00:00:00: Also menschliches Leben ist mehr als Intelligenz.

00:00:02: Und ich finde, das ist sehr wichtig, wenn man von KI spricht.

00:00:05: KI ist genau das.

00:00:07: Es ist ein Optimierungsverfahren.

00:00:08: Man kann damit Dinge in der Infrastruktur, in der Logistik,

00:00:12: kann man optimieren, man kann auch zum Teil neue Sachen hervorbringen.

00:00:15: Aber diese KI entwickelt keinen Willen.

00:00:17: Sie hat keine Absicht, in dem was sie tut.

00:00:19: Und das ist ein massiver Unterschied zu dem,

00:00:22: wie wir durch die Welt gehen.

00:00:23: Wir haben einen Ziel und deswegen handeln wir.

00:00:27: Glas klar.

00:00:28: Der Politik-Podcast der Gelsenwasser AG nimmt sie mit

00:00:32: auf eine spannende und erfrischende Reise in eine blau-grüne Welt.

00:00:35: Mitten im Ruhrgebiet spricht Arndt Behr mit seinen Gästen

00:00:39: über aktuelle Themen aus Energie, Umwelt und Klimapolitik.

00:00:43: Viel Vergnügen.

00:00:44: Wir haben heute ein ganz besonderes Thema, finde ich.

00:00:47: Und zwar künstliche Intelligenz.

00:00:49: Gelsenwasser versorgt zwar nicht nur mit Wasser und Energie

00:00:53: in die Bürgerinnen und Bürger bei uns im Versorgungsgebet.

00:00:55: Das ist, glaube ich, bekannt hinlänglich.

00:00:57: Aber wir versuchen natürlich auch,

00:00:59: den Teil der öffentlichen Daseinsvorsorge abzudecken,

00:01:04: der sich mit dem Internet befasst.

00:01:06: Digitalisierung im weitesten Sinne.

00:01:08: Über die Gelsenwerte machen wir Breitband.

00:01:10: Also schnelles Internet, Infrastruktur dafür.

00:01:13: Das ist sicherlich ein Teil,

00:01:15: den man am besten vergleichen kann

00:01:17: mit klassischen Wasser- und Energiegeschäften.

00:01:20: Aber wir versuchen natürlich, wie alle anderen,

00:01:22: auch uns in dem großen Themenfeld der Digitalisierung

00:01:26: umzutreiben und uns auszukennen.

00:01:28: Nach innen wie nach außen.

00:01:30: Nach meinem Verständnis sind es immer ganz viele

00:01:32: Prozessoptimierungen gewesen,

00:01:34: aber auch viel mit Kulturfragen zu tun.

00:01:37: Durch Corona haben wir hier in dem Zusammenhang

00:01:40: schon oft darüber gesprochen.

00:01:41: Vor allem damals sind ganz viele Themen

00:01:44: blitzschnell auf uns zugekommen.

00:01:46: Homeoffice, alles was technisch vorher angeblich nicht ging.

00:01:49: Ging dann plötzlich.

00:01:50: Und jetzt ist es Alltag geworden.

00:01:53: Künstliche Intelligenz ist natürlich noch viel mehr

00:01:56: und ist eine ganz andere Liga.

00:01:57: Und ich bin auf jeden Fall nicht derjenige,

00:01:59: der sich damit besonders auskennt.

00:02:02: Wir haben aber heute jemanden da,

00:02:04: der sich extrem gut damit auskennt.

00:02:06: Wir hatten einen Gast auf dem Beteiligungsforum in Dortmund,

00:02:10: der uns alle begeistert hat.

00:02:12: Und das ist Dr. Henning Beck.

00:02:14: Er ist Neuro-Wissenschaftler, geboren unter 1983 in Hessen

00:02:19: an der Bergstraße.

00:02:21: Dann aber viel an verschiedenen Stellen

00:02:25: promoviert und studierte Tübingen.

00:02:27: In Ulm, über das finde ich sehr spannende Thema

00:02:31: Hirnforschung promoviert.

00:02:33: Und dann in Barclay, eine der sechs Superbrands,

00:02:37: der renommiert das eine Uni,

00:02:38: die es überhaupt gibt auf der Welt,

00:02:40: in Kalifornien, San Francisco.

00:02:42: Und sich dort dann in der Umgebung damit befasst,

00:02:45: Start-ups dort zu beraten.

00:02:46: Ich glaube, um die zu beraten,

00:02:47: muss man schon High-End in seinen Bereichen unterwegs sein.

00:02:51: Der eine oder andere kennt ihn vielleicht

00:02:53: aus Beiträgen im Geomagazin

00:02:55: oder von Kolumnen in der Wirtschaftswoche.

00:02:57: Lieber Dr. Beck, freue mich sehr, dass wir heute sprechen können.

00:03:00: Ja, ganz meinerseits.

00:03:01: Vielen Dank. Ich freue mich auch sehr.

00:03:03: Herr Dr. Beck,

00:03:05: vielleicht stellen Sie sich einfach mal kurz vor

00:03:08: mit ein paar Sätzen, die Sie machen wollen.

00:03:10: Was machen Sie so?

00:03:11: Oder wie sind Sie Thema gekommen?

00:03:13: Und was machen Sie eigentlich so, wenn Sie Freizeit haben?

00:03:16: Ja, groß Vorstellung muss ich mich ja kaum noch.

00:03:19: Das haben Sie ja schon dankenswerterweise übernommen.

00:03:22: Also, tatsächlich, ich bin zu Hirnforschung gekommen.

00:03:25: Das war Anfang der 2000er habe ich Abitur gemacht.

00:03:29: Das war die Zeit, als Matrix in den Kinos lief.

00:03:32: Und ich dachte, ach, das wäre doch spannend,

00:03:33: so eine Matrix zu bauen.

00:03:35: Dann musste ich im Laufe der Zeit feststellen,

00:03:37: dass es doch etwas schwieriger ist,

00:03:38: weil eigentlich Hirn eben nicht so einfach funktioniert,

00:03:40: wie man das aus Hollywood filmen kennt.

00:03:43: Aber auch da begann eigentlich schon die Idee,

00:03:45: in diesem Feld zu arbeiten.

00:03:47: Ich hatte dann, wie gesagt,

00:03:48: war ein Jahr in Kalifornien gewesen.

00:03:50: Ich bin jetzt in Frankfurt am Main tätig

00:03:52: und beschäftige mich genau damit,

00:03:54: was auch der Unterschied zwischen

00:03:56: menschlichen Denken und künstlicher Intelligenz ist.

00:04:00: Da gibt es nämlich noch einige Dinge,

00:04:03: die wir auch beim Gehirn noch nicht ganz verstanden haben.

00:04:05: Und ja, meine Freizeit, ich finde übrigens,

00:04:08: dass es sehr wichtig, Maschinen machen ja keine Pause.

00:04:11: Die haben ja keine Hobbys.

00:04:13: Insofern fällt es einer Maschine auch etwas schwerer auf,

00:04:16: abseitige Ideen zu kommen,

00:04:18: weil jeder weiß es aus seinem Leben.

00:04:21: Wenn man nicht erreichbar ist, wenn man Sport macht,

00:04:24: oder wenn man Musik spielt oder so was,

00:04:26: dann kommt man auf Ideen.

00:04:27: Und bei mir ist das Rennradfahren, ich fahr viel Fahrrad.

00:04:30: Und genau, das ist mein Moment,

00:04:33: wo ich über Sachen nachdenken kann.

00:04:35: Und meistens komme ich dann auch mit einer guten Idee zurück.

00:04:37: Das ist jetzt irgendwie ein Kanzlerweise abgesprochen.

00:04:40: Ich musste gerade stützen,

00:04:42: als sie den Film Matrix genannt haben.

00:04:44: Weil ich das nämlich in vor ein paar Wochen auch mal

00:04:47: zusammengefragt worden bin zu künstlicher Intelligenz.

00:04:50: Und mir ist da irgendwie nur relativ fachlich weit weg vom Thema.

00:04:54: Sind mir diese Firma eingefallen, einer von denen aus den 90ern.

00:04:58: Und diese Grundidee, dass das das gesamte Gehirn

00:05:01: uns im Grunde sein ganzes Leben vorspielt.

00:05:04: Und dass im Grunde schon ganz anders läuft, sag ich mal, vereinfacht.

00:05:07: Total faszinierend, fand ich.

00:05:09: Nun muss man sagen, das ist ja eine sehr alte philosophische Idee.

00:05:15: Also im antiken Griechenland gab es schon die Vorstellung,

00:05:17: dass die ganze Welt um uns herum nur konstruiert wird.

00:05:20: Und die moderne Hirnforschung hat das im Prinzip bestätigt.

00:05:24: Man kann nicht beweisen.

00:05:25: Also Sie können nicht beweisen, ich kann nicht beweisen,

00:05:28: dass nicht alles um mich herum oder um Sie herum eine Simulation ist.

