KI diese Woche als 7 sportliche Wettbewerbe, ein unabhängiger Endjahresbericht und 1,5-stündige Filmdokumentation von einem der smartesten (und IMHO sympathischten) Köpfe der Branche.
Inhaltsverzeichnis:
1. Mr. Beast benutzt jetzt KI
Ein lustiges Video, um zu beweisen, dass man mit KI auch Spaß haben kann:
Wer denkst du gewinnt? Mensch oder Maschine?
2. KI frisst die Welt – Präse & Analyse
Benedict Evans ist ein “ziemlich unabhängiger” Technik-Analyst & Partner in einem VC-Fund, der seit über einem Jahrzehnt jährlich ca. 100-Seiten lange/detaillierte Auswertungen über den Stand der Technik gibt.
KI bewegt sich so schnell, dass er inzwischen sogar 2x jährliche Updates liefert und vor kurzem seine Keynote online stellte – hier Kurzfassung als 22-min. engl. Rede:
1. Seine Kernthese:
Wir verlassen den "Hype-Zyklus" und betreten die "Einsatzphase". Er verkauft kein Produkt, sondern übersetzt große Trends in betriebswirtschaftliche Realitäten (Gewinn-und-Verlust-Rechnung).
Wir erleben einen vorhersehbaren Plattformwechsel (Großrechner → PC→ Web → Smartphone → KI). Die Technologie ist neu, aber die wirtschaftlichen Muster ihrer Einführung ähneln der Vergangenheit.
2. SCHLÜSSELKONZEPTE
A. KI ist ein bewegliches Ziel
Das "KI-Label"-Paradoxon: Sobald eine KI-Technologie zuverlässig funktioniert (z.B. Datenbanken, Google-Suche, klassisches Maschinelles Lernen), hören wir auf, sie "KI" zu nennen. Wir nennen sie einfach Software.
Aktueller Stand: Nur sogenannte LLMs (Large Language Models – Textgeneratoren wie ChatGPT) und Generative Modelle (Bild-/Videogeneratoren) tragen aktuell das Label "KI".
Implikation: Der Wandel ist tiefer als er scheint, da große Teile der "KI" bereits unsichtbare Infrastruktur geworden sind.
B. Der Plattform-Zyklus & Das Schichten-Prinzip
Das Muster: Alle 10-15 Jahre entsteht eine neue technologische Ebene (Mainframe → PC → Mobile).
Der "Löschen"-Mythos: Neue Wellen ersetzen die alten selten vollständig.
Beispiel: Das Smartphone hat den Laptop nicht getötet; der Laptop hat den Großrechner nicht getötet.
Bedeutung für KI: Neue KI-Werkzeuge (z.B. für 3D-Modellierung) werden Basis-Werkzeuge (wie ChatGPT) nicht ersetzen, sondern sich darüberlegen.
C. Die Ökonomie der Intelligenz
CAPEX vs. Massenware: Die großen Tech-Konzerne geben Billionen (aka “Trillions” in ENG)für CAPEX (Investitionsausgaben für Infrastruktur) aus, speziell für GPUs (Hochleistungschips, die für KI-Berechnungen nötig sind) und Rechenzentren.
Das Modell als Rohstoff: Da jeder Zugang zu diesen Modellen hat, wird das KI-Modell selbst zur Commodity (einem austauschbaren Massengut wie Strom).
Der Trugschluss vom Wettbewerbsvorteil ("Moat"): Das Modell selbst ist kein Schutzgraben gegen Konkurrenz. Intelligenz wird zur Grundversorgung (Utility).
Nuance zu China: Chinesische Modelle gelten als weniger robust ("brittle"). Sie verlassen sich oft darauf, US-Spitzenmodelle zu kopieren/zu destillieren. Der technologische Vorsprung liegt weiterhin bei US-Laboren (OpenAI, Google, Anthropic).
D. Die Einführungslücke (Adoption Gap)
Spielerei vs. Profi-Nutzung: Es gibt eine riesige Kluft zwischen jemandem, der ChatGPT gelegentlich nutzt, und einem Profi, der KI tief in seine Arbeitsprozesse integriert hat.
