エピソード

  • Wissensraum
    2026/10/18
    Alexander Heusingfeld ist wieder zu Gast, diesmal ohne Jens. Es geht um die Frage, die beide seit Wochen in Sprachnachrichten hin und her schieben: Wie baut man sich einen Wissensraum, mit dem ein KI-System wirklich arbeiten kann? Der Ausgangspunkt ist schlicht. Was ein Agent leistet, hängt nicht nur am Modell und am Harness, sondern am Kontext, den man ihm mitgibt. Mit gutem Kontext reicht ein beiläufig gesprochener Prompt, ohne ihn hilft auch ein langer wenig. Bevor es um Werkzeuge geht, geht es um Daten. Alex hat die neuen Agentenangebote von OpenAI und Metas Assistenten Muse vor Augen und fragt, ob den Leuten klar ist, was mit ihrem kompletten Leben samt Gesundheitsdaten passiert. Beispiele für die Macht verknüpfter Daten gibt es genug, etwa Bewegungsmuster aus Standortdaten, aus denen sich ablesen lässt, wo jemand arbeitet und schläft. Mark sieht das größte Risiko in Firmen in einer neuen Schatten-IT: Sätze und Dokumente landen in KI-Systemen, deren Auftragsdatenverarbeitung niemand geregelt hat. Dazu eine Geschichte aus dem Privaten. Wer den Vertrag der Tierkrankenversicherung zum Auslesen hochlädt, bekommt im ungünstigen Fall eine Fundstelle aus dem Zahnversicherungsvertrag eines fremden Menschen gezeigt, mit Name und Vertragsnummer. Die Alternative zu den eingebauten Memory-Funktionen der großen Apps beginnt bei Mark mit Chaos. Ein Ordner namens Inbox, darin Mails, Chatnachrichten, PowerPoints, Transkripte. Ein Skill überführt das in Markdown, baut daraus ein Wiki mit Knowledge Graph und eine Datei, die festlegt, wie das System antworten soll: mit Quelle oder ohne, mit Internet oder ohne. So ist SkillSafe entstanden. Das Wissen steckt am Ende in einem Verzeichnis, läuft offline und überall, wo ein Agent Skills lesen kann. Alex hebt hervor, was viele RAG-Systeme nicht können: Beziehungen zwischen Knoten qualifizieren. Ob jemand Partner, Kind oder Kollege ist, kennen wir aus dem Alltag, im Wissensgraphen muss man es erst ausdrücken. Dann wird es praktisch. Mark hat zwei Sachverhalte mit zusammen 28 GB Nutzdaten in je einen SkillSafe gepackt und das System die Unterschiede suchen lassen. Er hat die Vorträge von Apples Entwicklerkonferenz in einen Skill überführt und einen Agenten damit über die eigenen Projekte in Azure DevOps geschickt. Heraus kam eine Liste, was veraltet ist und wo sich neue Funktionen anbieten. Alex bringt die Ebenen ins Spiel: Organisation, Bereich, Team, Person. Und die Versionierung, die im Alltag vertraut ist, ohne dass man sie so nennt. Die Oma kommt nicht am Donnerstag, sondern am Mittwoch, und alle sollen den aktuellen Stand haben. Zwei weitere Bausteine kommen dazu. ContextMe ermittelt nicht Wissen, sondern Relevanz: einmal am Tag über Mails, Teams-Nachrichten und Projekte, was Mark gerade beruflich und privat beschäftigt. Das nutzt eine App, die Mark gerade baut und die im Review liegt. Sie sammelt Screenshots, zerlegt sie mit einem lokalen Modell in Texte, Termine, Links und QR-Codes und meldet sich nur bei dem, was zählt. Das Reitturnier der Tochter braucht keine Push-Nachricht, ein spannendes Git-Repo vielleicht schon. Der letzte große Block gilt der Zusammenarbeit. Die SkillSafe-Werkstatt hält Wissen lebendig statt eingefroren und muss deshalb Fragen beantworten, die ein einzelner Skill nicht hat: Gilt nur die neue Information oder auch die alte? Wer prüft, ob alles noch konsistent ist? Was passiert, wenn zwei Agenten gleichzeitig schreiben? Alex nutzt sie mit Kollegen über einen gemeinsamen OneDrive-Ordner. Die Werkstatt hat aus importierten Meeting-Transkripten widersprüchliche Entscheidungen herausgefunden, Abstimmungen verlangt, eine Vorlage für Decision Records angelegt und Aufgaben aus Jira herübergeholt. Vieles davon war gar nicht eingebaut. Zum Schluss geht es um das Anfangen. Mark beschreibt, wie er nach einem Wochenende eine brauchbare Lösung hatte, während andere monatelang an Konzepten saßen. Alex, nach eigener Aussage ein Overthinker, wirbt für einen geschützten Rahmen, in dem schlimmstenfalls wenig passiert, und für kleine Experimente. Dazu sein Tipp: Die Kommandozeilen von Claude und Codex sehen inzwischen die anderen Sessions. Wer feststeckt, öffnet ein neues Fenster und lässt sich dort helfen. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.