00:05:31: Das ist philosophisch unmöglich.

00:05:33: Es bringt natürlich nichts.

00:05:35: Also wenn ich davon ausgehe, es ist eine Simulation,

00:05:37: dann brauche ich nichts, ich kann mich in der Ecke setzen und heulen.

00:05:38: Da habe ich auch nichts gewonnen.

00:05:39: Also letztendlich müssen wir davon ausgehen,

00:05:41: dass es eine Wirklichkeit um uns herum gibt.

00:05:44: Aber was Sie sagen, ist ganz spannend.

00:05:46: Denn eigentlich ist dieses Wechselspiel zwischen Silicon Valley

00:05:51: und 500 bis 600 Kilometer weiter südlich Hollywood

00:05:54: in den letzten Jahren sehr wichtig gewesen,

00:05:56: um auch so dieses Bild von KI oder von moderner Technik zu prägen.

00:06:00: Schauen Sie, die ganzen Techniken werden in Rundum San Francisco entwickelt.

00:06:05: Und in einem halben Bundesstaat weiter südlich gibt es dann

00:06:08: die popkulturellen Bilder davon.

00:06:09: Und sofort fangen Menschen an, so wie Sie, so wie ich,

00:06:13: sich vorzustellen, dass KI wie ein Matrix, wie ein Terminator

00:06:16: oder den anderen ganzen Science-Fiction-Filmen, die man kennt, auftritt.

00:06:20: Und das ist natürlich nicht der Fall.

00:06:21: Aber es verkauft sich gut.

00:06:23: Es verkauft sich gut.

00:06:24: Und das ist, also ich sage mal, beide Filme,

00:06:29: die aus unserer Generation, sage ich mal, so kommen,

00:06:32: zeichnen ein sehr negatives Bild von der künstlichen Intelligenz.

00:06:37: Sowohl destruktiv als auch absolut den Menschen beherrschend.

00:06:43: Das sind ja auch Themen, die Sie sehr geprägt haben.

00:06:46: Also die fanden dich sehr spannend bei sich.

00:06:49: Dann kann man erst mal, also wo wir gerade auf dem philosophischen Level unterwegs sind,

00:06:53: ist das eine etwas, wofür wir uns wirklich Angst machen müssen?

00:06:59: Nun, es schwingt schon ein bisschen mit bei KI,

00:07:03: dass es die letzte große Grenkung der Menschheit ist.

00:07:06: Schauen Sie, im Mittelalter, wir haben festgestellt,

00:07:08: wir sind nicht der Mittelpunkt des Universums,

00:07:10: dann haben wir nach Darwin festgestellt,

00:07:12: wir sind die Krone der Schöpfung.

00:07:14: Und jetzt stellen wir vielleicht fest,

00:07:15: dass wir gar nicht die Intelligentesten auf diesem Planeten sind.

00:07:18: Und das macht uns Angst,

00:07:21: weil es uns auch ein bisschen die Kontrolle über unsere Welt wegzunehmen droht.

00:07:25: Nun muss man sagen, eine Intelligenz

00:07:29: reicht ja noch lange nicht, um dem Planeten zu beherrschen.

00:07:32: Also ich kann auch ein autistischer Nerd mit einem IQ von 210 sein.

00:07:35: Das heißt noch lange nicht, dass ich erfolgreich durchs Leben gehe.

00:07:38: Also menschliches Leben ist mehr als Intelligenz.

00:07:41: Und ich finde, das ist sehr wichtig, wenn man von KI spricht.

00:07:45: KI ist genau das, es ist ein Optimierungsverfahren.

00:07:48: Man kann damit Dinge, wie Sie beschrieben haben,

00:07:51: in der Infrastruktur, in der Logistik, kann man optimieren.

00:07:54: Man kann auch zum Teil neue Sachen hervorbringen,

00:07:57: was wir jetzt gesehen haben.

00:07:58: Aber diese KI entwickelt keinen Willen.

00:08:01: Sie hat keine Absicht, in dem was sie tut.

00:08:03: Und das ist ein massiver Unterschied zu dem,

00:08:05: wie wir durch die Welt gehen.

00:08:07: Wir haben ein Ziel und deswegen handeln wir.

00:08:09: Was ist Intelligenz?

00:08:11: Das fand ich auch sehr spannend.

00:08:13: Ich glaube, ich habe eine falsche Vorstellung davon.

00:08:15: Ja.

00:08:15: Nach der klassischen Definition Intelligenz.

00:08:18: Also Intelligenz ist zum einen das besterforschte

00:08:20: und stabilste Persönlichkeitsmerkmal, was wir kennen.

00:08:23: Es gibt nichts, was in der Kognitionswissenschaft

00:08:26: oder in der Psychologie so gut erforscht wurde.

00:08:29: Und letztendlich bedeutet Intelligenz im Verhalten von Systemen,

00:08:34: dass sie Probleme auf eine immer effizientere Art lösen.

00:08:38: Es ist ein Optimierungsverfahren, wenn Sie so wollen.

00:08:40: Schauen Sie einen IQ-Test an.

00:08:41: Sie kriegen eine Aufgabe gestellt.

00:08:43: Und für jede Aufgabe gibt es eine richtige Lösung.

00:08:46: Und wer diese Lösung am schnellsten findet,

00:08:47: der hat am meisten Punkte.

00:08:49: Und da sieht man schon,

00:08:51: in einem IQ-Test werden keine offenen Fragen gestellt.

00:08:54: Also es wird nicht gefragt,

00:08:55: verdoppelt den Radverkehr in Wuppertal

00:08:58: oder er findet einen IQ-Test für deinen Nachbarn.

00:09:01: Solche Fragen stellt man nicht,

00:09:02: weil das ist keine Frage für Intelligenz.

00:09:05: Also Intelligenz ist eine Fähigkeit,

00:09:07: wie ich schneller und effizienter Probleme löse,

00:09:10: eindeutig lösen kann.

00:09:12: Und KI in dieser Definition ist die ultimative Optimierungsmaschine.

00:09:15: Und so sind sie tatsächlich auch im Backend,

00:09:18: also im Hintergrund mathematisch aufgebaut.

00:09:20: Es wird immer irgendwas optimiert.

00:09:22: Es wird immer irgendwo, auch wenn ein Bild erzeugt wird,

00:09:24: es wird immer ein Optimum für eine entsprechende Anfrage gesucht.

00:09:28: Und das ist anders als in unserem Leben.

00:09:31: Da haben wir ja viele Dinge, wo wir nicht wissen,

00:09:33: ob richtig oder falsch.

00:09:34: Und das ist tatsächlich eine Grenze, die KI prinzipiell hat.

00:09:37: Das heißt aber dann auch,

00:09:39: also die künstliche Intelligenz ist,

00:09:42: also hat bestimmte Voraussetzungen, dass sie braucht.

00:09:46: D.h. daraus ergeben sie auch bestimmte Felder,

00:09:49: wo sie dann tatsächlich richtig gut ist.

00:09:52: Was sind das für Felder?

00:09:54: Ich finde ganz wichtig,

00:09:55: dass man diese Felder und diese Fragestellung erst definiert.

00:09:58: Im Moment sind wir auch in der Wirtschaftssrichter,

00:10:00: auch in der Wirtschaftsrichter, das ganz häufig in Projekten,

00:10:02: an einem Punkt, wo man sagt, ich habe die KI, wo ist das Problem?

00:10:05: Ich habe Leute gesehen, die erfinden Probleme,

00:10:07: damit KI sie lösen kann, bloß schon KI einzusetzen.

00:10:10: Das ist ja bekloppt.

00:10:11: Also eigentlich geht es darum, sich zu überlegen,

00:10:13: wo will ich hin, was sind Tätigkeiten

00:10:15: oder Problemfelder, wo KI sinnvoll ist.

00:10:18: Und eigentlich kann man das grob in zwei Kategorien einteilen.

00:10:21: Das eine ist das, was es auch schon längere Zeit gibt,

00:10:24: was man Business Intelligence nennt beispielsweise.

00:10:26: Sie optimieren Abläufe.

00:10:28: Sie optimieren Logistik beispielsweise.

00:10:30: Sie optimieren Lieferketten, was man im Einzelhandel macht.

00:10:33: Sie optimieren aber auch Produktionsprozesse.

00:10:35: Also wenn Sie jetzt in großindustriellen Anlagen sind

00:10:38: und Dinge herstellen oder katalytisch Stoffe entwickeln,

00:10:42: dann haben Sie unfassbar viele Daten.

00:10:44: Und Menschen können diese Datenmenge gar nicht mehr vernünftig analysieren.

00:10:47: Und da gibt KI einen neuen Blick drauf,

00:10:50: um eben Anlagen weniger zu warten,

00:10:52: Ausschuss zu minimieren, die Effizienz zu erhöhen.

