Kann man KI noch kontrollieren? Mit Rasmus Rothe

00:00:05: Hallo und herzlich willkommen zu einer weiteren Ausgabe der CEO-Edition von Table Today.

00:00:10: Ich bin Alex Hofmann, heute bei mir im Podcaststudio ist meine Kollegin Nina Klotz.

00:00:15: Die Weltraumwirtschaft ist eines der großen Versprechen dieser Jahre – das Potenziales riesig glauben viele, allerdings ist auch alles erst noch im Entstehen.

00:00:24: Das Positive schon mal vorweg?

00:00:26: Deutschland steht mit Blick auf die ersten Schritte ins All zumindest europaweit ziemlich guter!

00:00:30: Vor unserer Sommerserie zu den Zukunftstechnologien haben wir mit Hendrik Brandes, Mitgründer des Wagniskapitalgebers, Early Bird gesprochen.

00:00:39: Wo sieht er die interessanten Geschäftsmodelle?

00:00:41: Wir schauen gleich darauf wo es klemmt und wo auch für Zulieferer echte Chancen entstehen.

00:00:46: Und danach geht es dann um DIE Technologie über die ohnehin alles sprechen –

00:00:50: KE!

00:00:51: Wir

00:00:51: hören von angeblich zu mächtigen und damit potenziell gefährlichen Modellen von Anthropic & Open AI, aber auch von chinesischen Modellen die mit den amerikanischen Vorreitern mithalten können.

00:01:01: So heißt es zumindest!

00:01:03: Und wir fragen uns ist dieses Gerede um die zumächtigen KIs am Ende vielleicht Marketing oder ein Ablenkungsmanöver?

00:01:10: Natürlich auch was bedeutet das Rennen von USA und China dann für Europa?

00:01:14: Ende Juli ist hier das deutsche Gesetz zur Durchführung der europäischen KI-Verordnung in Kraft getreten.

00:01:19: Damit steht der Rechtsrahmen, aber die Frage ist eben ob daraus auch ein Standortvorteil wird?

00:01:24: Dazu haben wir mit Rasmus Rote dem Vorstandsvorsitzenden des KI Bundesverbandes gesprochen.

00:01:29: Das ist unser Programm für diesen Samstag den achten August.

00:01:32: Schön dass Sie mit dabei sind!

00:01:38: Alex du hast für unsere Sommerserie zu den Zukunftstechnologien mit Hendrik Branden das Gesprachen dem Mitgründer des Wagniskapitalgebers Earlibird.

00:01:46: Der ist auch promovierter Luft- und Raumvertechniker.

00:01:49: Wo sieht der denn die aktuell wichtigste Baustelle für die Space Wirtschaft?

00:01:54: Das hat er sogar ziemlich deutlich gesagt, Zitat wer keinen Launcher hat spielt da oben nicht mit!

00:02:00: Am Transport hängt eben alles weitere – die Satellitenkonstellationen, die Anwendung, ganze Geschäftsmodelle.

00:02:06: Lieber das seit dem Jahr zwei Tausend neunzehnt an ESA Aerospace beteiligt, brennendes Argument gilt aber für den gesamten Markt.

00:02:14: Aber gibt es da nicht irgendwelche Mitfluggelegenheiten?

00:02:17: Ja, weniger als die Rekordzahlen so nahe legen.

00:02:20: Also für zwanzig-fünfeinzig wurden weltweit rund dreihundertzwanzig orbitale Stadtversuche gezählt.

00:02:25: Das klingt erstmal ziemlich viel aber allein hundertsechzig davon empfehlen auf Falcon neun Raketen von SpaceX und hundertdreiundzwanzigt dieser Flüge transportierten einfach nur Starlings-Satelliten also die aus dem eigenen Konzern.

00:02:40: Der frei verfügbare Markt ist damit dann deutlich kleiner und für die nächsten drei bis vier Jahre ist in der westlichen Welt im Prinzip fast alles ausgebucht.

00:02:49: Aber es ist ja nicht nur die Wirtschaft, die ins All will.

00:02:52: Ja ganz genau!

00:02:53: Die verbleibenden Plätze konkurrieren nämlich auch noch Staaten.

00:02:56: Das Verteidigungsministerium zum Beispiel wird bis zu zwanzig dreißig insgesamt thirty-fünf Milliarden Euro aus dem Verteiderungsaushalt für Raumfahrt und Weltraumsicherheit bereitstellen.

