Was KI wirklich mit deinem Gehirn macht – mit Elisabeth L'Orange

00:00:00: Ich hab mit Elisabeth Lorange gesprochen.

00:00:01: Elisabet ist eine der prägnandesten und spannendsten Stimmen im Bereich KI in Deutschland, und das vor allem weil sie da schon so viele Jahre auch macht – und nicht erst auf den Zug aufgesprungen ist seit der große AI-Hype eigentlich losgegangen ist.

00:00:14: Sie ist außerdem Partnerin für AI & Data bei die Leute und hat ihren eigenen Podcast Tech on Tales, der jeden Samstag rauskommt!

00:00:20: Und mit ihr habe ich über die großen Fragen gesprochen, die sich gerade so viele stellen.

00:00:25: Wie motiviere ich meine Mitarbeiter denn für das ganze Thema AI?

00:00:28: Sollten alle schon mal losrennen und sich die Tools selbst erarbeiten oder brauche ich Schlüsselpositionen, die diese Themen ganz strukturiert vorantreiben?

00:00:37: Ich hab mit ihr auch darüber gesprochen was die Politik hier eigentlich gerade versäumt.

00:00:41: Aber ich hab auch mit ihr darüber gesprochen und das ist, glaub' ich so diese große Frage die sich viele gerade stellen.

00:00:47: Ob wir hier durch KI auch in eine Massenarbeitslosigkeit reinschlittern?

00:00:50: Das meinen nämlich schon viele zu sehen!

00:00:52: Und... Zu guter Letzt hat sie mir auch noch erzählt was eigentlich in unserem Gehirn passiert.

00:00:57: dazu, forscht sie nämlich gerade sehr viel wenn wir AI verwenden.

00:01:00: Das fand ich unglaublich spannend und mein Kopf rattet auf jeden Fall seitdem.

00:01:05: Ich habe grad schon gesagt, Sie hat ihren eigenen Podcast falls Ihr also die Folge genauso spannend findet wie ich Sie gerade empfunden habe, dann könnt ihr auch immer in ihren eigenen Podcast reinhören.

00:01:14: Tech & Tales kommt jeden Samstag aber ich wünsche euch jetzt erstmal viel Spaß mit dieser Folge!

00:01:33: Thema so präsent wie es ist wird gar nicht oft in dem Podcast behandelt, sondern wir sprechen ja viel über Gründerstories.

00:01:39: Aber gerade dieses Jahr kommt man irgendwie nicht mehr dran vorbei!

00:01:43: Ich frag mich aber immer da du dich dem Thema schon lange gewitten hast, hattest du einen Hauptmotivator oder ein Triggerpunkt ab dem Moment wo du dich damit auseinandergesetzt hast, weil ich glaube der fehlt oft vielen gerade im Moment.

00:01:57: Man hat so eine Formu, warum man sich irgendwie mit dem Thema beschäftigt aber kann es bei dir schon immer in drin sich aus die heraus?

00:02:03: Da gab's ja so ein Hauptmotivator.

00:02:05: Ich habe einen Master gemacht in Jura & Finance in New York und da hab ich über algorithmisches Trading geschrieben bzw.

00:02:13: in der Masterarbeit geforscht, das war sozusagen die erste Momente, in dem ich gesehen habe wie viel Macht Algorithmen haben können und es war der Moment ab dem mich das quasi interessant fand und mich damit beschäftigt hat.

00:02:24: in der Tiefe Also, von daraus hat sich das dann so entwickelt.

00:02:27: Und ich hab für einen Fund gearbeitet mit dem wir überwiegend in DeepTech investiert haben.

00:02:32: Ich war beim Start-up oder Scale up, dass auch DeepTech entwickelt hat und damals hieß es noch Maschineis Lern.

00:02:38: jetzt ist ja irgendwie alles AI aber von dort an quasi habe ich mich damit nach Tiefe beschäftigt.

00:02:44: Ja

00:02:45: Hättest du im Jahr zwei Tausend Elf hättest Du damals in die Glasskugel geschaut hätte zwanzig sechsundzwanzig so ausgesehen wie's jetzt gerade aussieht?

00:02:52: Oder Wenn wir weiter gewesen oder noch nicht ganz so weit?

00:02:56: Ich glaube, wir hätten eigentlich schon weiter sein können.

00:02:58: Oder die Architekturen, die jetzt verbaut werden sind ja relativ alt.

00:03:02: Also es sind vierzig-fünfzig Jahre als im Teil und die wurden skaliert mit besseren Daten, mit bessern Chips, mit mehr Computepower am Ende und Kapital.

00:03:11: Und das hätte eigentlich schon lange passieren können.

00:03:14: Es gab auch eine Art AI Winter in den neunziger Jahr oder vorher noch, da in dem nichts passiert ist, nichts entwickelt wurde.

00:03:22: Ich wäre auch davon ausgegangen, dass wir jetzt schon weiter sind.

00:03:25: Die Modelle halluzinieren immer noch viel die bildgebende Modelle sind noch nicht einwandfrei.

00:03:30: also ich frage mich ob wir so ein bisschen platurrecht haben.

00:03:33: warum sind wir noch nicht soweit?

00:03:35: weil meines dachtens diese technologie ihre grenzen hat.

00:03:37: also alle lamps haben einfach eine technologische grenze.

00:03:41: sollten sie irgendwann haben wenn das ziel agi ist dann müsste man quasi die modelle weiter Skalieren mit Daten, mit Chips und ein bisschen smarteren Architekturen.

00:03:52: Und das machen alle momentan und die Modelle werden auch noch besser?

00:03:55: Also gerade wenn man sich so die letzten Anthropic-Modelle anguckt sind sie besser als Open AI und sind die besser als GROC oder die anderen.

00:04:02: aber irgendwann wird es eine Grenze erreichen und dann wird's halt nicht mehr wesentlich besser.

00:04:07: Dann werden die Schritte nur inkrementell sein und eben nicht exponentiell.

00:04:11: Die letzten, ich würd mal sagen in der eigenen Wahrnehmung sechs Monate waren sehr intensiv und es kam auch so richtig bei uns im Arbeitsalltag an.

00:04:21: Wir haben natürlich davor immer schon gesagt ja wir arbeiten viel mit KI.

00:04:24: wenn ich's aber jetzt vergleiche was sich in den letzten sechs Monaten getan hat versus in den drei Jahren davor dann hat sich irgendwie in die letzten sechs monaten schon sehr viel mehr verändert.

00:04:32: Du als Expertin in dem Bereich würdest du das auch so wahrnehmen?

00:04:36: Was die letzten sechs Monate angeht oder sagst du ne die Entwicklung war eigentlich die ganze Zeit schon da.

00:04:42: Wir haben die letzten drei Jahre etwas verschlafen eigentlich.

00:04:45: Doch die Entwicklung war immer schon da, es ist nur so dass die gesamte Text-Szene immer lauter wird.

00:04:52: Das heißt sie haben ja auch geopolitisch angefangen mitzumischen oder in der US-Politik angefangen zu mischen.

00:04:58: das heißt sie sind sehr visibel geworden, Elon Musk usw und darüber hinaus... wissen die sehr gut, wie man das Press-Game spielt.

00:05:06: Weil die an Finanzierungsrunden astronomisch hoch sind, müssen sie halt einfach präsent sein.

00:05:11: und die sind präsend mit absolut irgendwie erschreckenden Headlines so wenn die sagen in achtzehn Monaten werden alle White Collar Jobs ausradiert werden oder die sagen irgendwie Das Modell hat seine Unterabhängigkeit erklärt.

00:05:24: damit Wenn man das sieht diese Headline dann kündigt sich eigentlich entweder eine Finanzierungs Runde an oder neuer Produkt Launch oder irgendwas signifikantes für das Unternehmen Und damit ist es so ein bisschen in die Wahrnehmung gerückt, glaube ich.

00:05:36: Ich finde im Moment super interessant auch viele Unternehmer mit denen ich spreche sind irgendwie in einer ähnlichen Phase dass sie ihre Mitarbeiter irgendwie insbesondere jetzt gerade versuchen irgendwie für KI zu motivieren.

00:05:52: Es war natürlich die letzten Jahre schon immer da irgendwie einzelne Schritte und Prozesse.

00:05:57: Jetzt gefühlt im letzten halben Jahr sieht jeder wirklich die absolute Notwendigkeit dafür.

00:06:01: Was würdest du empfehlen, um so ein KI-offenes Mindset irgendwie in die Teams reinzubringen und in die Unternehmen?

00:06:07: Weil da sehe ich oft noch den Knackpunkt.

00:06:09: Ich sehe super viel verschränkte Arme.