00:10:55: Das ist das, was es auch schon seit einigen Jahren gibt.

00:10:57: Neu hinzugekommen ist der zweite Teil von ...

00:11:00: das zweite große Anwendungswelt, wo KI Vorteile bringt.

00:11:04: Das ist das, was man generative KI nennt.

00:11:06: Also das, was wir mit JetGPC kennen

00:11:08: oder den Lama-Modellen von Meta oder Gemini von Google.

00:11:12: Die Idee ist, dass KI tatsächlich dort etwas Neues erzeugen kann.

00:11:16: Also ein Bild beispielsweise oder ein Text.

00:11:19: Und ich kann dieser KI jetzt Aufgaben geben.

00:11:22: Und innerhalb dieses Aufgabenrahmen

00:11:24: fällt sich schon weitgehend frei.

00:11:27: Also Sie könnte mir E-Mail zusammenfassen

00:11:29: oder Sie könnte mir eine Präsentation erstellen

00:11:31: oder Sie könnte mir eine Werbekampagne

00:11:33: für jeden einzelnen Kunden erstellen.

00:11:35: Und das erfordert immer noch die Mithilfe von Menschen.

00:11:39: Aber das ist quasi diese Zweithat.

00:11:40: Man erzeugt etwas Neues.

00:11:42: Und das ist tatsächlich auch jetzt in der Anwendung

00:11:45: erst seit zwei Jahren kropft im Markt.

00:11:48: Sie hatten, in dem was Sie damals erzählt haben,

00:11:52: haben Sie ein paar Beispiele genannt.

00:11:55: Und Sie waren kein uneingeschränkter Fan von JetGPC.

00:12:00: Jetzt mal fängt das von der Firma,

00:12:03: er ist ja nun Synonym für das Thema.

00:12:06: Aber in meinem privaten Umfeld,

00:12:08: da habe ich das natürlich,

00:12:10: da hat man das aus allen Ecken, ich habe das jetzt benutzt,

00:12:12: gerade eingegeben, er hat mit drei super Texte geschrieben.

00:12:15: Ein Arzt, der sagt, ich habe mir den ganzen Homepage

00:12:17: schon alles in zehn Sekunden gemacht.

00:12:19: Ich habe dann nur was eingegeben, sieht gut aus.

00:12:21: Also alle sind drum herum begeistert.

00:12:24: Sie waren aber nicht so richtig begeistert davon.

00:12:27: Ja, also teils teils.

00:12:30: Also ich nutze JetGPC ja auch, auch gerade von der Webseite.

00:12:34: Ich habe meine Webseite erneuer, da ging es auch drum,

00:12:36: was mache ich für Texte, wie baue ich die zusammen.

00:12:39: Und es ist interessant, was Sie beschreiben in Ihrem Umfeld.

00:12:42: Beobachten Sie mal, was sind das für Leute, die JetGPC einsetzen?

00:12:45: In aller Regel sind das Leute, die nicht ganz so dumm sind.

00:12:48: Die schon wissen, wo sie hin wollen.

00:12:50: Die auch beurteilen können, ob das stimmt, was JetGPC sagt,

00:12:53: ob das sinnvoll ist.

00:12:55: Und das ist ganz spannend.

00:12:57: Das ist so, JetGPC ist wie so Passwort und ein Login.

00:13:02: Also ich weiß vorher nicht, wenn ich ganz viele Sachen eingebe,

00:13:05: ob das Passwort stimmt.

00:13:07: Aber wenn ich das eine Passwort, das richtig habe, weiß ich sofort.

00:13:09: So ähnlich ist es bei JetGPC und dem Output auch.

00:13:11: Ich weiß sofort, ob das sinnvoll ist oder nicht,

00:13:13: wenn ich selber klug genug bin, das einzusetzen.

00:13:15: Das heißt, letztendlich kann es sehr viel unterstützen.

00:13:18: Bei mir auch.

00:13:20: Also ich habe beim letzten Buch, da kann man nicht auf dem Buchtitel.

00:13:22: Ich kann Buch schreiben, aber keinen Titel finden.

00:13:24: So, dann haben wir da die Inhaltsangabe und ein Probekapitel,

00:13:26: da haben wir da reingegeben.

00:13:28: Und dann 50 lustige Titel.

00:13:30: Er findet mir 50 englische Titel, 50 deutschenglische Titel.

00:13:32: Dann habe ich zum Schluss 200 Titel.

00:13:34: Ich habe keinen genommen, aber ich war inspiriert davon.

00:13:37: Und das ist richtig.

00:13:39: Auf der anderen Seite muss man sich immer auch klarmachen,

00:13:41: was eine Technik nicht kann.

00:13:43: Weil wenn ich das nicht weiß, werde ich die Technik für dumme Sachen einsetzen.

00:13:47: Also wenn ich nicht die Grenze der Technologie Gabel kenne,

00:13:49: werde ich eine Suppe mit einer Gabel lüffeln.

00:13:51: Und feststellen, das ist schlecht.

00:13:53: Bei KI gibt es auch einige prinzipielle Grenzen.

00:13:55: Also alle Sprachmodelle, Transformer-Modelle, großen Sprachmodelle,

00:14:00: können nicht Ursache Wirkung auseinanderhalten von sich aus.

00:14:04: Sie haben auch kein symbolisches Verständnis von der Welt.

00:14:07: Sie haben keine Absicht in dem, was sie tun.

00:14:09: Und sie tun sich sehr schwer, wenn man wirklich komplett ein neues abfragt,

00:14:14: was in keiner Form im Datensatz im Training vorhanden war.

00:14:17: Und immer, wenn ich jetzt mit einer komplett neuen Situation konfrontiert bin,

00:14:22: muss ich mir dessen bewusst sein, dass ich in Unterstützung mit KI etwas bewirken kann,

00:14:27: aber KI nicht selbstständig alleine durch die Welt marschiert,

00:14:29: um mir meine Probleme löst.

00:14:31: Also da ist die Technik, die wir jetzt haben, noch nicht geeignet dafür.

00:14:35: JETG-BTT ist ja, finde ich, schon interessant,

00:14:37: dass man dieselbe Frage 3, 4 mal stellen kann.

00:14:41: Und wenn man Pech hat, kriegt man 3 verschiedene Antworten.

00:14:44: Gerade bei...

00:14:45: 2 ist total genial und 1 ist totaler Blödsinn.

00:14:48: Genau, gerade bei sehr schwierigen Fragen,

00:14:51: die auch nicht eindeutig sind, kann das passieren.

00:14:54: Sie können auch was anderes ausprobieren.

00:14:56: JETG-BTT, sie geben eine Aufgabe, eine Logikaufgabe,

00:14:59: oder das soll irgendwas beschreiben oder irgendwas erklären.

00:15:02: Und dann gibt es eine Antwort, und dann können sie JETG-BTT einfach sagen,

00:15:06: "Die Antwort ist falsch.

00:15:07: Findet ihr mir 3 Begründungen, warum deine Antwort falsch ist?"

00:15:10: Und dann wird JETG-BTT gegen sich argumentieren und sich selber widersprechen.

00:15:13: Also JETG-BTT ist darauf trainiert, Antworten zu geben,

00:15:16: aber nicht darauf trainiert, die Welt zu verstehen.

00:15:18: Das muss man sich klar machen.

00:15:19: Es ist tatsächlich konzipiert, um mit uns zu kommunizieren.

00:15:23: Und deswegen wird es auch immer antworten, in gewissen Bereichen,

00:15:28: also wo es faktisch und mathematisch eindeutig ist,

00:15:30: ist es schwierig, aber auch selbst da ist es möglich.

00:15:32: Also selbst da kann man JETG-BTT dazu bringen,

00:15:35: das Gegenteil von dem zu behaupten, was es vorher behauptet hat.

00:15:38: Ich meine, wir wissen, das ist nicht sinnvoll.

00:15:41: Also da kommt man nicht dauerhaft voran.

00:15:44: Weil es, wenn ich das richtig verstanden habe, unheimlich guter Red ist,

00:15:49: Musst dazu erkennen und Daten miteinander zu verknüpfen

00:15:54: und die dann wiederzugeben.

00:15:56: Also was ich total spannend fand, war eben ihr Beispiel mit dem Stuhl.

00:16:00: Also Sie hatten das ja sehr beispielhaft mit dem Stuhl gezeigt

00:16:04: und der Unterschied, warum ein menschliches Gehirn doch anders funktioniert als so eine KI.

00:16:09: Genau, also für uns ist ein Stuhl nicht ein Objekt mit vier Beinen

00:16:12: und Sitzfläche und einer Lehne oder Armauflagen,

00:16:15: sondern ein Stuhl ist für uns etwas, wo man drauf sitzen kann.

00:16:18: Und wir haben damit dieses Konzept des Stuhls.