00:03:06: Wir haben mehrere Leute aus der Space Szene geschildert das staatliche Akteure weltweit gerade sehr viele Startplätze einfach mehr oder weniger blind aufkaufen.

00:03:14: Verteiligung im Weltall ist ein sehr großes Thema geworden.

00:03:18: Jetzt haben wir die ganze Zeit über diese Raketenfirmen gesprochen.

00:03:21: Gibt es dann auch Chancen für Unternehmen, die selbst keine Raketen bauen aber dennoch im All Business machen?

00:03:27: Ja, die gibt es vor allem in zwei Feldern.

00:03:30: das erste ist die Energieversorgung im Orbit.

00:03:32: Also Orbit taugliche Solarzellen zum Beispiel sind echte Spezialprodukte weil diese Lithiummodule die wir hier auf der Erde Hier benutzen die Halten im Weltall einfach den Bedingungen dort nicht stand.

00:03:42: Und Brandes sagt, der erste, der das so richtig hinbekommt und patentiert ist Zulieferer in einem sehr großen Markt.

00:03:49: Das zweite Feld ist die Zulieferinustrie für Satelliten zum Beispiel.

00:03:53: Satellit ist deutlich weniger komplex als eine Rakete.

00:03:58: Antriebe-Kommunikationsmodule, Solarpaneele werden heute zum größten Teil noch individuell gebaut und das ergibt langfristig keinen Sinn.

00:04:07: Und reden wir hier auch über deutsche Firmen, die da eine Chance haben?

00:04:10: oder ist es wieder eine Frage des Geldes von dem es hier einfach zu wenig gibt?

00:04:15: Da wird's spannend.

00:04:16: Brandes sagt, die Halbwertzeit technologischer Konzepte nimmt immer weiter ab und KI beschleunigt das noch einmal stärker als die Technologie Sprünge davor.

00:04:24: Früher galt im Prinzip wer die tiefsten Taschen hat also am meisten Geld, springt auf eine Investitionen setzt sie mit all seiner Kapitalkraft dann einfach auch am schnellsten um.

00:04:34: Das waren meistens die Amerikaner die das gemacht haben.

00:04:37: Heute sagt Brandes funktioniert es abschotten mit Geld einfach nicht mehr so gut weil immer schneller neue Konzepten kommen die stark finanzierten Konzepte von gestern dann sogar schon wieder in Frage stellen.

00:04:47: Das ist ja vielleicht auch eine gute Nachricht, weil das würde ihr heißen Geld spielt wegen KI jetzt keine Rolle mehr?

00:04:53: Ganz so einfach ist es natürlich nicht!

00:04:55: Brandes sagt Geld sei immer noch ein Thema und Europa nach wie vor unterfinanziert.

00:04:59: aber Die Kapitalüberlegenheit der USA wird durch KI nicht ausgeglichen Aber sie wird doch an einigen Stellen etwas relativiert Wie das Ganze mit der Spaceindustrie funktioniert, wo die Baustellen und Herausforderungen sind.

00:05:12: Wo aber auch die konkreten Chancen liegen?

00:05:15: Das lesen Sie bei uns im CEO-Table unter www.table.media.co

00:05:21: Und mit dem Thema KI machen wir auch direkt weiter!

00:05:30: Eigentlich ist es ja erstaunlich über wenige andere KI Unternehmen wird so viel geschrieben wie über Open AI & Anthropic.

00:05:36: Wir kennen die Modelle und die Gründer.

00:05:38: Und trotzdem bleiben beide Unternehmen irgendwie mysteriös oder schaffen sich selbst so eine Aura des Mysteriösen?

00:05:45: Zum Beispiel, Anthropik hat im Frühjahr sein Modell Claude Mütos vorgestellt – und das war offenbar so gut darin, Sicherheitslücken zu finden und auszunutzen -, dass das Unternehmen dann selbst gesagt hat, Puh!

00:05:55: Das ist viel zu mächtig.

00:05:56: Das können wir so nicht auf den freien Markt

00:05:57: lassen.".

00:05:58: Witzigerweise hat nur wenige Wochen später auch OpenAI die breite Veröffentlichung seines neuen Spitzmodells verzögert, gleicher Grund zu Art und könnte bei Cyberangriffen schlimmstens missbraucht werden.