    続きを読む 一部表示
    1 時間 21 分
  • Virtuelle Freunde
    2026/10/10
    Diesmal sitzen Mark und Jens nicht über Riverside zusammen, sondern in Karlsruhe am selben Tisch, draußen, mit Burger und Radler. Der Anlass ist eine verlorene Wette. In der vorigen Folge hatte Mark über Metas kleines Gerät für den Schlüsselbund gelacht und versprochen, Jens zum Essen einzuladen, falls darüber bis Weihnachten noch jemand redet. Es hat keine zwei Wochen gedauert. Jens erklärt, was Metas Assistent Muse heute schon kann, auch wenn er bisher nur in den USA und in Kanada verfügbar ist. Muse bekommt eine eigene E-Mail-Adresse und ist auch über WhatsApp erreichbar. Man schickt ihm also Dinge so, wie man sie Freunden schickt, über die normale Teilen-Funktion. Er läuft in der Cloud weiter, wenn der Rechner aus ist, und bringt zum Start rund 1.500 Integrationen mit, Expedia etwa, sodass er auch eine Reise buchen kann. Jens hält es für einen geschickten Zug, die KI aus der Welt der Modellnummern zu holen. Während man bei anderen Anbietern ständig über Versionen redet, bleibt Muse einfach Muse, und die Modelle dahinter dürfen wechseln. Mark rudert an einer Stelle zurück. Den spielerischen Teil findet er weiter albern, die Personifizierung aber nicht. Ein System, das auf Sprache ausgelegt ist statt auf ein Textfeld, verhält sich anders. Das kennt er aus dem eigenen Harness in der Firma: Wer per Sprache arbeitet, bekommt keine Tabellen vorgelesen. Dazu kommt der Fingerabdrucksensor am Gerät, der Käufe bestätigen kann und die Aufnahme erst startet, wenn man ihn berührt. Jens findet das geschickter gelöst als bei Geräten, die versehentlich mithören. Dann wird es verspielt. Füttern heißt beim Tamagotchi von heute vermutlich Abo, und ein Begleiter, der um Aufmerksamkeit kämpft, wird jammern, wenn man ihn liegen lässt. Was passiert, wenn zwei dieser Figuren mit eigener Persönlichkeit nebeneinander liegen? Mark sieht schon die Szene wie aus Toy Story: der Piraten-Muse, der den Feen-Muse über ein Lineal auf die Planke schickt. Jens beobachtet in seinen Feeds, wie viele Leute gerade eigene kleine Geräte mit Avataren bauen. Für ihn ist die Wette damit dreifach gewonnen. Der zweite Teil gilt OpenAIs Dots, kleinen Figuren, die auf dem Rechner leben und für einzelne Aufgaben entstehen, für eine Fehlermeldung, eine Mail, eine Excel-Datei. Mark erzählt von einer Vorführung am selben Morgen, bei der ein kleiner Avatar während einer Präsentation auf die Folie zeigte, über die gerade gesprochen wurde. Viele kleine Agenten auf dem Bildschirm hält er weiter für einen Fehler, ein orchestrierender Agent sei besser. Die zeigende, unterstützende Funktion aber sei echte Hilfe und keine Spielerei. Jens ordnet das historisch ein. Der Personal Computer war schon der persönliche Zugang zu den großen Rechnern, und die Science-Fiction hatte ihre Assistenten längst: Bit aus Tron, der nur Ja und Nein sagen konnte, Professor Simon bei Captain Future, die Sprachsteuerung bei Star Trek, Data. Und Karl Klammer. Die Idee dahinter sei gut gewesen, nur die Umsetzung nicht. Marks Frage dazu: Wenn auf das komplizierte Word früher Karl Klammer die Antwort war, sind es heute Muse und Dots? Gutes Design lässt die Technik verschwinden, sagt Jens. Ob Text, Sprache oder eine Darstellung gerade passt, soll die KI entscheiden, und der Avatar hat die Chance, zum Hüter dieser Schicht zu werden, egal ob am Telefon, am Rechner oder vor einem großen Display. Mark hält dagegen, dass all das Tokens verbrennt, und fragt, ob Tokens am Ende eine Grundversorgung werden wie Strom, Gas und Wasser. Jens glaubt, dass Avatare erst einmal mehr Verbrauch bringen, weil sie mehr Menschen einen bequemeren Zugang zur KI geben, und dass Kosten und Verbrauch danach über lokale und schnellere Modelle sinken. Am Ende steht sein Bild vom virtuellen Freund, der recherchiert, bestellt, Entscheidungen vorbereitet und die Post vom Anwalt liest. Mark ergänzt die dunklere Fassung gleich mit. Zum Schluss stellt Mark fest, dass sie sich am selben Tisch weniger ins Wort gefallen sind als sonst. Er schiebt es auf Jens' Statur. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.