00:16:20: Das heißt, alles, wo ich potenziell drauf sitzen könnte,

00:16:23: könnte ich als Stuhl verwenden.

00:16:25: Sprich, der Stuhl ist nicht etwas, was absolut in unserer Wahrnehmung jetzt,

00:16:30: wie soll ich sagen, geometrisch existiert.

00:16:32: Sondern ein Stuhl ist ein bestimmter Gegenstand,

00:16:35: mit dem ich etwas machen kann.

00:16:37: Also ich habe immer eine Beziehung zu diesem Objekt.

00:16:39: Das heißt auch, wenn ich mir ein Stuhl vorstelle,

00:16:42: das Konzept dieses Stuhls, habe ich eine andere Vorstellung als Sie gerade.

00:16:45: Also wenn Sie an ein Stuhl denken und eine Sitzgelegenheit,

00:16:50: hat das für Sie ein bisschen eine andere Bedeutung als für mich.

00:16:53: Sie achten vielleicht auf andere Sachen mehr als ich.

00:16:55: Deswegen können Sie auch ein Stuhl,

00:16:57: das Gedanken eines Stuhls, nicht kopieren von einer Person zu einer anderen,

00:17:01: weil jeder hat eine ganz individuelle Art, wie er mit den Dingen umgeht.

00:17:04: Und Stuhl ist ein einfaches Beispiel, aber bringen Sie das auf andere Themen,

00:17:08: auf Freiheit, auf Sicherheit, auf Zufriedenheit, auf Motivation.

00:17:13: Also auf große Fragen des Lebens, da hat jeder ein anderes Konzept davon,

00:17:17: wie er mit diesem Ding sich verhält, wie er interagiert.

00:17:20: Und das macht eine KI ja gerade nicht,

00:17:22: weil sie interagiert ja nicht absichtsvoll mit der Umwelt.

00:17:25: Sie analysiert.

00:17:27: Wenn du viel analysierst, kannst du auch viele Zusammenhänge sehen.

00:17:30: Und es kann auch reichen, um da viele neue Stuhlbilder zu erzeugen.

00:17:33: Aber das Konzept des Stuhls, wozu setzt sich ein Stuhl ein,

00:17:37: was kann ich persönlich damit machen?

00:17:40: Das kann eine KI nicht machen, denn in einer KI gibt es kein "ich".

00:17:43: Eine KI hat es im Prinzip das Optimum eines trainierten Darzensaftes.

00:17:48: Das heißt eben, je mehr Stuhlbilder ich eingebe,

00:17:52: desto mehr Gleichheiten oder Gemeinsamkeiten erkennt die KI.

00:17:57: Jedes neue Modell, was aber irgendwie ein bisschen anders ist, wird nicht erkannt.

00:18:01: Weil es einfach nur um die Einlänge der 100.000 Bilder vorher gibt, oder wie?

00:18:05: Im Prinzip ist das schon richtig.

00:18:07: Stellen Sie sich vor, ein System sieht jetzt 10.000 Stühle,

00:18:11: die alle sehr, sehr, sehr, sehr ähnlich aussehen.

00:18:14: So was passiert dann?

00:18:16: In der Mathematik spricht man von einem lokalen Minimum.

00:18:19: Dieses System optimiert sich auf diese 10.000 sehr, sehr, sehr, sehr ähnlichen Stühle.

00:18:22: Wenn ich jetzt einen komplett anderen Stuhl reinbringe,

00:18:25: wenn ich irgendwie so ein Sitzball oder irgendwie so ein Ding aus,

00:18:28: mit einem Stab, der wackelt oder wie auch immer,

00:18:31: dann wird diese KI Probleme haben, das als Stuhl zu identifizieren.

00:18:35: Das Argument ist jetzt, ich trainiere eine KI aber mit allem,

00:18:39: was wir bisher haben, ein Stühlen an Texten, an Bildern dazu.

00:18:43: Und deswegen ist ein Großteil dessen, was wir an Stühlen kennen,

00:18:47: schon in irgendeiner Form abgebildet.

00:18:49: Und ein neuer Stuhl wird sich nicht so viel von einem Bekannten unterscheiden.

00:18:53: Das ist eine KI, das schon eh nicht zuordnen können,

00:18:57: sei denn es was komplett anderes.

00:18:59: Aber wie gesagt, die Welt besteht nicht nur aus Stühlen,

00:19:01: sondern die Welt besteht auch aus komplizierteren Dingen.

00:19:05: Und da wird es tatsächlich passieren,

00:19:07: dass wir mit neuen Sachen konfrontiert werden, neue Probleme werden wir haben.

00:19:11: Wir werden Fragen stellen in fünf Jahren, die wir heute nicht kennen.

00:19:14: Wir werden Dinge tun in zehn Jahren, von denen wir heute keine Ahnung haben.

00:19:17: Und das ist eben noch nicht in dem Trainingsdatensatz drin.

00:19:20: Und genau für diesen Teil dieses "Wo will ich hin?", "Was will ich erreichen?",

00:19:24: "Wie komme ich dahin?", "Was möchte ich auch nicht erreichen?",

00:19:27: das ist menschliches Denken.

00:19:29: Und KI kann uns auf den Weg unterstützen.

00:19:31: Das ist, wenn man das aber zu Ende denkt mit den Stühlen.

00:19:35: Klar ist ein einfaches Beispiel, aber ich glaube,

00:19:39: grundsätzlich scheint das ja mit vielem dann zu passen.

00:19:41: Das heißt ja, je mehr Stuhlbilder drin sind

00:19:45: und je mehr verschiedene Beispiele, dann ist der Sitzsack auch drin.

00:19:49: Dann ist auch das Ding auf dem Stab drin.

00:19:52: Und dann irgendwann erkennt so eine KI dann doch irgendwie nach der Logik

00:19:59: alles, auf dem man sitzen kann.

00:20:01: Es dauert dann nur sehr lange und ist ein Riesenaufwand.

00:20:05: Also ich hatte damals um die Runde, falls Sie sich erinnern,

00:20:08: dann die Frage gestellt, wenn es um ein Mangel von Daten geht,

00:20:12: bei den Grenzen von KI, dann ist es dann nur eine Frage der Zeit,

00:20:17: dass eine KI tatsächlich alles kann, wenn alles an Daten ausgelesen ist.

00:20:22: Da haben Sie, fand ich, sehr spannend darauf geantwortet.

00:20:26: Aber das will ich jetzt nicht vorwegnemen.

00:20:28: Vielleicht habe ich es auch falsch verstanden.

00:20:30: Also ist das einfach eine Frage der Zeit, dass man sagt,

00:20:32: die Datensätze sind einfach irgendwann für alles da?

00:20:35: Also in einer theoretischen Welt, in der wir für alles Daten haben,

00:20:39: könnten Sie mit diesem System alles machen.

00:20:41: Aber wir haben nicht alle Daten.

00:20:43: Und wir werden auch niemals alle Daten bekommen.

00:20:45: Also es gibt viele Bereiche, die können Sie gar nicht messen.

00:20:48: Da gibt es noch nicht mal Einheiten dafür.

00:20:50: Es gibt keine Einheit für Ideen, für Freiheit, für Wissen,

00:20:54: für Sicherheit, für Zufriedenheit.

00:20:56: Da gibt es noch nicht mal eine skalierbare Einheit dafür.

00:20:58: Ich kann nicht sagen, ein Beutel Hoffnung oder so was.

00:21:01: Also das können Sie nicht machen.

00:21:03: Das heißt, viele Dinge in unserem Leben sind in dieser Form nicht quantifizierbar.

00:21:07: So wenn sie nicht numerisch quantifizierbar sind,

00:21:09: kann ich sie auch nicht statistisch optimieren.

00:21:12: So wenn ich sie nicht statistisch optimieren kann,

00:21:14: ist es das Ende für KI die ultimative statistische Optimierungsmaschine.

00:21:19: Und deswegen werden Sie ganz viele Bereiche in Ihrem Leben haben,

00:21:22: ob sie jemanden heiraten oder nicht.

00:21:24: Oder ob sie in den Urlaub fahren sollen oder nicht.

00:21:27: Ob sie eine Haus kaufen sollen oder nicht.

00:21:29: Was sie glücklich macht oder nicht.

00:21:31: Das sind keine Fragen, die eine KI jemals für sie beantworten kann.

00:21:35: Eine KI wird die Texte nehmen, die dazu verfasst wurden und die,

00:21:38: und die Bilder, die dazu verfasst wurden.

00:21:40: Und wird daraus ein Optimum berechnen.

00:21:43: Aber es ist immer nur eine Scheinwahrheit, die dann rauskommt.

00:21:47: Weil die Realität ist eben nicht in Daten erfasst worden.

00:21:51: Und bedenken Sie auch, dass allermeiste, was wir tun,

00:21:54: darüber reden wir gar nicht.

00:21:56: Dass es nie in Sprache abgebildet wurden.