00:06:11: Fast

00:06:11: wie um dieses Geunke zu unterstreichen, entwischte dann bei einem Sicherheitstest ein OpenAI-Agent aus seiner vorgesehenen Testumgebung und ist in das System der KI-Plattform Huggingface eingebrochen.

00:06:25: Nach Medienberichten blieb der Agent da sogar mehrere Tage aktiv bevor OpenAI den gesamten Umfang des Vorfalls bemerkt hat.

00:06:33: Lustigerweise wiederum.

00:06:34: Kurz darauf räumte auch Anthropic ein, dass eigene Modelle während eines Tests in drei reale IT-Systemen eingedrungen sind.

00:06:42: Was soll das alles?

00:06:42: Ist es ein wilder Marketingwettstreit zwischen zwei Konkurrenten?

00:06:47: und das vielleicht auch weil der Druck von anderen namentlich den KI Anbietern aus China zunimmt?

00:06:52: Darüber sprechen wir mit Rasmus Rothe.

00:06:54: Er ist Vorstandsvorsitzender des Bundesverbandes Künstlicher Intelligenz und Mitgründer von Merantix, einem Venture Capital Fund der sich schon lange auf KI spezialisiert hat.

00:07:04: Rasmuss hat Informatik in Oxford-Princeton an der ETH Zürich studiert und dort im Bereich Computer Vision promuiert er sei sein ausgewiesener KI-Experte und ich freue mich dass du heute hier bist.

00:07:14: Hallo Nina!

00:07:15: Ich freu mich.

00:07:17: Lasst uns mal zunächst auf dieses Wundersammel rennen zwischen OpenAI und Anthropic schauen.

00:07:22: Was meinst du?

00:07:23: Geht es da um eine Art, wir wollen mysteriös sein, geht's zu Amytos oder geht das da um reale Gefahren bei beiden Unternehmen?

00:07:31: Ich meine die Karrierenwicklung geht verdammt schnell voran und ich glaube wir haben in der Tat reale Risiken auch mit den neuen KI-Modellen, wenn es um Cybersicherheit geht.

00:07:40: Also die sind ja wirklich in der Lage sehr komplexe Systeme zu hacken und sich teils auch ein bisschen selbstständig zu machen, wenn sie nicht die richtigen Guardrails haben.

00:07:47: aber gleichzeitig ist das auch viel Storytelling weil Sie zeigen müssen dass sie so mächtig sind und soweit vorne sind und besser als alle anderen und dass sie mächtige Technologie entwickeln, da schon auch ein Teil Marketing dabei ist.

00:08:00: also stimmt beides.

00:08:02: Kannst du für uns einmal erklären, was genau da passiert ist?

00:08:05: Wenn das heißt und es zu einem Agent entwischt.

00:08:08: Was passiert denn dabei?

00:08:09: Geraten solcher Agenten außer Kontrolle?

00:08:11: Ja sowohl OpenAI als auch Entropic hatten da ja jeweils Zwischenfälle.

00:08:15: im Endeffekt in beiden Fällen war so ein bisschen dass sie halt quasi ihre neuesten KI-Modelle in einer etwas weniger gesicherten Umgebung losgelassen haben und die dann in dem Kontext Sachen gemacht haben ausgebrochen sind weil sie natürlich Zugriff haben, irgendwie Code zu schreiben, Code auszuführen auf den Browser-Zugriff zu haben und so eben in der Lage waren sozusagen Aktionen durchzuführen die Sie eigentlich nicht hätten durchführen sollen.

00:08:42: Da muss man aber sagen das war halt extra ein bisschen auch ja gebaut von der Umgebung dass das Ganze ja nicht ganz so gesichert ist wie es vielleicht gesichern sein sollte.

00:08:51: In echten Umgebungen im Unternehmen oder auch das was Open AI oder an Tropic sonst sozusagen an den Endkunden weiter gibt wären diese Systeme viel mehr gesicherd worden und wer sowas sicherlich nicht passiert.

00:09:00: Aber ich höre da eigentlich zwei Probleme raus.

00:09:02: Also das erste, dass sie eben ausgebrochen sind aber das zweite auch, dass die dann von selbst entschieden haben was Sie tun.

00:09:08: ist das nicht so?

00:09:08: dieser Punkt wo man sagt ab da wird dann KI gefährlich wenn sie selber Entscheidungen trifft?

00:09:14: Ich meine ultimativ werden die KI-Modelle sehr schnell viel besser und wir müssen hinterher kommen die ja auch sozusagen abzusichern und richtig zu steuern und zu kontrollieren.