00:06:12: Und warum sollen wir das Ganze so machen?

00:06:15: Selbst wenn man versucht diese Themen auch zu erklären, warum mit Wirtschaftlichkeit

00:06:18: etc.,

00:06:19: habe ich trotzdem auf das Gefühl in Gesprächen, dass jeder an dem gleichen Punkt gerade mit seinen Mitarbeitern steht oder teilweise mit Mitarbeiteren, dass dieses Mindset einfach immer noch sehr kritisch ist!

00:06:31: Klar

00:06:31: ist bei neuen Technologien ja auch historisch immer so gewesen.

00:06:35: Also wir gucken uns die Webstülle, die branden vor ein paar hundert Jahren an.

00:06:39: das heißt es war immer so dass große Teile der Bevölkerung Fortschritt abgelehnt haben.

00:06:44: nur bei der KI ist jetzt so dass diese Dieser Innovationssprung kommt eben in wenigen Jahren, also die industrielle Revolution hat hundertfünfzig Jahre gedauert.

00:06:52: am Ende der gesamte Prozess und KI wird fünf bis zehn Jahre dauern.

00:06:56: Und dann in der Zeit müssen wir es halt schaffen uns daran gewöhnt zu haben.

00:07:02: Ich glaube das beste Argument für Mitarbeitende ist immer dass man sagt, dass sie sich selber hier aufschlauen.

00:07:07: Also das heißt wenn Sie lernen mit KI zu arbeiten oder dieses Thema zu verstehen, dann tun Sie was für sich selbst nicht für unbedingt den Arbeitgeber.

00:07:15: aber ich glaub Am Ende ist es so, entweder dielst du mit der KI oder die KI-Dealt mit dir.

00:07:20: Also ich weiß nicht ... Wenn du dich nicht damit befasst und nicht lernst dann wirst du irgendwann zum Subjekt und bist irgendwann diejenige, die irgendwie Bilder anotiert.

00:07:29: also das heißt ich glaube irgendwann sollte so ein bisschen der Sense of urgency auch anspringen dass kein reines irgendwie could have sondern mehr so'n must have.

00:07:40: Was würdest du denn empfehlen?

00:07:42: Es gibt sehr viele in den einzelnen Teams, finde ich immer, KI-Skeptiker.

00:07:46: Leute, die superoffen sind und dann gibt es die Skeptiker... Wie viel Zeit würdest Du empfehlern, Unternehmern in diese KI- Skeptika zu investieren und wo auch einfach zu sagen, dann geht das hier vielleicht irgendwo nicht weiter?

00:08:01: Na ja, es kommt doch an wie teuer die zu entlassen sind auf der einen Seite und auf der anderen Seite ist wie Lebens ... notwendig, die fürs Unternehmen sind.

00:08:10: Also manchmal gibt es ja so Kern ... People of interest, die quasi den Schlüssel zu allem haben und sind auch im Team essenziell sind und fachlich essenzielle sind.

00:08:20: Es gibt Maschinenbauer, die an der Umdrehungszahl irgendwie hören können wann der Motor aufgibt.

00:08:27: also davon hängt's ein bisschen ab ist ein bisschen komplexer.

00:08:30: aber grundsätzlich kann man nicht zu lange Menschen halten, die sich dem Fortschritt widersetzen.

00:08:36: Hast du Beispiele, wo du sagst damit ... Hast du schon einen anderen Unternehmen gesehen?

00:08:45: Konnte man Skepsis gut auflösen?

00:08:47: oder sagst du, das muss immer was Intrinsches sein.

00:08:50: Das kann gar nicht so sehr vom Unternehmens-, Geschäftsführer- oder Abteilungsleiter kommen, sondern es ist einfach so entweder hat man das intrinsisch oder man hat's nicht und dann kommt man da auch sehr schwer gegen an.

00:09:00: Doch ich glaube, es gibt AI enablement Programme die man machen kann, die am besten funktionieren.

00:09:04: also wenn das von Management ... Leadership vorgegeben wird und dann muss es umgesetzt werden.

00:09:10: Und dann helfen eigentlich so richtige Hands-on Programme, das heißt man, die sitzen alle in einem Raum und lernen irgendwie Basic GPTs zu erstellen oder was auch immer in deren Bereich das Relevante ist.

00:09:24: Das hat auf jeden Fall viel Aussicht auf Erfolg, die Leute heranzuführen an jeweiligen Thematiken und sie auch nichts zu überfordern.

00:09:30: Man hat festgestellt dass alles über drei Tools überforderndes Gehirn und die Menschen selber bestimmte Bereiche.

00:09:37: Also.

00:09:38: zum Beispiel fühlen sich über sechsundzwanzig Prozent aller Marketing-Mitarbeitenden als total, als überfordert mit der KI und die haben eine Art Erschöpfungszustand im Gehirn tatsächlich.

00:09:49: Sobald sie zu viel mit generativer KI arbeiten.

00:09:53: Und bei den Juristen sind es nur ungefähr sechs Prozent.

00:09:56: Das gab gerade im Februar eine BCD-Studie, die das genau gemessen hat.

00:10:02: Die Juristen nutzen aber auch grundsätzlich keiner KI.

00:10:04: Das ist meine Zunft, wir sind sehr technologisch resistent.

00:10:08: Daher ... Ich glaube das hängt so ein bisschen davon ab in welchen Bereichen die Leute arbeiten?

00:10:13: Aber dass langsamer heranführen und das stetige ausprobieren und den Leuten noch die Agency zu geben, da die Verantwortung für ihren Bereich zu haben und für die KI, ich glaub, das hilft schon im Ernst.

00:10:24: Also es einfach ... die KI auch um Alltag zu verwenden also für Fragestellungen, Ich mache ein Foto von meinem Knie und fragt, der KI links außen tut's mir weh.

00:10:37: Dann kriege ich die Diagnostik.

00:10:40: Grundsätzlich sich daran zu gewöhnen, dass es was Besseres als Google gibt ist eine gute Idee.

00:10:47: Ja, finde ich spannend ... Ich sehe grade so viele unterschiedliche Szenarien oder wo sich auch gerade Mitarbeiter oder prinzipiell auch natürlich Privatmenschen irgendwie befinden.

00:10:58: Zum einen ist da diese Überforderung Das, was du auch sagst.

00:11:03: Dann findet aber, finde ich auch zeitgleich schon dieses Thema statt dass der KI zu viel vertraut wird oder das der Kopf ausgeschalten wird.

00:11:12: also so vielleicht weiß nicht da ist gleich es auch ein Anzeichen dann der der Erschöpfung Dass man den Kopf dann auch ausschaltet dass ich irgendwie merke ich bekommen jetzt zwar viel längere Analysen zurück Aber vorher haben eigentlich die drei Sätze perfekt ausgereicht.

00:11:28: Und jetzt kriege ich eine superlange Analyse und die Analysee sagt mir, es war ne Super-Podcast-Folge.

00:11:36: Aber ich lese das einmal durch und denke nee, die war doch schlechter als sie beim letzten Mal und die KI hat einfach nur Gebenchmark gegen irgendwas.

00:11:42: Deswegen hat sie gesagt, es waren ne Superpodcast-folge.

00:11:44: Dann hab' ich so einen langen Text... Ich finde diese beiden ... Extreme hat man irgendwie gerade so dieses ... Überforderung, man weiß gar nicht wo man anfangen soll.

00:11:52: Zu viele Tools und ich hab zu viele Prozesse und ich weiß gar nich welchen ich automatisieren soll.

00:11:56: Und auf der anderen Seite

00:11:58: auch dieses Thema.

00:11:59: es wird alles in die KI reingeschmissen und dadurch leidet auch irgendwo die Qualität zum Schluss weil der Kopf ausgeschalten wird.

00:12:06: Total also das eine was du anspruchst ist nenn sie der Maschinen-Bias Das heißt dass man immer die Ergebnisse dir aus einer Maschine rauskommt quasi als irgendwie wertvoller, substanzieller und korrektor bewertet.

00:12:19: Das machen Menschen grundsätzlich, denken die Maschine kann es besser obwohl dem nicht so ist.

00:12:25: Dann zweitens diese kognitive Erschöpfung.

00:12:30: Ich forsche gerade an, also ich schreibe grade meine Promotion zu Neuron und AI.

00:12:33: Und wir gucken uns im EG immer an wie die Menschen performen wenn sie KI nutzen versus wenn sie keine KI nutzen?

00:12:39: Und wir lassen sie gerade so im Prozessmanagement... Also wir machen das mit BPMN heißes, also Business Process Modeling ist das.

00:12:47: Das heißt ein Geschäftsprozess wird in lauter kleine Kästchen irgendwie unterteilt.