00:21:59: Also die allermeisten Dinge, die die Kinder lernen, die Erwachsene lernen,

00:22:03: das ist gar nicht ausgesprochen worden.

00:22:05: Es hat auch niemand aufgeschrieben.

00:22:07: Das heißt, es ist eine Welt, die dieser Form von KI im Moment verschlossen bleibt.

00:22:11: Weil es im Prinzip keine Daten dafür gibt.

00:22:15: Das heißt theoretisch zu Ende gedacht, würde man das alles aufschreiben.

00:22:19: Also würde ich auch irgendwo minusriös aufschreiben, was mich glücklich macht.

00:22:23: In meinem Leben, dann wäre die Chance schon groß,

00:22:26: dass eine KI was findet, was mich glücklich macht.

00:22:29: Vielleicht auch den eigenen Partner.

00:22:31: Aber das ist total utopisch, weil das eben niemals passieren wird.

00:22:35: Ja, das ist so. Schauen Sie, Sie arbeiten ja in einem komplexen System.

00:22:40: Und komplexe Systeme sind per se nicht komplett berechnen oder vorhersehbar.

00:22:45: Also Sie können selbst mit dem besten Computer der Welt,

00:22:48: Sie können theoretisch nicht berechnen, wie das Wetter in einer Woche ist.

00:22:51: Selbst wenn Sie von jedem einzelnen Atom in der Atmosphäre wüssten,

00:22:54: was ein Zustand ist, könnten Sie nicht das Wetter berechnen.

00:22:57: In einer Woche würde es aber ein Wetter geben.

00:22:59: Ich habe zumindest noch keinen Tag ohne Wetter erlebt.

00:23:01: Also wenn Sie in einer Woche...

00:23:03: Das wäre ein ganz schönes Moment.

00:23:05: Es ist sehr gleichförmig.

00:23:07: Aber trotzdem, wenn wir jetzt zurückschaus,

00:23:09: kann es so sagen, vor einer Woche gab es einen Zustand.

00:23:12: Und das Wetter, was wir heute haben, kannst du genau begründen.

00:23:15: Aber du kannst es andersrum nicht komplett vorhersehen.

00:23:17: Und so ähnlich ist es auch mit dem Leben

00:23:19: und mit vielen Entscheidungen, die wir treffen.

00:23:22: Wir können sie nicht komplett voraus berechnen.

00:23:25: Wie gesagt, selbst wenn wir...

00:23:27: Es ist theoretisch nicht möglich.

00:23:29: Es würde unendlich viel Energie erfordern.

00:23:31: Und deswegen sagt man eher, es reicht doch,

00:23:33: wenn ich so eine Nährung habe,

00:23:35: es reicht doch, wenn ich so eine grobe Richtung kenne.

00:23:37: Und dafür ist KI gut.

00:23:39: Aber die Entscheidung, auch eine binäre Entscheidung,

00:23:42: High-Raten oder nicht, die obliegt ihnen, denn Entscheidungen sind immer ein Moment der Unsicherheit.

00:23:48: 2+2 ist 4, dann ist 4 nicht das Ergebnis einer Entscheidung. Ja, sie entscheiden sich nicht

00:23:53: für die 4. Sie müssen die 4 wählen, weil sie klar definiert ist. Aber wie gesagt, ob sie High-Raten

00:23:59: oder nicht, auf welche Schule sie gehen sollen, wo sie in Urlaub fahren sollen, die allermeisten

00:24:04: Dinge in ihrem Leben gibt es kein richtig oder nein. Und auch im Nachhinein wird man es vielleicht

00:24:08: gut oder schlecht finden erst. Aber es ist in dieser Form nicht objektiv quantifizierbar.

00:24:15: Deswegen wird KI in dieser Form das nicht komplett abdecken können. Was glauben Sie denn? Also es

00:24:23: wird genügend Bereiche geben, wo der Mensch weiterhin wichtig ist und wo er auch seine eigene

00:24:29: Entscheidung treffen muss. Ich finde das persönlich sehr beruhigend. Wenn wir es jetzt mal auf die

00:24:34: Tätigkeiten konkretisieren, muss man ja, es schwingt bei vielen Menschen natürlich mit, was ist

00:24:43: mit meinem Job, wie stark er sich verändern. Und das, was ich tue, wird das in vielen, in ein paar

00:24:48: Jahren noch Sinn machen, dass ich das mache oder mache ich das in Zukunft nicht mehr. Und so. Was

00:24:52: haben Sie für ein Gefühl? Also in welchen Bereichen, man sagt, wird sich die Arbeitswelt deutlich

00:24:58: verändern? Und in welchen Bereichen ist das überschätzt, das ganze KI-Thema? Also zunächst einmal

00:25:04: muss man sagen, seit 5000 Jahren ändern sich menschliche Tätigkeiten und Arbeit. Das ist jetzt

00:25:09: nichts Neues, dass neue Berufe entstehen und alte verschwinden. Also das nennt man Fortschritt,

00:25:13: das nennt man Anpassung. Noch nie, noch nie hat in der Technik Geschichte neue Technologie dazu geführt,

00:25:19: dass massenhaft Arbeitslosigkeit entstanden ist auf einem volkswirtschaftlichen Level,

00:25:23: weil es entstehen immer neue Ideen. Es gibt immer noch mehr zu tun. Menschen kommen auf neue Ideen,

00:25:28: wenn sie neue Möglichkeiten haben. Das sehen wir auch bei KI. Das heißt, Sie glauben nicht an die

00:25:33: Leute wie in Mark Zuckerberg oder so, die sagen, es braucht ein bedingungsloses Grundeinkommen, weil

00:25:38: im Großteil von euch Freunde wird nichts mehr zu tuner. Nein, das ist völlig unplausibel. Also

00:25:44: das ist, warum sollte das passieren? Also jede Technik schafft ja eine Grenzfläche zu neuen Problemen.

00:25:49: Also durch eine Technik komme ich nicht nur zu neuen Lösungen, sondern auch zu neuen Problemen.

00:25:53: So mit neuen Problemen kann ich auch neues Geld verdienen. Das heißt, ich schaffe wieder neue

00:25:57: Arbeitsplätze und neue Jobs dadurch. Gewiss wird es Tätigkeiten geben, die verschwinden. Aber erstens

00:26:04: ist das nicht neu. Und zweitens heißt es auch nicht, dass der Job, der verschwindet oder die Person,

00:26:09: die diesen Job ausgeübt hat, nicht in anderen Tätigkeiten finden kann, die vielleicht nicht

00:26:13: doch zu der eigenen Qualifikation passt. Also die Annahme, dass eine KI die komplette menschliche

00:26:20: Arbeit überflüssig macht, weil sie in allem besser ist als ein Mensch ist, ein Zirkelschluss.

00:26:24: Das ist jetzt kein Argument. Weil wenn ich sage, okay, eine KI ist überall besser,

00:26:27: natürlich kann sie dann theoretisch jede Arbeit ersetzen. Natürlich kann sie das.

00:26:32: Aber dann gibt es neue Themen und neue Lücken. Aber erstens ist KI noch nicht so weit. Und zum

00:26:38: zweiten heißt es nicht, dass eine KI, die das, was wir jetzt haben, ersetzen kann, auch das ersetzen

00:26:43: kann, was in Zukunft neu entsteht. Also ein Großteil der Jobs, die wir heute machen,

00:26:47: die existierte ja vor 30 Jahren überhaupt nicht. Es gab auch immer die Diskussion

00:26:53: "Wir Technik uns ersetzen". Also es gibt schöne Studien dazu, als Excel eingeführt wurde. In den

00:26:58: frühen 90ern haben sich alle Buchhalter in den USA beschwert, dass es, dass die Arbeitslust

00:27:03: werden würden. Und tatsächlich von, ich meine es gab eineinhalb Millionen Buchhalter damals,

00:27:07: jetzt gibt es noch 500.000. Aber es gibt eineinhalb Millionen Controller und es gibt eineinhalb

00:27:11: Millionen Finanzanalysen. Also es schafft eigentlich mehr als vorher da war. Und bei KI,

00:27:16: klar, also worauf muss ich achten. Also viele Tätigkeiten, wo ich KI oder sagen wir so,

00:27:23: das große Versprechen von generativer KI ist, Output wird billig skalierbar. Also ich kann

00:27:29: ein Bild billig erzeugen. Ich kann auch Texte billig erzeugen. Ich kann deswegen auch Kampagnen,

00:27:36: ich habe es gesagt, Werbung kann ich billig erzeugen, Videos kann ich billig erzeugen.

00:27:40: Das bedeutet, dass viele aufwändige Tätigkeiten, also wenn sie ein Film animieren wollen oder wenn

00:27:48: sie jetzt ein Text übersetzen wollen. Also wenn sie Synchronsprecher sind, haben sie ein Problem.