00:09:24: und da hängen wir gerade ein bisschen hinterher einfach weil die Entwicklung so schnell geht.

00:09:29: Es ist schon so, dass diese Modelle immer komplexere Tasse machen können und da dann Menschen teilweise gar nicht mehr ganz durchblicken sozusagen was das System eigentlich macht.

00:09:36: Und wenn man halt die Rahmenbedingungen nicht richtig geschaffen hat, kann das KI-Modell manchmal vielleicht ein bisschen weitergehen als es eigentlich gehen sollte.

00:09:44: also das ist schon eine reale Gefahr.

00:09:46: aber ich glaube, wenn man die richtigen Rahmenbedingerung schafft, dann kann man das trotzdem auch gut kontrollieren.

00:09:50: Was solltest du sagen?

00:09:51: An welchem Punkt stehen wir denn jetzt?

00:09:52: Ist das gute oder schlecht?

00:09:53: Ist die KI einfach wirklich super super gut geworden?

00:09:57: Oder muss man gleichzeitig sagen, wir oder die Unternehmen sind einfach noch nicht gut genug um mit der KI mithalten zu können und das dann ihren Problem.

00:10:05: Ja ich glaube also die KI ist mittlerweile für wahrscheinlich ninety-fünf Prozent des Arbeitsalztags wenn es darum geht irgendwie Informationen zu prozessieren, Informationen zu generieren irgendwie gut genug und wahrscheinlich in vielen Bereichen sogar besser als wir Menschen.

00:10:20: aber in der Tat braucht es Zeit bis dieses diese Technologien, die Unternehmen rein diffundiert.

00:10:26: Einfach weil Unternehmen komplexe Organismen sind und man sich halt fragen muss okay wie auf welche Systeme dürfen jetzt die KI-Modelle Zugriff haben?

00:10:34: Wer darf welche Daten lesen und schreiben?

00:10:36: Welche Nutzer dürfen welche Agenten bauen?

00:10:38: Wie weit dürfen sie eigentlich gehen?

00:10:39: was muss geprüft werden?

00:10:41: Welchen Use Cases machen eigentlich Sinn und bringen viel welche nicht?

00:10:44: Diese ganzen Fragen beantworten sich gerade Unternehmen.

00:10:46: das wird auch sehr viel Zeit darauf verwendet und da sind glaube ich alle noch relativ am Anfang.

00:10:51: Vor allem ist eben ja auch gerade im letzten Jahr, halben Jahr halt so viel vorangegangen.

00:10:55: Wenn man sich überlegt wieviel allein jetzt auch mit Claude und Antropic Claude Code in den letzten sechs Monaten passiert ist dass eigentlich jeder jetzt ein Software Entwickler sein kann und beliebige Software schreiben kann.

00:11:05: das wenn man diese Modelle halt mit seinen ganzen Intenssystemen verbindet sie gefühlt meinen seine eigenen Arbeitsalltag besser kennen als man selber dann ist es schon so dass das erst mal prozessiert werden muss von den Unternehmen.

00:11:17: und ich glaube so wahrscheinlich meine Hypothese ist mit dem was wir heute haben technisch braucht es jetzt noch mal wahrscheinlich bis zu zwölf Monate, bis die Unternehmen das halt dann auch überall sicher und sauber reingebracht haben.

00:11:29: Es gibt doch dieses Linked-in-Me mit dem Flammenwerfer oder sich einer mit den Flammenwärfern eine Zigarre anzündet?

00:11:33: Und dass ist so diese Sinnbild dafür, dass Unternehmen viel zu starke KI-Modelle haben für das was sie eigentlich damit machen.

00:11:40: Ist das noch ein Problem zurzeit?

00:11:42: Ja ich glaube, das ist ein spannenden Punkt, den du ansprichst weil wir sehen da gerade jetzt so einen Schiff.

00:11:48: Weil bisher haben die Leute immer versucht das neueste KI-Modell zu nutzen und Kostes, was es solle.

00:11:52: Und mittlerweile merken sie gerade die Sieve aus der Unternehmerader gehen ja auch ganz schön in die Kosten.

00:11:56: Der Token ist hoch!

00:11:57: Das ist gar nicht so günstig.

00:11:58: Was bringt mir das eigentlich?

00:12:00: Man hat teils zwei Software Entwickler wo der eine fünfmal so viel Tokens braucht wie der andere obwohl beide gleich produktiv sind.

