter, ne!

01:06:03: Du hast ja vollkommen recht.

01:06:04: Ich bin selber kein Techie irgendwie.

01:06:06: Ich hab seit Ladenzeilzeiten, Zwei-Tausendzehn oder sowas.

01:06:10: Da haben wir schon Machine Learning eingesetzt und sag' ich verstehe die Relevanz des Themas glaube ich schon immer.

01:06:15: Aber am Ende filtere ich es ja quasi für Leute damit sie nicht alles lesen.

01:06:18: Also mein Job ist so.. Ich habe das Internet gelesen, damit du's nicht lesen musst.

01:06:20: So ein bisschen, damit wie jetzt hier das Gespräch haben können.

01:06:23: Oder die Hörer so ein bissel ab to date sind.

01:06:27: Genau deswegen geht natürlich nicht alles in den Newsletter.

01:06:31: Könnte mal überlegen ob es so ein Produkt gibt, aber ich glaube da geht's abstag eigentlich hin dass wenn du mir dort folgst siehst du nach und nach auch was ich lese und baust einen Wissensnetzwerk oder so eine so ne Circle.

01:06:46: Wir wollten mit Doppelgänger veröffentlichen, was ich alles lese.

01:06:49: Ich habe nach der Hälfte aufgegeben oder so, weil es schon bei fünfzig-sechzig

01:06:53: in Städten war.

01:06:53: Ich hab mir gemerkt, ich werde jetzt die nächsten Tage mal einen Substackprofil anlegen.

01:06:58: Mach das mal!

01:06:59: Es funktioniert nicht mehr so wie... Also ich hatte ehrlich gesagt, ich habe durch unsere gemeinsamen Freund Franklin Spielberger schöne Grüße.

01:07:03: Der meinte so probier das mal, dass ist besser als X inzwischen.

01:07:05: und ich sage Substacked Newstader mache ich schon ganz viel, aber ich mach's über Outlook.

01:07:08: also ich lese die im... Mehlprogramm, aber die App gibt dir Push Notifications zu Leuten und findet auch Content der zu dir passen könnte dem noch nicht folgst.

01:07:19: Ich würde sagen das bessere X.

01:07:22: Aber es ist ja auch unpaid in Teilen?

01:07:24: Genau, es gibt unpaid, paid, aber natürlich wollen alle auch Aufmerksamkeit haben.

01:07:27: Das heißt zumindest die guten Promo Pieces machen die meisten Leute natürlich auch kostenlos, die längeren Analysen muss man nochmal nicht mal zahlen Wer auf dem Laufenden bleiben will, gerade bei KI.

01:07:38: Ich glaube Substack ist der beste Tipp im Zweifel.

01:07:40: und da findet man dann also... ...zwei Drittel in Newsletter die ich lese, die jetzt nicht bei großen Corporate Publishing oder Zeitschriften sind oder so.

01:07:50: Die wirst du da wahrscheinlich finden relativ schnell.

01:07:52: Und wenn ich volksumiere, dann findet man es glaube ich mehr oder weniger automatisch weil der Algorithmus einem dann aussucht Pipp!

01:08:00: Wir sind ein bisschen in meiner Stunde kompakter Teezer sozusagen für eine Stunde, drei, vier Stunden Charge Show am fünften oder sechsten Mal.

01:08:10: Ich weiß gar nicht schon klar wann du auftreten wirst?

01:08:14: Am ersten Tag glaube ich.

01:08:15: Am fünfen Mai

01:08:16: um zwölf irgendwie gegen Mittag kurz vorm Essen direkt im Anschluss oder ein bisschen überlappen mit Peter Steinberger glaube ich sogar.

01:08:22: also man muss dann von der großen Bühne ganz schnell rüber laufen.

01:08:25: Okay okay okay.

01:08:26: Also gut dann gibts da nochmal den Bekannten von Pip Bekannten genau PowerPoint.

01:08:33: So

01:08:33: ein bisschen was von dem, was wir besprochen haben und nochmal ganz viele Slides und auch neue Themen.

01:08:37: Vielen Dank!

01:08:38: Sehr gern.

01:08:39: Alles klar bis spätestens dann vor Ort oder irgendwann im Sommer würde ich sagen mal wieder hier in Podcasts.

01:08:44: Gern

01:08:45: alles klar.

01:08:46: Ciao ciao.

01:08:47: Dieser Podcast wird produziert von Portstars bei OMR.