    続きを読む 一部表示
    34 分
  • KI Effizienz
    2026/10/04
    Firmen werfen 80 Prozent ihrer Leute raus, weil das jetzt die KI macht. Diese Meldung geht seit Monaten durch die Presse, und Alexander Heusingfeld möchte nachrechnen. Wer 80 Prozent entlässt, behauptet damit den Faktor fünf. Klarna hat den Schritt für den Kundenkontakt inzwischen wieder zurückgenommen. Und selbst wenn die Rechnung aufginge, bleibt Alex' eigentliche Frage offen: Woher will jemand vorher wissen, welche 20 Prozent das Skillset haben, der Maschine beizubringen, was am Ende herauskommen soll? Wer selbst noch nicht ausprobiert hat, was möglich ist, kann das nicht beurteilen. Mark dreht die Frage um. Statt „wen brauchen wir nicht mehr" interessiert ihn, was bisher liegen geblieben ist, weil nie jemand Zeit dafür hatte. Beide landen bei derselben Beobachtung: Regulatorik wie NIS-2 bleibt liegen, weil die Kapazität fehlt, teilweise sogar bei Behörden. Über jedes Stück stupide Arbeit, das eine Maschine übernimmt, kann man sich also erst einmal freuen. Die freigeräumte Zeit ist ein Invest, kein Einsparposten. Dann erzählt Mark, was an einem Wochenende passiert ist, an dem er eigentlich Schränke aufgebaut hat. Auf einem Mac Mini hinter dem Fernseher, ohne Skills, mit nichts als Zugriff auf seine alten Git-Projekte, hat ein Agent sich das Smart Home angesehen und vorgeschlagen, die Lautsprecher im ganzen Haus als Interface zu nehmen. Danach lief die Arbeit über Sprache, während Mark durchs Haus ging. Der Agent hat ein Jahre altes Projekt fertiggestellt, sich Xcode geholt, Bundle Identifier und Signierungszertifikate selbst gebaut und die App am Ende über TestFlight aufs Telefon geliefert. Mark musste nur ein paar Kennwörter eintippen. War das effizient? Er sagt selbst: mehrere Wochenlimits verbrannt, garantiert nicht. War es das wert? Absolut. Alex hält dagegen und stellt die zwei Fragen, um die es in der Folge geht. Was war der Harness, und welche Rahmenbedingungen hast du mitgegeben? Er selbst hat sich mit einem Agenten über AWS die Steuererklärung vorbereiten lassen: knapp 800 Belege, das Ziel „mindestens 80 Prozent einsortiert und formal richtig", vier Stunden Rechenzeit, 60 Euro. Zurück kam auch der Hinweis, wo der Steuerberater im Vorjahr etwas anders hätte abrechnen können. Aus dieser Erfahrung wird eine Metrik, die er für die brauchbarste hält: Verifikationsaufwand pro ausgelieferter Änderung. Sinkt sie, waren die Abnahmekriterien besser. Daraus werden drei Regeln. Nie eine einzelne Kennzahl, weil jede einzelne Zahl gegamed wird, sondern immer ein Faktor aus Kriterien und Rahmenbedingungen. Immer Gegenkennzahlen mitlaufen lassen, Change Fail Rate, das älteste Work in Progress, Developer Experience. Und niemals selbstberichtete Geschwindigkeit: Entwickler geben 25 Prozent Beschleunigung an, gemessen wurden bis zu 20 Prozent Verlangsamung, weil die Zeit in Reviews und Nachbesserungen zurückfließt. Mark ergänzt die Kette drumherum. Wenn einer drei Tage durchlaufen lässt, steht das Team vor einem Pull Request, der aussieht wie ein gefluteter Landstrich, das Backlog ist am dritten Tag eines Zweiwochensprints leer, und die Tester werden überrannt. Codekommentare, früher Pflicht, führen Agenten heute in die Irre, weil sie den Kommentar lesen statt der Routine. Und wer Generierung durch Agenten reviewen lässt, die wieder von Agenten kommentiert werden, verbrennt Tokens für das Gegenteil von Effizienz. Alex bringt dazu eine Untersuchung aus dem Flugzeugbau mit: 8,5 Prozent der Durchlaufzeit sind wertschöpfend, grob zwei Wochen Wartezeit pro Tag Arbeit. Die Antwort auf „effizienter werden durch KI" ist damit keine Werkzeugeinführung, sondern Flow und Governance. Oder in Alex' Bild: Erst klärt man, ob man Fußball spielt, danach wird das Spiel schnell. Zum Schluss lösen die beiden die Diktiergerät-Geschichte aus der letzten Folge auf, Mark verrät sein Setup, und Alex fasst zusammen. Wer KI nur als Werkzeug kauft, verkürzt einen Arbeitsschritt. Die Effizienz liegt in den Wartezeiten dazwischen. Das richtige Maß an Qualität entscheidet sich gegen die Anforderung, alles andere ist Informatiker-Romantik. Und Marks Zugabe für alle, die zögern: Wer nicht weiß, dass er scheitern könnte, probiert es gar nicht erst. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.
    続きを読む 一部表示
    1 時間 32 分
  • JEV Moment
    2026/09/26