00:12:06: Das heißt man fragt sich schon sozusagen was ist eigentlich die Tokeneffizienz des Ganzen?

00:12:09: und die Realität ist halt und das kommt immer mehr durch dass man gar nicht mehr unbedingt das neuste Modell braucht um der Aufgaben gut zu lösen.

00:12:17: Für manche Aufgaben vielleicht schon, aber für manche nicht und wenn man ein Modell hat was ein bisschen sage ich mal drei bis sechs Monate alt ist es oft ja kostet das nur noch einen Zehntel.

00:12:25: Das heißt der Kostenunterschied ist riesig und diese Realisation setzt immer mehr ein bei den Unternehmen, bei den Nutzern.

00:12:31: Was dazu führt dass Leute eben entweder bei Entropic Open AI und Co günstigere Modelle nutzen oder auch sagen sie gehen halt vielleicht zu chinesischen Modellen oder anderen open source Modellen die um einiges günstiger sind

00:12:42: Und die sollen ja auch gut sein.

00:12:43: Also gerade von Alibaba und Munchot AI, anderen chinesischen Anbietern hieß es jetzt in den letzten Wochen das sie durchaus mit dem mithalten können was Anthropic and Open AI als letztes auf den Markt gebracht haben?

00:12:56: Ich frag mich so ein bisschen kann man das so neutral bewerten und einordnen und überprüfen wie gut die tatsächlich sind?

00:13:04: Ja ist interessant eigentlich dass man die chinesische Modelle besser überprüpen kann weil die oft open source sind damit auch die Gewichte und manchmal ja auch Code sozusagen drum herum mit Publishing oder Publischen, wie sie genau trainiert wurden.

00:13:19: Das heißt man hat eigentlich interessanterweise bei den chinesischen Modellen oft mehr Transparenz als teils von den großen US Labs weil die halt teils dann auch ihre eigenen Benchmarks releasen.

00:13:28: wo man halt nicht genau weiß wird zwar dokumentiert wie das gemacht wurde aber man kann es halt nicht überprüfen.

00:13:33: Und es ist in der Tat so dass die chinesische Modelle wahrscheinlich aktuell nur ein paar Monate hinter dem großen US Lab sind.

00:13:41: Da wird sicher auch noch mehr Anbieter auch europa mittelfristig geben, weil dieses Wissen halt immer mehr in die breitere allgemeinert diffundiert wie man so ein Modell trainiert.

00:13:48: Was jetzt vielleicht nicht das Allernäueste ist aber ein paar Monate dahinter und mein Übertrag ist es auch dass immer mehr Nutzer sich da entsprechend nach Alternativen umschauen beziehungsweise dann auch die großen US-Labs alternativen schaffen müssen im Sinne von günstigeren Modellen, die kompetitiv sind.

00:14:03: Und das ist schon auch ein Challenge gerade für die großen USAI Labs und deswegen zurück zu unserem ersten Punkt ist dieses Marketing sehr, sehr wichtig eben sehr klar zu machen dass sie da um einiges besser sind als alle anderen was eben bisschen überspitzt ist.

00:14:19: Bei preis ja letztlich wahrscheinlich auch sehr entscheidend für viele Kundinnen und Kunden ist das rein den Unternehmen dann überlassen.

00:14:26: so sagen wir legen einen günstigeren oder höheren preisfest oder können bestimmte modelle einfach effiziente arbeiten indem Sie weniger tokens brauchen um zugleich guten Ergebnissen zu kommen.

00:14:36: also ultimativ wird der Preis einerseits schon auch durch den Markt definiert, im Sinne von was charging die anderen für die gleiche Intelligenz um da kompetitiv zu sein.

00:14:46: Das zweite ist das schon auch sehr viel Arbeit reingesteckt wird, die Modelle effizienter zu machen und sozusagen man dann auch bestehende Modelle, die man trainiert hat versucht immer noch weiter zu optimieren und günstiger zu machen.

00:14:57: weil der größte Kostenblock für die großen Labs und für jeden der Modelle zur Verfügung gestellt ist ja einerseits natürlich die Kosten beim Trainieren aber dann auch wenn man die Modeller laufen lässt Wenn man da halt fünf Prozent Effizienz rausholt und das Gleiche aber dem Kunden weiterverrechnet, dann hat man fünf Prozent mehr Marge am Ende.