00:12:52: mein wegen irgendwie die Ablage der E-Mail, das Öffnen in der E mail schreiben.

00:12:55: Also jetzt war einfach gesagt ja und um so ein Businessprozess zu modellieren brauch musst du halt so ein bisschen dein dein Fach verstehen und kannst.

00:13:03: und dann kannst es eigentlich Und wir haben lauter Professoren dafür Business Prozesse Modellieren lassen mit dem EEG und haben gesehen wie wie involviert das Gehirn war.

00:13:15: Das Gehirnt war sehr wach und hat sehr gut gearbeitet.

00:13:19: Sobald wir den Professoren LLMs gegeben haben, die das auch können, also spezialisierte LLMS für Prozessmodellierungen trainiert worden sind... Also nicht nur hat das Gehörn ausgeschaltet wurde quasi, also das heißt Gehirnhat war kaum mehr aktiv, war im Ruhezustand dass wieder hoch war.

00:13:42: Das Gehirn war extrem anstrengend für die jeweiligen Menschen, also das heißt der Wechsel von KI zu Nicht-KI ist fürs Gehirnsäher herausfordernd.

00:13:49: Sie haben außerdem die Ergebnisse als sehr gut bewertet von der KI, weil sie halt mit Absicht schlecht waren aber sie haben es nicht gesehen.

00:13:58: Aber sie konnten sich vor allen Dingen auch nicht mehr daran erinnern.

00:13:59: nach ein paar Tagen Also die Recall-Fähigkeit war gleich null.

00:14:02: Das heißt sie konnten nichts sehen und konnte sich nicht mehr dran erinneren was sie da erarbeitet haben.

00:14:06: Und es gab noch einen Experiment.

00:14:10: MIT hat man nachgewiesen, dass siebundvierzig Prozent der neuronalen Verbindung tatsächlich gekappt waren bei Menschen die über Monate lang alles mit generative KI generiert haben.

00:14:23: Klar, das Gehirn ist wie so ein Muskel.

00:14:25: Ja?

00:14:26: If you don't use it – You lose

00:14:27: it!

00:14:28: Das heißt man verliert halt relativ schnell die Fähigkeiten wenn man sich darauf verlässt dass irgendwer anders was macht.

00:14:34: Es ist gleich mit Maps.

00:14:35: also es heißt kaum Menschen können sich kaum noch richtig orientieren weil sie die ganze Zeit auf ihr Handy gucken.

00:14:42: Das Gleiche gilt für alle möglichen Dinge.

00:14:44: Wenn man sich Sachen ergoogelt ständig und nicht mehr selber überlegt dann verlernt das Geirn halt nachzudenken.

00:14:52: Was das Ganze so ein bisschen wie ein Katalysator wirkt, ist natürlich Social Media.

00:14:57: Das heißt die neue Gen Zee ist die erste Generation, die wirklich dümmer ist als die Generation davor leider und es liegt an dem Medienkonsum.

00:15:06: Das ist tragisch aber so ist es leider Und das in Kombinationen ist halt besonders toxisch.

00:15:10: und deswegen kann ich nur sagen in Unternehmen oder auch grundsätzlich würde ich alles was sich selber schreiben kann immer selbst schreiben weil auch was du eben ansprachst der AI-Slop sozusagen, du meinst das was alles generiert wird.

00:15:24: Man hat keinen Überblick mehr.

00:15:26: Das kostet die Unternehmen momentan Millionen jedes Jahr, das zu irgendwie in richtige Richtung zu lenken weil irgendwer muss den Scheiß erlesen.

00:15:34: Irgendwer muss damit irgendwie das in richtige Bahnen lenken und das zu korrigieren ist viel teurer.

00:15:40: also man hat festgestellt dass sich der Output verdoppelt hat an Text sondern an Schrift und so weiter.

00:15:45: Aber der Erkenntnisgewinn hat sich nicht verdoppelt.

00:15:47: Da bleibt er gleiche,

00:15:48: d.h.,

00:15:48: die Zeit, die gebraucht wird um das zu lesen und abzuhäften usw.

00:15:53: Hat sich einfach ... ist wahnsinnig angestiegen und damit ist die Produktivität de facto gesunken.

00:15:59: Also es heißt, wir sehen noch nicht mal diese richtigen Produktivitäten.

00:16:02: Wir

00:16:03: haben keine Verbesserung?

00:16:03: Nee, eine Verschlechterung!

00:16:05: Und deswegen kann ich nur allen raten nach wie vor was es an Text gibt uns weiter alles selber zu verfassen.

00:16:11: Möglichst wenig generative KI zu verwenden im Sinne von machen zu lassen, als mit der KI im Dialog zu sein.

00:16:18: Das heißt wenn du dir irgendwas überlegst und fragst hey was könnte das sein dass du quasi mit dem Modell sprichst um dich aufzuschlauen?

00:16:27: Das hilft...das funktioniert sehr gut!

00:16:28: Und dann stellst du nur Rückfrage, danach hast du eine Erkenntnis.

00:16:31: Ich meine es ist wie so ein kleiner Lehrer den du jede dumme Frage stellen kannst, die du schon immer in deinem Leben hattest.

00:16:38: Ich würde mich mega gern einen Monat mit einer KI auf eine einsame Insel setzen und alles durchsprechen.

00:16:43: Alle Fragen, die ich mir nie getraut habe alle Dinge, die nicht so richtig verstanden haben der Satz ist Pythagoras keine Ahnung Und alles einmal durchtalken und dann bin ich wieder ready für die Zivilisation.

00:16:54: Aber

00:16:55: das ist ja super spannend.

00:16:56: aber was heißt es denn eigentlich wenn du sagst okay wir haben hier eigentlich jetzt gar nicht nur von der Produktivität Verschlechterung oder vom Output der hier gerade generiert wird sondern mein Kopf schaltet aus oder es fällt meinem Kopf viel schwerer auch wieder einzuschalten, um zu switchen.

00:17:13: Wie kann ich das verhindern?

00:17:14: Oder verbessern

00:17:16: dem du aktiv dein Gehirn verwendest wenn immer du kannst

00:17:20: also dass was du gerade genau gesagt hast.

00:17:21: Also ich frage lieber die Karik bleibt im Dialog statt dass Themen komplett übernommen werden?

00:17:27: Genau.

00:17:27: Es wird sicherlich in ein paar Jahrzehnten, wird man zurückblicken und überlegen so was haben wir uns da eigentlich angetan?

00:17:33: Also sowohl mit Social Media als auch mit KI würde es so ähnlich sein wie mit dem Lippenstift der Radiom enthielt oder der oder Blei ja die ganze Schminke die Blei enthield oder Coca Cola die Kokain enthiehlt oder die Kinderfüße die man gereinigt hat im Schuladen war um zu sehen ob die Schuhe passen.

00:17:51: Das heißt dieses Risikobewusstsein ist überhaupt noch nicht da.

00:17:54: Keiner weiß so wirklich, was die Langzeitschäden oder Langzeitfolgen auch sind.

00:17:57: Und deswegen ist es auch so unreguliert!

00:17:59: Also ich glaube das zum Beispiel der Ansatz des Sokrates ähnlich zu Hand haben und

00:18:06: d.h.,

00:18:07: dass die KI Rückfragen stellt und mit dir gemeinsam die Antworten erarbeitet.

00:18:12: Ich glaube, das ist z.B.

00:18:13: eine super gute Idee.

00:18:16: Da gibt's lauter Forschung dran ob das besser ist usw.

00:18:19: und gerade für Kinder- oder Jugendliche, die noch in der Entwicklung sind Es ist superinteressant, diesen Schulmodus anzumachen.

00:18:27: Dass die Antwort nicht gleich vorgekaut ausgespuckt wird, sondern die KI fragt so ... Hast du dir mal überlegt, dass das und das sind?

00:18:33: Und dann bist du halt im Dialog und deinen Hirn und dein ganz Bewusstsein bleibt engaged.

00:18:39: Ich glaub, es ist einfach wichtig, dass man nicht anfängt zu schlafen und auf den Knopf zu drücken um's abzugeben.

00:18:45: Ja, absolut.

00:18:47: Spannend!

00:18:49: im Moment rennen irgendwie viele gleichzeitig los.

00:18:51: Und ich glaube, es passiert auch zum Beispiel bei uns selbst genau das was du gerade beschrieben hast.

00:18:56: Ich merke immer wieder plötzlich weil da eine vermeintliche Zeit der Spanis ist arbeiten plötzlich mehr Leute an einem Projekt vorher als eine Person übernommen, weil man hat sich klar darauf kommuniziert und jetzt ist so ah ja ich weiß dass die daran arbeitet.