00:27:53: Weil alle Hollywood-Schauspieler sich jetzt schon in den Vertrag reinschreiben lassen. Ich

00:27:57: will von der KI übersetzen werden mit meiner eigenen Stimme. Also warum sollte ich da jemanden

00:28:01: noch, ich möchte ja so rüberkommen, wie ich wirklich bin und nicht mit einem komplett

00:28:05: Fremder soll mich sprechen. Also das können Sie mit KI auch in einigen Jahren komplett machen.

00:28:08: Und da geht es sicherlich alles, das kann man vielleicht zusammenfassen, es sind alles Tätigkeiten,

00:28:15: wo sagen wir mal vergleichsweise einfacher oder datenbasierte Output erzeugt werden kann.

00:28:24: Da kann das funktionieren. Sie können sich auch vorstellen, dass die Computerspiele sich

00:28:30: erzeugen lassen mit einer App. Also im Moment gebe ich fünf Euro aus, damit ich irgendwelche

00:28:34: Äpfel und Birnen durch irgendeine Gitter schubse und dann kann ich mir noch für drei Euro

00:28:37: kau ich mir noch ein Bonus dazu. Das ist was für ein Quatsch. Das kann ich mit KI können

00:28:41: mir alles bauen lassen, wenn ich das will. Ich könnte mir Ideen reingeben und das selber

00:28:45: kreieren. Also in Zukunft wird das Spiel dann individualisiert hergestellt. Genau, also Sie

00:28:51: können sich ein Spiel ausdenken, Wasserwirtschaft NRW und jeder Spieler fängt dann an, irgendwie

00:28:56: Wasserrohre in NRW zu verlegen und wie bringe ich Wasser optimal von A nach B. So, da können

00:29:01: Sie sich bauen lassen oder was auch sich ihr Onkel baut sich ein Spiel, ich mache halt nicht Wasser,

00:29:06: ich mache Stromtrassen, wie bringe ich Strom am besten. So können Sie sich Infrastrukturspiele

00:29:10: bauen mit KI, wenn Sie wollen, in NRW oder in Hessen, keine Ahnung. Und da sieht man schon,

00:29:15: das sind viele Dinge, die man da vielleicht auch sehr viel kostengünstiger und schneller umsetzen

00:29:20: kann. Aber ich bin skeptisch, was diese große, sagen wir mal, die Massenarbeitslosigkeit angeht.

00:29:27: Zum einen, weil es Tätigkeiten gibt, die Sie auch mit dieser Form kaum mehr setzen können,

00:29:32: das sind alles Tätigkeiten. Also erst mal alles, wo Sie handwerklich etwas machen müssen. Sehr

00:29:36: schwer zu ersetzen. Das andere ist, wo Sie tatsächlich aktiv mit Menschen arbeiten, um strategisch zu

00:29:44: entscheiden, zu planen, wo will ich hin, was entwickel ich, Regeln zu brechen oder auch Menschen

00:29:52: Dinge zu vermitteln. Also auch in der Bildung wird das zweifellos wichtig sein. Und der dritte

00:29:57: Bereich, den Sie meiner Meinung nach nur schwer setzen können, oder der wird sich vielleicht

00:30:03: verändern, aber nicht komplett ersetzt werden, das ist all das, wo Sie eine Tätigkeit haben,

00:30:09: wo Sie sich schnell auf Neues einstellen müssen, wo Sie unterschiedliche Anforderungen bekommen

00:30:14: im Laufe Ihrer Tätigkeit. Also es kann sein, dass Sie da ein neues Produkt bekommen, was Sie

00:30:20: bearbeiten müssen oder das Geschäftsmodell ändert sich. Sie haben neue Wettbewerbe. Also wenn Sie

00:30:24: darauf achten, wie sehr sich Ihre Tätigkeit ändert, die Regeln in Ihrem Job ändern, dann ist

00:30:31: das ein bisschen ein Master für, wie KI Veränderungssicher Ihr Job ist. Je mehr sich in Ihrem

00:30:37: Leben ändert, desto unwahrscheinlicher ist es, dass KI dort etwas komplett ersetzt. Sie haben

00:30:43: ja jetzt ein, also wenn man mal industriepolitisch mal kurz drauf schaut und man mal auf das Thema

00:30:49: KI als Wirtschaftsfaktor oder vielleicht auch als politischer Machtfaktor, Sie haben ja einen

00:30:54: sehr guten Blick auf die West Coast in den USA. Also erst mal hatte ich verstanden auch seiner

00:31:04: Zeit, dass sie auch skeptisch sind, was so das Wachstum betrifft in manchen Themenfeldern. Also

00:31:09: die Rechenleistung ist auch gar nicht so unbegrenzt skalierbar, wie ich das damals dachte. Zumindest

00:31:15: habe ich so verstanden, dass Sie auch meinten, naja, sowieso alles muss ich mal in Zukunft zeigen,

00:31:20: wie stark das noch wachsen kann überhaupt. Unabhängig davon sind wir als Europa und als

00:31:28: Deutschland da aber abgehängt in dem Thema oder? Ja, wir sind abgehängt. Ja, ja, also da wird

00:31:33: nichts mehr passieren. Da werden wir auch nicht rankommen. Also diese ganze KI-Entwicklung ist

00:31:37: eine reine US-amerikanische Entwicklung. Da hat Europa eigentlich nichts mehr zu melden. Die Frage

00:31:42: ist tatsächlich, wie teuer wird das in Zukunft? Die Energie ist eine Frage, also wie kommt man

00:31:47: billig an Energie? Die Frage ist auch, gibt es vielleicht auch tatsächlich technologische

00:31:51: Durchbrüche, dass große KI-Modelle mit weniger Energie klar kommen? Ich meine, mein Gehirn braucht

00:31:56: 20 Watt. Das ist ja nichts. Also mein Toast, ich habe mir irgendwas getoastet, der hat fast 2.000 Watt,

00:32:02: um Toastproot zu toasten. Also ich kann mir mit 20 Watt sehr viel mehr ausdenken als ein gebackenes

00:32:07: Toastproot. Also da sieht man, wie effizient unser Gehirn ist und da gibt es noch einige unverstandene

00:32:12: Dinge, was Intelligenz angeht. Aber was diese Frage industriepolitisch... Wie viel Leistung? Also 20 Watt...

00:32:20: Das Gehirn läuft eigentlich immer mit 20 Watt. Also auch wenn sie viel... Also die ganze Zeit durchgeht.

00:32:24: Fast immer durch. Also die Durchblutung ändert sich kaum. Also Niere und Gehirn sind die

00:32:29: einzigen Organe, wo sich die Durchblutung kaum ändert. Quasi-Konstant, der Stoffwechsel ist

00:32:33: quasi-konstant. Auch wenn sie hier Schachweltmeisterschaft gerade gewesen, wenn sie da vier Stunden

00:32:38: intensiv nachdenken, steigt ein bisschen der Energiebedarf an, aber kaum. Ist nicht so wie beim Herz

00:32:43: oder beim Muskel. Also es läuft quasi mit 20 Watt durch.

00:32:46: Sie sind kein effizientes System, ne?

00:32:47: Ja, auch deswegen ist es nicht klar, warum das so funktioniert. Also wie schafft man das mit so

00:32:53: wenig Energie, so viel daraus zu bekommen? Ein großes Mysterium. Aber was Ihre Frage noch

00:32:59: angeht zu dem Europa, das können Sie vergessen. Also Amazon hat jetzt in diesem Jahr 75 Milliarden

00:33:06: Dollar für KI-Hardware ausgegeben. 75 Milliarden Dollar. Meter alleine gibt dieses und nächstes

00:33:12: Jahr mehr für KI-Hardware aus als die gesamte Europäische Union zusammen. So, dann haben Sie

00:33:17: noch Microsoft, Sie haben Google, Sie haben Midjourneys, Sie haben diese ganzen großen

00:33:21: Player in den USA, die so schnell, so groß, so dominant werden wollen, dass sie die Regeln

00:33:27: uns diktieren. Und man sieht es ja schon, also die neuesten Features und die neuesten Modelle

00:33:33: werden gar nicht mehr in Europa veröffentlicht. Weil man sagt, hier ist es so streng reguliert,

00:33:38: das machen wir gar nicht hier in Europa. Also wir bringen jetzt die neueste KI-Video-Software

00:33:43: von OpenAI, ist nicht in Europa verfügbar. Und die allerneuesten, leistungsfähigsten

00:33:48: Modelle von Meta sind auch nicht in Europa verfügbar. Das ist eine amerikanische Geschichte.