Das Hindernis: Die Barriere ist nicht mehr die Technik, sondern Motivation und organisatorische Trägheit. Teams mit hoher KI-Kompetenz werden solche ohne Kompetenz massiv abhängen.
3. STRATEGISCHE IMPLIKATIONEN
I. Vom Wunder zur unvermeidbaren Notwendigkeit
Wir haben den Wendepunkt überschritten. Die Frage ist nicht mehr "Funktioniert das?", sondern "Wo bleibt die Gewinnmarge?".
Beweise: KI kann jetzt visuell denken (komplexe Bilder verstehen) und semantische Videosuche durchführen (Suche nach Bedeutung statt nach Schlagworten).
Scaling Laws (Skalierungsgesetze): Es gibt keine sichtbare Grenze. Mehr Daten und mehr Rechenleistung führen verlässlich zu besserer KI. KI wird zur unvermeidbaren Infrastruktur, so selbstverständlich wie Excel-Tabellen.
II. Die Einführung ist pfadabhängig (Die Falle)
Wie Sie KI heute einführen, bestimmt, was Ihr Unternehmen später tun kann.
Das "Brückenkopf"-Prinzip: Starten Sie keine zufälligen Experimente. Wählen Sie Arbeitsabläufe, die den Informationsfluss im Unternehmen grundlegend verändern.
Die Agenten-Falle: KI-Agenten sind Software-Programme, die Aufgaben autonom erledigen (nicht nur Fragen beantworten). Wenn Sie KI nur zum Zusammenfassen von Texten nutzen, bauen Sie nicht die nötige Infrastruktur auf, um später Agenten nutzen zu können (z.B. "Agenten-unterstütztes Onboarding" von Kunden).
III. Die Macht des Käufers (Vermeidung von Lock-in)
Arbitrage-Möglichkeit: Da sich die KI-Modelle der verschiedenen Anbieter (OpenAI, Google, Anthropic) in der Qualität angleichen, gewinnt der Käufer an Macht.
Architektur-Mandat: Werden Sie kein reiner "GPT-4 Laden".
Design-Ziel: Bauen Sie eine technische Architektur, in der KI-Modelle wie austauschbare Bausteine behandelt werden. Leiten Sie Aufgaben je nach Kosten, Geschwindigkeit und Datenschutz an das passende Modell weiter.
IV. KI frisst das Organigramm (Nicht nur die Software)
Dies ist das kritischste und am meisten unterschätzte Risiko.
Historischer Vergleich: Cloud-Computing verschob die Macht von der IT-Abteilung zur Produktentwicklung. Tabellenkalkulationen verschoben Macht zu den Finanzabteilungen.
Der KI-Wandel: KI ersetzt Koordination, Zusammenfassung und Vor-Sortierung (Triage).
Der "Stabschef"-Effekt: Bis 2026 werden KI-Modelle E-Mails, Chats und Tickets lesen und als informeller "Stabschef" für jeden Wissensarbeiter agieren.
Organisations-Design: Rollen, die sich auf "Überprüfen", "Spezifizieren" und "Eskalieren" konzentrieren, werden schrumpfen. Sie führen nicht nur ein neues Werkzeug ein; Sie gestalten die Organisation neu.
4. HANDLUNGSPLAN FÜR FÜHRUNGSKRÄFTE
Umdenken: Behandeln Sie KI nicht als Forschungsprojekt (R&D). Behandeln Sie sie als unvermeidbare Infrastruktur (wie Strom oder Internet).
Informationsfluss prüfen: Identifizieren Sie, wo in Ihrem Unternehmen Zeit mit Koordination, Zusammenfassung oder dem Sortieren von Informationen verbracht wird. Das sind Ihre Startpunkte für KI.
Multi-Modell-Strategie erzwingen: Weisen Sie die IT an, systemunabhängig zu bauen, um sich nicht von einem Anbieter abhängig zu machen (Vendor Lock-in vermeiden).
Synthese statt Reaktion: Der Nachrichtenzyklus ist zu schnell, um nur zu reagieren. Planen Sie Zeit ein, um das "große Ganze" zu betrachten (wie Evans es tut), um Überzeugung zu bilden, statt jedem neuen Modell-Release hinterherzulaufen.