    Mark steigt mit einer Warnung ein: Heute werde es langweilig, es gehe um Ja oder Nein, Rechnung oder Mahnung. Gemeint ist Klassifizierung, und die kennt er aus seinen ersten Programmierversuchen zu Zeiten von Turbo Pascal, als eine IF-Abfrage. Man hat Schirmchen, und man legt Dinge hinein, wenn sie bestimmten Kriterien entsprechen. Genau dieses alte Thema hat Mitte September ein Beben ausgelöst. Am 15. September hat die Firma TypeSafe AI ein Modell namens Jev vorgestellt. Es kann keine Texte schreiben, es trifft Entscheidungen. Mark hat das zuerst abgetan. Er stand auf dem Rückweg aus dem Büro in der Straßenbahn, dachte sich, ein Modell, das nicht reden kann, was soll das, und scrollte weiter durch TikTok. Dort ließ ihn das Thema nicht mehr los, weil immer mehr Leute darüber berichteten. Eine Anfrage an Jev besteht aus zwei Teilen: einem State und einer Question. Der State ist ein Satz, ein Absatz oder ein ganzer Text. Die Question zwingt das System zu einer eindeutigen Antwort. Drei Formen gibt es: die klassische Ja-Nein-Aussage, einen Score für Zustände wie Dringlichkeit oder Qualität, und eine Wahrscheinlichkeitsverteilung. Prompten kann man das Ding nicht. Jens fragt dazwischen, was der Vorteil sein soll, wo ein Sprachmodell die Mail doch gleich beantworten könnte. Marks Antwort läuft über die Beispiele. Eine Mail lässt sich einsortieren: Beschwerde, Reklamation, Mahnung. Ein Vertrag lässt sich nach Passagen durchsuchen statt nach Wörtern, etwa nach allem, was mit Konventionalstrafe zu tun hat, ohne jede Schreibvariante vorher zu kennen. Dazu kommen die Zahlen: TypeSafe nennt bis zu 200 Mal schnellere Verarbeitung, und bei 10.000 Support-Tickets standen 0,042 US-Dollar je Million Eingabe-Token gegen 0,2 US-Dollar beim Sprachmodell. Weil das Antwortschema feststeht, ist das System außerdem robuster gegen Halluzination. Irren kann es sich, erfinden kann es nichts. Dann kommt Marks Wochenende. Der Zugang war erst nicht zu bekommen, also hat er sich ein offenes Modell von Hugging Face genommen und ihm mit Apples neuem Framework Core AI, dem Nachfolger von Core ML, das Verhalten beigebracht: nur diese Fragen, nur eine Klassifizierung zurück. Gegen Jev selbst konnte er nicht antreten, gegen andere quelloffene Nachbauten schon, und weil das Framework so gut auf den Mac abgestimmt ist, war seine Lösung sechs- bis zwölfmal schneller. Schnell genug, dass sie Flappy Bird gespielt hat. Drücken oder nicht drücken, auf dem Handy, sofort nach dem Start. Mark beschreibt das als spooky, wie einem Film zuzusehen. Andere haben Tetris angeschlossen, wo die Sprachmodelle früh ausstiegen und die Klassifizierer sehr viel länger durchhielten, und jemand hat ein Browser-Framework damit erweitert, das seitdem schneller klickt, als die Seiten laden. Für Privatanwender, da ist Mark deutlich, ist das nichts. Es wird keinen Moment wie bei ChatGPT geben, keine Tagesschau, keinen Schulhof. Es wird in die Software wandern und einfach da sein, und was für den Menschen eine Suche ist, ist für das System eine Aneinanderreihung von tausend Klassifizierungen. Jens sieht die Wirkung im Zusammenspiel: Ein schnelles Modell entscheidet vorweg, ein großes wird nur noch gefragt, wenn es wirklich nötig ist. Beide landen bei Kahnemans schnellem und langsamem Denken. Genau deshalb heißt die Gattung bei TypeSafe System One. Und beide halten es für disruptiv, weil sich über Jahre gewachsene Regelwerke in großen IT-Systemen in solche Abfragen überführen lassen, ohne dass jemand über KI-Durchdringung reden muss. Im letzten Drittel geht es um Meta. Zuckerberg hat eine VR-Brille für rund 1.000 Euro gezeigt, neue KI-Brillen, den geräteübergreifenden Assistenten Muse und ein Gerät im Tamagotchi-Format für den Schlüsselbund, das im Dezember kommen soll. Mark hat sich darüber schlappgelacht und daraus eine Wette gemacht. Dazu Apples neue Funktionen für die Uhr, die den letzten Gesprächsfetzen wiedergeben und abends zusammenfassen, was am Tag gesprochen wurde. In der EU gibt es beides nicht. Marks Sorge gilt nicht dem Mithören allein, sondern dem Abstand, der entsteht, wenn hier über Jahre Funktionen fehlen, die anderswo Alltag sind. Jens hält dagegen: So schwarz sei das Bild nicht, in der Regulierung liege auch eine Chance. Zum Schluss stellt Jens fest, dass Marks Wette schon verloren war, als er sie einging. Das Gerät kommt ja in drei Monaten auf den Markt, es wird also berichtet werden. Einfacher Gewinn. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/0029VbDJ4ZlGufIrpquad004 Wenn euch die Folge was gebracht hat: einmal bei Apple bewerten. Das entscheidet, ob jemand Neues uns findet. https://podcasts.apple.com/de/podcast/think-different-think-ai/id1828021699 Feedback und Gäste: über die Show-Seite.
