Schon Ende Februar? Ich bestell schonmal die Weihnachtsgeschenke…
Inhaltsverzeichnis:
1. Status der KI
Übersicht: Stand Mitte Februar 2026 – inkl. Rückblick auf 2025.
1. Die Lage in Kürze
Das KI-Jahr 2026 wird durch den "DeepSeek-Moment" von Anfang 2025 definiert. Chinesische Labore veröffentlichten Modelle, die fast so gut waren wie die Spitzenmodelle aus den USA, aber extrem effizient und offen zugänglich waren.
Der technische Fokus hat sich verschoben: Weg vom reinen Vergrößern der Modelle ("Scaling"), hin zu Inference-Time Scaling und RLVR. Der Traum einer einzigen, allwissenden Super-KI weicht spezialisierten Agenten, die Software und Aufgaben autonom erledigen.
2. Globale Dynamik: China vs. USA
Der "DeepSeek-Moment": Die Veröffentlichung von DeepSeek-R1 schockierte die Industrie. Ein chinesisches "Open-Weight"-Modell erreichte Spitzenleistung zu einem Bruchteil der Kosten der US-Konkurrenz.
Erklärung "Open-Weight": Normalerweise sind KIs wie das Rezept von Coca-Cola: streng geheim (Closed Source). "Open-Weight" bedeutet, dass das "Gehirn" des Modells (die Gewichte/Parameter) öffentlich ist. Jeder kann es herunterladen, auf dem eigenen Computer laufen lassen und anpassen, ohne eine Firma wie OpenAI bezahlen zu müssen.
Der Kampf um die Entwickler:
China: Dominiert den Bereich der offenen Modelle (DeepSeek, Qwen, MiniMax). Strategie: Da außerhalb der USA oft weniger Zahlungsbereitschaft für Software herrscht, nutzen sie kostenlose Modelle, um globalen Einfluss zu gewinnen.
USA: Versuchen mit Initiativen wie dem ATOM Project, die Dominanz bei offenen Modellen zurückzugewinnen, damit China nicht den Standard für die Forschung setzt.
Wer gewinnt?
Technologie: Patt. Ideen fließen durch Jobwechsel der Forscher schnell zwischen den Laboren.
Infrastruktur: USA führt. Google und Microsoft besitzen riesige Rechenzentren (Gigawatt-Klasse), die China aufgrund von Sanktionen schwerer replizieren kann.
3. Technische Durchbrüche & Architektur
Die grundlegende Bauweise der KI ist immer noch der Transformer (wie bei GPT-2). Die Fortschritte kommen nicht durch neue "Gehirn-Strukturen", sondern dadurch, wie wir den Modellen das Lernen beibringen.
A. Die drei Achsen der Skalierung (Scaling Laws)
Pre-Training: Mehr Daten + größeres Modell = besseres Ergebnis. Aber: Es wird extrem teuer (100 Mio. $ pro Durchlauf) und bringt immer weniger Zusatznutzen.
RL-Scaling (Nach-Training): Der große Durchbruch von 2025. Je länger man das Modell spezielle Aufgaben üben lässt (RLVR), desto schlauer wird es linear.
Inference-Time Scaling: Dem Modell erlauben, "nachzudenken", bevor es antwortet.
B. Die Revolution im Nach-Training: RLVR
Das wichtigste Akronym des Jahres ist RLVR (Reinforcement Learning with Verifiable Rewards).
Erklärung RLVR (Verstärkendes Lernen mit überprüfbarer Belohnung):
Früher (RLHF): Menschen bewerteten KI-Antworten nach Gefühl ("Klingt das nett?"). Das ist subjektiv und schwer zu skalieren.
Heute (RLVR): Man gibt der KI Aufgaben mit einer eindeutigen Lösung, z.B. Matheaufgaben oder Programmieren. Die KI probiert tausende Lösungswege. Wenn das Ergebnis (z.B. "42") stimmt, merkt sich die KI den Denkprozess, der dorthin führte.
Effekt: Die KI bringt sich selbst bei, logisch zu denken und Fehler zu korrigieren.
Der "Aha"-Moment: Durch RLVR begannen Modelle, während der Antwortgenerierung innezuhalten: "Moment, das war falsch, ich versuche es anders." Dies ist keine echte Bewusstseinsbildung, aber ein extrem effektiver, angelernter Mechanismus zur Selbstkorrektur.