00:15:15: Das heißt es ist ein großes Enzentiv die Modelle sehr viel effizienter zu machen.

00:15:19: Und da wird sehr viel Geld auch reingesteckt sozusagen in die Entwicklung davon.

00:15:23: Ein großer vermeintlicher Nachteil der chinesischen Modelle ist ja dass sie so ein gewisses Misstrauen mit schwingt.

00:15:28: also ich glaube es gibt jetzt nicht viele große deutsche Unternehmen die ohne weitere entscheiden würden.

00:15:32: wir setzen auf einen chinesischen Anbieter Möglichkeiten zu sagen, wir können ja ein chinesisches Modell nutzen aber es bleibt dann bei uns lokal.

00:15:42: Also ist das tatsächlich so ein großer Nachteil für die chinesischen Anbieter?

00:15:46: Genau also ich glaube es sind verschiedene Themen.

00:15:47: Das eine ist schon halt eine Souveränität zu schaffen d.h.

00:15:50: zu gucken kann nicht das Modell lokal hosten auf hardware klar die Grafikkarte kommt auch irgendwie noch aus USA China und so weiter.

00:15:57: Aber ich kann jetzt zumindest hier irgendwie das auf einem server hosting oder einen Zweifel kann nur ich entscheiden ob Ich den Strom abschalte oder es weiter laufen lasse.

00:16:05: Und zweitens kann ich da ein Open-Source-Modell laufen lassen in einer Umgebung, wo ich auch kontrollieren kann.

00:16:09: In der sie läuft.

00:16:10: also das Thema Souveränität was sehr wichtig ist.

00:16:13: und das zweite ist dass sich ja schon auch dann Guardrails darum schaffen kann im Sinne von Was darf das Modell nicht?

00:16:20: Darf das auf alle Daten in meinem Unternehmen zugreifen?

00:16:22: ist es mit dem Internet verbunden und so weiter?

00:16:24: und der dritte Punkt ist auch die Frage Wofür verwendet man das Friedrich Merz, ein chinesisches Modell nutzen um seine Reden zu schreiben.

00:16:32: Dann würde ich wahrscheinlich sagen das ist vielleicht nicht so eine gute Idee weil es vielleicht gewisse politische Bayeris gibt wenn es jetzt darum geht Rechnungen zu prüfen in irgendeinem Unternehmen oder keine Ahnung im Kunden Service irgendwie einfache Fragen zu beantworten dann frage ich mich schon sozusagen Ist das Risiko da ganz so groß und ist da wirklich so viel?

00:16:55: ja bayers chinesischen Modellen?

00:16:57: Das ist natürlich auch einen ein Marketinginstrument von Undrop Big and Open Air und den Großen zu sagen, diese ganzen chinesischen Modelle sind alle blöd weil die denen gerade sehr große Konkurrenz sind.

00:17:11: Und deswegen wenn man die chinesische Modelle einsetzt dann muss man glaube ich sie sehr stark testen bevor man sie natürlich auch in mehr Richtung Endkunden weiter gibt.

00:17:18: Aber ich glaube halt mittelfristig wird es weitere europäische Alternativen geben, auch weitere Open Source-Modelle im USA.

00:17:24: da wird immer mehr Anbieter geben und dann relativiert sich vielleicht doch diese Frage

00:17:28: Wien hast du denn da in Europa besonders oben auf deiner Watchlist?

00:17:32: Ja, ich mein es gibt natürlich einige, sag' ich mal Unis die Sachen trainieren also im ganzen ETH Zürich um Feld und sozusagen passieren einige große, wenn einige KI-Modelle entwickelt ihr auch Open Source sind.

00:17:43: Wir sind ja mit dem KI Bundesverband getrieben von auch Jörg Binnert unserem Ehrenpräsidenten und Mitgründungsmitglied von mir Mit dem Sofie-Projekt dabei, sie zeigen hier KI-Modelle auch aus Deutschland zu trainieren.

00:17:54: Die oben offen zur Verfügung stehen sicher auch in anderen Bereichen.

00:17:59: spannend was Black Forest Labs macht jetzt vielleicht weniger für Text aber für andere Use Cases.

00:18:04: Ich meine Mistral ist natürlich auch weiterhin sehr aktiv.

00:18:08: also ich glaube da gibt es einige und ich könnte mir vorstellen dass dann noch mehr Projekte in den nächsten Monaten und Jahren auch an im universitären Kontext entstehen.