    続きを読む 一部表示
    59 分
  • Doomsday
    2026/09/19
    Wie behält man den Überblick, wenn jede Woche ein neues Modell erscheint? Jens lässt sich die Nachrichten inzwischen von mehreren Agenten kuratieren, vom Rechner zu Hause bis zu den Diensten der großen Anbieter, und merkt dabei, dass er selbst den Überblick über seine Newsagenten verliert. Die letzten zwei Wochen haben es nicht leichter gemacht. Anthropic hat die Datenaufbewahrung auf null Tage gesenkt, was den Einsatz im Unternehmen deutlich einfacher macht, und im selben Zug Fable 5.1 veröffentlicht. Kurz darauf kam OpenAI mit Astra. Jens ordnet Astra als das ein, was man GPT-6 nennen könnte. Er hat sich damit in einem Durchgang eine Webseite bauen lassen, die UX- und KI-Veranstaltungen in Deutschland sammelt und von vornherein auch für Agenten lesbar ist. Mark ist deutlich weiter gegangen und hat dafür bezahlt: dreimal das Wochenlimit zurückgesetzt, danach Guthaben nachgeladen, am Ende möglicherweise 2.000 Euro. Astra hat für ihn eine App vom Plan bis zu Apple gebracht, mit Projekt in App Store Connect, Signierungsprofilen, einer Ablehnung durch Apple und der Diskussion mit dem Support. Es bedient Office-Programme, schneidet Filme und hat aus einem Satellitenbild seines Hauses ein 3D-Modell in Blender gebaut, samt Angebot, es an den 3D-Drucker zu schicken. Mark fühlt sich dabei allmächtig und arm zugleich. Jens kommt mit der Perspektive des UX-Menschen dazu. Bei OpenAI wählt man inzwischen zwischen mehreren Modellen und sechs Aufwandsstufen, bei Anthropic sieht es ähnlich aus. Der Hinweis, höherer Aufwand bedeute gründlichere Antworten, schiebt die Verantwortung für ein schlechtes Ergebnis komplett zum Nutzer. Ob ein kleines Modell auf höchster Stufe besser antwortet als ein großes auf niedrigster, kann niemand sagen. Jens fordert Muster, die diese Entscheidung nicht mehr dem Menschen aufbürden. Dann die Zahlen, bei denen Mark erst an einen Fehler glaubte. Im Benchmark ARC-AGI-3 soll Astra 99,9 Prozent erreichen, Menschen liegen dort laut Mark bei 48 Prozent. Jens ordnet ein: Der Wert stammt aus OpenAIs eigenem Harness, in einem neutralen Aufbau waren es 62,7 Prozent, immer noch ein gewaltiger Sprung. Dazu kommt ein gelöstes Millennium-Problem, an dem sich Mathematiker rund neunzig Jahre die Zähne ausgebissen haben. Berichten zufolge rechnete ein internes OpenAI-Modell 88 Stunden mit 10.000 parallelen Agenten daran. Für Jens bestätigt das eine These, die beide schon länger vertreten: Die Stärke liegt weniger im einzelnen Modell als in der Zusammenarbeit vieler Agenten. Der zweite Teil gibt der Folge ihren Namen. Ein Forscher, der ein großes KI-Labor verlassen hat, schätzt die Wahrscheinlichkeit, dass KI die Menschheit im kommenden Jahrzehnt auslöscht, auf rund zehn Prozent. Mark erinnert an die Weltuntergangsuhr, die inzwischen bei 85 Sekunden vor zwölf steht, auch wegen KI. Jens bleibt skeptisch und fragt, wie viel davon Marketing vor einem Börsengang ist. Beide sind sich einig, dass die reale Gefahr woanders liegt als bei Killerrobotern: in Modellen, die bei der Lösung einer Aufgabe in Systeme eindringen, die nicht auf dem neuesten Stand sind. Jens zeichnet die Chronologie der letzten Wochen nach, vom offenen Brief von rund 116 Unternehmen zur gemeinsamen Cyberabwehr über den Angriff auf Hugging Face bis zu dem Moment, in dem Dario Amodei und Sam Altman öffentlich für ein langsameres Tempo eintraten. Der Börsengang von OpenAI ist inzwischen verschoben. Was heißt das für Europa? Mark stellt fest, dass es hier kein Modell gibt, das mithält, und dass man entweder an den amerikanischen Anbietern hängt oder an den offenen Modellen aus China. Für die meisten Aufgaben braucht es aber weder Astra noch Fable, und auf ordentlicher Hardware zu Hause laufen heute bessere Modelle als die, die vor wenigen Jahren für leuchtende Augen sorgten. Seine These: Europas Chance liegt im Harness Engineering, im Orchestrieren mehrerer kleinerer Modelle mit Blick auf Wirtschaftlichkeit, Ökologie und die Frage, wie man die Menschen mitnimmt. Jens ergänzt, dass auch der beste Diamant nichts nützt, wenn er versehentlich das Glas zerkratzt. Wer agentische Workflows baut, braucht Stopppunkte, an denen ein Mensch Ergebnisse prüft, weil sich das Reasoning der Modelle immer schwerer nachvollziehen lässt. Zum Schluss ein Gedanke für den Montagmorgen. Prozesse sind oft entstanden, weil sich jemand verletzt hat, und sie gehen davon aus, dass ein Mensch sie bedient. Mark überlegt, ob kritische Freigaben eines Agenten künftig biometrisch bestätigt werden sollten, mit Fingerabdruck oder Gesicht statt mit einem Knopf, den der Bot selbst drücken kann. Jens widerspricht: Wer tausendmal bestätigt, bestätigt irgendwann alles. Die Diskussion bekommt eine eigene Folge. — Think Different. Think AI. mit Mark Zimmermann und Jens Scharnetzki. Hören: Apple, Spotify, YouTube, RSS https://think-ai.podigee.io Neue Folge zuerst im WhatsApp-Kanal https://whatsapp.com/channel/...