C. Architektur-Optimierungen
Mixture of Experts (MoE): Standard für Effizienz. Statt einem riesigen Gehirn, das für jede Frage komplett aktiviert wird, hat das Modell viele kleine Experten-Teilgehirne (z.B. für Mathe, für Geschichte). Bei einer Anfrage werden nur die relevanten Experten aktiviert. Das spart massiv Energie und Rechenleistung.
Text Diffusion: Ein neuer Ansatz (z.B. von Google), bei dem Texte nicht Wort für Wort, sondern "parallel" generiert werden. Gut für schnelle Entwürfe, aber noch schwach bei Logik.
4. Coding & Agenten (Software-Entwicklung)
Vom Assistenten zum Agenten: Wir bewegen uns weg von Autocomplete (Copilot) hin zu Agenten. Agenten warten nicht auf den nächsten Tastenanschlag, sondern führen Aufgaben selbstständig aus (z.B. "Erstelle eine Webseite und teste sie").
Tool Use (Werkzeugnutzung): Modelle raten nicht mehr nur. Sie nutzen Taschenrechner, Browser oder Python-Interpreter, um ihre eigenen Antworten zu überprüfen. Das reduziert "Halluzinationen" (falsche Fakten).
Nutzung in der Praxis: Über 75% der Entwickler nutzen KI. Überraschung: Senior-Entwickler nutzen KI mehr als Junioren.
Grund: Erfahrene Entwickler können besser beschreiben, was sie wollen ("Prompting") und erkennen Fehler im KI-Code schneller.
Die Gefahr: Wenn KI den "Kampf mit dem Problem" (Debugging) komplett übernimmt, lernen neue Entwickler nichts mehr. Man muss eine Balance finden, um nicht auszubrennen oder zu verdummen.
5. Hardware & Infrastruktur
NVIDIA: Bleibt dominant. Ihr Vorteil ist nicht nur der Chip, sondern CUDA (die Software-Plattform). Es ist zu aufwendig für Firmen, ihre gesamte Software auf andere Chips umzustellen ("Burggraben"-Effekt).
Google: Hat einen strategischen Vorteil durch eigene Chips (TPUs). Sie müssen keine teuren NVIDIA-Chips kaufen und kontrollieren ihre eigene Lieferkette.
Energie: Der Engpass verschiebt sich von "Haben wir genug Chips?" zu "Haben wir genug Strom?". Rechenzentren verbrauchen mittlerweile so viel Energie wie kleine Städte.
6. Rat für Lernende & Einsteiger
Raschka und Lambert empfehlen den "Build from Scratch"-Ansatz (Alles von Null aufbauen), um KI wirklich zu verstehen:
Keine Abkürzungen: Nutzen Sie keine fertigen Baukästen (wie Hugging Face Transformers) zum Lernen. Das ist zu komplex und verschleiert die Grundlagen.
Klein anfangen: Programmieren Sie ein kleines Modell (GPT-2 Größe), das auf eine einzige Grafikkarte passt.
Reverse Engineering: Nehmen Sie den Bauplan eines modernen Modells (z.B. Llama 3) und bauen Sie die Einzelteile manuell nach. Wenn Sie die Original-Gewichte laden können und es funktioniert, haben Sie es verstanden.
7. Ausblick: Die Welt in 2026-2126
Continual Learning (Lebenslanges Lernen): Der nächste heilige Gral. Aktuelle Modelle sind starr – sie wissen nichts von Ereignissen nach ihrem Training. Zukünftige Modelle müssen ihr Wissen täglich aktualisieren, ähnlich wie Menschen.
AGI (Künstliche Allgemeine Intelligenz): Die Definition verschwimmt. Der Meilenstein "Remote Worker" (eine KI, die jeden digitalen Job erledigen kann) rückt näher. Aber: KIs haben "zackige" Fähigkeiten – sie sind übermenschlich im Programmieren, aber scheitern oft noch an simplen Dingen wie der konsistenten Bedienung eines Computers (Maus/Tastatur).
Zivilisation & "Slop":
Slop (KI-Müll): Das Internet wird mit KI-generierten Inhalten geflutet.
Gegenbewegung: Es wird eine massive Wertsteigerung des Physischen geben. Echte Treffen, handgemachte Kunst und verifizierbare menschliche Interaktion werden zum Luxusgut und Vertrauensanker.