00:18:16: Glaubst du, wir haben noch eine Chance ein konkurrenzfähiges Basismodell hier in Europa mitzuentwickeln?

00:18:23: oder ist das vielleicht auch gar nicht mehr nötig?

00:18:24: Ich

00:18:25: glaube muss es sehr stark differenzieren.

00:18:27: Schaffen wir es einen AI-Lab zu bauen was sozusagen on par mit an Tropical und OpenAI auf dem allerneuesten Modell ist?

00:18:36: In den nächsten zwölf achtzehn Monaten glaube ich nicht nein weil dafür müssten wahrscheinlich mehrere Dutzende Millionen Milliarden pro Jahr an Kapital auftreiben Public oder Private.

00:18:47: Es kann sein, dass es ein Gründungsteam geben wird, das in der Lage ist aufzutreiben an Geld und auch das Talent zusammenzuziehen.

00:18:54: Dann könnte man da potenziell schon kompetitiv sein – ich sehe aber gerade kein Amorizont!

00:18:59: Und diese Summen an Geld sind halt so immens, dass er sehr schwierig ist damit dabei zu sein.

00:19:04: Das ist aber eigentlich vor allem relevant für nur fünf Prozent der Anwendungen.

00:19:08: also wenn wir Cyber Security reden, wenn wir von Defense reden, Financial Markets also Handel am Finanzmarkt reden, wo sozusagen mehrere Modelle gegeneinander im Endeffekt antreten.

00:19:20: Da kann das schon einen Unterschied machen für die anderen ninety-fünf Prozent.

00:19:23: wenn es umgeht unsere unsere Verwaltung zu automatisieren medizinischen Kontext im Krankenhaus KI einzusetzen in der Produktion in den Backoffices von Unternehmen dann ist ja jetzt schon so dass auch immer mehr Open Source Modelle da eigentlich gut genug sind.

00:19:37: und Von daher, glaube ich, können wir bei diesen ninety-fünf Prozent sehr gut souverän sein mit Modellen die von hier kommen.

00:19:42: Mit Modellen, die hier gehostet sind und da wird sich der Markt zweiteilen.

00:19:45: Ich glaube, da haben wir eine Chance auch jetzt schon bzw.

00:19:47: sie sind schon fast da und das gibt mir eigentlich sehr viel Optimismus und viel der Wertschöpfung wird ja jetzt auch kommen indem wir halt KI in die Geschäftsmodelle reinbringen, in die Unternehmen reinbringen plus dann das ganze Thema Robotik was noch vielleicht als nächstes kommt oder sicherer als nächstes kommt.

00:20:01: Von daher bin ich da schon optimistisch.

00:20:03: deswegen muss man da ein bisschen differenzieren sozusagen Wo können wir mitspielen?

00:20:06: Wo sollten wir mit

00:20:07: spielen?".

00:20:07: Und das ist aber trotzdem eben sehr, sehr wichtig.

00:20:10: Das höre ich ja oft und da bin ich mir nicht sicher ob es nur so ein Trostpflaster ist.

00:20:13: oder war es dass Deutschland ja auf einem immensen Datenschatz sitzt wenn man in die Industrie reinguckt und das mit KI, das nutzbar gemacht werden kann und daraus dann größte Chancen entstehen.

00:20:23: Aber ich sehe du guckt skeptisch!

00:20:25: Ja, ich bin der skeptisch weil ich glaube dieses ganze Daten ist das neue Öl per dime, was die Leute irgendwie erzählt haben.

00:20:36: Ich glaube ultimativ sind die Daten halt auch nur etwas wert wenn man dafür einen Use Case hat.

00:20:42: also zu sagen ich habe hier ganz viele tolle Industriedaten das ist gut und kann ich mir auch anschauen.

00:20:46: da kann nicht auf irgendwelche KI-Modelle drauf trainen.

00:20:48: aber die Frage ist halt oder auch anwenden.

00:20:50: aber die frage ist ja was ist das Geschäftsmodell?

00:20:52: Also wie kann ich ein bestehendes Unternehmen produktiver machen?

00:20:55: durch Robotik in dem ich da sehr viel automatisiere oder indem vielleicht meine Kunden besser Ansprüche mehr Umsatz machen, also das sind halt irgendwie konkrete Use Cases wo ich eine Zahl untersetzen kann.

00:21:05: Aber ich glaube man sollte eher vom Use Case her gucken und dann überlegen welche Daten man braucht.