    続きを読む 一部表示
    53 分
  • gamescom 2026
    2026/09/12
    Zum ersten Mal sitzen Mark und Jens nicht in getrennten Räumen vor Riverside, sondern nebeneinander auf der gamescom in Köln. Für Jens ist die Messe ein jährlicher Termin, seit sie nicht mehr in Leipzig stattfindet, und er beschreibt den Wandel von der reinen Spielemesse zur Influencer-Veranstaltung, ohne dabei den Spaß zu verlieren. Sein Lieblingsort bleibt die Indie-Halle: kurze Schlangen, gute Spiele, und Entwickler, mit denen man direkt reden kann. Rundherum ist die Messe größer als sie selbst, mit Ringfest, Congress und der gamescom Dev als eigener Entwicklerkonferenz. 1.700 Aussteller, über 70 Prozent davon aus dem Ausland. Mark kommt mit seinem Sohn und bringt eine Enttäuschung mit. Am Xbox-Stand läuft ein Gewinnspiel: Wer Spiele testet, sammelt Codes und füllt damit vier Reihen einer Sammelkarte, jede Reihe ein Druck auf den grünen Knopf. Die beiden füllen alle vier, stellen sich zwei Stunden an und erfahren am Ziel, dass nur noch einmal gedrückt werden darf und die gesammelten Punkte am nächsten Tag ungültig sind. Dass alle in der Schlange ein Recht auf ihre Chance haben, versteht er sofort. Was ihn stört, sind Regeln, die während des Spiels geändert werden, bei einem Aussteller, der nicht zum ersten Mal auf dieser Messe steht. Der inhaltliche Teil beginnt mit einem Fehltritt. In der Indie-Halle spricht Mark einen Entwickler auf KI in der Softwareentwicklung an und erntet einen Blick, den er selbst als Entsetzen beschreibt. Das betreffende Spiel wirbt ausdrücklich mit handgemalten Grafiken. Jens kann die Reaktion gut nachvollziehen: Wer viel Zeit in Handarbeit steckt und sich dann gegen billige Massenware behaupten muss, hat gute Gründe für eine Abgrenzung. Auf den großen Verkaufsplattformen häufen sich Titel, die schnell und ohne Sorgfalt erzeugt wurden, und in dieser Konkurrenz Gehör zu finden, ist für kleine Studios schwer. Interessant wird es bei der Frage, wie viel KI in Spielen tatsächlich schon steckt. In einem Interview am Rande der Messe erklärt Felix Falk, Geschäftsführer des Branchenverbands game, die Technik sei nichts Neues, die Spieleentwicklung setze sie seit Jahrzehnten ein. Mark hakt nach: Jahrzehnte bedeutet mehr als zehn Jahre, und was genau ist dann gemeint, Codevervollständigung oder ganze Level, die von allein entstehen? Die Frage bleibt offen und ist typisch für die Debatte. Auffällig ist etwas anderes: Auf keinem Stand wirbt jemand mit dem Begriff. Zu einem großen kommenden Titel gab es die Meldung, es sei gar keine KI im Einsatz. Wo Studios offen damit umgehen, folgt derzeit die Quittung in den Bewertungen, und ein Studio hat KI aus der Konzeptionsphase wieder verbannt, nachdem die Kritik zu deutlich wurde. Dass die Ablehnung nicht die ganze Wahrheit ist, zeigen Zahlen, die Jens in der Folge nennt. Bei den 18- bis 24-Jährigen finden nur wenige Prozent KI-gesteuerte Figuren gut, bei den Älteren ab 45 ist die Bereitschaft deutlich höher. Eine Untersuchung der University of Bristol hat 122 Spielsitzungen mit KI-generierten Figuren ausgewertet, und 95 Prozent der Beteiligten empfanden die Interaktion als spaßiger. Der Schluss daraus liegt nahe: Erlebt wird es gern, beworben nicht. Der zweite Teil dreht sich um das, was solche Figuren möglich machen würden. Mark, dessen Spielzeit in World of Warcraft in Jahren gemessen wird, stellt sich Begleiter vor, die mit einem auf Abenteuer gehen und sich über Gott und die Welt unterhalten. Im selben Atemzug nennt er die Kehrseite: Wie gefestigt muss jemand sein, dessen virtueller Freund immer online ist und ihm nach dem Mund redet? Jens sieht die Grenze der heutigen Spiele dort, wo man sich abseits des Drehbuchs bewegen will, etwa hinter die Theke eines Sushi-Restaurants in Cyberpunk. Beide erinnern an Experimente, in denen Agenten in offenen Welten losgelassen wurden und eigene Gesellschaften bildeten. Dass so etwas auch ohne KI aus dem Ruder läuft, zeigt ein Zwischenfall aus der Geschichte von World of Warcraft: Eine Seuche aus einem Endkampf wurde über ein Tier in die Städte getragen und tötete dort Spieler und Figuren gleichermaßen, bis die Betreiber eingriffen. Zum Schluss zwei Gedanken, die über Spiele hinausgehen. Der erste ist eine Warnung vor der Bequemlichkeit: Wer aus einem Prompt dreißig Folien erzeugt und weiterreicht, verlagert Arbeit auf andere, und ein gutes Modell ersetzt keine klare Vorstellung davon, was am Ende herauskommen soll. Mark erzählt von einem Foliensatz mit 38 Folien, von denen 36 Fehler enthielten. Jens ergänzt, wo KI in der Produktion wirklich hilft, etwa wenn ein selbst gedrehtes Video als Bewegungsvorlage fürs Rendering dient, und warum der Wirt am Morgen nicht mehr fröhlich grüßen sollte, wenn man ihm am Vorabend einen erschlagenen Gegner vor die Tür gelegt hat. Der zweite Gedanke ist eine Prognose: In ein bis zwei Jahren, so Marks Vermutung, wird es auf dieser Messe eine eigene Kategorie dafür geben, dass Spiele die Oberfläche für KI liefern....