00:19:09: komm ich mach auch mal!

00:19:09: Ich guck mir das auch mal an.

00:19:11: Plötzlich haste dann irgendwie drei leute die auf Themen arbeiten.

00:19:14: alle haben's mit KI irgendwie unterschiedlich angenehrt.

00:19:17: Es ist mehr Chaos dann irgendwie zum Schluss da.

00:19:19: Es wird auch nicht als Zeitverschwendung angesehen, weil es ging ja schneller

00:19:23: so.

00:19:24: und trotzdem ist natürlich der positive Aspekt dass sich sehr viele dann erst überhaupt mal mit irgendwie KI Tools beschäftigen sich dem Thema annähern.

00:19:32: auf der anderen Seite rennen alle los.

00:19:34: wir haben aber auch jemand zb im Team der bei uns nichts anderes macht als eigentlich Prozesse mit KI zu optimieren und in die einzelnen Teams reinzugehen sich anzuhören.

00:19:42: was sind eure Prozeste?

00:19:43: wo können wir?

00:19:45: ich schau mir das einmal geregelt an Trotzdem findet bei uns gerade beide statt.

00:19:48: Was würdest du unternehmen empfehlen?

00:19:50: Da diese eine Person, die sich das in Ruhe anschaut und damit auch schon Expertise rangeht oder sagt du nein es ist so essentiell dass ich wirklich jeder mit dem Thema, mit den Tools ... Mit der Art und Weise wie auch das Ganze funktioniert auseinandersetzt.

00:20:05: Ich glaube du brauchst muss von allen Seiten angreifen.

00:20:08: Also das heißt du brauchest AI Enablement Teams also quasi eine Person ähm fast noch nicht ausreichen.

00:20:14: dann brauchst du Ähm, aus der Leadership Leute, die es own.

00:20:18: Also das heißt du brauchst einen Chief AI Officer oder der hat den Chief Information oder Tech.

00:20:24: einer von denen hat dann und das Thema Und der sollte auch keine Stabstelle sein sondern selber Autorität genug haben um die Dinge wirklich eins zu eins umzusetzen.

00:20:32: Dann brauchst Du Daten die in einer guten Situation sind also bei jetzt E-Com Unternehmen ist tendenziell besser, weil es eh digital ist als in einer klassischen Industrie.

00:20:43: Aber es gibt viele in der Industrie noch mit Papier und Bleistift überleben.

00:20:47: Erstaunlicherweise?

00:20:48: Und das heißt Daten müssen gekleinert werden.

00:20:51: Das heißt Zugang zu den Modellen muss gegeben sein oder zu den Tools.

00:20:55: Es ist wirklich so dass über sechzig Prozent der Mitarbeitenden keinen Zugang zum Chatbots haben.

00:21:02: Und das ist die Grundvoraussetzung.

00:21:03: Und dann ist da eben nicht nur ein Implementation-Gab auch.

00:21:09: dieser kognitive Gap zwischen der Leadership und zwischen den ... Zwischen den Mitarbeitenden.

00:21:13: Weil Leadership denkt überwiegend, dass man zehn, zwölf Stunden pro Woche damit einsparen kann.

00:21:19: Und Mitarbeiter denken überwiegt, dass wir uns nicht können.

00:21:22: Da ist halt ein ziemliches Delta zwischen den beiden Gorten.

00:21:26: Am Ende sind die Mitarbeitende aber, die das abarbeiten müssen.

00:21:30: Wenn die meinen, dass sie es nicht können, weil sie keinen Zugang haben oder wollen, dann ist da ein Problem, glaub ich.

00:21:38: Du hast gerade davon gesprochen, dass die Produktivität noch nicht gestiegen ist durch KI.

00:21:43: Dass wir einfach irgendwie grade viel mehr erzeugen aber inhaltlich da noch nicht irgendwie das Plus zu sehen ist.

00:21:51: Besser weniger Ausnahmen ne?

00:21:52: Aber ja!

00:21:53: Wann glaubst du sind wir in der

00:21:55: Phase?!

00:21:55: Ich würde sagen so zwanzig, neunzwanzig.

00:21:57: Also gibt dem Ganzen noch drei Jahre und dann werden wir glaube ich langsam in die Skalierung kommen.

00:22:02: weil das Problem ist momentan dass die meisten Unternehmen von diesen POCs also MBPs, POCs für diesen kleinen Produkten sozusagen nicht in die Skalierung kommen, weil denen eben die Governance fehlt.

00:22:14: Es fehlt der Zugang zu den Datenmodellen es fehlen denen die Engineers um das Ganze umzusetzen.

00:22:20: Es fehlen ihnen auch die Business Cases.

00:22:22: also sie sind immer noch ein bisschen am Murakeln wo wirklich die Wertsteigerungen sind, wo die Hebel sind und das sind alles so Themen die kommen noch nicht in Skalierung und dann sind die Modelle wie gesagt noch nicht so richtig zuverlässig.

00:22:32: Also das heißt LLMs, wenn ich deterministisch sind, sind die Antworten häufig falsch.

00:22:38: Und zwar sehr häufig, wenn man ehrlich ist.

00:22:40: Also, wenn sich die gesamten Statistiken anguckt, dann haluzinieren sie zum Teil fünfzig-sechzig Prozent und das heißt, man muss sehr viele Guardraids einbauen und dann wiederum andere Modelle, die checken wie der Output der Modelle war.

00:22:54: Das heißt, hat einen Anthropic-Modell, klaut irgendwas, dass dann checked was es Open AI-Model ausgegeben hat Und das wird dann sehr teuer auch, ne?

00:23:02: Also es heißt auf Tokenseite die verbraten alle Tokens ohne Ende und es geht ein Pink-Punk zwischen den Modellen bis irgendwann das richtige Ergebnis ausgespuckt wird.

00:23:11: Auch wenn man Ergenden aufsetzt, dann bestehen sie ja möglicherweise aus Fünfzig Arbeitsschritten in dem zwanzig APIs involviert sind.

00:23:19: also die ganzen API's brechen einmal die Woche.

00:23:22: Das heißt Braume braucht dann wirklich so Engineers, die das Ganze betreuen.

00:23:27: Man braucht irgendwie Agent Babysitter.

00:23:29: Also das sind halt alles so kleine technische Herausforderungen, die momentan auf jeden Fall da sind und bis es nicht gelöst ist, dauert's, bis es in die Eskalierung kommt.

00:23:36: Und dann, ich würde sagen wie gesagt, es dauern noch zwei drei Jahre, also zwanzig neunzwanzig, dann glaube ich kommen die Unternehmen in der Eskalierung und haben nicht mehr diese ... Ich meine das wie Kinder ja?

00:23:46: Die noch drin irgendwie nur drei sind oder so.

00:23:49: So ab sechs, wir sind hier in der Grundschule und dann könnt ihr schon alleine irgendwie klarkommen.

00:23:53: Mein größtes Fragezeichen im Moment ist irgendwie volkswirtschaftlich gesehen, weil es so eine komplexe Situation sowieso gerade wirtschaftlich gesehen.

00:24:01: Deswegen ist das manchmal glaube ich schwer abzuleiten.

00:24:04: Es werden weniger Leute gerade eingestellt, weniger Stellen sind ausgeschrieben.

00:24:07: Wir haben viele Leute die fertig sind mit der Uni und sagen Ich finde keine Stelle Gleichzeitig... Ich habe heute mit einem Mülkuter gesprochen, der gesagt hat Ich besetze gar keine Juniors mehr, es wird gar nicht mal die Nachfrage.

00:24:20: Es sind irgendwie die Seniors, die effektiv mit KI arbeiten können.

00:24:24: Das ist die Nachfrage dieses Jahr.

00:24:26: also ich glaube da auf dieser Seite hat man so ein bisschen die Bestätigung auch.

00:24:30: Da ist einfach ein großes Gap, es werden viele Leute nicht eingestellt.

00:24:33: wir haben eine höhere Arbeitslosigkeit teilweise begründet durch... die wirtschaftliche Lage teilweise begründet durch KI.

00:24:40: Ich glaube, deswegen ist auch so eine Zurückhaltung gerade bei vielen da irgendwie auch überhaupt in manchen Bereichen einzustellen weil so dieses Ding ist.

00:24:46: das wird bestimmt die KI lösen.

00:24:49: und ich habe mein Fragezeichen ein bisschen im Jahr sind wir dann irgendwie oder du sagst jetzt zwanzig neunzwanzig?

00:24:55: Dann sind wir alle ultra effizient.

00:24:57: aber bringt uns die Effizienz dann überhaupt noch?