00:33:52: So, und das ist ein großes Problem, wenn wir als Europa auf einmal gar nicht mehr Teil dieser

00:33:58: Entwicklung sind. Denn ich sage Ihnen ganz ehrlich, das große Ziel dieser Firmen in den USA ist,

00:34:05: too big to regulate, zu werden, so groß, dass man sie nicht mehr regulieren kann, dass sie die

00:34:09: Regeln bestimmen. Weil jeder weiß, diese Technik ist sehr mächtig. Sie kann Kriege entscheiden,

00:34:15: sie kann Demokratien stürzen oder aufbauen, sie können damit Informationen und Social Media

00:34:20: kontrollieren, Nachrichten können sie damit kontrollieren. Sie können im Prinzip dafür

00:34:25: sorgen, wie sich Gesellschaften verhalten, kulturell, auch wirtschaftlich. Und das ist so eine

00:34:30: Möglichkeit, so eine gewaltige Macht, die diese Technologie bieten kann, dass man es sich eigentlich

00:34:39: nicht leisten kann, nicht dabei zu sein. Das wäre fahrlässig. Und als Europa erleben wir das gerade.

00:34:44: Wir haben ja gerade wieder den einen oder anderen Wahlkampf erlebt, wo es heißt, dass massive

00:34:50: Eingriffe von außen in den Nachrichten und die sozialen Medien durch Deepfakes und durch Fake

00:34:57: News angeblich mit russischer Historie gewesen sind. Warum ist Russland scheint auch ein sehr

00:35:04: starker Player in dem Thema zu sein? Ja, nicht wirklich. Also was die, was die, also was KI-Technologie

00:35:11: angeht, wenn sie auch schauen, die Patente, die Forschung, das ist tatsächlich ein großer

00:35:19: Teil, ist europäisch gelegt worden, an Grundlage, auch was die Forschung angeht. Aber die Skalierung

00:35:26: findet in den USA statt, weil dort auch das Geld ist. In China haben sie natürlich noch andere

00:35:30: Modelle, ist ein komplett anderer Markt. Und der ist auch weitgehend abgekoppelt vom westlichen

00:35:36: Markt. Da sie die Frage, wie sehr können sich so Blöcke bilden, da bildet sich vielleicht so ein

00:35:43: US-Block und dann ein China-dominierter Block, der quasi diese Technik und damit auch alle

00:35:49: dazugehörigen Anwendungen dominiert. Aber eine Sache, also natürlich, wir brauchen nicht zu denken,

00:35:58: dass wir in Europa eine KI-Firma aufbauen, die jetzt in der Lage ist, mit Meta oder mit Google

00:36:04: oder Entropic zu konkurrieren. Aber man darf nicht vergessen, dass große Geld werden in Zukunft

00:36:12: wahrscheinlich nicht die KI-Firmen verdienen. Also im Goldrausch haben nicht die am meisten

00:36:16: Geld verdient, die die Schaufeln verkauft haben, sondern die, die am Schluss des Gold damit ausgebottelt

00:36:20: haben. Und als das Internet aufgebaut wurde, hat auch nicht Cisco am meisten Geld mit dem Internet

00:36:25: verdient. Am Anfang verdienst du Geld, damit Masken aufzustellen, aber am Ende die größten

00:36:33: Internetfirmen, das ist Amazon, das ist Meta, das ist Alphabet, die haben jetzt keine eigenen

00:36:41: Glasfaserkabel verlegt. Und so ähnlich ist es mit KI auch. Klar, natürlich, KI wird eines Software

00:36:46: sein, die man sich kaufen kann. Und die Frage ist jetzt, für was setzt du das ein? Wirst du als

00:36:50: Firma in der Lage sein, da eine Idee zu entwickeln mit dieser KI, ein Geschäftsmodell, dein eigenes

00:36:57: Produkt zu verbessern, wie das kein anderer kann? Dann hast du einen Vorteil. Dann kannst du Geld

00:37:02: damit verdienen. Aber das Geld verdienst dann ja du und nicht Microsoft. Also die großen, die großen

00:37:09: Margen und die großen Geschäftsmodelle, die werden erst noch entstehen. Im Moment weiß noch keiner,

00:37:13: wie man mit KI Geld verdient. Die einzigen ist Nvidia, aber die verkaufen diese Grafikkarten. Und

00:37:18: das wird auch nicht ewig so weitergehen, weil das große Geschäft, die dicken Fische, die werden

00:37:24: erst geangelt, wenn man weiß, wofür man diese Technik sinnvoll einsetzen kann. Im Moment probiert

00:37:29: man viel aus. Und ich bin sehr sicher, in fünf, sechs Jahren wird man da sehr viel klarer sehen,

00:37:34: womit man Geld verdienen kann. Aber es wird mit Sicherheit nicht Nvidia sein, die am meisten Geld

00:37:38: mit KI verdienen werden. Das heißt, was würden sie uns raten? Also eine eigene Firma aufbauen ist

00:37:44: vorbei, es macht eh keinen Sinn, ist aber vielleicht auch gar nicht so schlimm, weil die Wertschöpfung

00:37:49: am Ende vielleicht gar nicht da so steckt. Die Theorie, die Politische, dass man sich schützt,

00:37:55: indem man besonders hohe Datenschutzregeln aufbaut, geht auch so ein bisschen fehl, weil dann kriegen

00:38:00: wir einfach gar nicht mehr mit. Was es neueste so gibt oder was neueste so passiert. Wie sollen

00:38:06: wir uns also verhalten in dem Thema verstehen? Würde ich sagen, wäre wahrscheinlich nicht schlecht.

00:38:11: Ja, also auch hier. Also erst mal würde es so sein, die Sprachmodelle wird man auch in Zukunft in

00:38:19: der kleineren Form für sich haben können. Die wird man auch auf seinen Unternehmen anwenden oder

00:38:23: trainieren können. Also ich weiß es im Finance, es gibt Banken, die haben ihr eigenes Sprachmodell,

00:38:28: was sie mit eigenen internen Daten trainieren. Ich hatte jetzt Veranstaltungen tatsächlich recht

00:38:32: viele im juristischen Bereich. Also sei es jetzt für Ministerien, aber auch für Anwaltsverbände

00:38:39: oder für Kanzleien, die in diese Richtung gehen und das ist ein Großteil noch gar nicht

00:38:45: ausgewertet. Das heißt, sie können intern ihren eigenen Datensatz da reingeben und damit jetzt

00:38:50: juristische Fragestellungen beispielsweise besser beantworten. Das heißt, das eine ist,

00:38:54: die Zukunft wird in maßgeschneidertere Nischenkais gehen. Also wenn sie jetzt in der Branche sind,

00:39:01: wo sie Daten haben, die kein anderer hat, dann können sie die auch auswerten, wie sie kein

00:39:04: anderer kann und dafür wird man KI einsetzen können. Das zweite ist, bitte immer klar machen,

00:39:09: die Frage, wo will ich hin? Was ist mein Produkt? Vielleicht sagen Sie als Werbefirma,

00:39:14: ich will die erste Werbefirma sein, die halt maßgeschneidert auf jeden Menschen

00:39:17: einzeln politische Werbung baut. Also im Moment, im Bundestagswahlkampf haben Sie ein Plakat,

00:39:23: das schaut alle Menschen gleichzeitig an. Also jeder, der vorbeiget, ob all jung, ob groß,

00:39:28: klein, dick, dünn, Mann, Frau, ist völlig egal. Jeder sieht das gleiche Plakat. Mit KI könnte

00:39:33: ich im Prinzip Wahlwerbung oder jede andere Werbung für jeden Menschen passgenau machen.

00:39:38: Das ist im Moment noch... jedem zeigen, was er sehen will. Genau, und auch für jeden,

00:39:43: jeden das anbieten, was zu dieser Person am besten passt. Also ich bin jetzt ein mittelalter Mann,

00:39:48: da interessiere ich mich für andere Dinge als eine alte Frau oder ein junger Kerl. Also ich habe

00:39:54: die Möglichkeit, Menschen ganz genau anzusprechen. Das ist ein Geschäftsmodell, was in dieser Form

00:39:59: noch gar nicht so entwickelt ist. Da fängt man jetzt an, das auch online zu machen, aber da gibt es

00:40:04: viele Möglichkeiten, die im Moment mit KI noch gar nicht ausgeschöpft sind. Und ich finde,

00:40:11: es ist sehr wichtig, dass man sich klar macht, wir sind noch nicht abgehängt, was die Anwendung

00:40:16: angeht. Und da plädiere ich sehr dafür auszuprobieren, auch zu testen, vielleicht auch nicht nur zu denken,

00:40:23: KI kann das optimieren, was jetzt da ist, weil das konnte man bisher mit KI sehr gut. Es kann

00:40:30: auch wirklich neues erzeugen. Es kann auch mein Geschäftsmodell wirklich verändern. Und das muss

00:40:37: man immer mit berücksichtigen, dass man ein Tick größer denkt als im Prinzip das, was man hat

00:40:42: mit KI zu verbessern. Ich glaube, das ist für alle, die in Unternehmen sind, die ich ja zuhör,

00:40:49: aber doch auch relativ viele, wie wir immer so merken, sind ganz wichtige Tipps. Sehr spannend,

00:40:56: wie man auf dieses Thema draufblicken kann. Wir haben zum Abschluss, wir haben auch noch den

00:41:01: immer mal wieder den einen oder anderen Politiker oder so einen politischen Umfeld, der bei uns

00:41:06: zuhört, der sich jetzt vielleicht auch gerade fragt, was kann ich denn machen, wenn ich nicht,

00:41:11: wenn also das Datenschutzthema am Ende vielleicht einen großen Nachteil hat, dass wir das gar nicht

00:41:19: mehr mitkriegen, also wenn wir uns rausziehen aus dem Markt. Ich habe gesehen, Sie haben ein Buch

00:41:23: geschrieben, "12 Gesetze der Dummheit, Denkfehler, die die Politik im Moment macht". Für 12 Gesetze

00:41:30: ist das wahrscheinlich jetzt ein bisschen viel, aber das hängt ja wahrscheinlich mittelbar auch

00:41:36: mit dem Thema zusammen. Können Sie da die ein oder andere Gedanken noch mit uns teilen vielleicht?