00:21:09: und das Spannende ist ja auch dass die KI-Modellen immer mehr Zero Shots sind.

00:21:13: Das heißt früher musste man ein KI Modell mit sehr vielen Trainingsdaten trainieren und mittlerweile können sie sozusagen Zero Shot also so direkt einen Problem lösen, ohne dass sie Getrainingsdaten dazu gesehen haben.

00:21:23: Weil die einfach intelligent sind und das Problem sich angucken, analysieren und dann anwenden.

00:21:27: Das heißt man kann ein Argument machen, dass man eigentlich weniger Daten heutzutage braucht um das gleiche Problem zu lösen was er dazu führt, dass die Daten in vielen Bereichen weniger wert sind vor allem wenn sie halt nicht superproperitär sind.

00:21:38: Wenn man natürlich der einzige Player ist der in irgendeinem Bereich Daten akkligiert hat eine große Menge Dann ist es etwas anderes.

00:21:43: aber wenn ich keine Ahnung jetzt Steuerberater-Daten nehme dann klar der eine Steuerberatardaten aber der nächste auch oder übernächste auch.

00:21:48: wahrscheinlich sind die Daten relativ ähnlich.

00:21:50: Jetzt kann man überlegen, ob man die Jahre regiert.

00:21:51: Aber die Frage ist dann wirklich so viel Wert in einem Einzelnen oder in Maschinendaten?

00:21:55: Wenn fünfhundert Kunden die gleichen Maschinen da haben, dann sind die Daten von dem einzelnen Kunden vielleicht gar nicht so viel wert weil ich kann auch zu den anderen Vierhundertneunzig gehen und mir die Daten holen wenn ich sie wirklich brauche.

00:22:06: Vielleicht nochmal zum Schluss einmal ausgesummt und von außen auf die ganze KI-Welt geschaut.

00:22:11: Wenn wir jetzt sehen Open Air und Anthropic sind auch immer kopierbarer durch die Konkurrenz in China, die Modelle machen Fehler, die sichtbar werden und vor allem die Preise purzeln.

00:22:22: Erleben

00:22:23: wir so eine Art Entzauberung des großen KI Booms?

00:22:26: Wird das irgendwie jetzt eine normalere Industrie?

00:22:29: Ich glaube, wir sind immer noch komplett am Anfang.

00:22:31: Also ich würde sagen sozusagen... Ich weiß noch nicht mal ob ich jetzt vom Boom sprechen würde sondern ich glaube wir sind gerade noch in den kompletten Kinderschuhen weil Arttechnisch wird noch viel mehr passieren vor allem wenn es auch nach Robotik kommt.

00:22:43: und zweitens geht's jetzt um die industrielle Anwendung und die wirkliche Transformationen der Gesellschaft.

00:22:49: passiert glaube ich erst nicht wenn jeder irgendwie ein bisschen mit Open AI und Cloth rum spielt sondern wenn wirklich unsere Unternehmen auch ganz anders aufgebaut sind, ganz anders agieren.

00:22:58: Wir sehen das selber jetzt bei Firmen bei Merantics, die wir neu inkubieren und investieren.

00:23:02: Dass die Firmen, die wie heute starten ganz anders aussehen als selbst die von vor zwei drei Jahren, weil man eine Organisation ganz anders aufbaut.

00:23:08: Man denkt ganz anders über Recruiting nach, über Sales Automation, über wie man Software entwickelt.

00:23:13: Das ist ein ganz andere Prozesse und das ist halt viel einfacher wenn man eine neue Firma startet also wenn man einen Zehntausende Leute unternehmen hat was man transformieren muss.

00:23:19: Und diese Transformation braucht Zeit, die kommt jetzt.

00:23:22: aber und ich glaube da sehen wir dann erst die wirkliche Veränderung kommt jetzt vielleicht so ein bisschen die Ernüchterung bezüglich OpenAI und Tropic, das glaube ich schon.

00:23:33: Aber bezügtlich KI sind wir eher da, wo wahrscheinlich Internet irgendwie in dem Jahr zwei-zehntausend drei war noch sehr am Anfang.

00:23:41: Super!

00:23:42: Dann parten wir auf wilde und ereignisreiche Zeiten.

00:23:45: Vielen herzlichen Dank Rasmus, dass du heute unser Gast warst.

00:23:48: Vielen Dank für die Einladung Nina.