00:24:59: was wenn wir super viele Arbeitslose haben und die Kaufkraft dann irgendwie zum Schluss unserer Wirtschaft fehlt?

00:25:04: oder sagst du Nee, das wird sich volkswirtschaftlich ausgleichen bis dahin.

00:25:10: Ja ich habe auch keine Glaskugel ne?

00:25:12: Es gibt da viele verschiedene Szenarien die möglich sind und wenn du so willst propagiert werden.

00:25:18: also es gibt das Lager Sam Altman dass davon ausgeht dass es eine Deflation geben wird, weil so wenig Menschen erwerbstätig sind.

00:25:27: Dass das Geld an einen de facto immer mehr wert wird und weniger verdient wird sozusagen.

00:25:32: Er hat daraufhin ein Experiment des bedingungslosen Grundeinkommens gestartet.

00:25:37: Was läuft?

00:25:38: Immer noch!

00:25:38: Das auch keine konklusiven Antworten wirklich auf dieses Thema bringt.

00:25:45: Diese Hypothese halte ich für extrem unwahrscheinlich.

00:25:49: keine Innovation jemals eine Deflation gebracht hat.

00:25:53: Eine Entwertung des Geldes sozusagen, ne?

00:25:54: Das ist die eine Seite so.

00:25:55: Die andere Seite ist wenn man sich das realistisch anguckt dann sieht man dass in den USA die Arbeitslosigkeit unter den entry level jobs bei fünf Komma fünf Prozent momentan liegt während der nationaler Durchschnitt bei vier Komma Vier oder vier Kommafin und das liegt ehrlich gesagt daran, dass es während der Coronazeit ein krasses Oberhiring gab Und der Fett die Zinsen angepasst hat.

00:26:16: Das heißt Sowohl durch Zinsveränderungen als eben auch durch die Korrektur des Arbeitsmarktes wurden diese ganzen Leute oder werden jetzt weniger Leute eingestellt.

00:26:26: Als vorher, wenn man sich die ganzen anderen klassischen Industrien anguckt also jenseits von Tech und Digital

00:26:30: usw.,

00:26:31: dann wachsen die alle genauso wie sonst immer auch das ist eine.

00:26:35: aber es gibt durchaus Entlassungen im Tech-Bereich Aber sie sind überwiegend deshalb weil die CEO's wenn man so möchte oder Management wie auch immer von einer Effizienzsteigerung ausgehen, die de facto noch nicht nachgewiesen ist.

00:26:49: Das heißt sie entlassen basierend auf einer Hypothese.

00:26:53: Das hat zum Beispiel IBM letztes Jahr gemacht.

00:26:54: Die haben Tausende, ich glaube, fünftausende Leute entlassen und dieses Jahr haben Sie jetzt gerade Ihres Gen Z Hiring verdreifacht weil Sie wissen oder gemerkt haben dass sie ein Problem haben und nicht genug Leute haben.

00:27:06: also Ich glaub diese Zahlen oszilieren immer so vom einem extrem ins andere Und wir sind momentan in einer Lage der wirtschaftlichen Ungewissheit Und es ändert sich sicherlich viel, aber ich sehe nicht dass wir eine Massenarbeitslosigkeit haben und keine Juniors mehr geheilt werden.

00:27:21: Weil auch gerade also grade wo Ich bin in einer Beratung.

00:27:25: Wir wissen alle das die juniorsjenigen sind Die die seniors im ein paar Jahren sind und wir die brauchen Wir haben ja sonst kein Nachwuchs.

00:27:32: Also klar kann man das alles mit KI machen Aber der Schiff geht eher dahin Dass jetzt alle den Kram implementieren.

00:27:38: Werde eine Hypothese also eher dass wir vielleicht irgendwie gerade in In der Phase sind, wo viele irgendwie nicht heiern.

00:27:45: Die vielleicht kürzer ist als man annimmt?

00:27:48: aufgrund von einer Hypothese und man denkt, ah, man wird super schnell.

00:27:51: Super effizient!

00:27:52: Man braucht die Leute nicht.

00:27:53: Und wie in der Phase wahrscheinlich erst mal, weil du sagst, ich war nicht neunzwanzig, erst mal irgendwie reinschlittern wo man merkt, ah meine Hypothesie geht doch gar nicht auf.

00:28:01: Genau.

00:28:01: Ich glaube es wird eine Korrektur geben ist so ein bisschen analog zu den... man hat festgestellt dass momentan Frauen wieder später ihre Kinder bekommen.

00:28:09: das heißt man sieht wenn man sich die Geburtenraten gerade weltweit anguckt und gerade in westlichen Ländern sind ihr extrem abgefallen.

00:28:15: Aber wenn man es genauer anguckt, dann ist das nur so, dass sie in den Jahren zwischen dem Jahr zwischen zwei und dreißig abgefahren ist.

00:28:21: Und die Frauen einfach später die Kinder jetzt wieder bekommen.

00:28:23: Wenn man näher an die Daten guckt sieht man, dass diese Wellen sich über einen größeren Zeitraum immer wieder ausgleichen.

00:28:30: Was ich bei den Unternehmen sehe, ist, dass wir einfach hinderigen Leute suchen, die als Data Engineers arbeiten oder als in anderen Bereichen.

00:28:40: Shift lateral geben das heißt du wenn du vorher Marketing gemacht hast machst du vielleicht später sales oder wenn du sales gemacht hast macht sie vielleicht später irgendwie keine ahnung.

00:28:47: procurement.

00:28:49: Das heißt das aufschlauen mit kfn statt und ist super einfach kannst einfach in wenigen tagen irgendwie was anderes lernen wenn man so möchte weil, dass die eine Abteilung nicht mehr gebraucht wird.

00:29:01: Das heißt, ich glaube, die Unternehmen behalten die Leute.

00:29:04: Ich glaube vielleicht werden sie ein, zwei, die den Rentegen nicht unbedingt ersetzen aber so diese massiven Shift sehe ich noch nicht kommen.

00:29:12: Was würdest du ganz konkret Studienabgängern jetzt zum Beispiel empfehlen?

00:29:18: Also vor allem in diesen einschlägigen Bereichen, die gerade viel diskutiert werden alles irgendwie Richtung Kommunikation, Marketing vielleicht auch einfach... auch plain bwl erstmal ohne irgendwie dass mein großvorher praktiker gemacht hat die jetzt sagen ich find grad kein job oder ich hab angst das sich in einem halben jahr keinen shop finde.

00:29:37: was würdest du wirklich auch der generation jetzt gerade empfehlen?

00:29:40: wie können sie sich irgendwie gut aufstellen?

00:29:42: ja schwer tatsächlich weil momentan diese video sagt ist dieser zeit der unsicherheit vorherrscht und allen viel auf hypothesen gehandelt wird ohne ohne auf reale zahlen zu gucken Die Bereiche so Marketing, Kommunikationsdesign keine Ahnung was es da alles gibt.

00:30:00: Das ist natürlich schwierig würde ich sagen.

00:30:03: also Ich würde allen raten die die so ein bisschen Talent für Daten haben das dass sie gucken dass sie vielleicht sich eine Fortbildung überlegen oder der gleiche in Richtung wie Data Management Datastructure, Data dies das?

00:30:18: Weil damit findest du immer ein Weg ins Unternehmen.

00:30:21: Ob du dann da bleibst ist ja noch eine andere Sache.

00:30:23: Aber erstmal einen Fuß in die Tür zu bekommen und das ist momentan die größte Herausforderung für die Generationen, dass dir irgendwo anfangen.

00:30:30: Das heißt Spezialisierung auf Data alles was so ein bisschen AI related ist, Nummer eins, Nummer zwei Die ganzen Bereiche wo du immer Menschen haben wirst Da bist du auch mal gut aufgehoben.

00:30:42: also alles was Sales Related ist Alles da, wo du Kundenkontakt hast ist super sinnvoll.

00:30:48: Und

00:30:49: solche Bereiche wie Marketing oder Grafikdesign, da würde ich mir dann echt überlegen, ob du Nähgummaster machst und irgendwas anderem weil das wird sehr schwierig sein glaube ich.

00:30:57: Wie finde ich raus, ob ich genug data driven bin?

00:31:01: Ich find es ist oft so ein Buzzword aber wie kann ich bei mir selbst feststellen interessiert mich das genug?

00:31:08: Wahrscheinlich

00:31:10: würde es sich nicht interessieren, weil das auch nicht so besonders spannend ist.

00:31:12: Aber man muss irgendwann eine Abwägung treffen zwischen dem was einen wirklich interessiert und dem was man machen kann.