Hoffnung: Der Mensch bleibt der Auftraggeber ("Agent of Intent"). Die KI ist das Werkzeug. Das "Terminator"-Szenario gilt als unwahrscheinlich; die echte Herausforderung ist der wirtschaftliche Umbruch und die Sinnsuche in einer Welt, in der immer mehr Wissen, Software, Dienstleistungen und alles mögliche fast kostenlos und in Rekordzeit produziert wird.
2. Status von KI – in Charts
Ein Grund, warum ich mir sehr große Sorgen um KI-Adoption in Europa mache: das extrem langsame Handeln von Entscheidern, die theoretisch alle Macht hätten, um unseren Kontinent nach vorne zu bringen.
Beispiel "“Energieversorgung”:
Das ist noch – vor KI-Chips und Infrastruktur – die wichtigste Ressource und ich erlebe bei vielen deutschen Kunden, wie lieber Monate wegen Kleinstprojekten so viel hin und her diskutiert wird, dass schon mehr Geld für die Gehälter aller Beteiligten verbrannt wird, bevor man intern KI-Projekte umzusetzt.
Warum das so dramatisch ist? Weil USA und China handeln!
Die Wachstumspläne der US Datenzentren
Größe & Energiebedarf der 3 größten Datenzentren
Die Top 17 Datenzentren bis 2029
Zum Vergleich:
Die ganze Stadt Berlin verberaucht jährlich ca. 12,5 Terrawattstunden
München ca. 7 TWh.
3. Der 2-motorige Mensch
Ich habe mein Fortbildungskonzept überarbeitet, um es zu optimieren.
Dabei habe ich mich darauf fokussiert 2 maximal komprimierte/kondensierte Übersichten bzw. Listen von Skills zu identifizieren, die für meinen, deinen und jedermanns bzw. jederfraus Zukunftserfolg essentiell sind.
Titelbild klicken, um PDF zu öffnen (und ggf. speichern)
4. Mein Zukunftsskills-Vortrag
Hand aufs Herz: Wer macht sich gerade keine Sorgen um die Zukunft der Kids? 🤖❤️
Ich habe meinen Vortrag vom Waldorf Future Lab extra noch einmal für euch zu Hause aufgenommen. Warum? Weil das Thema jeden Elternteil und jede Lehrkraft etwas angeht – egal ob Waldorf oder Staatsschule.
Wir schauen uns an, wie wir mit KI nicht nur Jobs sichern, sondern echte Lebensfreude wecken. Am Ende gibt es ein geniales Handout, das euch hilft, die wahren Traumkarrieren eurer Kinder zu finden. Schaut es euch an! 👇
4-minütiges Musikvideo (Zeitraffer-Promo)
1-stündige Präsentation
5. True Age: Die Wissenschaft des biologischen Alterns & der Epigenetik
🚀 Executive Summary
Altern ist nicht nur das Verstreichen von Zeit, sondern ein formbarer biologischer Prozess. Dr. Morgan Levine unterscheidet strikt zwischen chronologischem Alter (Lebensjahre) und biologischem Alter (Zellfunktion). Durch das Verständnis des Epigenoms – dem Betriebssystem der Zelle – können wir die Alterungsrate mittels "Uhren" messen und potenziell intervenieren. Das Ziel der modernen Altersforschung ist nicht Unsterblichkeit, sondern die Kompression der Morbidität: Das Hinauszögern von Krankheiten, um die Gesundheitsspanne zu maximieren, sodass Individuen bis kurz vor dem Tod funktional und krankheitsfrei bleiben.
🧬 Schlüsselkonzepte & Definitionen
Chronologisches Alter: Die Anzahl der Jahre, die eine Person gelebt hat. Ein starrer Wert.
Biologisches Alter: Ein dynamischer Wert, der den funktionellen Zustand und Verfall von Zellen und Geweben misst. Er sagt Gesundheitsrisiken und Sterblichkeit präziser voraus als das chronologische Alter.
Phänotypisches Alter: Eine Schätzung des biologischen Alters, abgeleitet aus klinischen Standard-Biomarkern (z. B. Leber- und Nierenfunktion, Stoffwechselmarker, Immunprofil) aus Routine-Blutuntersuchungen.
Das Epigenom: Das "Betriebssystem" der Zelle. Es besteht aus chemischen Modifikationen, die dem Genom befehlen, welche Gene an- oder ausgeschaltet werden sollen, was Zellidentität und -funktion bestimmt.