    続きを読む 一部表示
    50 分
  • Personal Assistants
    2026/09/05
    Diesmal ohne Jens und ohne Klaus, dafür mit Alexander Heusingfeld, der seine eigene Themenliste mitgebracht hat und streckenweise mitmoderiert. Der Anschluss an die Second-Brain-Folgen ist schnell gefunden, nur dreht die Folge das Thema um: Nicht was in den Speicher kommt, sondern wo das Ganze eigentlich liegen darf, wenn daraus Routinen werden. Beim Second Brain entscheidet der Mensch, was hineingeschrieben wird. Eine Routine braucht dagegen eine Regel, die trägt, auch wenn niemand hinschaut. Der Punkt wird an einem Alltagsfall konkret. Ein persönlicher Assistent für den Arbeitstag soll die Projektliste kennen, Notizen und Mails durchgehen, dazu vielleicht Teams-Nachrichten, und nebenbei merken, dass der Zahnarzttermin nicht mehr zu halten ist. Sobald man das aufschreibt, stehen die unangenehmen Fragen im Raum: Das Dokumentenverzeichnis synchronisiert in die iCloud, und wer hat deren Bedingungen eigentlich akzeptiert, die Privatperson oder der Arbeitgeber? In den Notizen stehen Informationen über Kolleginnen und Kollegen. Was passiert damit? Beide Hosts dieser Folge haben darauf dieselbe Antwort gefunden, unabhängig voneinander: ein eigener Rechner. Bei Mark ein Mac Mini hinter dem Fernseher, der über 40 Kanäle auswertet, daraus ein tägliches Briefing baut, das Remarkable per MCP versorgt und Sprachnotizen in Aufgaben sortiert, alles auf Basis öffentlich zugänglicher Quellen. Bei Alex ein separates Gerät mit eigener Apple ID, eigener Mailadresse, eigenem WLAN-Segment und Zugriff ausschließlich nach draußen. Sein Begriff dafür sind harte Grenzen: Was sich nicht in allen Szenarien einschätzen lässt, wird per Voreinstellung eingeschränkt, statt es später zu reparieren. Warum das nötig ist, zeigen zwei Situationen aus der eigenen Praxis. Alex bat sein frisch aufgesetztes System um eine Grafik der eingerichteten Routinen und sah kurz darauf ein Browserfenster mit einem Artefakt in der Cloud, obwohl in der Konfigurationsdatei stand, dass alles lokal bleibt. Die Entschuldigung des Systems kam prompt, die Regel war ihm bekannt. Genau das ist der Grund, aus dem er Rechte im Betriebssystem vergibt und nicht in einer Textdatei: Ein Benutzerkonto ohne Schreibrecht diskutiert nicht. Marks Beispiel geht in dieselbe Richtung. Bei ihm startete ein Assistent unaufgefordert ein lokal installiertes Modell, um eine zweite Meinung einzuholen. Das Ergebnis war richtig, der Vorgang trotzdem heikel, denn hier hat ein System ohne Rückfrage ein anderes System mit fremden Daten versorgt. Dass es nicht bei Anekdoten bleibt, macht der Blick auf die Schnittstellen klar. Wer einen MCP-Server ohne Authentifizierung betreibt, hat einen offenen Dienst auf dem eigenen Rechner, auf den jeder lokale Prozess zugreifen kann. Gleichzeitig bauen immer mehr Produkte solche Server ein, ohne dass sie sich abschalten lassen. Der klassische Perimeterschutz hilft dabei wenig, weil er von einem Menschen an Tastatur und Maus ausgeht, während ein Werkzeug hinter allen Schutzschichten sitzt und inzwischen mit weiteren Sitzungen seiner selbst spricht. Ein eigener Abschnitt gilt den Notizen über Menschen. Die meisten Protokollwerkzeuge wollen zuordnen, wer wann was gesagt hat. In den meisten Fällen ist das gar nicht die interessante Information, wichtig sind das Ergebnis und die Frage, wer etwas übernimmt. Namen stehen ohnehin in Ticketsystemen, Wikis und Repositories, oft samt Mailadresse. Wenn also darüber gestritten wird, ob ein Name in einer Notiz stehen darf, ist das nach Alex' Beobachtung in Wahrheit eine Diskussion darüber, wo diese Notiz gespeichert werden darf. Dazu die Empfehlung, mit dem Betriebsrat über hypothetische Fälle zu sprechen, bevor sie eintreten, gerade weil ein Modell aus verstreuten Daten Schlüsse zieht, die niemand gezogen haben wollte, und weil kein nachgeschalteter Prüfschritt Halluzinationen zu hundert Prozent ausschließt. Praktisch wird es beim Bauen. Nicht jede Routine braucht ein Modell: Wer alle zehn Sekunden das Postfach prüfen will, nimmt ein Skript und ruft die KI erst, wenn es etwas zu entscheiden gibt. Alex plädiert für saubere Trennung und für Skills, in denen alles Deterministische auch deterministisch abgebildet ist, ohne absolute Pfade. Mark hält dagegen, dass Werkzeuge mit festen Abläufen bei der Verlässlichkeit vorn liegen, Skills aber die niedrigere Hürde und universelle Lauffähigkeit mitbringen. Wie schnell eine unscharfe Regel teuer wird, zeigt Alex' Rechenfehler in einem eigenen Rechercheablauf: Aus den erbetenen fünf Ergebnissen wurden über 500 Einträge in der Datenbank. Zwischendurch geht es um Wissensspeicher im Team. Alex evaluiert gerade Marks Wissenstresor und ist überrascht, wie gut das in einer Firmenumgebung funktioniert, als Skill verteilt, mit einem eigenen Repository je Team und der Frage, wer überhaupt ins gemeinsame Gedächtnis schreiben darf. Ein Detail daran gefällt ihm besonders: Die Sprache der Bedienung und die Sprache der Ablage lassen sich ...