00:31:18: Und manchmal ist auch das Interesse einfach die Miete zahlen zu können finde ich.

00:31:22: Da kann man sich dann auch irgendwann hin entwickeln.

00:31:24: wenn man mit den Studienabschluss hat Dann ist es vielleicht momentan nicht der Zeit in dem Purpose des Jobs aufzugehen Kann man machen.

00:31:32: Man kann bestimmt nach Lateinamerika gehen und Brunnen bauen, aber ich hab auch so was gemacht.

00:31:39: Aber es ist halt ... Am Ende sind die ersten Jahre dazu da, dass man sich orientiert.

00:31:47: Es ist typischerweise nicht so, dass in der Uni oder Schule irgendwas lernt, was man fürs Leben braucht.

00:31:52: Ist ja nicht gedacht, wenn man mal ehrlich ist.

00:31:55: Man lernt das lernen, vor allem zu denken und diese analytische Fähigkeit zu haben Dinge zu verstehen.

00:32:03: Und dann die ersten Jahre kein ... Die wenigsten, die ich kenne sind in dem Beruf geblieben oder in den Bereichen, in denen sie die ersten jahre waren.

00:32:11: Man geht in irgendeinem Unternehmen macht seine erste Erfahrung, lernt die ersten Leute an der Kaffeemaschine kennen, macht einen Quatsch wenn man mal ehrlich ist.

00:32:17: eigentlich braucht man auch diese First Years gar nicht weil die halt nichts Sinnvolles produzieren.

00:32:21: aber das macht überhaupt nichts weil die sind halt dann im second year da und dann fangen die an sich.

00:32:26: irgendwie fängt es sich dann zurecht zu rütteln Und das ist einfach die Zeit.

00:32:31: Ich glaube, diese

00:32:31: Frustration gibt es mir nach Recht kommt auch so ein bisschen daher, dass da ein super schneller und starker Schiff in dieser Generation stattgefunden hat von, dass sehr lange dieser Generation erzählt wurde... ...und wie sollen sie's besser wissen?

00:32:44: Weil wenn du irgendwie achtzehn bist dann, du kennst die Welt noch nicht!

00:32:48: Es wurde erzählt, euch steht die Welt offen.

00:32:51: Ihr könnt euch wirklich überlegen, womit ihr eure Zeit verbringen wollt?

00:32:56: Es gibt

00:32:56: genug Arbeitsplätze ... Dass das so gar kein Thema war.

00:33:00: und plötzlich innerhalb von kurzer Zeit, innerhalb von teilweise drei Jahren, solange wie der Studium dauert, verändert sich gefühlt die Welt und dann fallen genauso Aussagen wie von dir, die ich unterschreiben würde.

00:33:11: Und man sich erst mal überfordert fühlt oder irgendwie vor den Kopf gestoßen Halt stopp, mir wurde Vertreterin aber was ganz anderes gesagt.

00:33:17: Genau und jetzt müssen sie alle zum Wehrdienst.

00:33:18: Aber du die Jungs!

00:33:20: Was auch total ungerecht ist meines Erachtens.

00:33:22: Und ich hab zwei Töchter und einen Sohn also aber trotzdem finde ich es absolut absurd das nur die Jungen sind die Mädchen kein soziales Jahr machen müssten oder dürfen.

00:33:30: auch Ich meine dass ja auch eine.

00:33:31: gerade in Hamburg haben wir zwölf Schuljahre was viel zu kurz ist.

00:33:34: Die haben ein Jahr Zeit in denen die alle irgendwie mal irgendwie sozialen Dienst machen könnten.

00:33:40: aber naja da sind.

00:33:42: aber haben die Sind die Eltern gescheitert?

00:33:45: Das ist die Eltern der Generation.

00:33:47: Sie haben absolut keinen so guten Job gemacht, würde ich sagen.

00:33:51: Weil sie haben.

00:33:53: zum Beispiel bei der Gen Z geht ein Drittel der Eltern mit zu Interviews, also mit zur Vorstellungsgesprächen in den USA zumindest.

00:34:01: Und davon wiederum geht die Hälfte mitten in den Raum rein.

00:34:05: Fast die Hölfte aller Gen Z-Eltern machen ihren Kindern mittags noch einen Lunchpaket.

00:34:10: Großteil fast die hälfte del Gen Z wohnen auch bei ihren Eltern.

00:34:14: Ja, es gibt ein Drittel der Eltern der Agency und wir verlinken die Quelle in den Schornos.

00:34:18: Weil das ziemlich witzig finde.

00:34:19: Ein Drittel de Eltern der Agency macht die Arbeitsaufgaben ihrer Kinder.

00:34:24: Also... Das sind so harte Helikoptereltern Die haben den Schuss nicht gehört!

00:34:29: Die Kinder werden nie selbstständig werden Vor allen Dingen dann wenn du dir überlegst wie die, wie ich eingangs sagte durch Social Media ohnehin beeinträchtigt sind.

00:34:37: Beeinträchthikt ja?

00:34:38: Also d.h..die haben ohnehin einen challengingen Leben vor sich Und dann erziehen die Eltern sie halt nicht sonderlich zur Selbstständigkeit.

00:34:47: Wenn die mit dem Grundgedanken aufwachsen, dass irgendwie ... Dass wir sie in Social Media sehen ist die Realität und dass sie machen können was auch immer sie glücklich macht, then good luck!

00:34:59: Ja?

00:34:59: Aber die Realität ist das, manchmal sitzt man im Unternehmen und muss irgendeinen Kram machen der einen halt nicht glücklichmacht.

00:35:07: Man sitzt nur in da zwei Stunden und macht es.

00:35:09: Dann verdient man auch noch wenig.

00:35:12: Aber so sind die ersten Jahre.

00:35:14: Und irgendwann kristallisiert sich's raus, in dem man gut wird, was man macht.

00:35:18: Ich find es so gut, dass du das auch mal aussprichst, weil ich finde ... Ich hab das noch nie gehört.

00:35:24: Also, dass wirklich mal jemand ausspricht und sagt, Und eigentlich ist da nichts dran, das zu sagen.

00:35:29: Weißt du wie ich mein?

00:35:30: Also dass du sagst ... Ich bin eine saunige Frau über vierzehnt.

00:35:33: Aber es geht

00:35:34: darum ... Ich glaube, es traut sich gefühlt kaum jemand zu sagen, es geht auch darum, dass du deine Miete zum Schluss zahlen kannst und dass du dich ausprobierst und im besten Falle findest so was, was dir dann Spaß macht.

00:35:44: aber die Verantwortung wo deine Interessen liegen und das rauszufinden liegt irgendwo bei dir und zuallererst mal musst du irgendwie dein Leben bestreiten können.

00:35:52: Den Satz traut's sich glaub ich schon kaum jemanden irgendwie zu sagen

00:35:56: Es ist auch überhaupt nicht schlimm.

00:35:58: Ich hab immer das Gefühl, die schämen sich fast wenn sie in irgendeiner Versicherung arbeiten und irgendwie Sachbearbeitung oder so machen.

00:36:05: Das ist doch kein Drama!

00:36:08: So ist nun mal diese Zeit... Das ist einfach der Anfang jedes beruflichen Lebens.

00:36:13: Es ist steinig und dann muss man das am Anfang, muss man sich den Kram geben?

00:36:18: Muss man nicht!

00:36:19: Man kann es auch anders machen.

00:36:19: Man kann auch einen Teilzeit um seinem Zuhause wohnen mit seinem Chihuahua weil's alles zu stressig ist.

00:36:25: Ist auch okay ja aber dann kann man auf der anderen Seite aber nicht erwarten A viel Geld zu verdienen oder B ein erfülltes Berufsleben zu haben.

00:36:32: Die Grundlagen werden dem Alter gelegt irgendwie.

00:36:35: Und wenn die nächsten zehn Jahre, wenn man sich dann keine Mühe gibt, wird man in der Hölle des unteren Managements bleiben und das kann ich auch keinem empfehlen weil dann hat man vielleicht eine nice Teilzeit gehabt mit dem Chihuahua aber dann sind die Jahre zwischen fünfzig- und fünfundsechzig.

00:36:50: die Hölle also an irgendeinem Teil muss man schon einfach mal arbeiten.

00:36:54: Ist

00:36:54: sie so da die Politik in der Verantwortung?

00:36:56: oder sagst du dass sind die Eltern?

00:36:59: Eltern beziehungsweise auch Selbstverantwortung, ich meine die Kinder sind über acht.

00:37:02: Das heißt sie haben irgendwann noch die Verantwortung ihr Leben selber zu gestalten.