DNA-Methylierung: Eine spezifische Art von epigenetischer Markierung, die in der Regel die Genexpression unterdrückt. Methylierungsmuster verändern sich mit dem Alter vorhersehbar.
Hormesis: Ein biologisches Phänomen, bei dem milder Stress (wie Sport oder Fasten) adaptive Reaktionen auslöst, die den Organismus widerstandsfähiger machen.
🧠 Detaillierte Erkenntnisse
1. Die zwei Arten des Alterns
Wir fixieren uns oft auf das chronologische Alter, doch es ist ein schlechter Indikator für Gesundheit. Biologisches Altern bezeichnet den Abbau der Systemintegrität im Laufe der Zeit.
Formbarkeit: Im Gegensatz zur chronologischen Zeit ist das biologische Alter manipulierbar. Es kann durch Genetik, Lebensstil und Umwelt beschleunigt oder verlangsamt werden.
Manifestation vs. Ursache: Falten, graue Haare und langsamere Bewegungen sind nur die Manifestationen des Alterns. Der Prozess beginnt viel früher auf molekularer und zellulärer Ebene.
Risikostratifizierung: Die Messung des biologischen Alters ermöglicht es, den eigenen Verlauf zu verstehen. Ist das biologische Alter höher als das chronologische, altert man beschleunigt, was das Risiko für Krebs, Alzheimer und Herzkrankheiten erhöht.
2. Die Epigenetische Uhr
Dr. Levine erklärt, dass zur Messung des Alterns das Epigenom betrachtet werden muss.
Der Mechanismus: DNA-Methylierung fungiert als Schalter. Mit zunehmendem Alter werden die präzisen Muster dieser Schalter "unordentlich" oder umgebaut. Zellen verlieren ihre spezifische Identität und Funktion (z. B. eine Hautzelle arbeitet ineffizienter).
Maschinelles Lernen: Wissenschaftler nutzen KI, um spezifische Stellen im Genom zu analysieren, an denen Methylierung auftritt. Diese Daten erzeugen eine "Epigenetische Uhr", die das biologische Alter mit hoher Genauigkeit vorhersagt.
Reversibilität: Die Arbeit des Nobelpreisträgers Shinya Yamanaka zeigte, dass vier spezifische Faktoren (Yamanaka-Faktoren) das Epigenom einer Zelle in einen jugendlichen Zustand zurücksetzen können (iPSCs). Dies beweist: Altern ist auf zellulärer Ebene umkehrbar.
3. Altern als Treiber von Krankheiten
Dr. Levine argumentiert gegen den Ansatz, einzelne Krankheiten (Krebs, Herzleiden, Diabetes) isoliert zu behandeln ("Whack-a-Mole"-Strategie).
Die Wurzel: Altern ist der primäre Risikofaktor für fast alle chronischen Krankheiten.
Einheitliche Theorie: Zelldysfunktion durch epigenetischen Drift führt zu Gewebedysfunktion, was zu Organversagen und systemischen Erkrankungen führt.
Interventionsstrategie: Durch die Verlangsamung der biologischen Alterungsrate können mehrere altersbedingte Krankheiten gleichzeitig verzögert oder verhindert werden.
4. Ernährung, Hormesis und Langlebigkeit
Ernährung ist die am besten untersuchte Intervention für Langlebigkeit, insbesondere Kalorienrestriktion (CR).
Die 20%-Regel: Tierstudien zeigen, dass eine Reduktion der Kalorienzufuhr um ca. 20 % (ohne Mangelernährung) die Lebensdauer verlängert.
Hormetischer Stress: CR wirkt wahrscheinlich über Hormesis. Der milde Stress eines Kaloriendefizits zwingt den Körper, Wartungs- und Reparaturmechanismen hochzufahren.
Praktische Anwendung: Da strenge CR für Menschen schwierig ist, können Intervallfasten oder spezifische Essensfenster diese Vorteile nachahmen.
Zusammensetzung: Eine Ernährung reich an pflanzlichen, unverarbeiteten Lebensmitteln und arm an raffiniertem Zucker und übermäßigem tierischen Protein ist vorteilhaft.
Personalisierung ist entscheidend: Die optimale Ernährung ändert sich mit dem Alter. Ältere Menschen, die zu Sarkopenie (Muskelschwund) neigen, benötigen möglicherweise mehr Protein als jüngere Menschen, um Muskelmasse zu erhalten.
