Wie viel von dir steckt eigentlich noch in deiner Arbeit?

Es beginnt mit einem Primitivo und der Kennzeichnungspflicht. Es endet bei der Frage, ob eine KI ein Bewusstsein entwickeln kann. Dazwischen stellen die drei eine Stunde lang dieselbe Frage in immer neuen Verkleidungen: Was ist eigentlich noch mein eigener Anteil.

Einig sind sie sich, dass Kennzeichnung richtig ist. Beim Rest nicht. Denn es gibt ein gutes und ein schlechtes Gleichgewicht: Entweder alle überlegen sich, wie sie KI einsetzen und legen es offen. Oder es schert sich niemand darum. Und selbst das gute Gleichgewicht hat einen Preis, wenn Europa am Ende weniger nutzt als der Rest der Welt. Aus dem Dilemma entsteht der beste Vorschlag der Folge, und er kommt tatsächlich aus dem Supermarktregal: keine Ja-Nein-Kennzeichnung, sondern eine Ampel von Spuren von KI bis Voll-KI, getrennt nach Struktur und Schöpfung. Wer das messen kann, kann auch verteilen. Damit hängt die ganze Frage des Fair Share für Journalisten, Musiker oder Architekten daran.

Die zweite Hälfte wird unbequem. 20 Iterationen bis zum brauchbaren Ergebnis, 1,5 komplette Richtungswechsel, und das seit acht Monaten unverändert, egal welches Modell. Die eigentliche Gefahr liegt aber woanders: Du nimmst den ersten Entwurf, der dir gefällt, und arbeitest daran weiter. Die anderen hundert siehst du nie. Dazu AI-Slop, die verschwindende Mitte, LinkedIn als Cringe-Base und am Ende der Freund, der mit seiner KI mehr spricht als mit seiner Frau.

Reinhören lohnt für alle, die KI längst benutzen und trotzdem nicht sagen würden, wie viel davon sie selbst waren.

Aus der Folge:

• Warum eine Kennzeichnungspflicht als Qualitätsmerkmal wirken kann und wo sie zum Standortnachteil wird
• Weshalb ja oder nein die falsche Kennzeichnung ist und eine Ampel die bessere
• Warum man Struktur-KI und Schöpfungs-KI trennen müsste, bevor man überhaupt etwas quantifiziert
• Was Watermarking mit der Beteiligung von Kreativen am prognostizierten KI-Wohlstand zu tun hat
• Warum 20 Iterationen und 1,5 Richtungswechsel die realistische Rechnung sind, auch mit dem besten Modell
• Wieso der erste Entwurf, der dir gefällt, dein Denken bereits in eine Bahn gelenkt hat
• Warum zwischen Slop und Perfektionismus das Mittelmaß verschwindet und was das für Erwartungen an Content heißt
• Wo die eigentliche Gefahr liegt: nicht in Struktur oder Kreativität, sondern in der Frage, wer bestimmt, wie wir die Welt erklären

Wir zahlen, wir verteidigen, wir mieten. Besitzen tun wir immer weniger.

Es fängt harmlos an, mit einem Rosé, bestem Wetter und einem Tankvorgang, der zum ersten Mal dreistellig war. Eine Stunde später sind die drei bei der Frage, ob wir gegenüber einer künftigen Intelligenz die Rolle des Schimpansen im Cockpit einnehmen. Wer glaubt, das seien zwei verschiedene Gespräche, hat den roten Faden noch nicht gesehen.

Denn dazwischen liegt immer dieselbe Frage: Wer zahlt und wem gehört am Ende der Ertrag. Die Inflationswelle ist längst nicht durch, sie arbeitet sich noch durch die Produktionsstufen bis zum Konsumenten. Die Miete holt sich bei vielen die Hälfte des Nettos. Der Staat springt ein, aber als Nachfrager, nicht als Investor. Und der gefeierte Gründungsboom hängt an genau dieser Nachfrage. Warum ein Panzer keinen einzigen Euro Wachstum erzeugt, warum Dual Use kein Nebeneffekt ist, sondern gebaut werden muss, und warum eine ehrliche Statistik der Neugründungen ziemlich nüchtern ausfiele: alles in der ersten Halbzeit.

In der zweiten wird es unbequem. Souveränität ist technisch machbar, das Modell läuft im eigenen Keller, ab etwa zweieinhalb Millionen Hardware. Nur endet Souveränität dort, wo das erste Kabel beginnt. Ob eine Sandbox jemals wirklich dicht ist, darüber gehen die Meinungen in dieser Folge deutlich auseinander, und das ist die beste Viertelstunde des Gesprächs. Am Ende steht der eigentliche europäische Hebel, und er ist nicht das Modell, sondern die Quelle.