00:41:41: Also zum einen muss man sehen, Gesellschaften haben immer dann ein Problem langfristig, wenn sie

00:41:49: nicht offen genug sind für notwendige Veränderungen. Das aus manisch Reich beispielsweise,

00:41:55: jahrhunderte lang technisch führend, hat auch im Spätmittelalter deswegen die Führungsrolle

00:41:59: verloren, weil die Koranschreiber den Buchdruck verboten haben, weil sie um ihre Jobs Angst

00:42:04: gehabt haben und sagen, ja dann muss ja kein Koran mehr hier selber abschreiben, das machen wir

00:42:07: alles mit dem Buchdruck, ist ja irgendwie schlecht. Ja gut, kein Buchdruck, keine freie Verbreitung von

00:42:11: Wissen, keine freie Verbreitung von Wissen, wissenschaftliche Nachteile, so und das ist

00:42:15: deswegen auch zu spät bei der Industrialisierung und da sieht man, wie gewaltig es sein kann,

00:42:20: wenn man so einen Anschluss verpasst und gerade ein Land wie unseres. Also ich bitte Sie, wir leben

00:42:26: ja nicht davon, dass wir hier irgendwelche Ressourcen aus der Erde buddeln und dann auf dem Weltmarkt

00:42:31: verkaufen. Also unser Geschäftsmodell ist ja, dass wir Probleme klug und clever lösen, dass wir

00:42:35: Ideen entwickeln, die kein anderer hat, Technologien entwickeln, die kein anderer hat. Das ist ja im

00:42:40: Prinzip das deutsche Erfolgsmodell und wenn ich so ein Land habe wie unseres, dann kann ich mir

00:42:46: einfach nicht leisten, eine Technik, die das Denken verbessern kann, Informationsgewinnung

00:42:51: verbessern kann, neue Ideen fördern kann, kann ich mir nicht leisten das nicht einzusetzen. Denn

00:42:57: bei aller Technik Skepsis müssen wir uns immer eine Frage stellen, das ist ein typischer Denkfehler

00:43:02: übrigens, der nennt sich Unterlassungsfehlschluss. Wir fragen immer, was ist die Gefahr, wenn wir

00:43:07: eine Technik einsetzen. Und diese Gefahren sehen wir überall, dieser Jurassic Park Effekt. Wir sehen,

00:43:12: wenn wir irgendwie was freisetzen und nicht mehr kontrollieren können. Aber man sollte genauso

00:43:18: gut fragen, was ist das Risiko, wenn wir die Technik nicht einsetzen? Also wie viele Menschen

00:43:22: leben werden wir nicht retten? Welche Ideen werden wir nicht haben? Welche Geschäftsmodelle

00:43:26: werden wir nicht entwickeln? Die nicht ausgedachte Idee hat ja keine Lobby. Also niemand beschwert sich

00:43:31: in 20 Jahren darüber, dass er eine Idee irgendwann nicht hatte, weil die Idee ist ja nicht da,

00:43:35: dann kann man sie ja auch in dieser Form nicht vermissen. Also dieses Unterlassen,

00:43:41: aus Angst davor sich zu verändern, das ist das ist einer der größten Fehler,

00:43:45: den Menschen machen können. Und deswegen bediere ich sehr dafür positiv, auch optimistisch,

00:43:50: nicht naiv, nicht naiv, aber optimistisch und gestalterisch sich dieser Technik zu nähern.

00:43:54: Sie hat Schwächen, sie ist nicht perfekt, Menschen wird sie auch in dieser Form nicht

00:43:59: eins zu eins ersetzen, aber sie hat dieses gewaltige Potenzial das, was wir im Moment am besten können,

00:44:05: noch besser zu machen, zu denken und Entscheidungen zu treffen. Ich glaube, das ist das also perfekt,

00:44:12: zusammengebunden, abgebunden, was die die wichtigsten Dinge dabei sind. Ich glaube,

00:44:18: das ist auch auf der letzten Appell war ganz wichtig dazu, auch in der Tat politisch auch

00:44:25: die Folgen zu betrachten, wenn man sich zu sehr einschließt. Ich würde sagen,

00:44:29: lassen Sie uns noch zu unserer Abschlussfrage kommen. Ich habe immer die Frage, was würden

00:44:35: Sie denn gerne im nächsten Jahr noch beantwortet wissen? Jetzt sind Sie jemand, der sehr viele

00:44:42: Fragen beantworten kann, aber es gibt sicherlich auch die eine oder andere, die Sie noch interessiert.

00:44:46: Welche Frage hätten Sie im nächsten Jahr gerne für sich glasklar beantwortet?

00:44:51: Ich muss ja sagen, ich arbeite ja auch in einem oder anderen, ich sage, KI-Projekt oder an der

00:44:57: einen oder anderen Umsetzung davon. Mich interessiert besonders der Einsatz von KI in Bildung oder in

00:45:07: Schulen, in Weiterbildung, wie schaffe ich es KI sinnvoll einzusetzen, dass Menschen besser denken.

00:45:12: Das ist eigentlich meine große Frage. Wie verbessere ich Bildung mit KI, auch in der Schule oder in

00:45:22: der Betrieblichen Weiterbildung? Wie bringe ich Informationen besser von A nach B mit dieser

00:45:26: Technik? Und langfristig natürlich, wie verdiene ich damit Geld? Also bisher weiß es noch keiner.

00:45:31: Sie könnten, ich hatte neulich eine Diskussion mit den Leuten von Microsoft oder so, oder

00:45:37: bei Meta, keiner weiß, wie man damit Geld verdient. Also alle probieren aus, alle testen.

00:45:43: Also wie teuer soll so ein KI-Agent sein, den ich später als Software kaufen kann und als

00:45:48: persönlichen Assistenten einsetzen? Das weiß keiner. Alle probieren rum und dieser heilige

00:45:54: Graal ist noch nicht gefunden. Und mich würde das wirklich interessieren. Was sind die ersten

00:45:57: wirklichen Geschäftsmodelle, die dafür sorgen, dass man damit wirklich langfristig

00:46:03: dauerhaft Geld verdienen kann? Sehr spannend. Also ich glaube, jeder Familienvater oder

00:46:07: jede Familienmutter kann gerade mit der ersten Idee oder eine Menge anfangen. Also wenn sie im

00:46:13: Bereich weitergekommen sind, wie man das Bildungssystem verbessern kann und mehr zum...

00:46:19: Das wäre ein großer Schritt. Also so groß will ich ja gar nicht denken.

00:46:23: Ich bin bereit, eine hohe Summe für einzusetzen. Lieber Herr Dr. Beck,

00:46:29: jetzt nähern wir uns aber, wir sind am 12. Dezember einem Fest, was traditionell doch sehr

00:46:36: menschlich ist und wenig Computer gesteuertes Fest ist, Weihnachten. Ich wünsche Ihnen also

00:46:42: eine schöne Weihnachtszeit, geruhsame Tage und grüße Sie ganz herzlich. Ich bin gespannt auf

00:46:48: die beantwortungsgehe Frage im neuen Jahr dann. Vielen Dank. Ich wünsche Ihnen auch eine schöne

00:46:52: Zeit, stressfrei und erholsam. Und meistens kommt man da ja auch auf die ein oder andere Idee,

00:46:58: wenn man dann entspannt von der üblichen Arbeit mal an was anderes denken kann. Vielen Dank noch mal.

00:47:04: Vielen Dank. Das war Glas klar. Der Politik-Podcast der Gelsenwasser AG. Rund um Wasser, Energie,

00:47:11: Klima und Digitalisierung. Wir hoffen, es hat Ihnen gefallen. Danke fürs Zuhören und bis zur

00:47:17: nächsten Folge von Glas klar.

00:47:19: [Musik]