00:37:05: also die Eltern haben dem Ganzen nicht geholfen indem die da deren Brote schmieren noch mit zwanzig aber unabhängig davon ist es hat jeder selbst verantwortungen.

00:37:15: Ich finde auch in der politik hat ich mein klar die können das Gerüst drum herumstellen.

00:37:20: Aber wenn wir sehen wer bei uns in der Politik ist es sind jetzt nicht die innovativsten unternehmertypen.

00:37:25: das heißt Ich will sagen, von denen ist wenig zu erwarten.

00:37:28: Aber ich glaub die Verantwortung hat schon das Individuum ne?

00:37:31: Das heißt man kann in so einem Land wie Deutschland, dass es so reich ist, dass so gute Infrastruktur hat saubere Luft zum Atmen irgendwie Straßen auf dem man fahren kann Wasser, was trinkbar ist!

00:37:43: Wir haben ein unfassbar gutes Bildungssystem großartiges Gesundheitssystem.

00:37:47: hier wird keiner irgendwie triascht weißt du in anderen Ländern bekommt man mit irgendwie siebzig keine Hüfte mehr weil die die Mortalität ist eher irgendwie hoch.

00:37:55: Ich kann mir, also in diesem System sind alle Voraussetzungen gegeben.

00:37:59: Und dann sollte jeder irgendwie so ein bisschen seines eigenen Glückgeschmiedes sein, finde ich.

00:38:05: Ich hab's grad schon angesprochen, Politik ... Wie siehst du Deutschland da gerade aufgestellt?

00:38:09: Wo ist denn die großen Stellschrauben?

00:38:11: vielleicht auch?

00:38:12: Du hast einen guten Überblick über viele andere Länder.

00:38:15: Wie viel Initiativen sind überhaupt schon da, Deutschland KI-fähig aufzustellen?

00:38:21: oder sagst du das was man jetzt grade sieht, Malen Reel von Friedrich Merz zu dem Thema ist eigentlich Augenwischerei.

00:38:30: Ja, also ich meine wenn man jetzt länger ausholt und in die USA schaut dann wurde das Silicon Valley auch durchaus von der Politik dort subventioniert.

00:38:43: Also gerade, ich glaube, neundreißig war heulet packert hat sich Hewlett Packard dort angesiedelt.

00:38:47: dann haben die ganz viele Rüstungen im Silicon Valley angesiedelten.

00:38:51: Dann kamen da Subventionen von der Regierung und das heißt diese letztlich ist eine Frage nach dem Ökosystem und nach dem Aufbau eines Tech Standortes.

00:39:01: Das ist nicht nur auch Wirtschafts- also nicht nur Wirtschaftssache es schon auch Politik Sache.

00:39:05: aber das einmal vorausgestellt Ich glaube trotzdem dass die Wirtschaft viel zu wenig tut, um da mehr was zu tun.

00:39:11: Und dann der zweite Schritt ist die Politik sowieso nicht.

00:39:14: Die haben ganz andere Sorgen.

00:39:15: Deren Sorge ist natürlich die Wiederwählbarkeit und das Thema KI ist da nicht unbedingt vorne an.

00:39:22: Die hat eine ganz andere Sorge letztlich.

00:39:25: Aber das ThemaKI ist eng verzahnt mit sicherheitspolitischen Fragen.

00:39:30: Das ist das, wo jetzt glaube ich der Regierung klar wird und weswegen sie langsam aufwachen.

00:39:35: Es ist eng verzernt mit Energie!

00:39:37: Also das heißt, man braucht unfassbar viel Energie um diese großen Rechenzentren zu betreiben.

00:39:43: Der Energiestandort Deutschland ist schwierig weil wir unfassbare hohe Energiepreise haben bis vor kurzem noch zwanzig Cent pro Kilowattstunde und auf Industrie Level irgendwie vierzehn Cent.

00:39:53: Das heißt es halt die Frage also ob man damit überhaupt profitabel rechenzentrum betreiben kann.

00:40:00: Das heißt, die Politik muss sich darum kümmern und fängt auch an, sich darum zu kümmern.

00:40:05: So das ist auf der Infrastruktur Seite, auf der Modellseite also KI als Grundlagen Technologie oder General Purpose Technology haben wir lange den Zug verpasst so.

00:40:17: aber es kann durchaus sein dass ich einfach eine andere Technologie irgendwann durchsetzt.

00:40:24: Was machst du mit einer anderen Technologie?

00:40:26: Ja oder ein anderer Player auch wenn du guckst historisch welche Welche Player sozusagen oder welche First Disruptors diejenigen waren, die den Markt dann mitgenommen haben und wann das nie die ersten.

00:40:38: Das heißt zum Beispiel muss er ich war einer der ersten Browser kennt kein Mensch mehr.

00:40:42: Archie war eine der Ersten Suchmaschinen der auf Datenbanken rum gesucht hat Kennt auch keiner mehr.

00:40:47: Dann das erste Social Network hieß six degrees Keine Ahnung.

00:40:51: Nokia und Motorola haben Mobiltelefone gemacht, die sind auch irgendwann in andere Unternehmen gemirkt worden tatsächlich.

00:40:57: Aber das heißt halt die ersten Disruptoren sind nicht die am Ende des Feldabräumens so.

00:41:03: Und was wir jetzt sehen mit OpenAI

00:41:06: usw.,

00:41:06: ich gehe davon aus dass die auch nicht diejenigen sein werden, die in fünf Jahren diejenigen sind.

00:41:12: Das heißt wir werden andere Technologien sehen basierend auf der Vorarbeit, die sie gemacht haben ohne Frage.

00:41:17: Aber das werden nicht die Gewinner sein.

00:41:21: Es gab auch diesen Deep-Seek Moment, es gibt die Black Forest Labs.

00:41:24: Das sind als Quereinsteiger, wenn du so möchtest gewesen, die auf der Vorarbeit aufgesetzt haben.

00:41:28: und das Gleiche können wir auch noch machen, wenn's wieder eine andere Architektur gibt.

00:41:32: Also jenseits der LLMs.

00:41:33: Davon geh ich aus!

00:41:37: Der LLM Zug ist abgefahren für uns ja aber es heißt noch lange nicht dass es nicht bald irgendwie eine Alternative gibt Und wir haben das Talent.

00:41:44: Wir gerade üben wahnsinnig viele IT-Las, ist es ja bei uns so geil und wir haben nicht das Risikokapital.

00:41:51: aber das könnte man ändern durch verschiedene strukturelle Anpassungen usw.

00:41:56: Also ich denke dass alles da ist muss jetzt nur noch ein bisschen irgendwie Motivation kommen.

00:42:05: also gerade auf der Seite der aktuellen Wohnungsregion.

00:42:08: Hast du Länder direkt im Kopf wo du sagst die machen's richtig gut?

00:42:13: China macht es richtig gut, aber China ist auch ein bisschen anderes System.

00:42:18: Also China hat so ein paar interessante Aspekte.

00:42:19: also ich finde zum einen interessant dass die... Die haben auf jeden Fall die Dringlichkeit verstanden.

00:42:25: das Nummer eins.

00:42:27: Nummer zwei, sie haben eine unfassbar gute Regulatorik.

00:42:31: Das heißt wenn du Modelle an Markt bringen möchtest in China müssen die vorher durch einen Art Komitee oder durch eine Art Prüfung gehen Und diese Prüfung überprüft bei den Modellen die Koherenz zu oder prüft, ob die möglichst kommunistische Partei freundlich sind.

00:42:48: Was ich witzig finde.

00:42:50: Das heißt es wird auf deren... eigene persönliche Moral überprüft.

00:42:55: Also auf die... Ist

00:42:56: das erstmal das Hauptkriterium quasi?

00:42:57: Korrekt,

00:42:57: ja!

00:42:58: Also wichtiger.

00:42:59: und dann wird geguckt wie viel illegales Material da in den Ärzte-Trainingdaten genutzt wurde und darf es glaube ich auch nach fünf Prozent höre meines Erachtens nicht überschreiten.

00:43:08: Was wäre so illegales Material?

00:43:09: Videomaterial von Straftaten zum Beispiel.

00:43:11: Könntest du auch prima zum Trainieren von einer Videokai nutzen aber willst du halt nicht, ja also sowas kommt findet immer seinen Weg in den Trainingsdaten, weil da in so einem typischen Trainingsdatensatz sind Milliarden an Verweise für Bilder sozusagen.

00:43:31: Also es ist wie eine Riesen-Excel-Tabelle mit der URL und den Maßen des Bildes.

00:43:38: Und wenn da sieben, acht, neun, zehn Milliarden drin sind dann wird sicherlich jemand ein Prozentsatz irgendwie illegales Material.

00:43:44: aber die Chinesen kontrollieren das so.