Reinhören lohnt für alle, die verstehen wollen, warum hohe Preise, Rekordschulden und die KI-Debatte dasselbe Thema sind.

Aus der Folge:

• Warum die Inflation den Konsumenten zuletzt trifft und was das für die nächsten Monate heißt
• Warum Mieten bei 50 Prozent des Nettos ein volkswirtschaftliches Problem sind und nicht nur ein soziales
• Weshalb Verteidigungsausgaben Nachfrage schaffen, aber kein Wachstum
• Was vom Gründungsboom übrig bleibt, wenn man die staatliche Nachfrage herausrechnet
• Warum kapitalgedeckte Rente richtig ist, ein staatlich gemanagter Fonds aber riskant
• Was europäische Souveränität wirklich kostet und woran sie tatsächlich scheitert
• Warum IP heute nicht mehr Source Code ist, sondern Daten mit nachweisbarer Herkunft
• Warum der Alltag mit KI trotz aller Benchmarks weiterhin acht bis achtzehn Iterationen braucht

KI-Souveränität, Legacy-IT und die Zukunft der Mobilität:

In dieser Episode dreht sich alles um die rasanten Entwicklungen im Bereich der Künstlichen Intelligenz, die Herausforderungen für etablierte Industrien und die Frage, wie Europa seine technologische Souveränität zurückgewinnen kann. Von der intelligenten Verwaltung von Datenströmen bis hin zu visionären Mobilitätskonzepten wird beleuchtet, wo die Chancen und Risiken der aktuellen Tech-Landschaft liegen.

Key Learnings:

• KI Harnessing als Brücke: Große Konzerne können ihre über Jahre gewachsene (und als Firmenwert aktivierte) Legacy-IT nicht einfach durch neue KI-Lösungen ersetzen, ohne massive Abschreibungen zu riskieren. Die Lösung ist ein „Harness“ (Mantel), der als intelligentes Management-System fungiert und entscheidet, welche Daten sicher lokal, über europäische Server oder durch externe KI-Modelle verarbeitet werden – stets im Einklang mit Regularien wie dem EU AI Act.

• Vibe Coding verändert die Startup-Szene: Die Möglichkeit, Software durch KI-Befehle ohne tiefgehende Programmierkenntnisse zu entwickeln („Vibe Coding“), führt zu einem Boom an agilen Nebenberufsgründungen. Mit geringem Budget können so schnell neue Geschäftsmodelle und Software-as-a-Service-Lösungen getestet werden.

• Datenabfluss als Souveränitätsrisiko: Die Nutzung amerikanischer oder chinesischer „Frontier-Modelle“ für kritische Geschäftsprozesse birgt massive Gefahren in Bezug auf Industriespionage und den Verlust von geistigem Eigentum (IP). Echte Innovation erfordert geschützte Datenräume.

• Europas Stärke liegt im Expertentum: Während die USA und China stark auf generalistische Brute-Force-Modelle setzen, findet Europa seine Nische in hochspezialisierten „Small Language Models“ (SLMs) und On-Premise-Lösungen. Diese Modelle trainieren auf tiefem Industrie-Know-how und liefern für spezifische Anwendungsfälle (z. B. Anlagenwartung) exakte, verlässliche und mit Quellen belegte Ergebnisse.

• Regulierung als Innovationstreiber: Vergangene Industriedaten sind enorm wertvoll, liegen aber oft noch analog oder unstrukturiert vor. Neue Regulierungen wie das „Right to Repair“ zwingen Hersteller nun dazu, proprietäre Maschinendaten zu standardisieren und dem Markt zugänglich zu machen.

• Verpasste Visionen in der Mobilität: Die europäische Autoindustrie fokussiert sich zu stark auf die bloße Elektrifizierung bestehender Fahrzeugdesigns. Echte Zukunftsvisionen, wie vollautonome, bedarfsgerechte Fahrkabinen für den urbanen Raum (Level 5), werden vernachlässigt, während US-Unternehmen oder asiatische Marken vor allem durch Software und Usability punkten.

• Geopolitischer Weckruf für Europa: Das Fehlen eigener Infrastruktur-Dominanz (etwa das Scheitern von Galileo gegenüber Starlink) und die geopolitische Unsicherheit zwingen zum Umdenken. Der Druck von außen führt aktuell zu massiven Investitionsplänen und einem neuen Bewusstsein dafür, dass Europa eigene, technologische Führerschaft aufbauen muss, um auf globaler Ebene wieder auf Augenhöhe agieren zu können.