Schlussgedanke:
Das strategische Risiko besteht nicht darin, den "KI-Moment" zu verpassen.
Das Risiko besteht darin, so zu tun, als sei dies eine optionale Spielerei, während es sich tatsächlich um eine fundamentale Umstrukturierung der Wertschöpfung und der Organisation handelt.
3. Google Doku (1,5h) über “Thinking Game”
Ein Team des Suchmaschinen-Riesen war für den legendären 2017er KI-Durchbruch verantwortlich, als es “Attention is all you need” publizierte. Das ist das wissenschaftliche Papier, das die neue KI-Systemarchitektur “Transformer” erfand, worauf alle heutigen Generativen Text-KIs beruhen. Diese Dokumentation fokussiert auf Google’s Deepmind – Abteilung, die deren KI-Entwicklungen leitet.
Inhalts-Zusammenfassung – von Google’s KI 😉
🧠 THE THINKING GAME: Executive Summary
„The Thinking Game“ dokumentiert den Aufstieg von Demis Hassabis und seinem Unternehmen DeepMind – vom ehrgeizigen Londoner Startup zur Google-Tochter, die ein 50 Jahre altes biologisches "Grand Challenge"-Problem löste. Der Film illustriert DeepMinds Strategie, Spiele (Schach, Go, StarCraft) als Trainingslager für KI zu nutzen, um diese Fähigkeiten schließlich auf fundamentale wissenschaftliche Probleme wie die Proteinfaltung zu übertragen. Er dient als Fallstudie für visionäre Führung, risikoreiche Forschung und die ethische Tragweite einer Technologie, die menschliche Intelligenz erreicht.
👤 I. Der Visionär: Demis Hassabis
Hintergrund & Motivation
Wunderkind: Hassabis war ein Schach-Wunderkind (mit 12 Jahren der zweitbeste Spieler der Welt in seiner Altersklasse) und bereits mit 17 Jahren Videospielentwickler (Theme Park).
Die Obsession: Er erkannte früh, dass das menschliche Gehirn eine Maschine zur Informationsverarbeitung ist. Sein einziges Lebensziel wurde: „Die Intelligenz lösen, um dann alles andere zu lösen.“
Dringlichkeit: Getrieben von dem Bewusstsein der eigenen Sterblichkeit („Das Leben ist sehr kurz“), betrachtet er AGI (Artificial General Intelligence) als das ultimative Werkzeug, um wissenschaftliche Entdeckungen zu beschleunigen, bevor die Zeit abläuft.
Die Gründung von DeepMind (2010)
Das „Manhattan-Projekt“ der KI: Gründung gemeinsam mit Shane Legg mit dem Ziel, die besten Köpfe der Welt an einem Ort zu versammeln.
Gegen den Strom: 2010 war „KI“ in akademischen und VC-Kreisen verpönt. DeepMind war ein Ausreißer in London, der sich auf langfristige Grundlagenforschung statt auf kurzfristige Produktzyklen konzentrierte.
Finanzierung: Frühes Investment von Peter Thiel (trotz dessen Präferenz für das Silicon Valley) und spätere Übernahme durch Google im Jahr 2014 für 400 Mio. GBP, was die notwendige Rechenleistung (Compute) sicherstellte.
🎮 II. Das Testgelände: Spiele als Daten
DeepMinds Kernthese basierte auf der Kombination von Reinforcement Learning (Bestärkendes Lernen) – Lernen durch Versuch, Irrtum und Belohnung – mit Deep Learning. Spiele boten die perfekte, sichere Sandbox für diese Evolution.
1. Atari (DQN - Deep Q-Network)
Die Herausforderung: Ein Agent erhält nur rohe Pixel und einen Punktestand. Er kennt keine Regeln.
Der Durchbruch: Das System lernte Spiele wie Pong und Breakout auf übermenschlichem Niveau.
Emergentes Verhalten: In Breakout entdeckte die KI eigenständig die „Tunnel-Strategie“ (den Ball hinter die Mauer spielen). Dies war der erste Beweis für generelle Lernfähigkeit.
2. AlphaGo (2016)
Der Heilige Gral: Go galt aufgrund seiner Komplexität (mehr Brettkonfigurationen als Atome im Universum) als der „Mount Everest“ der KI.