🛠️ Handlungsempfehlungen
📊 Status messen
Phänotypisches Alter prüfen: Man benötigt keine teuren Tests. Nutzen Sie Daten der jährlichen Blutuntersuchung (Standardwerte wie Glukose, Kreatinin, Albumin, CRP etc.) und geben Sie diese in kostenlose Online-Rechner für "Phenotypic Age" ein.
Epigenetische Tests: Für einen tieferen molekularen Einblick analysieren direkt an Verbraucher gerichtete epigenetische Tests (Speichel oder Blut) die DNA-Methylierung.
🍎 Lebensstil optimieren (Der "Hormesis"-Ansatz)
Nicht überessen: Vermeiden Sie chronischen Überkonsum. Ziel ist eine Kalorienzufuhr, die strikt dem Energieverbrauch entspricht.
Fasten integrieren: Nutzen Sie zeitlich begrenztes Essen (Verkürzung des Essensfensters), um milden biologischen Stress zu erzeugen, der die Zellreparatur fördert.
Sport für Resilienz: Betrachten Sie Sport nicht nur als Kalorienverbrennung, sondern als Stressor, der systemische Widerstandskraft aufbaut.
Vollwertkost: Bevorzugen Sie pflanzenbasierte Vollwertkost; minimieren Sie verarbeiteten Zucker.
🎯 Das Ziel: "Die Kurve quadrieren" (Squaring the Curve)
Streben Sie nicht nach Unsterblichkeit, sondern nach Gesundheitsspanne.
Ziel ist es, so lange wie möglich gesund und funktional zu bleiben und die Phase von Krankheit/Behinderung auf ein sehr kurzes Fenster am Lebensende zu komprimieren.
🗣️ Bemerkenswerte Zitate
"Wir alle altern, aber wir altern nicht alle mit der gleichen Geschwindigkeit."
"Das Epigenom ist im Grunde das Betriebssystem der Zelle."
"Altern ist der größte Risikofaktor für die meisten Krankheiten, um die sich Menschen sorgen... Anstatt jede dieser Krankheiten einzeln zu behandeln... könnten wir, wenn wir die Alterungsrate verlangsamen, die Auswirkungen vieler dieser Krankheiten verhindern oder abmildern."
"Es ist nie zu spät. Es gibt immer noch viel Formbarkeit im Hinblick auf den phänotypischen Alterungsprozess über die gesamte Lebensspanne hinweg."
6. Kreativster KI-Anwendungsfall, den ich kenne
Dieser Vorfall belegt:
a) Wie extrem unsere Gene unser Leben vorher bestimmen.
b) Wie unglaublich gut KI inzwischen ist.
Dieser junge Mann hat an seiner Universität mit einer Zellprobe von sich, sein Genom bestimmt, was inzwischen auch jedem für paar Euro möglich ist.
Dann hat er seine Ergebnisse mit Anthropic’s KI-Tool Claude Code ausgelesen und mit Google’s Bildmodell NanoBanana sein Aussehen prognostizieren lassen – ohne jeglichen weiteren Input oder Kontext. Nur anhand seiner DNA. Im Artikel sagt er, dass seine Kosten sich auf nur eine $20,- pro Monat Claude Code und ähnlich teure Google KI Lizenz beliefen, d.h. keine Extrakosten für ihn waren.
Das linke Bild zeigt ein Foto. Rechts sehen wir ein KI-Bild anhand seiner DNA.
Was heißt das? Ciao Privatsphäre!
Jetzt kann jeder mit nur einer Zelle von dir dein reales Aussehen und komplettes Gesundheitsbild rekonstruieren, d.h. mit einer deiner weggeworfenen Zigaretten, von einem benutzten Glas oder einer Trinkflasche, einem Haar, etwas Spucke, einem benutzten Taschentuch, usw.
Oder einfach nur, wenn jemand, dem du die Hand geschüttelt hast, diese hinterher absaugt und dort deine abgeriebenen Hautzellen findet…
Dir gefällt mein Newsletter?
Danke. Freut mich, wenn du Freude daran hast.
Ich freue mich über jede Art der Unterstützung:
Teile diesen Newsletter mit Freunden, Bekannten und Lernwilligen, damit Sie nicht vom Tempo der KI-Transformation abgehängt werden.
Folge mir auf Social Media, wo ich nur über KI, Technologien, Kreativität, Strategien und Fortbildung poste. Einfach unten Logo deiner bevorzugten Social Media Plattform anklicken, um mein Profil zu öffnen. ⬇️