00:43:46: Südkorea ist auch weit vorne.

00:43:49: Amerika ist ziemlich weit hinten in der Governance, aber dafür sind sie halt weit vorne in der Technik weil die zum einen durch den Protektionismus über die Chips das ist eins das heißt keiner in der Welt hat so viel Zugang zu Chips wie die und dann wird es natürlich auf allen Ebenen supported Weil die verstehen dass es die absolut bahnbrechendste Technologie ist.

00:44:11: So d.h.

00:44:13: zwischen USA und China gibt es eigentlich nicht mehr

00:44:17: Okay.

00:44:17: Und in der U-Europa sagst du eigentlich ...

00:44:20: Nein, eigentlich

00:44:21: nicht.

00:44:21: ... warum wir

00:44:21: hier niemanden nennen?

00:44:23: Als Unternehmenehe!

00:44:26: Also, so leid es mir tut ... Nee.

00:44:30: Ich meine, wir sind recht gut im Anwenden, ne?

00:44:32: Ja.

00:44:33: Wir sind ... Auch grade deutsches Management ist zum Beispiel europaweit führend in NKI.

00:44:39: Also wir sind sehr gut, wenn du uns mal was gibst und wir dann loslaufen, wir typisch deutschen ... Dann wird das bestimmt was!

00:44:46: Aber

00:44:47: wir haben sind zu Risikoalversen.

00:44:49: Der Deuter hat eine absolute Aversion gegen Risiko, Risiken einzugehen auf allen Ebenen.

00:44:54: Deswegen gründen wir nicht, deswegen investieren wir nicht so wie die Amerikaner.

00:44:59: Das Risiko ist im Deutschland graus.

00:45:02: Ja,

00:45:03: dafür die unterschreiben.

00:45:05: Wenn du ein sehr optimistisches... Also ich glaube viele, die jetzt zuhören denken, wow das sind sehr viele große Themen wie in Deutschland und Europa sind noch nicht so weit.

00:45:15: Ich glaube da ist auch einfach gerade sehr viel Pesimismus bei dem ganzen Thema dabei.

00:45:20: Wenn man ein sehr optimalisches Zukunftsbild zeichnen muss von den nächsten fünf bis zehn Jahren.

00:45:24: Wie sieht es aus?

00:45:24: Weil ich glaube dass gibt's ja auch.

00:45:26: deswegen machen wir das Ganze auch.

00:45:28: Ja.

00:45:28: also erstens ich denke, dass KI eine sehr egalisierende Technologie ist.

00:45:32: Das heißt Menschen die vorher keinen Zugang zu Wissen, Bildung, Medizin und so weiter hatten haben auf einmal Zugang.

00:45:41: Also KI schafft es so eine gewisse diese Bullshit-Economie zu eliminieren.

00:45:45: das heißt auch ja aber oder auch zum Beispiel wenn du dir Auto kaufst oder ein Haus kaufs und dann irgendwas kaputt geht und du die Verträge nicht verstanden hast Dann kannst du damit auf jeden Fall sehr viel mehr ausrichten als vorher.

00:45:58: Also Milliarden jedes Jahr gehen in Falschbehandlung von Kunden sozusagen, die sich nicht wehren können weil sie nicht verstehen wie man eine Reklamation schreibt.

00:46:09: Also allein in England glaube ich sind es zwei drei Milliarden Pfund jedes Jahr, die quasi evaporieren, weil die keinen sich nicht helfen konnten.

00:46:18: und das heißt ich mag diesen ausgleichenden Faktor der künstlichen Intelligenz ist Nummer eins.

00:46:25: Nummer zwei ist und ich unterstreiche auch diese Hypothese, dass wir ja erst ganz am Anfang stehen.

00:46:31: Und die nächsten KIs, die nächsten Modelle, die kommen werden, die werden wirklich fundamentale Probleme lösen und die werden meines Erachtens auch energieeffizienter

00:46:40: weil

00:46:41: das Magic Gehirn braucht irgendwie zwanzig Watt zum Denken und so ein riesen ADI-Modell braucht tausende Watt.

00:46:49: Das heißt... Solange wir diesen Unterschied oder das nicht irgendwie zusammenfügen oder führen können, solange werden wir da auch keinen wahnsinnigen Schritt machen.

00:47:00: Aber ich glaube sobald das passiert und wir die Energie effizienter machen können, werden wir ja auch diese ganzen Produktivitätsgewinne sehen und so.

00:47:07: Also da bin ich schon sehr positiv.

00:47:08: Was ist

00:47:09: ein fundamentales Thema?

00:47:10: Wo du sagst dass wird jetzt gerade einfach noch nicht dadurch gelöst.

00:47:13: aber das siehst du dass es kommen könnte.

00:47:15: Na ja, Klima.

00:47:16: Es gibt viele Klimawandel.

00:47:17: zum Beispiel lösen die ganzen technischen auch global das Energieproblem.

00:47:22: wir haben am Ende auch ein Energieproblem.

00:47:25: ich meine dass auch für so viel geopolitische Spannung wie nichts anderes am ende.

00:47:29: Wir haben Bildungsproblemen wir haben Gesundheitsprobleme wir schaffen es nicht in der Südhalbkugel irgendwie Gesundheit zu bringen Bildung zu bringen und so weiter.

00:47:38: Das sind alles fundamentale Probleme die wir also hunger.

00:47:42: wir können damit irgendwann solche Getreidearten konzeptionieren, dass die halt irgendwie die nächste Dürre aushalten.

00:47:51: Die nächsten Heuschreckenschwam aushalten.

00:47:53: also da gibt es halt super viele Ansätze.

00:47:56: oder eben Impfungen ja oder eben Behandlung von Krankheiten, Frühjahrkennung von Krankheit.

00:48:01: das sind laute Dinge.

00:48:02: auf großen Datenmengen basieren sozusagen die Fragestellung aber die wir momentan noch nicht lösen können.

00:48:10: Ja das ist doch ein sehr positives Bild.

00:48:12: Vielleicht als abschließende Frage, wenn du Bundeskanzlerin wärst oder sagen wir du hast ein Amt inne in dem Du Entscheidungsgewalt hast für schnelle gute Entscheidungen hinsichtlich KI.

00:48:30: Was würdest du morgen umsetzen?

00:48:32: Für uns hier in Deutschland, die jetzige Situation wie auch immer Du die Frage deuten willst?

00:48:38: Also ich würde einfach Gründer unterstützen Und zwar auch mass, ein größeres Ökosystem mit aufbauen.

00:48:47: Und zwar massiv und so wie das im Welli ist sozusagen und nicht nur irgendwie da ein kleiner Fund und dann in der Subvention sondern ein massives großes Ökosesystem.

00:49:00: Ja genau, also Finanzierung bereitstellen aber eben auch verschiedene Komponenten fördern.

00:49:04: Also das heißt ein Riesendatensentrum danebenzustellen damit den ganzen KI Startups damit die nicht irgendwie die Inferenz zahlen müssen bei den Hyperscaler und ich würde die Uni subventionieren damit hervorragende Professoren da sind dann mit diesem Pool Effekt haben und auch aus anderen Ländern Leute kommen.

00:49:18: Also es ist so ein großes Ökosystem hinzustellen glaube ich.

00:49:21: dass wäre sicherlich eins der Hauptziele.

00:49:25: Dann hoffen wir mal, dass die richtigen Leute hier zugehört haben.

00:49:29: Wobei du über Tagesschau etc.

00:49:31: immer sehr viel gehört findest.

00:49:32: Ich danke dir auf jeden Fall.

00:49:33: Vielen Dank, dass du uns die letzten vierzig Minuten mitgenommen hast.

00:49:36: Ich glaube, da ist sehr viele große Fragen beantwortet, die bei vielen gerade umherschwieren und sich vielleicht auch nicht trauen zu stellen.

00:49:43: Hoffentlich der KI!

00:49:45: Und ja... Wir verlinken auf jeden fall diesen Report den wir euch heute Abend auch mal anschauen.

00:49:50: Er fand ich sehr spannend.

00:49:52: Die Helikoptereltern Chancey und dein Podcast verlinken wir auch.

00:49:57: Er kommt jeden Samstag, ne?

00:49:58: Genau, Tech & Tales jeden Samstag!

00:50:01: Vielen vielen Dank.

00:50:02: Elisabeths hat mir sehr viel Spaß gemacht, sehr viel interessant.

00:50:04: ich glaube mein Kopf wird heute Abend auch noch ein bisschen rattern.

00:50:07: Und ja

00:50:08: danke schön.

00:50:09: Danke dass ich dabei sein durfte Tschüss, tatao.