Das Match: Spiel gegen Lee Sedol, einen legendären Go-Weltmeister, in Seoul.
Zug 37: In Spiel 2 spielte AlphaGo einen Zug, der so kreativ und unkonventionell war (Wahrscheinlichkeit 1 zu 10.000), dass er menschliche Experten verblüffte. Dies bewies: KI kann kreativ sein.
Der „Sputnik-Moment“: AlphaGos 4:1-Sieg weckte die Welt (insbesondere China) auf und löste ein globales KI-Wettrüsten aus.
3. AlphaZero (2017)
Tabula Rasa: Im Gegensatz zu AlphaGo, das von menschlichen Partien lernte, lernte AlphaZero komplett von Grund auf durch Spiel gegen sich selbst.
Generalisierung: Es meisterte Schach, Shogi und Go innerhalb von Stunden und bewies, dass menschliches Wissen keine Voraussetzung für übermenschliche Intelligenz ist – sondern eher ein Flaschenhals sein kann.
4. AlphaStar (2019)
Komplexitätssprung: Wechsel von Brettspielen mit perfekter Information zu StarCraft II, einem Echtzeit-Strategiespiel mit unvollständiger Information („Nebel des Krieges“) und langfristiger Planung.
Ergebnis: Die KI erreichte Großmeister-Niveau und demonstrierte die Fähigkeit, Ökonomie, Mikromanagement und Strategie simultan zu steuern (entspricht ca. 800 sinnvollen Aktionen pro Minute).
🧬 III. Der Wendepunkt: KI für die Wissenschaft (AlphaFold)
Das ultimative Ziel war nie das Gewinnen von Spielen, sondern die Anwendung der Architektur auf reale wissenschaftliche Probleme.
Das Problem der Proteinfaltung
Die Herausforderung: Proteine sind die Bausteine des Lebens. Ihre 3D-Struktur bestimmt ihre Funktion. Die Vorhersage der 3D-Form eines Proteins anhand seiner 1D-Aminosäuresequenz war seit 50 Jahren ein ungelöstes Problem der Biologie.
Implikationen: Die Lösung ermöglicht Fortschritte in der Medikamentenentwicklung, im Verständnis von Krankheiten und bei der Entwicklung von Enzymen, die z.B. Plastik abbauen.
CASP-Wettbewerb: Die „Olympischen Spiele der Proteinfaltung“.
Der Weg zur Lösung
CASP 13 (2018): DeepMind gewann, aber die Genauigkeit reichte noch nicht für die experimentelle Biologie.
Das „Tal des Todes“: Das Team stieß an eine Grenze. Standard-Methoden des maschinellen Lernens funktionierten nicht mehr. Die Moral sank.
Der Durchbruch (AlphaFold 2): Sie verwarfen bisherige Annahmen und integrierten biologische Intuition und Physik direkt in die Architektur des neuronalen Netzes.
CASP 14 (2020): AlphaFold erreichte einen Score von ca. 90/100 und zog mit experimenteller Genauigkeit gleich. Das Problem wurde offiziell als „gelöst“ erklärt.
Auswirkungen
DeepMind veröffentlichte die vorhergesagten Strukturen von 200 Millionen Proteinen (fast alle bekannten Proteine) kostenlos.
Dies beschleunigte die biologische Forschung weltweit massiv und verkürzte Monate/Jahre an Laborarbeit auf Minuten.
Anerkennung: Demis Hassabis und John Jumper erhielten 2024 den Nobelpreis für Chemie.
⚖️ IV. Ethik, Sicherheit und die Zukunft
Der Dokumentarfilm kontrastiert den wissenschaftlichen Optimismus mit dem Potenzial für katastrophalen Missbrauch.
Dual-Use-Natur: KI wird mit Kernenergie verglichen – fähig, unendliche Energie zu liefern oder die Zivilisation zu zerstören.
Die „Oppenheimer“-Parallele: Demis erkennt die Last an, eine neue Kraft auf die Menschheit loszulassen.
Governance: Der Film argumentiert, dass KI-Entwicklung kein „Move fast and break things“-Unterfangen sein darf. Es erfordert:
Globale Koordination und Regulierung.