    続きを読む 一部表示
    1 時間 18 分
  • AI SlowDown
    2026/08/29
    Keine Gäste, dafür zwei Hosts mit reichlich Redebedarf. Der Anlass ist ein Interview, das Sam Altman am Aufnahmetag gegeben hat. Darin räumt der OpenAI-Chef ein, dass seine Prognosen aus der Zeit nach GPT-4 zu schnell waren. Der Umbau der Arbeitswelt kommt später als angekündigt. Bemerkenswert ist die Begründung: Schuld sind demnach nicht die Labore, sondern Gesellschaft und Wirtschaft, die sich zu langsam bewegen und zu statisch sind. Im selben Atemzug findet Altman die Verzögerung auch gut, weil Regierungen so mehr Zeit für Regulierung und Fragen wie das bedingungslose Grundeinkommen bekommen. Jens liest das anders. Wenn die Welt die vorhandenen Modelle ohnehin nicht schnell genug in Arbeitsweisen übersetzt, bringt es kein Geld, weitere hinterherzuschieben. Der Rückzieher wäre dann weniger Einsicht als Erwartungsmanagement Richtung Investoren, verpackt als Verantwortungsbewusstsein. Mark steuert eine Beobachtung aus der Smartphone-Welt bei: Beeindruckende Funktionen erscheinen, und drei, vier Jahre später laufen dieselben Menschen mit denselben Geräten herum. Aufmerksamkeit erzeugen neue Emojis. Genau deshalb sind Hersteller dazu übergegangen, wichtige Sicherheitsupdates gemeinsam mit Emoji-Erweiterungen auszuliefern. Aus dieser Beobachtung wird die größere Frage der Folge. Jens hat einen Text gelesen, der nicht fragt, ob der Einzelne mit dem Wandel mitkommt, sondern wofür ein Staat seine Bürger überhaupt noch braucht, wenn Verwaltung, Wirtschaft und Exekutive weitgehend automatisiert laufen. Die Antwort führt in Gebiete, die nach Science-Fiction klingen und es nicht mehr sind. Bewaffnete Robotik ist im Ukraine-Krieg auf beiden Seiten im Einsatz, Polizeidrohnen sind aus China dokumentiert, und die Bewertung des Roboterherstellers Unitree hat gerade neue Höhen erreicht. Mark warnt davor, dabei nur an humanoide Formen zu denken: Die Evolution hat für unterschiedliche Aufgaben unterschiedliche Körper hervorgebracht, und die Fabrik wird auch künftig den Roboterarm behalten statt eines Humanoiden mit Schweißgerät. Dazu kommen Fragen, die sich schlecht wegdelegieren lassen. Das bekannte Gedankenspiel zum autonomen Fahren bekommt eine neue Schärfe, wenn ein System die Social-Media-Profile der Beteiligten in die Abwägung ziehen könnte. In chinesischen Kinderzimmern stehen nach den Zahlen der Folge rund 20 Millionen Gadgets mit KI, und Kinder bauen Beziehungen zu sprechenden Kuscheltieren auf, deren Stecker irgendwann jemand zieht. Für Mark ist der Einschnitt insgesamt größer als der Buchdruck, mit derselben Doppelnatur: Herausforderung und Chance auf wissenschaftliche Ergebnisse, mit denen zu Lebzeiten niemand gerechnet hätte. Im zweiten Teil wird es konkret. Dass die Entwicklung sich verlangsamt, hält Mark für unwahrscheinlich, und der Grund heißt China. Auf ein Modell, das über ein Terabyte Videospeicher verlangt, folgte kurz darauf ein offenes Modell, das auf gut ausgestatteter Endanwender-Hardware läuft und in Teilen an das Niveau der großen Anbieter heranreicht. Wer so etwas lokal betreiben kann, braucht die teuren Abos nicht mehr zwingend. Aus dieser Lage folgt eine Komplexität, die IT-Abteilungen für Jahre beschäftigen wird: lokale und entfernte Modelle, Router, Agenten, die Frage, wann ein kleiner Workflow, der einen Tag laufen darf, besser ist als eine Antwort in Echtzeit. Zwei Beobachtungen aus der eigenen Praxis zeigen, wohin das führt. Mark saß am Wochenende an einem Projekt, als die Lüfter des Rechners hochdrehten. Codex hatte von sich aus das lokal installierte Ollama gestartet, ein fremdes Modell um eine zweite Meinung gebeten und darüber den Fehler gefunden. Ähnlich in seinem eigenen Aufbau: Nicht er hat entschieden, mehrere kleinere Modelle nebeneinander zu laden statt eines großen, sondern das System selbst, mit der Begründung, unterschiedlich trainierte Modelle liefen nicht in dieselben Fallen. Bei Anthropic lassen sich inzwischen Terminal-Fenster verschränken, sodass ein Fenster als Orchestrator die anderen steuert. Jens hält dagegen, dass daran nichts unheimlich sei, unheimlich sei eher, dass diese Anwendungen so lange nicht miteinander geredet haben. Sein eigentlicher Einwand gilt den Oberflächen: Modellauswahlen, die zwischen schnell, schneller und noch schneller unterscheiden oder zwischen intelligent und intelligenter, helfen niemandem bei der Entscheidung. Der unangenehmste Teil kommt zum Schluss. Von einem offenen Modell mit 27 Milliarden Parametern kursiert eine Fassung, der die Sicherheitsschranken abtrainiert wurden. In Sicherheitstests, in denen übliche Modelle 98 bis 99 Prozent der kritischen Anfragen abweisen, verweigert diese Fassung 2,7 Prozent. Veröffentlicht mit dem Hinweis, sie sei ausschließlich für Forschung gedacht, und mit der Feststellung, sie eigne sich hervorragend für Missbrauch. Dazu ein Videogenerator, der ohne Rücksicht auf Urheberrechte erzeugt und auf gewöhnlicher Hardware läuft. Marks Punkt ist ...
    続きを読む 一部表示
    55 分