Bedachten Einsatz (z.B. DeepMinds Weigerung, an tödlichen autonomen Waffen zu arbeiten).
Gesellschaftliche Anpassung an die Verdrängung menschlicher kognitiver Arbeit.
Die Zäsur: Die Ankunft von AGI wird die menschliche Geschichte voraussichtlich in „Vor AGI“ und „Nach AGI“ teilen.
🚀 V. Handlungsorientierte Erkenntnisse & Key Takeaways
1. Die Methodik von Durchbrüchen
Interdisziplinäre Teams: DeepMind war erfolgreich, indem Informatiker, Neurowissenschaftler, Physiker und Biologen zusammengeführt wurden. Handlung: Silos in der eigenen Organisation aufbrechen.
Spiele als Proxies: Lösen Sie vereinfachte, simulierte Versionen eines Problems (mit klaren Belohnungsfunktionen), bevor Sie die chaotische reale Welt angehen.
Exploration vs. Exploitation: Wissen, wann man bestehende Ideen iteriert (Verwertung) und wann man sie für eine radikal neue Architektur verwirft (Erkundung), wie beim Wechsel von AlphaGo zu AlphaZero und AlphaFold 1 zu 2.
2. Strategischer Fokus
Erste Prinzipien (First Principles): Digitalisieren Sie nicht nur menschliches Wissen (Expertensysteme), sondern bauen Sie Systeme, die die zugrundeliegenden Prinzipien selbst erlernen (Lernen von Grund auf).
Das „Apollo“-Mindset: Setzen Sie ein zeitunabhängiges, extrem schwieriges Ziel (z.B. „Intelligenz lösen“), um Talente anzuziehen, die man mit Geld allein nicht kaufen kann.
3. Vorbereitung auf eine KI-Welt
Wissenschaftliche Beschleunigung: Wer in F&E, Materialwissenschaften oder Biologie arbeitet, für den ist KI keine Option mehr, sondern Pflicht. Sie ist das „Teleskop für Komplexität“.
Adaptive Intelligenz: Die entscheidende Fähigkeit der Zukunft ist nicht Wissensspeicherung, sondern kognitive Flexibilität – die Fähigkeit, neue Umgebungen schnell zu erlernen, genau wie AlphaZero.
4. Warnung
Der „Sputnik“-Effekt: Große KI-Meilensteine lösen geopolitische und unternehmerische Wettrüsten aus. Wir befinden uns in einer rapiden Beschleunigungsphase, in der Sicherheitsüberlegungen oft hinter den Leistungssteigerungen zurückbleiben. Führungskräfte müssen Governance und Sicherheit parallel zur Innovation priorisieren.
Mein nächster & letzter gratis KI-Workshop!
Das Berliner Bezirksamt bezahlt zum letzten Mal für 2025 meinen 3-stündigen Beginner-Workshop. Dort präsentiere ich den Inhalt vom unteren Video – in normalem Tempo – und zudem vielen neuen, besseren und hilfreichen Inhalten:
Zudem verschenke ich meinen KI-Familien-Ratgeber, ein ChatGPT-Handbuch und viel Content als Downloads für alle Anwesenden. Wer will kann mir beim Workshop und danach Löcher in den Bauch fragen 😉
7.12. @ 14 – 17 Uhr
Dietrich-Bonhoeffer-Bibliothek in Brandenburgische Str. 2, 10713 Berlin.
Einfach vorbei kommen und mit Smartphone, Tablet oder Laptop mitarbeiten – oder zurücklehnen und zuhören. Ohne Anmeldung. First come, first Sitzgelegenheit.
Ihnen gefällt mein Newsletter?
Danke. Freut mich, wenn Sie Freude daran haben. Ich freue mich zudem über jede Art der Unterstützung:
Teilen Sie Ihn gern mit Freunden, Bekannten und Lernwilligen.
Folgen Sie mir auf Ihren bevorzugten Social Media Plattformen.
Spenden Sie etwas Trinkgeld. Ein Euro hilft mir schon – und erleichtert mir Ihr Leben in Zukunft mit News, Tipps und mehr zu bereichern…
